随着信息技术的高速发展,商业活动的节奏越来越快,竞争日趋于多元化,客户需求的个性化越来越强。依靠研发采用新技术来取得竞争优势的效果越来越小,持续的时间也越来越短。越来越多的学者、从业者意识到通过提高物流作业的工作效率,缩短作业时间,降低整个物流系统的成本,成为增强企业竞争力和提升利润空间的又一手段,因此物流又被称为“第三个利润源泉”。本文以A公司一个以人力操作为主的立体仓库为研究对象,结合国内外在路径优化和仓储优化方面的研究成果,分析了A公司仓库的现状及所存在的问题,分别从路径优化和储位分配两个方面建立了以提高拣货作业效率为目标的优化模型,并通过遗传算法和Python的一个专门求解线性规划的扩展库对模型进行求解,最后采用A公司的真实拣货数据进行仿真,验证模型的有效性。在利用遗传算法对模型进行求解时,为了提高算法的求解性能,将自适应邻域法与遗传算法进行有机结合,通过兼顾种群的多样性和收敛速度,极大的提高了求解效率;在建立储位优化模型时,为解决A公司产品的重量和体积这些关键数据缺失的问题,通过根据库位的容积、位置对仓库的库位进行分类,并只在同类型库位之间或向容积更大的库位转移货品来克服数据缺失这一难题,顺利实现优化,保证了模型的实用性。