随着电子商务和线上零售业的崛起,消费者会更频繁的订购商品,且每个订单中包含货物的数量很少,为了提高客户满意度,企业需要在较短的时间内将订单分拣出去,因此,优化订单分拣系统以减少订单响应时间已成为大多数电子商务企业关注的焦点。在仓库运作中,订单拣选作业的各个环节都会影响到拣选人员的工作效率,选择合理的订单分拣系统,并通过合适的货位分配策略和订单分批策略来提高整个拣选作业的效率,对于电商企业配送中心来说意义重大。本文以电商环境下配送中心的订单分拣系统为研究对象,通过梳理订单拣选作业的各个流程,发现货位分配与订单分批能够极大的提高订单分拣的效率,因此对这两个问题优化。针对货位分配问题,结合需求相关性和订货频率,提出了基于需求相关性的K-Means聚类算法,该算法共分为三个阶段:第一阶段是将品项分配至不同的巷道,第二阶段是将品项分配至不同的货架层,第三阶段是将品项分配至不同的货位。针对订单分批问题,基于顾客历史订单之间的关联性,提出了基于关联规则的订单分批模型,并根据订单间的关联性将订单集分为关联订单和非关联订单,针对关联订单集,按照支持度最大化进行分批,将支持度最大的两个订单作为种子订单,再选择和批次内订单关联度最大的订单放进同一批次内;针对非关联订单集,计算出所有订单的行走距离,以最小行走距离为种子订单,随后选择和批次内订单行走距离之和的最小的订单放进同一批次内。最后和随机货位分配策略、不分批策略、先到先服务策略进行对比,验证本文提出算法的有效性。研究结果表明:基于需求相关性的K-Means聚类算法和基于关联规则的订单分批模型可以有效的减少遍历的通道数和订单批次的数量,进而明显的减少拣选人员的行走距离。基于需求相关性的K-Means聚类算法可以降低16.71%的行走距离,基于关联规则的订单分批模型可以降低17.8%的行走距离,而联合优化策略能够减少25.1%的行走距离。本文的相关研究为电商配送中心的订单拣选作业提供了一种新的思路,对实际的生产活动具有一定的指导意义。