电子商务的快速发展使得传统零售的销售模式逐渐从B2C转化为C2M模式。因此,带来的大量小件订单对仓储物流的运营能力提出了更高的要求。在以“人到货”为作业方式的仓储企业中,分拣时间占整个仓储作业时间的45%。所以,拣选作为仓储物流业务的关键环节,其工作效率对电子商务企业运营和服务水平具有重要影响,从提高拣选作业的效率出发进行货位分配与订单分批的研究显得尤为重要。仓储集中化是目前电商物流提高仓储物流的常用库存管理模式。在仓储集中化管理中,研究有效的分区策略,更能利用仓储集中化的优势。论文分析选择了并行分区运营模式,建立了以误工率最小为目标的货位分配模型,结合关联规则计算出货品的关联度,进行货位分配的优化方案设计。针对并行分区分拣系统缩短拣货时长的需求,研究了订单分拣策略,以分批策略为指导完成订单拣选作业流程。针对不同分区拣货完成时长的巨大差异导致的订单处理时间过长的实际问题,构建基于定量订单集的、以处理时间为目标函数、以订单分割、设备资源等为约束条件的订单分批数学模型。针对分批模型中对工作量的均衡要求,将DBSCAN算法和到K-Means算法结合对分批模型进行求解,得到最佳的订单分批结果,将结果代入建立的订单分批优化数学模型求解得出最短用时的订单集。基于真实环境和实例数据对建立的订单分配分批模型进行了验证,对并行分区货位优化分配策略和随机策略的货位分配对订单分批的影响进行了比较分析,评价分析了基于密度的K-Means聚类和传统K-Means算法对订单分批的结果。实验结果表明针对并行分区分拣系统,在大数据集的情况下,基于密度的KMeans聚类算法能够减少拣选设备、人员以及分批数目,同时使订单拣选完成时间更短,综合利用储位优化策略的基础上有效缩短拣货行走距离和时间,并平衡各拣货分区工作时长,提高仓储物流运作效率。