随着现代制造技术的不断发展和进步,自动化立体仓库的作用越来越大,它是计算机集成制造系统(CIMS)和现代物流技术的重要组成部分。自动化立体仓库的应用极大的提高了生产效率,但同样也存在一些难以解决的问题。在这当中,如何解决路径优化问题是进一步提高自动化立体仓库效率的关键问题,也是主要难题。以往单纯用一种算法(如蚁群算法、遗传算法等)及其改进算法来解决路径优化问题,往往由于算法本身的缺陷,容易陷入到过早停滞(早熟)或者效率低下等问题中,无法找到最优解。于是有一些研究人员开始研究如何将多种算法相结合来解决该问题,取得了一定的成果,也同样需要不断的改进。本文正致力于蚁群算法结合遗传算法来解决自动化立体仓库的路径优化问题的研究。本文从改进遗传算法的运算开始,引入近亲系数的概念,并通过限定平均近亲系数来选择交叉运算的匹配,可以最大限度的保证遗传的多样性,避免产生早熟现象。同时,本文还创造性的提出蚁群算法和遗传算法相互之间进行并行修正的方法来实现遗传算法和蚁群算法的结合,从相当程度上解决路径优化的早熟问题,并且大大提高了优化的效率和精确度。本文还充分的考虑到了自动化立体仓库本身的特点,对算法计算进行合理的修正,从而从实际应用方面较全面解决自动化立体仓库的路径优化问题。总之,对已有的算法进行改进来解决工程实践中遇到的问题是有效的,同样也是必要的。蚁群算法和遗传算法的有效结合,避免了蚁群算法和遗传算法自身的缺点,除了可以解决以自动化立体仓库拣选路径优化问题以外,还可以解决一系列机械系统优化和线性、非线性优化问题,对它的研究也需要进一步的深入和完善。