仓储布局优化问题一直是仓储研究的热门话题,也是降低拣货成本,提升拣货效率的重要手段。本文针对非传统仓储布局参数化设计优化问题,结合国内外专家学者的研究经验,详细分析了实际拣货作业中Flying-V型布局、Fishbone型布局、改进Fishbone型布局仓库中所有货位点到存取点可能存在的拣货情况,并根据每种布局下的拣货情况建立了相应的拣货距离模型。本文还在传统遗传算法和粒子群算法的基础上给出一种混合优化算法,该算法将遗传算法的交叉变异算子与粒子群算法追踪记录群体极值和个体极值的操作进行融合,并采用二进制编码的染色体,提升各算法的运行速度。为比较各算法在求解这三种不同布局类型的数学模型时的有效性,对每种仓储布局都分别采用遗传算法、粒子群算法、混合算法进行了一系列实验。实验结果表明,混合算法在处理Flying-V型布局、Fishbone型布局和改进Fishbone型布局时,不仅具有粒子群算法收敛速度快、计算时间短的特点,还具备了遗传算法良好的寻优能力。最终依据实验结果将实验算法与互联网技术结合,编程实现非传统仓储布局参数化设计仿真系统,提高仓储布局优化的效率和用户体验。