遗传算法是一类基于自然选择和群体遗传学机理的有效的随机搜索方法，具有广泛的适用性。它最早是由美国密执安大学著名学者J.H. Holland教授在研究自然界自适应现象的过程中提出来的。本文对遗传算法进行了详细的介绍，针对它收敛速度慢、容易出现早熟等现象，通过引入新的思想和方法，设计出新的快速遗传算法和遗传-蚁群混合优化方法，使得这些问题得到改善或解决，并将其成功地应用到了TSP问题和大型自动化仓库拣选路径优化问题中。论文的主要工作如下：(1)设计了一种快速遗传算法。根据约束的特点和实际工程问题，将约束的处理分散到初始种群生成和遗传的各个环节中，采用单点交叉方式在不同染色体的相同位置的节点间进行交叉，将约束条件和目标结合在一起，引入一种新的偏序关系用于比较个体之间的优劣。采用“精英”保持策略，将父代的最优个体合并到子代，使算法具有较强的鲁棒性。(2)在上述快速遗传算法的基础上，设计了一种新的遗传-蚁群混合优化方法。该算法采用串行结构，利用蚁群算法产生初始种群，通过遗传算法寻找最优解。在初始化信息素矩阵中采用候选城市列表方式减少劣质解，缩小了解空间的搜索范围；在变异操作之后引进进化逆转操作，改善了遗传算法的局部搜索能力；采用精英保持策略，避免了子代的退化，改善了种群的多样性。(3)采用混合遗传算法，对TSP问题进行求解。通过旅行商问题标准实例测试和与参考文献结果的比较，验证了所提混合算法的有效性。采用快速遗传算法，在已经存储一定数量货物的大型自动化仓库中，进行拣选路径的优化。仿真结果表明，该算法能够大大降低时间和空间的计算复杂度，快速、稳定地找出最优解。在迭代结束时获得的Pareto解集中满足要求的个体都具有较小（较优）的目标函数值，且拣选路径满足约束条件，并随货位的变化而调整，具有良好的应用适应性，能够很好地满足立体仓库优化控制的工程实际需要。