随着人们生活水平的提高,顾客需求日益多样化,以及电子商务的迅猛发展,顾客越来越倾向于网上购物,订单量大大增加,线上订单已占据全渠道订单的绝大部分市场份额,加之仓库布货无规律、存储的商品种类比较单一、单品商品数量较少,单仓往往不能满足顾客订单品类多或订单单品数量庞大（“一单多品”或“一单多量”）需求的现实情景,就需要多配送中心满足,由此产生多仓配送,当顾客购买了多品类或单品数量较多的商品,而它存储在多个仓库,这时就会面临订单拆分的问题。通过文献梳理和实际调研,大多数物流企业在面临订单拆分时,订单处理方法往往是采用最短距离原则进行订单拆分,这种拆单方法优先考虑距离最短因素,容易使车辆使用数增加、配送路径重复、配送时效性差,导致配送成本增多、顾客服务体验差,因此,如何有效的进行订单拆分,对订单处理方法进行研究,选择合理的订单拆分原则,从而有效地减少取货次数、配送次数、顾客取件次数,是本文研究的关键问题,并在此基础上进行后续的配送路径规划,降低物流企业配送成本及提升顾客服务体验。因此,本文提出采用最小订单拆分原则,考虑时间窗和车载量约束,构建以配送总成本最小为目标的数学模型,在遗传算法的基础上设计两阶段遗传算法,以P物流企业为例进行应用研究,运用MATLAB编程求解基于最小订单拆分原则的配送方案,并与最短距离订单拆分原则的配送方案进行对比,结果表明,基于最小订单拆分原则的配送方案更优,可以有效的减少车辆使用数、取货次数、配送次数、取件次数,提高配送时效性,实现降低配送总成本的目标,并对效果进行分析,验证了模型和算法的有效性,希望能对相关物流企业提供指导和借鉴。