近年来，随着信息技术的快速全面普及，B2C电子商务模式表现出强劲的发展势头。对于B2C企业来说，一个精确、快速、稳定的仓储物流体系是企业能够良好运营的根本保障，仓储的效率和质量直接决定了企业的服务水平和客户满意度等关键因素。仓储系统在发展过程中不断引进新的技术和设备的同时，也在不断地迎合不同企业和客户的需求。作为B2C企业的仓储系统，除了要具备存储、分拣、配送等基本功能，还要能够应对高度动态的环境变化。机器人化的B2C仓储物流系统的出现，如Kiva系统，开创了B2C仓储物流领域的新局面，也代表了仓储业未来的发展方向。　　本文的研究以机器人化的B2C仓储物流系统为背景，对这种多机器人化的高度动态的仓储系统提出了基于调度规则的调度方案。本文回顾了B2C电子商务和仓储系统的发展历程，分析了作为B2C仓储系统的物流调度具有极高的动态性和复杂性。并总结了国内外有关动态调度问题的研究成果，指出了当前研究中存在的问题。在此基础上，本文进行了如下几方面的工作：　　首先，以 Kiva系统为例，对机器人化的 B2C仓储物流系统进行了详细介绍，总结了系统的关键研究问题，明确了本文的研究重点，介绍了本文所用到的一种新的仿真软件——AlphabetSoup。　　对于机器人化的B2C仓储物流系统，针对机器人从拿起货架到放下货架的一次工作循环中所能服务的分拣站数量和所能完成的任务数量，将机器人出库任务模式分为单次单站单任务、单次单站多任务和单次多站多任务三种。通过仿真实验对比，验证了多站多任务模式在出库效率上具有明显优势。　　然后，在多站多出库任务模式下，提出了适合于本文所关注的动态仓储环境的调度规则，包括货架选择规则和任务选择规则。对于任务选择不仅包括一些简单规则，还提出了复合规则。对货架选择规则和任务选择规则进行组合，通过 AlphabetSoup进行仿真实验，验证了组合规则的有效性，并且通过调整复合规则的权值，验证了复合规则比简单规则所具有的优越性。　　最后，通过改变系统环境参数，分别研究了不同仓库规模和不同机器人数量对各个组合规则的影响，在进一步验证复合规则优于简单规则的同时，将灰色关联分析与层次分析法相结合，研究了不同系统环境下的最优规则。对不同仓储环境下的机器人化仓储物流系统的动态调度提供了一组可用的解决方案。