近年来，随着互联网的普及，人们开始习惯于在网络平台上进行购物。电子商务利用科技能够方便快捷的使人买到满意的商品，目前已进入高速发展的时期。根据近几年来“双十一”的数据表明，中国的电商在全世界已经名列前茅，但仓储物流已经成为电商送单的瓶颈。为了适应电子商务的发展，中国很多企业都致力于自身供应链建设，例如京东和阿里巴巴。供应链的核心竞争力是物流系统，特别是配送中心，因为它是商品在上流客户与下流客户之间流通的桥梁。　　与传统仓储系统相比，自动化仓储系统具有物品流通效率高、空间利用能力强等优点，这使得它成为当前最适用于电子商务配送下的仓储系统，特别是多机器人自动化仓储系统，如亚马逊的kiva系统。电子商务与其他传统的营销模式相比，在物流领域有着自己独有的特点，如多批次、小批量的订单和订单快速反应的客户需求，这也使得对配送中心的效率提出了更高的要求。　　因此，如何对电商营销模式下多机器人自动化仓储系统中涉及的分拣策略进行优化，全面提升其订单处理能力，并进行数学优化问题建模，结合准时交货制约实现空间资源的最优利用，是本文的研究重点。　　本文分析了现有电商营销模式下存在的订单作业连续性差、订单作业不协同、订单完工不准时、包装拥挤等问题，提出以订单完工准时和同订单商品作业协同为调度目标，并建立了相对应的目标函数，最后对其进行了多目标归一化处理。针对该目标函数的特征，本文设计了 PSO-DE(Particle swarm optimization algorithm-double encoding）算法进行优化，并通过敏感度测试对其参数进行了调整及校正，使得目标函数能够取得较好的求解。此外，本文引入 GA(Genetic Algorithm）算法与PSO-DE算法进行比较分析，从而验证后者的优化性能。通过对不同规模问题进行测试比较，结果证明PSO-DE算法在最小化协同度和最大化满意度上优化效果更好。文章的主要内容与成果包括：　　（1）分析了现有电商营销模式下自动化仓储系统的现状，考虑到属于同一批订单的商品完成的同时性问题，通过订单和商品的双重编码方式来建立相应的仿真模型，使得同一订单的商品在差不多的时间间隔内同时早搬运或者晚搬运。　　（2）分析了系统的订单处理过程及订单处理总时间，明确了本文系统优化的具体优化目标和方法，根据现有系统存在的订单作业不协同，打包环节堵塞严重，不能准时交货等问题，提出配合改进性设计的订单分配、订单排序优化策略，以订单协同和准时发货为调度目的，从而实现提高系统订单处理效率的目标。　　（3）对电商营销模式下多机器人自动化仓储系统分拣过程中调度问题建立数学模型，设定假设，确定参数，设置约束条件，建立目标函数。　　（4）通过分析现有的优化算法，提出了选择PSO算法的实用性，并根据模型需要，提出一种基于订单和商品的双重编码方法，双重编码方案可以很好的促进订单协同作业，此外，双重编码对订单准时交货也有一定的保证。　　（5）对提出的算法性能和效率进行测试和优化，主要包括算法本身的参数敏感度测试和算法之间的对比测试，通过参数敏感度测试选出具有好的优化效果的控制参数值，通过引入GA算法对比测试验证提出的算法具有更好的优化性能和优化效率。