随着国内电子商务的快速发展,社会物流需求快速增长,为满足需求电商企业已经在全国拥有数量众多的配送中心。在以人力为主的传统型配送中心内,拣货作业的成本占到了配送中心总作业成本的50%以上。通过研究发现,电商自营配送中心内存放着重量、价格和材质各异的商品,其中一些商品重量相差200倍,价格相差100倍以上,商品的不同材质也导致其具有不同的损坏风险。在拣货过程中,一旦高价格商品发生破损,造成的成本能达到低价格商品的百倍。因此,根据货物的属性合理安排拣货路径对于拣货中造成的搬运成本、货损风险成本有着重要影响。为了降低配送中心的运作成本,本文以配送中心人工拣货作业作为研究对象,提出一种综合考虑货损与搬运成本的拣货路径优化模型,在不增加配送中心设施设备等固定成本的前提下,通过减少携带高价值易损或重量大货品的拣货距离,以达到降低高价值货品损坏风险及搬运成本的目的。本文主要研究内容如下:(1)首先,对国内外相关研究现状进行分析,发现目前的研究主要集中在拣货策略与相关智能算法两个方向,且对拣货路径优化的目标大多数为路径最短,并没有考虑到货物的损坏风险和重量等因素。通过分析配送中心的成本构成,得出降低拣货作业的成本是降低配送中心运作成本的关键。进一步,提出通过优化拣货路径降低货损和搬运成本:在拣货作业中,将重量大、价值高且易损的货品安排在拣货路线的后期,减小其破损的风险以及搬运成本。(2)构建综合货损和搬运成本的拣货路径优化模型。以TSP问题模型为基础,将拣货顺序作为决策变量,货损与搬运成本最小为目标。其中,货损成本由其易损价值、拣货距离、货损风险系数决定;搬运成本由拣货过程中消耗的功以及成本转化系数决定。(3)模型求解与实例分析。通过分析模型特点,提出运用遗传算法进行求解,并设计了相应的遗传算子。最后,以典型的双区型仓库为例,利用MATLAB编程,通过分析最优解中货物重量和易损价值的分布情况,对模型的有效性进行了验证。同时,也对模型的稳定性和算法计算速度进行了分析。进一步,针对遗传参数进行了灵敏度分析,结果表明,当货位数较小的情况下(n≤30),遗传参数的变化对于最优解的影响较小;当货位数较大的情况下(n≥50),遗传参数的变化对于最优解的影响较大。