CN104992240A - 一种优化拣货路径的方法及装置 - Google Patents

Abstract

本发明公开了一种优化拣货路径的方法及装置。所述方法包括启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。本发明通过优化现有的拣货路径的顺序，达到了提升拣货效率的效果。

Description

一种优化拣货路径的方法及装置

技术领域

本发明实施例涉及物流技术领域，尤其涉及一种优化拣货路径的方法及装置。

背景技术

随着互联网电商的迅速发展,物流中库房里的货物的中转也越发重要。而在库房中转时,拣货操作是很重要的一个环节。拣货效率的提升,对用户体验的提高和运营成本的降低都有很积极的影响，其中拣货路径的优化，就是一种可以有效提升拣货效率(提高拣货速度或缩短拣货时间)的方法。

目前，库房中的拣货人员常运用以下两种方式生成拣货路径：

第一、预先设置方式，通过对库房内所有货架进行编号，记录每一个上架的商品的编号。根据需要人工设置固定的货架的拣货顺序，再根据集合单(库房中由一个或者多个订单生成的商品拣货单)的商品确定需要拣货的位置，按照拣货顺序生成拣货路径。采用本方式生成拣货路径的缺点是由于库房中商品的移库(库房中商品货架间位置的变动操作)和返架(已经出库的商品,因为退货等原因返回货架的操作)的操作很频繁，预设的拣货顺序很难满足库房商品随时变化的实际情况，且需要设置人员修改设置,影响时效性和人力资源。

第二、算法方式，通过对库房内所有货架进行编号，记录每一个上架的商品的编号。使用拣货路径生成算法对集合单的商品位置进行计算，生成最短拣货路径。采用本方法生成拣货路径的缺点是通过算法生成的拣货路径存在忽略地形的情况。即，算法主要是依赖商品所在的货架之间直线距离进行计算的，不会因为货架之间有不方便穿越的墙等地形，而降低商品之间依次拣货的优先性。并且，算法方式也不会考虑根据商品本身的特有因素来调整拣货顺序，其中，特有因素包括商品本身的耐压程度,在拖车中的占用空间、摆放布局等。例如算法计算出先拣某易碎商品路径最短,但先拣易碎商品需要后续调整商品位置到顶部,以防止挤压造成是商品损伤，由于增加了调整的步骤，降低了拣货效率。

发明内容

本发明提供一种优化拣货路径的方法及装置，以实现优化现有的拣货路径的顺序，提升拣货效率的目的。

第一方面，本发明实施例提供了一种优化拣货路径的方法，包括：

启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；

通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；

将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；

根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。

第二方面，本发明实施例还提供了一种优化拣货路径的装置，包括：

拣货路径获取单元，用于启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；

拣货尝试路径生成单元，用于通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；

拣货尝试路径存储单元，用于将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；

优化拣货路径生成单元，用于根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。

本发明通过筛选历史拣货记录中符合预设的优化条件的拣货路径片段，采用机器学习算法生成关于所述拣货路径片段的拣货尝试路径，根据所述尝试成功路径生成完整的优化拣货路径。本发明解决现有的生成拣货路径的方式不能有效地适应库房商品、货架变动、地形因素以及商品本身特有属性等复杂因素对拣货效率造成影响的问题，达到了优化现有的拣货路径的顺序，提升拣货效率的效果。

附图说明

图1是本发明实施例一中的一种优化拣货路径的方法的流程图；

图2a是本发明实施例二中的一种优化拣货路径的方法的流程图；

图2b是本发明实施例二中的一种优化拣货路径的方法的更新拣货记录的方法的流程图；

图3是本发明实施例三中的一种优化拣货路径的装置的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种优化拣货路径的方法的流程图，本实施例可适用于物流库房中的货物中转时提高拣货效率的情况，该方法可以由优化拣货路径的装置来执行，该装置一般配置于服务器内，具体包括如下步骤：

步骤110、启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段。

其中，机器学习可以是计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的科学。机器学习任务是预设于服务器内的由规定的条件启动的任务代码。

预设优化条件可以是从所述历史拣货记录中筛选出待优化的拣货路径片段的决定因素，可以包括同一货架上货位的平均拣货时间大于预设的时间阈值的拣货路径片段，或者，在所述历史拣货记录中，手动变更过拣货顺序的拣货路径片段。

