近年来随着电子商务的飞速发展,海量小订单已成为其区别于传统商业大订单模式的显著特征。为了增加用户体验,提高订单的处理效率,通常智能化机器人被广泛用于物流仓库的日常运营中。此时传统仓库管理策略中,以“人”为本的商品上架策略已无法满足海量小订单的快速处理需求。因此本文根据智能仓库的业务特点,结合目前常见的机器学习方法提出了以“订单处理效率”为核心的商品上架策略。本文主要从以下四个方面对商品上架策略进行了研究:1)通过分析智能仓库的运作特征,给出了商品上架的形式化定义,并从理论说明了影响智能仓库运行效率的主要因素是处理一批订单过程中机器人移动了多少次货架,而并非传统商品上架策略中使用商品检索率、空间使用率等。2)提出了基于顺序方法的商品上架策略。首先将所有商品按订单的顺序排列;然后将序列按照货架的存储量进行切分;最后将商品进行顺序上架。实验结果表明该商品上架算法不仅复杂度低而且上架结果的效率高。3)提出了一种基于网络表示的聚类商品上架策略。首先根据历史订单数据构建商品间的关联图,并通过网络Embedding方法得到商品的表示,最后通过K-means聚类发现强关联商品并将强关联商品放到同一个货架中。结果表明基于网络表示的聚类上架策略优于随机上架策略。4)提出了基于遗传算法的商品上架策略。首先采用货架移动次数作为适应度函数。然后为了找到更好的解,使用历史订单中的顺序序列作为种子来初始化染色体群。此外定义了一种特定的交叉变异策略,以避免通过交换选定的基因来检查染色体的有效性。实验结果表明基于遗传算法得到的上架结果最好。