【摘要】任务分配是影响移动机器人拣货系统效率的关键决策问题。针对具有差异化客户评级特征的业务场景，考虑系统的动态任务耗时特性和拣选站播种墙容量约束，提出了一种基于混合启发式算法的集中式任务分配方法。首先，在客户订单优先级约束下构建以最大完工时间最小为目标的任务分配优化模型。其次，考虑机器人在任务执行中因加减速、转弯、升降货架、排队等待导致的动态任务耗时以及播种墙容量限制，设计最大完工时间生成方案。随后，开发基于记忆精英种群的灾变自适应大邻域搜索算法(MEPCALNS)对模型进行求解，提高了传统自适应大邻域搜索算法的搜索深度和搜索效率。最后，通过数值实验证明了算法的有效性和稳定性。研究成果有利于提高移动机器人拣货系统的分拣效率。