考虑到机器学习不能影响库房内正常的生产作业，因此，并不是所有集合单都需进行机器学习。在获取到集合单后，首先，需要确认该集合单是否是需要进行机器学习的集合单。确定某一个集合单是否需要进行机器学习，可以采用人工设定的方式确定哪一些集合单需要进行机器学习，或者，按照集合单的重要程度排序的方式，将重要程度不高的集合单设定为需要进行机器学习的集合单，或者通过其它人为设定的规则或系统筛选的方式等。

在确定需要机器学习的集合单后，由于已存储于所述第一数据库中的历史拣货路径有一部分已经是最优的，无需再进行优化操作。因此，需要从所述第一数据库中获取历史拣货记录中待优化的拣货路径片段。可以将同一货架上货位的平均拣货时间大于预设的时间阈值的拣货路径片段确定为待优化的拣货路径，或者，判断拣货员是否在历史拣货记录中对于该拣货路径做过手动变更拣货顺序，将变更了拣货顺序的片段确定为待优化的拣货路径。

步骤120、通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径。

其中，机器学习算法是实现机器学习的算法，可以包括分类算法、聚类算法、统计学习算法、链接挖掘算法以及关联分析算法等。所述拣货尝试路径可以是通过机器学习算法生成的新的拣货路径的货位的组合方式。采用机器学习算法对所述拣货路径进行处理，生成拣货尝试路径可以是通过机器学习算法确定所述拣货路径的片段中相隔拣货时间最短的货位，将所述货位按照相邻货位拣货时间最短的顺序排列生成拣货尝试路径。作为一种辅助方式，还可以将拣货员手动修改的新的拣货路径作为拣货尝试路径。

步骤130、将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库。

其中，拣货效率包括拣货时间和拣货速度，可以得知，拣货速度越快、拣货所花费的时间越短，拣货效率越高。

由于拣货尝试路径不一定完全符合实际拣货的需要,并且库房的变动情况(例如商品的移库或返架)也会影响已成功优化的拣货路径应用到拣货操作中的效率,所以需要实时监测所述已成功优化的拣货路径，将满足预先设定的成功条件的尝试成功路径加以保存,对于尝试失败的尝试路径予以剔除。

步骤140、根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。

由于只是对部分拣货路径进行优化，对于一个集合单，还有无需进行优化的拣货路径，需要将优化后的拣货路径与该集合单中无需优化的拣货路径结合生成针对该集合单的完整的优化拣货路径。例如：对库房内的货架进行编号，采用拣货路径生成算法对集合单的商品位置进行计算，生成最短拣货路径；再访问所述第二数据库，以获取采用机器学习算法生成的尝试成功路径。根据所述尝试成功路径修正所述最短拣货路径，以完成集合单中部分商品的拣货操作。记录采用所述尝试成功路径需要的拣货时间，并存储于所述第二数据库中。将剩余商品按照原拣货路径生成算法重新计算拣货路径，将重新计算的所述拣货路径与所述尝试成功路径结合生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库。另一种方式为，根据所述尝试成功路径修正所述最短拣货路径，以完成集合单中部分商品的拣货操作。记录采用所述尝试成功路径需要的拣货时间，并存储于所述第二数据库中。将剩余商品按照历史拣货记录中的拣货路径的顺序依次排列，以生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库。

本实施例的技术方案，通过筛选历史拣货记录中符合预设的优化条件的拣货路径片段，采用机器学习算法生成关于所述拣货路径片段的拣货尝试路径，根据所述尝试成功路径生成完整的优化拣货路径。本发明解决现有的生成拣货路径的方式不能有效地适应库房商品、货架变动、地形因素以及商品本身特有属性等复杂因素对拣货效率造成影响的问题，达到了优化现有的拣货路径的顺序，提升拣货效率的效果。

在上述技术方案的基础上，在启动机器学习任务之前，还可以包括：

通过预设的规则确定所述机器学习任务占实际拣货任务的比重，其中，所述预设的规则包括，每个库房当天完成所述实际拣货任务的时间是否早于预设的时间阈值，或者是否为节假日或者促销日。例如，在库房作业量较大的日期(618年中大促、双十一或国庆等促销节日)自动调整机器学习任务的生效比例为0％。或者，库房当天完成所述实际拣货任务的时间早于预设的时间阈值，表明该库房的生产作业能力较强，可以适当的调高机器学习任务占库房实际生产作业的比重，即自动调整机器学习任务的生效比例，按照新的机器学习任务的生效比例在第二天的库房实际生产作业中执行机器学习任务。这样设置的好处在于平衡机器学习在库房实际生产作业中的比重，避免过度学习而影响库房的正常生产。

