高效的订单拣选应当能够在最短的时间内使用最少的成本完成拣选作业。与此同时,订单拣选的优化不仅能提高客户满意度,还能提高整个供应链的服务水平。尤其是近些年,供应商管理库存、电子商务等新的生产与运营模式的出现,无线射频识别、仓库管理系统等信息技术的引入,给订单拣选的运作与管理带来了新的机遇与挑战。因此,有必要为订单拣选中的各个环节设计适应这种新型作业环境的拣选策略。目前,针对拣选作业各环节的相关研究大多在简单的、静态的、确定的假设下进行,忽视了作业环境中的复杂因素。具体表现在：多数拣选策略只针对单个拣货员设计,忽视了多个拣货员间的复杂关系；假设订单是静态生成且内容已知,而实际作业中订单是动态实时生成的；假设订单拣选作业时的信息与环境是完全确定的,忽视了作业环境的不确定性。作为处在运作层面的订单拣选路线规划环节,其策略直接影响订单拣选作业效率和服务水平。因此,针对实际订单拣选作业的复杂性、动态性、不确定性环境设计相应的订单拣选路线规划方法,更具有现实意义。本文从实际项目实践出发,以蚁群算法、信息共享等方法与技术为基础,从订单拣选路线规划及其相关环节的策略设计上着手尝试解决订单拣选作业中由复杂性、动态性和不确定性产生的问题,本文主要创新点及贡献分为以下几个方面：针对多区块仓库下的单个拣货员,使用基于偏离度的通道访问策略,构建了基于偏离度的订单拣选路线规划算法。该算法通过分析所有在库区中的待拣选拣货点的空间分布,确定当前待拣选通道的拣选方式,以取得全局优化的效果。在仿真实验中,偏离度算法的优化效果得到了验证,并且通过分析仓库布局和拣货点数量对算法的影响,表明所有的策略与算法在拣选密度合适的时候才能体现出差异。当拣选密度过高,所有策略与算法都会迫使拣货员走过全部通道而不具备优化空间。针对两个拣货员同时在仓库中进行拣选作业会发生堵塞的情况。本文给出了一个基于蚁群算法的考虑双拣货员堵塞的订单拣选路线规划算法A-TOP。使用禁忌表和逻辑距离的概念,将第二拣货员在作业过程中可能遇到的堵塞考虑在内,为第二拣货员构建出一条降低包括等待时间在内的订单拣选服务时间的路线。随后,在仿真实验中,验证了A-TOP的有效性和各种实验参数对堵塞和算法表现的影响。实验中,A-TOP由于一方面蚁群算法得出的路线本身就比较短,另一方面在构建过程中又考虑了堵塞,所以在大多数情况下,A-TOP的订单拣选服务时间都是最短的。在考虑双拣货员堵塞的订单拣选路线规划基础上,开展考虑多拣货员堵塞和不确定信息环境下的订单拣选路线规划研究。将A-TOP做了两方面扩展,一方面,通过修改A-TOP的堵塞判断规则和算法流程,使其成为能够应对多拣货员堵塞的订单拣选路线规划算法A-MOP;另一方面,修改应对堵塞的流程,提出了能够处理不确定信息环境下多拣货员堵塞的订单拣选路线规划算法A-MOP-N.为了满足在线订单高即时响应和短处理时间的需求,本文提出了能够将新到订单即时分配给作业中的拣货员执行并重新规划拣选路线的订单分配与路线规划算法Green-Area。该方法去掉了常用的订单分批策略中等待批次构成和空闲拣货员接收批次的时间,同时不会给正在执行作业的拣货员带来太大的工作负担。仿真实验证明,与最佳批次受订单到达速率影响的订单分批策略不同,新算法更适合应用于订单到达速率频繁变化的电子商务环境。