随着互联网应用的快速普及和经济全球一体化的迅速发展,进口跨境电商如雨后春笋般蓬勃发展,用户对于网上购物时效要求越来越高,传统的物流仓库采用人工拣选的方式,大大限制了物流仓库的响应时间。为了更好的提升客户体验,节约人工成本,自动化拣选作业模式已经成为仓储配送中心发展的趋势。由于订单品种分散、数量庞大、种类多样化,自动化拣选设备并不能很好的发挥作用,因此对自动化仓储拣选优化算法的研究就显得尤其重要。本文针对某主流跨境电商公司引进的自动化拣选设备进行调研分析,旨在通过设计合理的自动化仓储拣选优化算法提高订单的拣选效率。本文主要的研究内容如下:（1）商品合箱问题研究及算法设计。本文分析自动化仓储拣选设备存储料箱的特点,基于历史订单数据,采用FP-growth算法挖掘出商品之间的关联规则,再根据料箱的容积以及机器人小车的承重,将关联关系较强的商品摆放在一起,有效减少自动化拣选设备的料箱抽取次数,节约拣选时间。（2）货位分配优化问题研究及算法设计。本文通过对某主流跨境电商引进的自动化拣选设备分析研究,挖掘历史订单数据,统计各种商品的销量,分析商品的周转情况,确立货位优化目标与约束条件,建立自动化拣选设备的仓储货位模型。引入参数自适应和进化逆转操作算子对遗传算法进行改进,并应用改进遗传算法对货位优化目标进行求解,对比基于周转率-货位对应原则货位分配策略,通过实验验证了算法的可行性,给出不同场景下货位分配优化策略的建议,为实际货位分配优化应用提供思路。（3）订单分批优化问题研究及算法设计。本文通过对某主流跨境电商订单拣选作业的调研分析,根据截单前后订单变化情况的不同,提出了两段式订单处理算法。截单前,订单会不断随机流入,数量变化不定,本文提出了一种基于商品的购买频次的种子订单选取模式,基于料箱存储信息定义待拣订单到种子订单的距离,选取当前最优订单批次。截单后,订单数量不再变化,本文提出了一种基于种子订单思想的改进K-Means订单分批算法,以订单到类中心订单的距离为聚类指标,对所有订单进行分批拣选。通过公司订单数据的实例验证,并对比公司现用订单处理方式以及传统物流常用的先到先服务（FCFS）算法实验结果,效率分别提高了13%和15%。并对比货位和订单分批均未优化前的拣选效率,拣选效率提高了33%。实验结果证明了算法的实用性。