随着计算机技术和优化问题解法的快速发展,一些工程、科学和工业生产中的优化问题不管简单还是复杂均可以采用智能优化方法进行求解。遗传算法是智能优化方法中应用最为广泛也最为成功的算法,它作为一种模拟自然进化过程搜索最优解的方法,其整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其它辅助知识,而只需要影响搜索方向的目标函数和相应的适应度函数,遗传算法提供了一种求解复杂系统问题的通用框架,它不依赖于问题的具体领域,对问题的种类有很强的鲁棒性。本文在仓储库位分配问题的研究中,引入了求解大规模组合优化问题的遗传算法。其中函数优化是遗传算法的经典应用领域,也是遗传算法进行性能评价的常用算例,对于一些非线性、多模型、多目标的函数优化问题,用其它算法较难求解,而用遗传算法求解则得到了较好的结果,本文给出了具体的求解方法。随着问题规模的增大,组合优化问题的搜索空间也急剧增大,有时在目前的计算上用枚举法很难求出最优解。对这类复杂的问题人们已经意识到应把主要精力放在寻求满意解上,而遗传算法是寻求这种满意解的最佳工具之一。本文对于组合优化问题中的指派问题给与了解决方法和编程实现。本文所做的主要工作有以下几个方面：(1)利用遗传算法求解函数优化问题,其中求解了无约束单目标优化模型、约束单目标优化模型,利用并行遗传算法求解多目标优化模型。针对组合优化问题中的指派问题,建立模型,并设计遗传算子,应用遗传算法进行求解。(2)从物流中心仓储过程的实际业务出发,考虑到堆垛机运行效率,建立了库位分配问题的指派问题模型,结合着测试数据进行求解,应用了遗传算法,证明了它在求解组合优化问题理论上的可行性。(3)进一步分析仓储过程和仓库中的实际情况,为收货上架这一过程建立更为全面的多目标优化模型：不仅考虑堆垛机的运行效率,同时考虑货架的受力状况,并利用并列选择法对多目标模型进行求解。(4)亲临一汽轿车仓储配送中心进行调研分析,针对目前仓储区的现有情况,利用前面建立的数学模型,兼顾考虑物料的周转频率和货架的受力情况,对仓储区的物料进行上架库位分配,从工业生产优化的角度证明了其实践的可行性。(5)最后,本文对全文进行了总结,并且对遗传算法的发展和应用领域进行了展望。