近年来,国内零售行业发生深刻的变革,“新零售”成为发展趋势。2016年下半年开始,以阿里、腾讯为首互联网巨头纷纷携手传统商超进入“线上到家”时代。门店前置仓是线上业务到家服务的一个重要中转站,它承载了接单、拣货、客服、配送交接、备货、补货等多个流程,都需要在仓内完成,这些流程我们统称为前置仓履约。优化前置仓履约在提高到家业务的运作效率和服务水平方面有着重要的作用。前置仓履约包含的环节中,拣货是成本最高、耗时最长的部分,本文重点讨论的即是拣货工作中的订单分批和拣选路径方式的优化。基于以往这方面的研究及业务现状,本文假设前置仓内呈现了多仓库存储区域与多拣选设备并存的状态,在一些假设条件下建立得到订单分批以及拣选路径相关的优化模型,然后通过算例分别验证了这两种优化模型的效果。在最后一章中还在同一个算例中同时应用这两种优化方法,从而验证了这样的联合优化策略可以最大限度地减少拣选过程中的行走距离。对于订单分批的优化问题,本文建立了拣货步行总距离最短的目标函数,在双区型仓库内,选定多拣选设备并存的条件完成优化模型的构建。提出用遗传算法的方法对此优化问题进行求解,还详细设计了遗传算法中的染色体编码以及交叉、变异方式等。对于拣选路径优化问题,本文同样以拣货步行距离最短为目标函数构建优化模型,针对业务操作中可能出现的单个拣货设备或多个拣选设备的情形分别讨论分析,在详细设计了用于求解的遗传算法后,获得优化模型的求解情况。最后,本文提出的优化模型以及求解算法相关的有效性是通过算例展开验证和分析。首先验证进行订单分批的有效性,将按单拣选、先到先分批拣选以及遗传算法订单分批三种方法进行比较,得到按拣货步行距离排序的结果是:基于遗传算法的分批拣货<先到先分批拣选<按单拣选,因为当步行距离最短时拣货时间最短。经由验证分析明确,本文设计得到的订单分批方法相较传统方法而言效果更优;同样,经由算例验证本文提出的遗传算法优化拣货路径是十分有效的,证明了优化后的策略比传统的S型穿越策略拣货路径的步行距离更短,缩短效果更明显。对各个模型分别进行算例求解后,还用算例验证当这两个策略在同一算例中同时进行优化的结果,即验证先实施订单拣选分批优化后,再实施拣选路径优化的的表现,最后证实连续优化处理能够最大程度上降低拣货期间所需的步行距离。在编程求解工作中,本文选用Python的编码方式实现了遗传算法设计与构建,并对获得订单分批以及拣选路径相关的优化模型求解。超市门店前置仓履约是一个劳动密集型作业,涉及的因素复杂。所以,除了文章假设的条件和模型外,订单分批和路径优化还可以考虑仓库布局、储位优化、人员工作量等因素再迭代,这些都是未来待研究与优化的方向。