作为自动化科技进步和现代物流发展的优秀产物，自动化仓储集存储、搬运和配送于一体，是现代物流系统的一个重要组成部分。其本身是一个复杂的综合自动化系统，硬件设备、自动控制与通讯技术等都已经十分完善，但是在管理、调度等方面存在诸多不足。其中作业路径和货位优化方面的问题尤为突出，亟需优化，它们已经严重制约自动化仓储乃至整个现代物流业的发展。　　为促进物流业持续、稳定、健康地发展，如何对仓储系统中的路径及货位进行优化是自动化仓储管理者不可回避的重要问题。目前很多智能算法已经被引入到仓储优化中，但是针对具体的优化问题，仅仅依靠一种算法往往无法取得令人满意的精度，进而影响算法的实用性。　　本文通过比较几种智能算法的优缺点，提出在基本粒子群算法中引入合理的交叉、变异算子形成一种混合粒子群算法，具有较好的全局搜索性能，能够解决离散组合优化问题。具体针对路径优化这一传统的NP问题时，算法的实际仿真结果优于蚁群、遗传算法。货位优化的众多原则决定其是一个多目标组合优化问题，针对其具体模型设计多目标混合粒子群算法。主要是在混合粒子群算法的基础上加入外部档案维护，通过计算拥挤度距离进行档案维护的过程中为粒子选取全局最优位置，保证粒子始终在搜索空间内飞行并逐步逼近Pareto前端。通过测试，算法与传统的多目标优化算法NSGA2比较有一定的竞争优势，且能突破传统多目标算法的局限性，得到Pareto前端最优解集，最终解决立体仓储的货位优化问题。