随着电商的迅速发展,大量客户订单的进入对电商仓库的出货效率提出了考验。为了应对人工成本逐渐升高的情况,一种基于搬运机器人的可移动货架仓储系统顺势而生。该类仓库中,仓储管理系统会根据订单信息,确定需要用到哪些货架来满足订单需求。机器人则负责将需要用到的货架从其所在位置搬运到拣货台,由拣货员拣选货架上的商品,待拣选完成后机器人再将货架送回其原位置,并前往搬运其他货架。如此重复,直至完成所有订单。由于机器人拣货仓库具有准确率高、机器人可工作时间长等特点,因此该类仓库越来越受到电商仓库的青睐。但由于搬运机器人在货架搬运环节会耗费大量时间,因此拣货是制约可移动货架仓储系统出货效率的重要环节。在进行货架搬运时,机器人搬运摆放在不同位置上的货架所消耗的时间各不相同,因此货架的位置摆放方案直接影响了拣货时间,进而决定了拣货的效率。为了降低机器人拣货时的拣货成本（即耗费时间）,本文考虑从优化每个货架摆放位置的角度入手,减少机器人在搬运时所需行走的路程,进而减少拣货耗费的时间。本文所研究的基于可移动货架系统的货架位置优化问题有别于传统的储位优化问题。在传统的储位优化问题中货架往往是固定的,且货架上存储的是同种或相似商品。而在可移动货架的仓储系统中,所有的货架都是可移动的,并且每个货架上所存储的商品种类和数量各不相同,每种商品随机分散地存储在若干个货架上。因此,本研究将每一个货架当做一个独特的个体,为每个货架分配具体的位置从而降低拣货成本。为了优化货架的摆放位置,本文不仅考虑了机器人拣货时在货架和拣货台间行驶的总距离,还将机器人在货架之间空载行驶的总距离加入考虑,并以两个总行驶距离最小为目标来优化所有货架的摆放位置,从而减少机器人花费在行驶中的时间。然后,按照目标规划的思想建立了包含优先级的以两个总行驶距离最小为目标的双目标模型,同时证明了该模型具有NP-Hard复杂性。由于本问题为NP-Hard问题,且现实中电商仓库的规模往往较大,因此为了能够给现实中的电商仓库提供一种优质高效的货架摆放位置指导方法,本文设计了求解器+启发式（禁忌搜索+模拟退火）算法对该问题进行求解。为了验证算法的实用性,本文根据历史订单模拟了未来一段时间的订单信息,以其来作为实验数据对算法进行实验测试。为了能有效地对比出算法的性能,本文参考了在近似研究中所采用的单亲进化遗传算法,并分别在小、大规模算例下进行了纯求解器、求解器+禁忌搜索+模拟退火、求解器+遗传算法三种求解方式的对比。实验结果表明,在小规模算例下,本文所设计的算法能够大概率地找到全局最优解,且在同等时间下相较求解器+遗传算法解的求解更加优质稳定。而与纯求解器求解相比,本文所采用的算法能在大概率得到全局最优解的同时,大大缩减了求解所需要的时间。在大规模算例下,利用求解器已无法求解,而在同等时间内,利用求解器+禁忌搜索+模拟退火的混合算法求得的解质量要优于利用求解器+遗传算法求得的解,即本文所设计的算法具有更好的求解性能。因此,可以将本文所设计的算法作为仓储管理系统的算法使用,有利于大大提升该类仓储系统货位优化难题的科学性与智能性,改进目前电商仓储管理所普遍存在的落后的货位优化手段;提出的一类面向大规模顾客订单复杂订购规律的货位优化方法,提高了优化理论针对复杂仓储运营管理问题的可行性与有效性。最后,为了给仓库管理者提供更多的管理启示,我们利用本文所设计的算法进行了敏感性分析,阐述了包含不同商品种类数的货架如何影响货架的使用情况,从而对货架的摆放位置产生了何种影响,可以为补货和货架位置优化提供更多的信息。