随着我国信息技术产业的发展,电子商务的迅速崛起给传统仓储物流带来了巨大的挑战。虽然近些年来我国的物流行业也取得了较大发展,但是相比于发达国家,我国的物流成本在GDP中的比重仍较大,物流体系的整体智能化水平仍然较低。目前,国内外都在大力发展智慧物流,而智能仓储作为整个智慧物流体系中极其重要的一环,也早已引起了世界各国研究者的关注。以亚马逊的Kiva系统为代表的基于多移动机器人的智能仓储搬运系统的提出,掀起了一场仓储业的革命。尤其是其提出的基于移动机器人的“商品到人”的拣选模式,能够将分拣人员从依靠人力寻找商品的耗时作业中解放出来,这极大地提高了商品的拣选效率。然而目前采用该分拣模式的智能仓储系统仍然存在许多问题,不能满足海量商品的拣选需求,系统效率有待进一步提升。其中限制仓储整体效率的两个关键问题是订单任务的调度问题以及移动机器人的路径规划问题。因此,本文针对上述两个问题进行研究,针对订单任务调度问题提出了一种基于订单适应度及离散粒子群的订单任务调度算法;针对路径规划问题改进了传统A*算法使其适用于仓储场景,并进一步设计了基于时空地图的路径规划算法,提升了系统效率。首先,为了研究仓储系统中具体的调度问题及路径规划问题,需要对仓储系统有个整体性的认识。因此,本文调研学习了仓储系统的发展历程,对本文研究过程中应用到的粒子群算法和路径规划算法进行了理论介绍,为后续的研究工作打下了基础。其次,为了研究订单调度问题,本文从分析电商仓储场景中的订单特性出发,研究了目前订单调度中存在的问题,接着根据订单特性提出了订单适应度概念,并基于仓储系统的实际场景设计了系统订单的分配策略及订单任务调度的整体流程;然后针对调度流程中的关键步骤,即具体的任务分配过程设计了基于离散粒子群的拣选任务调度算法;最后通过自己设计的仿真平台验证了该订单任务调度算法可以有效提升系统处理订单的效率。最后,本文根据电商仓储场景构建了合适的路网地图,然后研究传统的基于二维平面地图的路径规划算法,并针对仓储环境进行碰撞避免规则的设计及算法的改进;接着分析基于二维平面地图进行路径规划的局限性,为了实现机器人之间更好地协作,设计并实现了基于时空地图的路径规划算法,并在算法中考虑了机器人实际运行过程中转弯、装载货架等代价,使系统更符合实际场景;最后通过自己设计的仿真平台对算法进行了仿真,验证了该算法能缩短机器人运送货架的距离,提升系统的整体效率。