实施例二

图2a是本发明实施例二中的一种优化拣货路径的方法的流程图，本实施例的方案是在上述实施例的技术方案的基础上，进一步优化了将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库的技术手段。

参见图2a所示，所述优化拣货路径的方法，具体包括如下步骤：

步骤210、顺序获取所述拣货尝试路径中的一条作为当前拣货尝试路径。

获取所述拣货尝试路径中的一条作为当前拣货尝试路径。在针对所述当前拣货尝试路径的操作执行完毕后，顺序获取下一条拣货尝试路径作为当前拣货尝试路径。

步骤220、判断当前拣货尝试路径的拣货效率是否高于所述拣货路径片段的拣货效率，若是，则执行步骤240，若否，则执行步骤230。

其中，拣货效率可以是拣货时间或拣货速度。例如：将采用所述当前拣货尝试路径的拣货时间(拣货速度)与采用所述拣货路径片段的拣货时间(拣货速度)比较。若所述当前拣货尝试路径的拣货时间小于所述拣货路径片段的拣货时间，或者是，所述当前拣货尝试路径的拣货速度大于所述拣货路径片段的拣货速度，则执行步骤240；否则，执行步骤230。

步骤230、放弃所述当前拣货尝试路径。

若采用当前拣货尝试路径的拣货效率低于所述拣货片段的拣货效率，说明所述当前尝试路径为尝试失败的尝试路径，则放弃存储所述当前拣货尝试路径。

步骤240、将所述当前拣货尝试路径确定为尝试成功路径，将尝试成功的所述当前拣货尝试路径存储于所述第二数据库，并将所述当前拣货尝试路径的可用度加1。

若采用当前拣货尝试路径的拣货效率高于历史拣货记录中所述拣货片段的拣货效率，说明所述当前尝试路径为尝试成功的尝试路径，将尝试成功的所述当前拣货尝试路径存储于所述第二数据库中，并将所述当前拣货尝试路径的可用度加1。其中，可用度可以是影响拣货尝试路径是否能够应用于集合单的拣货操作的参数。

步骤250、根据采用所述当前拣货尝试路径拣新的集合单的拣货效率，实时更新所述第二数据库中的拣货记录。

所述拣货尝试路径在确定后可能由于库房的变动情况(例如商品的移库或返架)而变为尝试失败的拣货尝试路径。因此，在获取新的集合单时，获取拣货尝试路径，记录采用所述拣货尝试路径所花费的拣货时间或拣货速度。比较采用所述拣货尝试路径的拣货时间(拣货速度)与采用所述拣货路径片段的拣货时间(拣货速度)，根据比较结果实时更新所述第二数据库中的拣货记录。参见图2b所示，更新拣货记录的方法具体可以是：

步骤251、在对新的集合单进行拣货时，访问所述第二数据库获取所述当前拣货尝试路径。

步骤252、判断所述当前拣货尝试路径的拣货效率是否高于所述拣货片段的拣货效率，若是，则执行步骤253，若否，则执行步骤254。

将采用所获取的所述当前拣货尝试路径的拣货时间(拣货速度)与采用所述拣货路径片段的拣货时间(拣货速度)比较。若所述当前拣货尝试路径的拣货时间小于所述拣货路径片段的拣货时间，或者是，所述当前拣货尝试路径的拣货速度大于所述拣货路径片段的拣货速度，则执行步骤253；否则，执行步骤254。

步骤253、当前拣货尝试路径的可用度累加1。

若采用所述当前拣货尝试路径的拣货效率高于所述拣货片段的拣货效率，则所述当前拣货尝试路径的可用度累加1。

步骤254、当前拣货尝试路径的可用度减1。

若采用所述当前拣货尝试路径的拣货效率低于所述拣货片段的拣货效率，则所述当前拣货尝试路径的可用度减1。

步骤255、判断当前拣货尝试路径的可用度是否减至零，若是，则执行步骤256，若否，则执行步骤251。

步骤256、将所述当前拣货尝试路径从所述第二数据库的拣货记录中删除。

在所述当前拣货尝试路径的可用度减至零时，将所述当前拣货尝试路径从所述第二数据库的拣货记录中删除。

本实施例的技术方案，通过比较顺序获取的当前拣货尝试路径的拣货效率与所述拣货路径片段的拣货效率，根据比较结果确定尝试成功的拣货尝试路径，将尝试成功的所述当前拣货尝试路径存储于所述第二数据库，并根据采用所述当前拣货尝试路径拣新的集合单的拣货效率，实时更新所述第二数据库中的拣货记录。本发明解决了由于库房的变动情况而影响拣货尝试路径的确定与更新的问题，达到了实时更新拣货尝试路径的效果。

