自动小车存取系统（AVS/RS）的出现使得自动化立体仓库更具柔性，与计算机的结合也更加紧密。高效的物流仓储可以加快整个物资流通的速度，降低不必要的时间成本，保障生产合理有序地进行，并优化资源配置。为了实现仓储的高效运作，必须在分析自动小车存取系统的基础上建立数学模型，然后寻求合理的调度策略。自动小车存取系统调度优化的关键工作是选择合理的作业方式、寻找合适的出入库任务完成顺序以及在需要跨层作业时选择合适的升降机以高效地完成作业任务。该问题属于NP问题，其搜索空间较大，利用传统的方法难以解决。智能算法的提出和发展为调度优化问题的解决提供了重要的思路。其中，遗传算法因具有使用范围广泛、较强的全局搜索能力和可并发处理等优点得到了广泛的使用。本文在研究自动小车存取系统调度工作的特点和遗传算法已有研究成果的基础上，提出了一种基于改进遗传算法的自动小车存取系统建模和调度优化策略。　　本文的主要工作如下：　　简述了自动小车存取系统的研究背景与意义、国内外关于传统堆垛机式自动化立体仓库、自动小车存取系统和遗传算法的研究与应用的研究现状。　　简要介绍了自动化立体仓库的发展历程、应用场景和优点。简述了组成传统堆垛机式自动化立体仓库的主要机械设备、传统堆垛机式自动化立体仓库的2种分类方法和出入库作业流程。简述了自动小车存取系统的4个组成部分。介绍了自动小车存取系统的两种分类方法，并选择了一种特殊形式的自动小车存取系统为对象，描述了出库和入库作业流程。　　按照起止位置的不同，具体分析了AGV运动过程的3种情形。分析了不同的作业方式、不同的任务完成顺序、选择不同的升降机实现AGV的跨层运动、AGV选择不同的水平路径对调度效率的影响。在此基础上，建立了自动小车存取系统调度的数学模型。并确定了优化的目标是找到一个使订单完成总时间最短的作业方案。　　将AGV的水平运动归纳为4类，并分别分析，给出了运动时间的计算公式。分析了AGV乘坐升降机的运动过程，并给出了计算公式。将AGV和升降机的位置关系分为4类，并分别分析，给出了等待时间的计算公式。在此基础上，使用Java语言编写了用于计算订单完成总时间的程序。该程序可用来计算自动小车存取系统在采用复合作业方式、确定的任务完成顺序、选用确定的升降机实现AGV的跨层作业的情况下的订单完成总时间。使用该程序求得了某任务订单总的完成时间。　　简要介绍了遗传算法的四个主要部分，即参数的编码与解码、种群的初始化、适应度函数的设计和遗传算子的设计。描述了基本遗传算法的执行流程。说明了遗传算法的特点。本文提出了一种改进的遗传算法。该算法采用线性调整适应度函数以避免算法过早收敛，采用轮盘赌法和精英个体保留法相结合的混合选择策略以提高算法的收敛速度，采用线性下降的交叉和变异概率设计以保证算法在早期有更强的全局搜索能力，在后期有更快的收敛速度。针对自动小车存取系统的调度优化，本文采用符号式编码和解码方案，目标函数值的计算使用求订单完成总时间的已有程序。以确定系统参数和任务订单为例，验证并分析了改进遗传算法的表现。实例证明，线性调整适应度值可以有效抑制算法的过早收敛，混合选择策略可以在保证收敛质量的情况下有效提高收敛速度，而曲线下降的交叉和变异概率设计可以有效提高算法的收敛速度和全局搜索能力。最后，在该系统条件下，以两组随机任务订单为例，分别采用离散粒子群算法（PSO）、基本遗传算法（GA）和改进遗传算法(IGA)进行30次运算，并分别取最优结果。实例证明，本文提出的改进遗传算法可以有效加快收敛速度并具有良好的收敛精度。