电子商务论文哪里有？本文初步探讨了 B2C 电子商务多区块仓库布局中的订单分批过程，该领域的相关研究值得更多的深入探讨。未来的研究方向可能包括：1）订单在线到达情形下，对于这种多区块仓库布局中的订单进行批处理的规则制定；2）本文进行分批时主要考虑了订单之间位置的相似性，为增强客户满意度，可在分批时考虑客户订单的时效；3）B2C电商订单交付是一个多过程协调的系统，在这种多区块仓库布局背景下，订单分批与其他拣选活动相结合的问题也值得进一步研究。
1 绪论
1.3 国内外研究现状
本文研究的多区块仓库布局下的订单分批问题，与其相关的研究主要有三类：B2C电商订单拣选中的仓库布局、B2C 电商订单拣选路径策略和 B2C 电商订单分批策略相关研究。在第一类相关研究中，主要侧重于已有 B2C 电商仓库拣选活动所在的仓库布局介绍，与本问题中的多区块仓库布局背景的研究内容密切相关；在第二类相关研究中，主要侧重于 B2C 电商订单拣选路径策略，本问题中拣选人员在具有超窄通道的多区块仓库中采用拣选路径策略之一的 U 型策略；在第三类相关研究中，主要侧重于已有文献中 B2C 电商订单分批策略的介绍，与本问题中设计多区块仓库布局下订单分批算法的研究内容密切相关。
1.3.1 B2C 电商订单拣选中的仓库布局研究现状
本小节主要介绍了已有 B2C 电商订单拣选研究中不同的仓库布局，主要阐述了 B2C电商订单相关问题中仓库布局的研究现状，确定了本研究可以借鉴的仓库布局。在 B2C电商订单拣选活动中，最常见、经典的是平行通道式布局[8,9]。在平行通道式布局中，可以根据交叉通道数量或形状的不同分为单区块、双区块、多区块和其他类型的仓库布局。
在单区块仓库布局下（见图 1.2），仓库中有两条分别位于仓库的前后两端的横向通道，可以将仓库的整个存储区域看作是一个整体的区块。拣选人员推着拣选设备在通道中行走，从相应存储位置取回拣选列表中的物品，可以在横向通道中改变当前作业通道。Scholz 等人[10]在单区块仓库布局背景下，针对不同规模问题提出了不同的算法以生成相应的初始方案。王旭坪等[11]考虑了单区块仓库布局下订单拣选与配送的联合调度优化问题。
3 多区块仓库布局下的订单分批优化模型
3.1 问题假设与变量表示
3.1.1 问题假设
本章在第 2 章对多区块仓库布局下的订单分批问题分析的基础上，首先对问题的基本假设和相关变量表示进行了说明，然后依据模型建立的思路，针对本问题多区块、超窄通道、拣选人员的单次拣选能力等特点，构建了以最小化订单的总拣选距离为目标的订单分批优化模型，并对其求解复杂性进行了分析。
结合多区块仓库布局下的订单分批问题的实践调研和已有研究中订单分批问题的相关文献，本研究有以下假设：
（1）拣选人员在拣选通道的两侧进行拣货，从一侧到达另一侧的时间忽略不计； （2）客户订单信息已知； （3）订单不可拆分，即一个订单内的所有商品必须在同一个批次内拣选完成； （4）拣选设备容量受到限制，确保批次中所有订单商品数量之和不超过拣选设备的容量； （5）忽略仓库中 SKU 的大小和重量差异。
5 算例测试与结果分析
5.1 算例设计
本文研究的多区块仓库布局下的订单分批问题与已有订单分批问题的不同之处在于本文考虑了一种具有超窄通道的多区块仓库布局，虽然目前对多区块仓库布局中的订单分批问题研究较少，但对单区块仓库布局展开研究的 B2C 电商订单分批问题已得到广泛研究，因此可以参考已有文献的数值实验进行某些参数的设置。
