钢铁是工业中重要的支柱产业,一直以来,钢铁工业的发展水平决定着整个国家工业化的基础,并且直接影响我国的经济建设,在国民经济体系中也有着极其重要的地位。钢铁企业在面临智能化和信息化的现实环境中,其生产经营模式正在紧锣密鼓地升级和转型,我国作为世界上钢铁物流量最大的国家,以节省原材料和提高生产率的利润增长模式已经过时,物流成本的优化成为各大企业关注的重点,为了提升企业物流现代化管理水平,尤其是库存智能天车在执行作业和调度过程中效率低的问题,本文以河北某钢卷库实际运营情况为背景,研究了库存天车倒垛和调度优化问题。首先,在分析研究天车传统作业模式的基础上,针对钢卷库倒垛问题进行优化,建立了以钢卷倒垛次数最少为目标的整数规划模型,在对模型求解过程中,受Alpha Go-Zero中树搜索方法的启发,设计了蒙特卡洛钢卷搜索树（MCRST）,为了使搜索树的收敛速度更快,并提升结果的准确性,将树的置信度上界（UCT）改为快速动作值估计（RAVE）,同时引入绝对剪枝策略避免节点盲目扩展,通过不同规模算例实验,利用改进算法对比原树搜索和粒子群算法,解决了算法在大规模问题应用下的难点,证明了该算法的优越性。其次,根据企业目前天车调度的实际情况,对包含倒垛问题在内的多天车多任务作业模式进行优化,建立了吊运任务等待被运输时间和吊运任务总时间均为最短时间的多目标数学模型,根据同轨多天车在时间和空间上的约束,提出了考虑调运任务优先级、择车规则、天车避碰规则和天车位置更新规则在内的天车调度优化模型。应用灰狼算法（GWO）对模型进行求解,为了解决算法中存在的种群随机初始化和易陷入局部最优的问题,设计了基于反向学习、动态自适应位置更新策略和动态自适应衰减因子的改进灰狼算法（IGWO）。最后,通过与GWO算法和粒子群算法比较,验证了IGWO算法在多天车多任务调度中的有效性。最后,在钢卷库原有系统基础上,设计和开发了天车调度子系统,实现了订单-调度计划-出库整个流程的数据化处理。同时,对与天车调度有关的作业流程、功能模块等进行了详细描述与介绍,并对核心模块进行展示。实践表明,该系统可以为整个钢铁企业的高效运行提供保证。