针对自动化立体仓库储位分配问题，结合仓库运作特点和安全性要求，构建了自动化立体仓库储位优化问题的多目标模型，并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法（SAGA）。首先，以降低货品出入库时间、同组货品距离和货架重心为目标建立储位优化模型；然后，为了克服遗传算法（GA）局部搜索能力差和易陷入局部最优的缺点，引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作，同时完成与SAGA的融合；最后，对改进遗传SAGA进行算法优化性、稳定性和收敛性测试。仿真实验表明，相比模拟退火（SA）算法的求解结果，该算法对货品出入库时间的优化度提高了37.7949个百分点、对同组货品距离提高了58.4630个百分点、对货架重心优化度提高了25.9275个百分点，并且该算法具有更好的稳定性和收敛性。由此验证了改进遗传SAGA求解问题的有效性，该算法可为自动化立体仓库储位优化提供决策方法。