实施例三

图3是本发明实施例三中的一种优化拣货路径的装置的结构示意图。所述装置包括：

拣货路径获取单元310，用于启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；

拣货尝试路径生成单元320，用于通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；

拣货尝试路径存储单元330，用于将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；

优化拣货路径生成单元340，用于根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。

本实施例的技术方案，通过拣货路径获取单元310获取负荷预设优化条件的拣货路径片段，通过拣货尝试路径生成单元320采用机器学习算法生成拣货尝试路径，通过拣货尝试路径存储单元330将尝试成功路径存储于第二数据库，通过优化拣货路径生成单元340生成完整的优化拣货路径，解决了现有的生成拣货路径的方式不能有效地适应库房商品、货架变动、地形因素以及商品本身特有属性等复杂因素对拣货效率造成影响的问题，达到了优化现有的拣货路径的顺序，提升拣货效率的效果。

进一步，所述拣货尝试路径生成单元320具体用于：

通过机器学习算法确定所述拣货路径的片段中相隔拣货时间最短的货位，将所述货位按照相邻货位拣货时间最短的顺序排列生成拣货尝试路径。

进一步，所述装置还包括：

比重确定单元，用于在启动机器学习任务之前，通过预设的规则确定所述机器学习任务占实际拣货任务的比重，其中，所述预设的规则包括，每个库房当天完成所述实际拣货任务的时间、节假日或者促销日。

进一步，所述拣货尝试路径存储单元330包括：

当前拣货尝试路径获取子单元，用于顺序获取所述拣货尝试路径中的一条作为当前拣货尝试路径；

拣货效率比较子单元，用于将采用所述当前拣货尝试路径与采用所述拣货路径片段的拣货效率进行比较；

拣货尝试路径存储子单元，用于若采用所述当前拣货尝试路径的拣货效率较高，则将所述当前拣货尝试路径确定为尝试成功路径，将尝试成功的所述当前拣货尝试路径存储于所述第二数据库中，并将所述当前拣货尝试路径的可用度加1，以及，根据采用所述当前拣货尝试路径拣新的集合单的拣货效率，实时更新所述第二数据库中的拣货记录；

拣货尝试路径放弃子单元，用于若采用所述当前拣货尝试路径的拣货效率较低，则放弃所述当前拣货尝试路径。

进一步，所述拣货尝试路径存储子单元具体用于：

在对新的集合单进行拣货时，访问所述第二数据库获取所述当前拣货尝试路径，并将采用所述当前拣货尝试路径与采用所述拣货路径片段的拣货效率进行比较；

若采用所述当前拣货尝试路径的拣货效率较高，则所述当前拣货尝试路径的可用度累加1；

若采用所述当前拣货尝试路径的拣货效率较低，则所述当前拣货尝试路径的可用度减1，在所述当前拣货尝试路径的可用度减至零时，将所述当前拣货尝试路径从所述第二数据库的拣货记录中删除。

进一步，所述优化拣货路径生成单元340具体用于：

对库房内的货架进行编号，采用拣货路径生成算法对集合单的商品位置进行计算，生成最短拣货路径；

根据所述尝试成功路径修正所述最短拣货路径，生成完整的优化拣货路径。

上述优化拣货路径的装置可执行本发明任意实施例所提供的优化拣货路径的方法，具备执行方法相应的功能模块和有益效果。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (13)

1.一种优化拣货路径的方法，其特征在于，包括：

启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；

通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；

将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；

根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。

2.根据权利要求1所述的方法，其特征在于，通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径包括：

通过机器学习算法确定所述拣货路径的片段中相隔拣货时间最短的货位，将所述货位按照相邻货位拣货时间最短的顺序排列生成拣货尝试路径。

3.根据权利要求1所述的方法，其特征在于，所述预设优化条件包括：同一货架上货位的平均拣货时间大于预设的时间阈值，或者，在所述历史拣货记录中，手动变更过拣货顺序。

4.根据权利要求1所述的方法，其特征在于，在启动机器学习任务之前，还包括：

通过预设的规则确定所述机器学习任务占实际拣货任务的比重，其中，所述预设的规则包括，每个库房当天完成所述实际拣货任务的时间是否早于预设的时间阈值，或者是否为节假日或者促销日。

5.根据权利要求1所述的方法，其特征在于，所述将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库，包括：

