自动化立体仓库堆垛机拣选路径优化问题是NP-完全问题,无法求得最优解。学者们运用了各种优化算法以及混合算法来求解堆垛机拣选问题,起到了一定的效果。然而,当问题规模大且问题的复杂度高时,传统优化算法的求解效率是有限的。硬件技术的迅速发展为实现并行计算提供了可能,如何借助并行算法并充分利用硬件成为了现实的问题。本文将一种单程序多数据流(简称SPMD)并行结构运用到粗粒度并行遗传算法中并对算法进行了改进,目的是为了使算法能在多核计算机上实现并行计算,提高算法的性能、缩短运算的时间,从而提高粗粒度并行遗传算法对实际问题的求解效果。本文对传统粗粒度并行遗传算法的改进主要包括:(1)对变异策略的优化,对不同的子种群应用不同的变异方法;(2)对种群迁移策略的改进,采用动态调整迁移率与完全网络拓扑相结合的方式对子种群中的个体进行迁移;(3)对改进算法的串行程序做了并行改编。在此基础上,本文运用了基于SPMD并行方法的改进粗粒度并行遗传算法对自动化立体仓库拣选路径优化问题模型进行了求解,并根据求解结果计算了并行计算的加速比。对比表明,改进算法能有效缩短运算时间,提高求解自动化立体仓库路径优化问题的效率。本研究对并行遗传算法的研究有一定参考作用,对并行计算的研究也有一定的借鉴意义,对于解决自动化立体仓库堆垛拣选路径优化问题有着重要的现实意义。