自动化立体仓库作为一种新型仓储技术,具有空间利用率高、节约人工成本以及存取效率高等优点,获得了广泛的关注。而对于已设计好相关配置的自动化立体仓库来讲,调度流程高效与否决定仓库的运行效率高低。随着技术发展以及企业的需求转变,企业希望针对不同场景需求能够提供不同的调度方案进行决策。因此,本论文选择自动化立体仓库作业调度为基础研究,针对两类多目标调度场景,研究并扩展了基于分解的多目标进化算法。本论文主要研究内容如下:1.考虑到自动化立体仓库出入库任务是以订单为操作对象,本论文针对此调度场景,以同时最大完工时间以及最大订单拖期为优化目标,建立多目标自动化立体仓库订单调度模型,并研究了一种融合混合蛙跳算法的改进基于分解的多目标进化算法。在该方法中,引入了一种基于距离的邻域更新策略,用来判断需要更新的子问题,保证算法的稳态更新。同时,在算法后期引入改进混合蛙跳算法来加深算法的搜索深度,显著优化了算法的搜索效果。2.企业始终以最小成本获得最大收益为运营目标,自动化立体仓库频繁地出入库操作,设备能耗作为其中的运营成本,直接影响企业的最终收益。在本论文中,研究了以最小化最大完工时间以及堆垛机能耗的多目标自动化立体仓库出入库作业调度问题。提出了一种改进的权重向量自适应基于分解的多目标进化算法求解该问题。该方法通过引入一个全局指示性指标用于控制切换算法中的子代生成策略、局部搜索以及种群多样性维护的时机。混合子代生成策略使得方法能够保留不同搜索机制的特点,局部搜索保证算法能够对目标空间进行细致的搜索,而种群多样性维护策略旨在提高迭代过程中提高种群的多样性。不同问题规模的仿真实验表明,本文研究及扩展的基于分解的多目标进化算法在求解自动化立体仓库调度问题的有效性,具有较高的实际应用价值。