订单分批分拣是为了提高拣选作业效率而把多张订单集合成一批,进行批次分拣作业,其目的是缩短分拣时平均行走搬运的距离和时间。在配送中心的所有作业中,拣货作业占配送中心总成本的60％-80％。同时,拣货作业中的任何差错都可能导致顾客的不满意和高昂成本,涉及整个物流系统。由此可见,拣货作业的优化设计对配送中心运作效率的高低具有决定性的影响。本文以配送中心人拣货作业为研究对象,结合国内外相关研究成果,对订单分批分拣问题进行相关研究。基于一定的假设,以成本最小为目标构建了订单分批分拣的数学模型。该成本综合考虑了拣货作业人员的行走距离和订单等待分拣的时间,并以不同的权重将这两个因素量化为成本。订单分批分拣问题是一个NP难题,本文采用遗传算法对其求解,将每一个订单抽象成一个基因,所有的订单组成一条染色体,利用遗传算法强大的全局搜索能力,在大规模的解空间中寻找最优解；同时,由于遗传算法具有的隐式并行处理能力和强鲁棒性等特点,可以尽可能的减少问题的求解时问,提高求解效率。这样既可以满足企业日常管理中对于求解时间应足够短的要求,也能够满足学术研究对于结果精确度的要求。最后,利用某医药中心的真实数据进行仿真,仿真结果表明,与传统先到先服务的分拣方法相比,该算法能够明显降低配送中心成本,提高拣货效益,具有良好的应用前景。