随着多种小量订单需求的兴起,物流中心在订单拣选等方面遇到了前所未有的挑战。一方面客户订单量激增,导致物流中心拣选能力逐渐无法满足业务需求;另一方面由于拣选货物品类的大幅增加,对订单拣选的拣选准确度和拣选效率要求也不断提高。传统拣选作业拣选效率低下,拣选成本和人力成本较高,亟待寻求一种先进、科学、智能化的拣选方法对现有拣选作业进行优化,提升物流中心的拣选效率。本文以某半导体企业物流中心为应用背景,针对物流中心拣选环节中的拣选智能化问题、工作量不均衡问题和拣选路径优化问题进行理论研究,构建基于均衡化理论的AMR拣选方法体系。为制造业物流中心适应多种小量订单需求,进行拣选作业智能化升级,提升拣选效率和拣选自动化水平提供理论依据和实际参考。（1）对物流拣选进行理论方法研究,分析拣货策略、订单分批、拣选路径优化、拣选作业自动化等方法及理论。对生产物流中心业务流程和订单特性进行研究,提出该物流中心的关键业务需求。综合运用货箱到人技术、均衡化理论、现代优化方法、智能算法、业务流程优化方法、自动化技术等手段,提出基于均衡化理论的AMR拣选方法体系。（2）针对物流中心拣选作业存在拣货量波动大、不同时间段拣选作业工作量不均衡的问题,提出使拣选系统在维持批次工作量稳定性的同时较大程度缩短拣选距离的优化目标。在研究货箱到人模式主要特点和适用场景的基础上,综合考虑批次工作量均衡和拣选距离优化,提出基于改进K-means算法的订单粗分批模型。针对经典K-means算法在随机初始聚类中心选取策略下迭代结果波动较大的缺陷,结合K-mean++初始聚类中心选取策略和遗传算法来优化初始聚类中心的选取。并通过物流中心历史订单数据对订单粗分批算法进行实例验证。（3）为解决物流中心传统拣选路径策略下存在的AMR拣选行驶距离长、拣选效率低的问题,在分析AMR拣货作业流程特点和待拣货箱三维坐标信息的基础上,构建以最小化AMR拣选时间为目标的AMR拣选路径优化模型。针对标准PSO算法搜索精度不高和容易陷入局部最优解的问题,设置二阶振荡环节和随机惯性权重。并运用粗分批后的拣货任务数据进行实例仿真。（4）以H物流中心为对象,分析物流中心拣选业务流程。针对原有拣选业务流程中存在的问题和AMR拣选设备特性,对AMR的拣选业务流程进行优化设计。为实现拣选作业有效管控、作业流程顺畅合理,搭建基于ERP、WMS和WCS的系统集成框架管控拣选作业的信息数据流通。通过demo3d对AMR拣选作业流程进行仿真模拟,验证优化后流程的合理性和优化性能。