提升仓储运作效率是实现制造供应链敏捷响应的重要途径,作为仓储中最劳动密集型和最资本密集型的活动,拣货路径优化历来是仓储领域的研究重点,合理规划拣货路径能有效改善仓储运作效率、降低运营成本。本文以非传统鱼骨仓储为研究对象,围绕货到人模式下多AGV拣货路径优化展开研究。首先,通过分析国内外文献资料,对鱼骨仓储、拣货路径以及智能算法的研究趋势进行归纳总结,介绍了仓储拣货作业优化的主要解决策略,引申出多AGV协同拣货路径优化问题与智能算法改进问题。其次,基于鱼骨仓储的布局特点,建立了三维仓储货位距离矩阵。根据实际拣货作业场景,多AGV拣货移动距离保持平衡才能实现订单快速响应而引入离散系数,考虑订单拣选完成延时对订单交付影响程度的差异,提出一种非线性时间窗惩罚函数,从而建立一种综合考虑负载平衡限制、非线性时间窗限制以及载重限制,以多AGV总移动距离最小为目标的拣货路径优化模型。此外,在模型求解方式上对经典的蚁群、遗传以及模拟退火算法进行改进,在蚁群算法中引入节约里程法的节约值概念,对转移概率进行改进,基于路径终点的引导作用对启发函数进行改进,并使信息素挥发因子采取自适应的策略,提出一种节约蚁群算法;在遗传算法中引入多个种群并使交叉、变异算子动态自适应,添加进化逆转算子,提出一种自适应多种群遗传算法;在模拟退火算法中引入双粒子并分别采取二邻域变换和逆转操作生成新解,降温过程中采取混合温度策略,提出一种多粒子混合温度模拟退火算法。最后,基于企业案例数据,采用MATLAB软件进行算法编译,验证了拣货路径模型的合理性以及改进算法的有效性、灵敏性;采用不同规模的订单数据测试算法,以S型路径策略和改进前的算法为对比算法,证明了节约蚁群算法适用于求解中、大规模订单下鱼骨仓储拣货路径问题,而多粒子混合温度模拟退火算法适用于求解小规模订单下拣货路径问题,并且节约蚁群算法的稳定性最高,多粒子混合温度模拟退火算法次之,自适应多种群遗传算法最低。