随着仓库智能化水平的不断提高,很多大型电商仓储中心先后建立了移动货架式仓库,通过先进的“货到人”仓储模式,以应对电子商务订单的小批量、多批次、高时效性的中小件货品的拣选工作。该模式通过拣货员与可移动货架相互协作,有利于大幅提高电商订单的仓储运作效率。然而,在新建该类仓库时,如何在有限的投资下,实现拣货员与搬运机器人的最优数量配置,从而充分发挥出他们各自的效率,是摆在这些电商仓储中心决策者面前亟待解决的首要问题。在移动货架的仓库系统中进行订单拣选作业时,各搬运机器人按要求将存储区中包含需要商品的货架依次搬运至服务台,货架被拣货员拣选完毕之后,各搬运机器人再将货架送回存储区并搬运下一个货架。整个订单拣选作业的操作需要拣货员与搬运机器人的密切配合完成,拣货员和搬运机器人的数量配置将会直接影响仓储系统的订单拣选效率。如果搬运机器人配置数量过多,则在拣货台处会形成大量处于等待状态的搬运机器人,降低仓库整体拣货效率,如果拣货员配置过多则拣货员会存在较长的等待时间,也会降低仓库的整体拣货效率。如果移动货架仓库拣货员与搬运机器人的数量配置合理,则能够发挥出他们共同的效率,大幅减少双方各自不必要的等待时间。同时,拣货员与搬运机器人的配置问题涉及到搬运机器人的优化调度以及拣货员在单位时间内的工作效率问题,若搬运机器人调度不合理则人机数量配置也不会合理。因此需要通过模型来计算此问题。在求解拣货员与搬运机器人最优配置问题的过程中,针对搬运机器人的调度问题,在对其进行明确定义的基础上,建立了混合整数规划模型。当问题规模不断增大时,线性规划求解器就很难在较短的时间内求得问题的最优解甚至可行解。为此,设计了面向大规模问题快速求解的禁忌搜索（Tabu Search）算法。在实验中,针对小规模算例,将禁忌搜索算法与Gurobi计算的结果进行对比,研究结果表明,禁忌搜索算法得出的结果与Gurobi计算的结果相同,且在运行时间上有明显优势。针对大规模算例,本文的算法结果相较于遗传算法结果存在一定优势。同一规模的算例,使用禁忌搜索算法生成解的总拣选时间往往低于遗传算法的结果,且随着规模变大,遗传算法的总拣选时间增长趋势更大,而禁忌搜索算法结果增长趋势更为平稳。此外,禁忌搜索算法的运行时间比遗传算法更为迅速,以便更快地获得目标的最终结果。最后,对拣货员与搬运机器人的数量配置问题进行敏感度分析。分析不同的拣货员数量和不同的搬运机器人行驶速度下,启发式算法结果的变化情况,希望决策者在进行拣货员与搬运机器人的数量安排及配置工作时,有更为科学的数据支撑,使得拣货员与搬运机器人的配置更为合理,最终提升移动货架仓库的总体效益。