随着社会不断发展,生产力不断进步,仓储管理越来越成为人们关注的焦点。作为一个独立的生产制造企业,为了更好的发展,必须摒弃陈旧的管理观念,积极引进新技术、新思想,改变仓储现状,最大限度的压缩货物在仓库的停留时间,从而达到节约成本,增加企业收益的效果。本文根据A公司仓储中心的实际情况,将现场调研和理论充分结合,运用大数据的观念建立“云仓储”的管理平台,并对货位优化和拣选路径优化建立数学模型,使用多种群遗传算法和遗传算法分别对各自优化模型进行求解,希望为企业的进一步优化决策提供建议。论文的主要内容包括以下几个方面:(1)分析了论文的研究背景和意义,分别从货位优化和拣货路径优化两个方面介绍了国内外研究现状以及亟待继续研究的问题和方向。以此为基础确定了本文研究主要内容和研究方法思路。(2)介绍了大数据、货位优化和拣货路径优化这三方面的相关理论,着重对遗传算法作了详细介绍。然后分析了A公司仓储中心管理现状,为后文解决实际问题建立优化模型以及算法设计提供理论基础和依据。(3)根据大数据的理论对仓储中心建立“云仓储”管理平台,对各项业务操作进行优化整合。然后建立多目标货位优化模型,并使用RS分析方法对指标赋权。最后根据多种群遗传算法步骤设计优化模型求解过程,并通过MATLAB软件仿真计算,得到更加合理的货位设置,同时验证了模型可靠性。(4)根据A公司仓储拣选作业实际情况及拣选路径优化目标建立了仓储中心拣选路径优化模型。利用S-shape策略法、最大间隙法和遗传算法对拣选路径问题进行分析和优化求解,并采用MATLAB软件对优化模型进行仿真设计,得到优化后的拣选作业行走距离。通过对三种优化方法优化后的行走路程进行对比分析,基本达到拣选路径优化的目标。