电商平台拥有丰富的商品种类和便捷的购物方式,使消费者更愿意选择足不出户,通过手机APP或电脑挑选心仪商品的消费方式。随着科技的发展和人们对生活水平的期待值不断提高,消费者对于购物体验的要求逐渐增高,如何提升客户满意度,吸引大批消费者下单是电商企业首要解决的难题。订单拣选作为电商配送中心众多环节中的一环,其作业水平是决定商品出库效率的关键因素之一。电商配送中心的各个作业环节彼此影响,订单分批的方式既决定了拣选商品的时间,又影响着拣选商品的组合方式,同时对拣选路径的选择也有着一定的影响。为加快商品出库的速度,让客户对配送中心的服务更加满意,本文通过实地调研的方式获取了Y配送中心天津武清地区仓库在需求高峰期三天的实际订单数据,从订单分批策略选择和订单拣选路径规划两个方面对拣货作业进行优化。首先,本文基于大量的历史订单数据并结合Y配送中心现有的仓库布局、商品数据、货位数据等,分析得出Y配送中心存在电商促销活动期间货物积压严重、订单批次策略缺乏灵活调整、多拣货员同时拣选易造成拥堵等三个主要问题,其根本原因在于Y配送中心缺乏对需求高峰期订单特征的科学分析、订单分批过程中考虑的关联因素单一、未考虑拣货员拥堵对拣选效率的影响。其次,本文基于分析得出Y配送中心在订单拣选环节的现存问题以及产生原因,并结合实际订单的特点,建立了 Y配送中心的订单分批优化模型,利用综合考虑拣选通道相似度和拣选时限约束相似度的种子算法求解订单分批的结果,再利用考虑多拣货员堵塞的蚁群算法,求解每一个批次的拣选路径。接下来,本文利用Python语言对算法进行实现,将2020年“双十一”期间三天（2020年11月11日零时至11月13日24时）的实际订单数据代入算法中对模型进行求解,通过调整综合相似度参数的权重系数取值,得到不同权重系数取值下的订单总服务时间,根据求解得到的订单总服务时间和实际订单数据中包含的订单到达时间和订单时限要求,可计算出订单总延迟时间。通过分析发现,在整个需求高峰时期,当权重系数取值为μ=0.5,θ=0.5时,总服务时间与总延迟时间的总和达到最低,达到优化平衡状态,即在制定分批策略时,既要考虑拣选通道相似度,也要考虑拣选时限约束相似度,并且两者的重要程度相同。最后,在μ=0.5,θ=0.5时计算得出的拣选路径中,选择两组路径数据,同时设置一组不考虑拥堵的对照组,将3条拣选路线代入AnyLogic仿真模型,运行结果表明,本文中考虑多拣货员堵塞的蚁群算法具有一定的有效性。优化后订单总服务时间为72.2446h,比优化前缩短36%;优化后总延迟时间为12.8702h,比优化前缩短33%,优化效果较为明显。图25幅,表12个,参考文献65篇。