订单拣选作业是配送中心所有作业中成本最高、耗时最多的作业流程,直接决定了配送中心服务的效率和水平。传统意义上,配送中心拣选作业多采用人工拣选或者电子标签、语音等辅助拣选方式。随着拣选产品种类的极大丰富,市场需求的不断细化,客户的订货量和订货频率大幅增加,原有拣选方式已经不能满足配送中心拣选需求,在此背景下,高效低耗的自动化拣选系统得到了广泛的推广和应用。自动拣选系统有多种类型,主要可分为基于仓储、基于输送和基于拣选机三类,本文以面向多品种、小批量、高频率的快速消费品拣选的基于拣选机的自动拣选系统(以下非特别指出,所提及自动拣选系统均指此类)为研究对象开展研究。当前,如何提高自动拣选系统精确性和效率成为配送中心业务能力提升面临的重要问题。在订单需求特点确定前提下,自动拣选系统的效率主要受其工作参数、结构要素和拣选策略的影响。一段时间以来,通过提升拣选机的单机作业效率来提升自动拣选系统总体效率成为研究热点,但拣选机单机作业效率的提升受制造能力和成本影响较大,特别是单机效率到达一定水平后,再向上提升非常困难。基于此,通过优化自动拣选系统布局要素、拣选策略以及参数匹配等来提升系统效率成为新的研究热点。国外文献对自动拣选系统优化的研究主要集中于对自动化立体仓库(AS/RS)系统方面,对基于拣选机的自动拣选系统优化研究几乎空白。国内近年来针对基于拣选机的自动拣选系统优化研究较多,除针对拣选机设备改造等制造技术层面外,多集中在基于分区、并联、预分拣等宏观布局结构的优化研究；对于品项分配、拣选机配置等方面的优化研究一般是基于成本目标,基于效率目标的研究较少。基于此,本文以提升自动拣选系统效率为目标,以自动拣选系统的共性模型----基本型自动拣选系统为主要研究对象,运用数学建模、遗传算法、聚类分析、正交试验等方法,围绕影响系统作业效率的拣选策略、结构要素和运行参数三方面因素深入开展效率优化问题研究；分析运行参数和拣选策略之间的影响关系,设计新型高效拣选策略,优化系统品项拣选位分配问题；在此基础上,研究由基本型拓展而来的复合式自动拣选系统品项分配优化问题。基本型自动拣选系统效率优化问题的研究,为复杂的组合式自动拣选系统的组成以及效率优化等问题提供了研究基础,为配送中心自动拣选系统设计提供了理论依据。本文的主要研究内容和创新性成果如下：1.构建基本型自动拣选系统模型,在常用串行拣选策略基础上设计了串并行混合拣选策略,并构建作业时间模型。本文分析不同类型自动拣选系统特点,根据自动拣选系统共性要素构建基本型自动拣选系统,当前常用的自动拣选系统均可通过此基本型组合或变化得到,以此基本型作为优化分析的研究对象,其分析结果可直接应用于其它自动拣选系统的选型、设计和优化。在对常用串行拣选策略建立作业时间数学模型基础上,独具创新性地提出适用于一般自动拣选系统的串并行混合拣选策略并构建了作业时间模型,该策略可减少常用串行拣选策略拣选等待时间的问题,提升系统作业效率。串并行混合拣选策略是在传统串行拣选策略基础上加入并行拣选环节,即在开始拣选时首先找出可以进行并行拣选的品项进行并行拣选,而后选取适当的未拣选品项插空拣选至并行拣选后输送系统上品项之间的间隙,最后将剩余品项进行串行拣选。经仿真验证,同等条件下串并行混合拣选策略较串行拣选策略缩短拣选时间25%。该拣选策略方法已申请国家发明专利。2.分析了不同拣选策略下,不同系统运行参数对系统总拣选时间的影响关系,为系统选型和参数设计提供了依据。为了了解系统运行参数对不同拣选策略下拣选系统效率的影响,便于在日常拣选系统选型设计时设定参数,本文采用正交试验的方法分别对以上三种拣选策略作业时间模型进行优化试验,确定拣选机单件拣选时间、输送系统速度和相邻拣选机间距对拣选效率的影响,分析三个参数影响的主次关系,确定主次影响因素；分析各参数因素水平高低对拣选效率的影响规律,利用级差分析法定量确定各参数水平的影响；在各参数及各参数水平的不同搭配设计中,找出优化的组合方案。在此基础上,采用指数回归方法构建三种拣选策略下运行参数相对总拣选时间的经验预报公式,基于此,分析三种拣选策略下不同系统运行参数组合对总拣选作业时间的影响规律。该研究对于自动拣选系统设计、选型和优化提供了理论依据。3.以总拣选时间最短为目标,建立品项拣选位分配优化模型,设计改进的小生境遗传优化求解算法。经证明该方法有效。品项拣选位分配是自动拣选系统布局中的重要结构要素,不同拣选策略下对系统拣选效率的影响不同。针对对品项拣选位分配敏感的串并行混合拣选策略和自右向左顺序串行拣选策略开展品项拣选位分配优化研究,以缩短总拣选时间为目标构建优化模型。分别设计了基本遗传算法和改进的小生境遗传算法来求解优化模型,通过仿真分析,将优化结果与传统按订货量升序的品项分配方法比较,两种策略的优化排序结果分别实现缩短总作业时间21.4%和30.6%。其中,拣选位优化前后,串并行混合拣选策略总拣选时间均优于串行拣选策略；两种策略下,改进的小生境遗传算法求解的效果和用时均优于基本遗传算法。4.建立复合式自动拣选系统不同拣选机类型间品项分配优化模型,设计了基于k-means聚类的改进小生境遗传求解算法。经实验证明该方法有效。在基本型自动拣选系统研究基础上,建立基本的复合式自动拣选系统模型并按自右向左顺序串行拣选策略构建作业时间模型,并以总拣选时间最小为目标构建不同拣选机类型的品项分配优化模型。本文设计了改进的小生境遗传算法求解优化模型,为了提高算法收敛速度,采用k-means聚类方法对品项进行优化聚类并将结果作为初始种群,通过限制某些位置品项分配固定时的染色体数量,改进小生境淘汰运算,维护群体多样性。经仿真分析,品项分配优化后比传统EIQ-ABC方法确定的分配结果实现总拣选时间降低7.5%。在品项分配优化仿真实验基础上,设计了多货品拣货区品项配置及排序对比试验,再次证明了优化方法的有效性,同时总结出了设定条件下的复合式自动拣选系统品项配置经验方法：将品项订货量前10%的品项分配至多货品拣选区,其余品项分配至单货品拣选区,拣选区内品项按受订次数升序排列。