仓储作为连接物流系统各个环节的重要枢纽,其管理效率决定了总物流成本。国内外学者对货位分配问题已有广泛研究,但是绝大多数研究都是在传统布局下进行的,对鱼骨型仓库布局的研究甚少。因此本文研究了鱼骨型仓库下货到人仓储模式的货位分配问题,针对其仓储布局特点和货到人拣选模式的特点,本文以出库效率和货架稳定性最高为目标,提出了一种新的基于频繁项集的衡量货品相关性的方式,建立了一个多目标货位优化模型。为求解该模型,本文针对模型的特点设计了基于自适应大邻域策略改进的多目标遗传算法进行求解。实验结果表明:（1）本文提出的货位分配策略与现有文献相比能有效减少货架搬运次数和距离,提升货架稳定性,并且在单个订单品类多的时候效果更显著。（2）基于自适应大邻域策略改进的多目标遗传算法在求解的收敛性和分布性上均优于原算法。本文设计的基于自适应大邻域策略改进的多目标遗传算法可以作为仓储管理系统货位分配的核心算法。文章首先对鱼骨型仓库布局进行了介绍,根据以往学者的研究结果,鱼骨型仓库布局在拣选效率上比传统仓库布局高大约20%,是异型仓库中拣选效率最高的。此种仓库布局的拣选路径也是最接近曼哈顿距离的,因此本文提出的货位分配研究是基于鱼骨型仓库布局的。其次,文章介绍了已有研究成果对货位分配布局的目标设定,根据已有研究成过的基础上,设计了一种新的衡量出库效率的多目标货位分配模型,并对模型进行了线性化处理,使之可以在线性求解器中求解。然后,本文设计了一种改进的非支配排序遗传算法对该多目标优化模型进行了求解。数值实验结果表明,改进后的算法在收敛性和分布性上均优于原算法。并且在大规模问题下,改进后的算法求解稳定性更好。最后,通过模拟仿真实验,证明了本文提出的模型求解结果和目前研究成过的模型在实际出库时可以减少大约1.84%的搬运距离,并且在订单货品种类多的时候效果优化效果更好。另外,在鱼骨型仓库与传统布局的对比仿真实验中发现,在此模型下鱼骨型仓库布局与传统仓库布局相比可以减少23.16%的搬运距离,为仓储管理者提供了布局优化理论支撑。