随着我国经济和科技的飞速发展,人民个性化需求越来越旺盛,传统的大批量标准化的家具生产模式由于无法适应客户多样化的需求,开始向着多品种、小批量、大规模的定制化生产模式转变。与传统家具生产方式相比,定制家具由于客户订单产品类型多种多样,为尽可能节省原材料板材的浪费,会将多个客户的订单整合到一起进行开料。虽然这种生产模式能够有效地提高原材料板件的利用率,节省材料成本,但是,由于开料过后不同客户订单的板件会混堆在一起,又造成后续分拣作业成本的上升。传统定制家具的分拣作业多是常采用手工分拣的方式进行,虽然实行简单,但是效率低下且容易出错。在此背景下,为了提升分拣准确性、提高分拣效率、降低分拣作业时间及人力成本,定制家具厂商已逐渐开始引进自动分拣系统来实现板件的自动分拣。目前,关于分拣系统出入库调度策略的研究大多集中在人工拣选系统和自动化立体仓库系统,在少部分关于自动分拣系统策略优化方法的研究中,主要围绕在品项分配、分区合流、以及订单排序三个方面,关于分拣系统出入库调度策略的研究鲜有所见。基于当前定制家具企业对于自动分拣系统出入库调度控制理论的迫切需求,考虑不同调度情形下自动分拣系统的出入库调度问题,进行出入库调度算法的研究。本文主要研究内容及成果如下:在假设所有订单板件均已入库完毕后,研究确定性环境下自动分拣系统的出库及打包调度问题。首先将出库打包调度问题抽象为一类板件处理具有优先顺序约束及机器约束的三阶段柔性装配流水车间调度问题。接着,以最大出库完工时间、最大包装完工时间、板件在包装工位等待时间三者加权和最小化为优化目标,建立问题的数学模型。参考多阶段混合流水车间调度问题的求解思路,将多阶段的出库打包调度问题按阶段进行分解,构造了一种启发式算法H~*对分解的问题进行求解,仿真结果显示,相较于一般的组合优先规则启发式算法,H~*算法求解性能更好。为提升自动分拣系统整体的出入库分拣效率,在出库打包调度问题的基础上,考虑板件的入库过程,研究确定性环境下自动分拣系统的出入库联合调度问题。在对出入库联合调度问题进行补充描述以及建立了问题的数学模型基础上,构造了一种启发式算法AH*。该算法核心思想是结合所设定的缓冲区容量约束,计算出每块板件的最早及最晚可开始入库时间,然后基于计算出的可入库时间区间,安排入库任务的开始时间,如果所安排的任务与出库任务存在冲突,再采用受影响工序平移法对受影响的出入库任务进行平移调整。仿真实验结果证明所设计的AH*算法求解问题的有效性。为更贴近实际分拣作业环境,考虑分拣过程中板件入库到达时间的不确定性,研究一种动态环境下的自动分拣系统的出入库联合调度问题。为应对板件到达时间不确定性的干扰,以及及时响应板件到达所引发的缓冲区阻塞异常,采用一种基于变周期以及事件驱动的滚动窗口重调度方法,将动态调度问题分解为若干个确定性调度问题。在定义问题的重调度板件任务集合后,提出一种基于警戒线系数的出入库重调度算法对划分的确定性问题进行求解,仿真结果表明,高警戒线系数的出入库重调度算法在调度性能以及调度的稳定性上均有较好的表现。基于动态出入库联合调度问题的研究成果,考虑固定警戒线系数的出入库调度算法无法对状态不断变化的动态调度问题进行最优求解,研究一种自适应调度问题。首先,综合目前自适应调度问题的研究成果,提出一种基于强化学习的自适应调度算法,在定义了问题所对应的Q学习算法的状态空间、奖赏函数、动作集合后,结合Q学习的自主学习特性,实现针对分拣系统不同的运行状态,选择最合适的警戒线系数出入库重调度算法进行求解。