智能仪器设备与网络技术的发展改变着人们的生活习惯,网购已成为重要的购物方式之一。一方面,随着生活节奏的加快,消费者对网络购物的商品交付时限有着越来越高的要求,另一方面,网络零售仓库的拣选作业十分频繁,所耗时间已经占据了订单响应时间的一半以上。因此,优化货位分配,减少拣选耗时,提高订单响应速度成为了电商企业仓储管理的重点。本文研究了电商零售仓库货位分配问题,主要内容有:智能优化算法的改进、货位分配模型的建立、算法在特定条件下的适配与应用。第一个研究重点是鱼群算法的改进。货位分配的优化属于NP-Hard问题,尚无多项式时间内的有效算法,学者们多采用智能优化算法求解。本文分析了当前改进鱼群算法的不足,认为鱼群基本行为效率仍有提升空间,根据个体与种群的交互性,将基本行为划分为社会行为和个体行为,并为两类行为设置了不同的感知范围和状态改变速度。一方面加强社会行为的交互性,让鱼群迅速靠近已找到的极值,另一方面使个体行为能更细粒度地搜索个体周边,找到精确的更优解。此外,为了改善求解高维问题时多次计算结果方差较大的不足,吸取了遗传算法和仿生学的部分思想,引入高斯变异、维度优化和混沌变异三种新行为。消融实验和对比实验显示,改进后的鱼群算法提高了求解结果的精度,并且多次计算的结果差距不大,鲁棒性更强。其次,货位分配建模是另一个研究重点。本文从企业目标出发,分析了货位分配的策略,认为现有模型并不完全适用于这些策略。根据研究对象的特点,建立新的货位分配模型,针对电商仓库提出了三个优化子目标,即缩短商品出入库时间、需求相关商品邻近存放、取货的方便性,并通过权重分配法,为每个目标分配权重系数,以最小化加权和作为最终优化目标。最后,本文研究了鱼群算法在货位分配问题下的适配与应用。第一,从人工鱼的编码规则入手,通过降维映射,将问题的维数缩小为原来的三分之一,降低了计算难度;第二,将鱼群原来的欧几里得步长改为维度步长,并进行了离散化处理,便算法适应用于离散问题;第三,通过反向变异优化初始货位,维度交换提高迭代效果,形成了鱼群货位分配算法SLA＿AFSA。对比实验表明,与近期其他货位分配算法相比,SLA＿AFSA的优化效果提高了2.8%以上。数值分析和输出货位显示,模型的三个目标得到了有效优化。