经济环境日新月异,产品生命周期日益缩短,现代制造技术不断发展,家居企业之间的竞争日趋激烈。电子商务飞速发展,我国电子商务交易规模逐渐扩大。一些家居企业也在小心求变的路上,不断尝试开展电子商务,进军网络零售市场。1943年,A家居创建于瑞典,目前已成为全球最大的家具家居用品零售企业,截至2018年,其在全球50多个市场拥有422家商场,其中有26家在中国大陆。为了提高物流服务水平、降低物流成本、扩展销售渠道,A家居在天津建立了物流分拨中心,为其部分线下实体商场和部分线上网络商城订单发货。作者在A家居天津物流分拨中心实习的过程中发现,A家居电商业务的订单量呈持续增长的趋势,而准时交货率也逐渐下降。本文以A家居天津物流分拨中心电商业务拣货货位为研究对象,对其概况、仓库布局、拣货方式与流程、货位分配现状进行了描述。并且对订单增长趋势进行了分析,使用EIQ分析法归纳了订单结构发生的变化,使用Python软件运用Apriori算法挖掘出了订单中隐含的关联规则。分析发现,造成准时交货率下降的原因主要是拣货方式和货位分配的不合理。应将拣货方式由采摘式调整为播种式,并遵循出入库效率原则、作业可靠性原则和货物关联性原则,进行货位的优化。因此本文以拣货路程最短、货物关联性最高为目标函数,确定了相关约束条件,建立了A家居天津物流分拨中心电商业务拣货货位的多目标货位优化模型。在对多目标函数进行了加权处理,将其转化为单目标函数后,使用了Matlab软件运用遗传算法对货位优化模型进行求解,并绘制了货物周转率的分布图。对比优化前后各项参数,证明本文建立的货位优化模型是有效的,对相关研究和企业有一定的借鉴意义。本文使用数据挖掘理论中的Apriori算法分析历史订单数据,找出支持度较高的频繁项集,得出具有较高置信度的关联规则的产品组合,将其作为货位优化模型中的重要参数,使用遗传算法求解货位优化模型。数据挖掘理论与货位优化模型的结合,可为货位优化问题的研究方法做补充,对相关研究有参考意义。