仓储管理在整个物流成本结构中占比很高,其中订单拣选是仓储管理中劳动力最密集的环节,是提高仓库运营效率和降低仓储成本的关键。长期以来,订单拣选问题一直是物流理论与应用的热点研究领域,目前国内外学者主要是通过优化储位分配、订单分批以及路径规划,实现订单拣选效率提高和仓库运营成本降低。然而,对于一个实际订单拣选过程,储位分配会影响订单分批方式,并进而影响路径规划,而在单车载货容量有限的情况下,如何进行订单分批,将会影响单车所需拣选的货物,最终影响拣选行走距离。此外,由于单车容量限制以及订单不可拆分拣选等,在保证订单拣选效率的条件下,同一批次拣选的货物总量往往小于单车的最大载货量,这就导致了单车容量的浪费以及拣选路径增加等问题,因此,基于订单拆分拣选策略,对仓储订单拣选进行合理的优化研究以提高订单拣选效率成为了企业在实际仓储管理中不可忽视的问题。本文以线上超市零售订单完全拆分拣选策略为背景,研究了订单到达前的储位分配优化问题和订单到达时的订单分批和路径规划联合优化问题,提出了基于分类存储和需求关联强度的SLAP模型和基于“路径-拣货量”复合方案的JOBPRP模型,并提出了保证求解持续可行的方案库更新策略,设计启发式两阶段求解算法,实现了对仓储订单拣选中三个主要拣选效率影响因素的优化研究。本研究的主要工作内容如下:首先,根据分类存储策略和货品之间的需求关联强度,以不产生存储冲突为约束条件,建立储位分配数学模型并设计改进的遗传算法求解,获得符合当前货物需求模式的储位调整策略,然后,利用企业在历史订单拣选过程中积累下来的“路径-拣货量”复合方案构建方案库;第三,以方案为决策变量、实际订单中的货物需求量为约束,构建订单分批与路径规划联合优化数学模型并求解,得到完成所有订单拣选任务所需执行的方案及其执行次数;最后,为保证基于方案库求解的可持续性,设计了启发式两阶段算法,基于当前需求订单制定新的“路径-拣货量”方案并用于更新方案库。通过与国外已发表的测试案例结果进行比较,验证了本文模型和方法的有效性和可行性。本论文基于分类存储策略和需求关联强度对订单拆分拣选策略下的储位分配问题进行探讨研究,并进一步建立了一种以单车“路径-拣货量”方案为决策变量,以实际货物需求作为约束,对订单可拆分拣选策略下的订单拣选方案求解的新方法,实现了对仓库订单拣选问题的系统性优化研究。