在电子商务背景下，仓储物流配送具有“多品种、小批量、多频次”的特征。在这种情况下，订单分批处理就体现出极大地优越性，即将多张订单根据一定的规则集合成一批，进行批次分拣作业。这种批量处理订货单的方式能有效的避免订单间单独拣货造成的某一货位被重复搜寻、访问的问题，可以大幅度缩短拣货用时，减小搜寻距离，极大地提升作业效率。

拣货作业作为仓库的核心作业之一，其劳动量可以达到仓库全部作业量的60%，而其移动成本占90%左右，拣货作业时间至少要占配送中心全部作业时间的30%~40%。而拣货作业行走过程中花费的时间不仅耗费人工时间，但并不增加价值，且过长的行走时间也会延迟顾客收到货物以致降低客户感受。如何缩短行走路径以减少行走时间成为问题的关键点。随着电子商务的迅速发展，人们对于物流配送的效率、质量等的要求越来越高，传统的人工拣选的作业模式已经无法满足顾客对配送时间以及成本等方面的要求。以人工智能技术为支撑的仓储物流机器人技术开始被应用到仓储物流领域。如何为仓储物流机器人在仓库中进行高效实时的拣选路径规划是迫切需要解决的问题。

在考虑订单合理分批的情况下，进行拣选路径优化问题，可以较大化的减少行走距离；并辅助以物流机器人设备，可以有效的提高拣选效率，降低运营成本。

1.2国内外研究现状

在国内，关于订单分批问题和拣选路径优化问题有大量的研究，但是大多是人工拣选，对于物流机器人进行拣选的相关研究相对还比较少。赵兰（2015）^[1]充分了考虑订单分批对拣选行走时间和订单分拣时间的影响，通过建立订单分批模型，求解最优分批方案，使得拣选行走时间和订单分拣时间之和最小，并利用遗传算法求解分批模型并得到优化的分批结果。李建斌等(2014)^[2]基于TSP对拣货路径进行建模，利用蚁群算法、模拟退火算法和禁忌搜索对该 NP-Hard问题进行求解，并同S型启发式策略进行对比，拣货时间明显缩短。刘云峰等(2015)^[3]联合订单分批与拣选路径问题，以行走距离最短为目标，建立数学模型。采用节约算法和聚类分析算法对订单进行了分批优化，并采用了三种路径策略：穿越路径策略、返回路径策略、中点路径策略。并通过算例得出了最优的分批结果与路径策略。沈博闻等（2014）^[4]通过对机器人的智能调度，并修正A*算法进行路径规划。 通过仿真，比较了路径规划方法和机器人数量对任务完成时间、运行总里程、道路冲突协调的影响，验证了智能调度和路径规划方法的有效性。

在国外，R. Dekker等人(2004) ^[5] 将存储分配策略与路径选择策略相结合，采用计算机仿真方法探讨了提高仓库运作效率的途径,有效地减少了时间以及人力。J H. Liang等人（2015）^[6] 基于人工蜂群（ABC）算法，提出了一种高效的人工蜂群算法（EABC）。移动机器人可以在不碰撞的情况下前往设计目标。并且通过图例的仿真结果介绍了该方法的有效性和性能。 M.Bennewitz等人（2007）^[7]提出了一种优化优先级方案的方法,并最大限度地减少整体的路径长度进行随机搜索。该方法可以大大减少故障的数量，并减少了总体路径长度为不同的优先级和解耦路径规划技术，甚至大型机器人团队。

2. 研究的基本内容与方案

2.1本课题的基本内容

（1）国内外仓库物流机器人的拣货作业优化问题的研究现状，分析物流仓储配送中心物流机器人拣货作业的基本流程及相关理论研究。

（2）针对订单分批问题，且考虑机器人可能出现的拥堵问题，以总的拣选距离最短为目标 ，建立优化模型和求解方法。