目前仓储数据管理多是基于数据库及RFID（Radio Frequency Identification）技术,以表格形式提供给管理人员使用,随着入库量的增加,这些繁琐复杂的表格数据,已经无法满足当前仓储的管理需求。同时随着物流环节快速发展,仓储货位依靠人工经验配置作业效果差、仓库空间利用率低等问题日益明显。为了满足现代物流对仓储合理高效配置的要求,可视化的智能仓储管理系统成为新的研究课题,旨在通过智能优化算法来科学管理仓储空间和货位配置过程,主要工作有以下三个方面:（1）针对仓储数据复杂不直观的问题,设计仓储数据的3D可视化控件。以3D可视化技术为出发点,利用Maya建模软件对仓储货品货架进行建模,将模型导入Unity3D引擎,复现仓储货品货架的三维场景,该控件通过与传统仓储数据库通信获取仓储货品货位信息,以直观的3D形式向数据管理者展现仓储数据,加强管理者对仓储数据的理解。（2）为了提高仓库存储能力与作业效率,构建基于多目标粒子群算法的仓储货位分配模型。首先对货位管理原则进行分析,根据仓储货位配置要求考虑对货物相关性、货架稳定性、货物周转率、货物与货位间最短距离这四个因素进行多目标货位分配建模,采用多目标粒子群优化算法MOPSO对模型进行求解,得到货品入库的最优位置,将求解的最优位置通过可视化方法显示在仓储三维场景中用来指导货品上架,并在实际仓储上货过程中进行实验测试。实验结果表明,对仓储货位配置模型的多目标粒子群优化求解,将仓储货位配置作业速度提高了近一倍,提高仓库空间利用率20%,基本满足现代物流仓储高效率要求。（3）实际仓储上货过程中货品对货位存在多样性选择的需求,而MOPSO算法在解决多样性差等多目标优化问题时存在不足,针对以上问题,设计增加柯西变异算子丰富外部档案和构造cos余弦动态变化学习因子的改进策略来提高MOPSO算法种群的多样性,从而满足货品上架的多样性需求。实验结果表明,该改进方法能够丰富优化算法解的多样性,并满足仓储配置的多样性需求,使仓储空间分布更加合理,并为后续相同货品入库预留空间。