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。

为了解决机器人完成大规模状态空间强化学习任务时收敛慢的问题，提出一种基于优先级的并行强化学习任务调度策略。首先，证明 Q学习在异步并行计算模式下的收敛性；然后，将复杂问题根据状态空间进行分割，调度中心根据所提策略将子问题和计算节点匹配，各计算节点完成子问题的强化学习任务并向调度中心反馈结果，实现在计算机集群中的并行强化学习；最后，以CloudSim为软件基础搭建实验环境，求解最优步长、折扣率和子问题规模等参数，并通过对实际问题求解证明在不同计算节点数的情况下所提策略的性能。在使用64个计算节点的情况下所提策略相比轮询调度和随机调度的效率分别提升了61%和86%。实验结果表明，该策略在并行计算情况下有效提高了收敛速度，并进一步验证了该策略得到百万级状态空间控制问题的最优策略需要约1.6×10 ⁵ s。