现代物流行业在全球飞速发展,各个企业不仅要满足不断增长的用户需求,而且要控制住整个企业的运营成本,因此,仓储管理中的货位分配问题也越来越得到企业的重视。在货位分配的过程中,有很多因素会影响到整个仓库的周转效率。比如,货架的稳定性,货物的摆放位置,出库方式等等。企业要权衡各个方面来处理好各个因素之间的关系才能使效益达到最大化。由于物流企业积累了大量的历史数据,可以把数据挖掘的思想应用到货物的入库分配问题中,根据货物的出入库频率来进行货物摆放,以此来提高货物出库效率。本文首先针对立体仓库的货物入库分配问题建立了数学模型,该模型是一个多目标优化问题,模型考虑了三个因素:货架的稳定性、取货时间、货品间的关联规则。在搜索问题中,最常用的算法是遗传算法,但遗传算法有“易陷入局部最优解”这一弊端,而模拟退火算法能够以一定概率跳出局部最优解。本文利用模拟退火算法的这一特性来对传统的遗传算法进行优化,并将改进后的遗传算法与目标函数相结合来对货物进行货位分配。实验结果证明了改进的遗传算法从时间上以及对目标函数的优化上都好于传统的遗传算法,提高了整个仓库的作业效率,从而达到降低企业运营成本的目的。