由于本文中的多区块仓库布局来源于实践，每个仓库中商品品类的数量短时间内不会改变，因此设置仓库中存放货架的数量是不变的，增加交叉通道数量以改变区块数量。为计算方便、便于划分区块，仓库中每一条横向通道的每侧设置 200 个货架，每侧货架之间有 100 个拣选通道，每个拣选通道两侧各有 20 个存储位置，每个存储位置的长度为 1m，每个存储位置只存放一种商品（SKU），且每种商品的体积、重量相等。每个货架和拣选通道的宽度为 1m，横向通道的宽度为 3m。Scholz 和 Henn 等人[49]关于单拣选人员路径问题的研究中，通过改变拣选通道数量创建不同实例，本文参照这种方法，在货架总数量、拣选通道总数量保持不变的情况下，增加交叉通道的数量以划分区块，每条交叉通道的宽度为 3m，根据上述仓库布局，每条交叉通道的长度为两个货架的长度，即 40m。由于仓库内的货架总数量保持不变，为保证每个区块内的货架设置相同，交叉通道数量取值范围为{1, 2, 4, 5, 10, 20, 25, 50, 100}。本文在 5.2 中对 9 个优化算法的测试中，设置交叉通道的数量为 4、5、10，对应区块数量𝑏为 8、10、20。拣选人员按照 2.1 小节的 U 型拣选路径策略下的拣货规则在仓库中行走并拣货。
5.2 三种改造方法下 9 个算法的测试结果分析
根据第 4 章对基于种子算法的订单分批问题求解算法的介绍，三种改造方法下的 9个算法如表 5.3 所示。为了便于表示与比较，将对种子算法 A 进行三种改造的算法 A1、算法 A2、算法 A3 统称为 AT 类。同理，对种子算法 B、种子算法 C 分别进行三种改造的三个算法统称为 BT 类、CT 类。为验证所提算法的有效性，对 9 个算法的测试结果进行对比分析，选择 12 个问题集合下的订单平均拣选距离这一指标，第 3 章模型的目标函数为总拣选距离最小化，在订单量一定情况下，平均拣选距离与总拣选距离衡量的算法情况一致，在订单量不同情况下，平均拣选距离更能衡量算法的优劣。
结论
本文对多区块仓库布局下的 B2C 电商订单分批问题进行了研究：首先介绍了一种实践中存在的具有超窄通道的多区块仓库布局，分析了在这种仓库布局下进行订单拣选给订单分批问题带来了哪些新特点，然后对该问题的关键影响要素和问题复杂性进行了分析，进而构建了以订单总拣选距离最小化为目标的订单分批优化模型，接着以三个单区块仓库布局下的经典种子算法为基础采用三种改造方法设计了多区块仓库布局下订单分批优化算法，最后通过算例测试验证了所设计算法的有效性，并得出相应的管理启示。
本文的主要贡献如下：
（1）考虑拣选人员的单次拣选能力，对具有超窄通道的多区块仓库布局中独特的U 型拣选路径下拣选人员的拣选距离进行了分段式表达，并将其作为约束条件，建立了多区块仓库布局下的订单分批优化模型，对订单拣选系统中拣选人员的能力因素进行衡量，有利于模型建立的科学性，对拣选通道超窄情况下的订单分批问题提供一种新的建模思路。
（2）基于单区块仓库布局下表现较优的种子算法设计了多区块仓库布局下的订单分批优化算法，对订单信息维度进行改造后使用基础种子算法进行分批是第一种改造方法，考虑区块要素的分批规则改造和“先选区块-再分批”的算法流程改造是另外两种利用订单区块信息的改造方法，为解决多区块仓库布局下的订单分批问题提供了新的思路。
（3）算例测试验证了所设计算法的有效性，第二、三种改造方法下的分批算法能够在一定程度上减少拣选人员拣货时的行走距离，提高订单拣选效率；将表现最优的算法 C2 与先到先服务算法（FCFS）进行比较分析，算法 C2 能够有效减少订单的平均拣选距离。研究成果可以用来指导实践中多区块仓库布局下拣选人员的拣货作业，有助于提高客户订单的履行时效。
参考文献（略）
