在经济全球化的推动下,以互联网技术为基础的商业王国如雨后春笋般地涌现。其中,电子商务以其方便、快捷以及跨距离等优势乘风而起,与传统实体业展开了一场没有硝烟的战争,并在短短数十年内,于传统实体业长久统治的商业版图中争得三分天下。而电子商务之所以能够取得如此成就,得益于其优秀的商业模式以及支撑这种商业模式运营的技术,其中最具代表性的技术之一当为仓储技术。传统仓储中,常常以人力作为仓储管理的核心,由人工完成商品的拣选工作,这样不仅效率较低,而且准确率也不高。而由亚马逊收购的Kiva System所提出的“商品到人”的智能仓储管理模式借助于移动机器人的自动作业,将可移动货架搬运至分拣站台完成商品拣选工作,这样不仅节约了劳动力成本,而且提高了商品拣选的准确率。然而,将人力资源从传统仓储的耗时作业中解放出来须以较高效率的智能仓储系统作为替代品。其中,移动机器人的路径规划和仓储订单调度为两个影响系统效率的关键因素。故而,本文着眼于这两个关键因素,旨在提高智能仓储系统的效率。针对智能仓储中AGV的路径规划问题,首先对智能仓储系统的商品拣选模式及物理实现进行了简单的介绍;然后对AGV运行的仓储地图进行建模,并完成仓储中各单元的配置;最后针对传统蚁群算法取得最优路径慢的问题,提出改进的蚁群算法,通过增加蚂蚁间的通信提高了算法的每轮迭代的全局搜索能力以及通过引入蚂蚁回退功能而保证了每轮迭代的有效性,同时考虑到AGV转弯会增加耗时扩展了评价路径优劣的标准,使得算法最后输出的路径更优。另外,提出了基于路径表的碰撞避免策略,使各AGV能够安全行走。而对于智能仓储中订单的调度问题,首先对实际电商系统的订单特征进行分析总结,并根据实际仿真需要将其简化;然后考虑到后续产生的订单可能与前面的订单相同,故将此类订单进行合并处理,以减少货架的搬运次数;最后基于合同网的调度思想提出了基于AGV繁忙度的订单调度算法,通过将任务分配给系统当前繁忙度最低的AGV而缩短了完成商品拣选的时间消耗,同时针对合同网算法通信量过大的问题,引入了AGV管理层,将调度中心与AGV的通信修改为与AGV管理层的通信,减少了算法的通信量。对于上述两个问题,本人通过采用C++编程语言设计的仿真平台对所设计的路径规划算法和订单调度算法进行仿真验证,结果表明算法的确提高了系统效率。