顺序获取所述拣货尝试路径中的一条作为当前拣货尝试路径；

将采用所述当前拣货尝试路径与采用所述拣货路径片段的拣货效率进行比较；

若采用所述当前拣货尝试路径的拣货效率较高，则将所述当前拣货尝试路径确定为尝试成功路径，将尝试成功的所述当前拣货尝试路径存储于所述第二数据库中，并将所述当前拣货尝试路径的可用度加1，以及，根据采用所述当前拣货尝试路径拣新的集合单的拣货效率，实时更新所述第二数据库中的拣货记录；

若采用所述当前拣货尝试路径的拣货效率较低，则放弃所述当前拣货尝试路径。

6.根据权利要求5所述的方法，其特征在于，所述根据采用所述当前拣货尝试路径拣新的集合单的拣货效率，实时更新所述第二数据库中的拣货记录，包括：

在对新的集合单进行拣货时，访问所述第二数据库获取所述当前拣货尝试路径，并将采用所述当前拣货尝试路径与采用所述拣货路径片段的拣货效率进行比较；

若采用所述当前拣货尝试路径的拣货效率较高，则所述当前拣货尝试路径的可用度累加1；

若采用所述当前拣货尝试路径的拣货效率较低，则所述当前拣货尝试路径的可用度减1，在所述当前拣货尝试路径的可用度减至零时，将所述当前拣货尝试路径从所述第二数据库的拣货记录中删除。

7.根据权利要求1所述的方法，其特征在于，所述根据所述尝试成功路径生成完整的优化拣货路径，包括：

对库房内的货架进行编号，采用拣货路径生成算法对集合单的商品位置进行计算，生成最短拣货路径；

根据所述尝试成功路径修正所述最短拣货路径，生成完整的优化拣货路径。

8.一种优化拣货路径的装置，其特征在于，包括：

拣货路径获取单元，用于启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；

拣货尝试路径生成单元，用于通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；

拣货尝试路径存储单元，用于将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；

优化拣货路径生成单元，用于根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。

9.根据权利要求8所述的装置，其特征在于，所述拣货尝试路径生成单元具体用于：

通过机器学习算法确定所述拣货路径的片段中相隔拣货时间最短的货位，将所述货位按照相邻货位拣货时间最短的顺序排列生成拣货尝试路径。

10.根据权利要求8所述的装置，其特征在于，所述装置还包括：

比重确定单元，用于在启动机器学习任务之前，通过预设的规则确定所述机器学习任务占实际拣货任务的比重，其中，所述预设的规则包括，每个库房当天完成所述实际拣货任务的时间是否早于预设的时间阈值，或者是否为节假日或者促销日。

11.根据权利要求8所述的装置，其特征在于，所述拣货尝试路径存储单元包括：

当前拣货尝试路径获取子单元，用于顺序获取所述拣货尝试路径中的一条作为当前拣货尝试路径；

拣货效率比较子单元，用于将采用所述当前拣货尝试路径与采用所述拣货路径片段的拣货效率进行比较；

拣货尝试路径存储子单元，用于若采用所述当前拣货尝试路径的拣货效率较高，则将所述当前拣货尝试路径确定为尝试成功路径，将尝试成功的所述当前拣货尝试路径存储于所述第二数据库中，并将所述当前拣货尝试路径的可用度加1，以及，根据采用所述当前拣货尝试路径拣新的集合单的拣货效率，实时更新所述第二数据库中的拣货记录；

拣货尝试路径放弃子单元，用于若采用所述当前拣货尝试路径的拣货效率较低，则放弃所述当前拣货尝试路径。

12.根据权利要求11所述的装置，其特征在于，所述拣货尝试路径存储子单元具体用于：

在对新的集合单进行拣货时，访问所述第二数据库获取所述当前拣货尝试路径，并将采用所述当前拣货尝试路径与采用所述拣货路径片段的拣货效率进行比较；

若采用所述当前拣货尝试路径的拣货效率较高，则所述当前拣货尝试路径的可用度累加1；

若采用所述当前拣货尝试路径的拣货效率较低，则所述当前拣货尝试路径的可用度减1，在所述当前拣货尝试路径的可用度减至零时，将所述当前拣货尝试路径从所述第二数据库的拣货记录中删除。

13.根据权利要求8所述的装置，其特征在于，所述优化拣货路径生成单元具体用于：

对库房内的货架进行编号，采用拣货路径生成算法对集合单的商品位置进行计算，生成最短拣货路径；

根据所述尝试成功路径修正所述最短拣货路径，生成完整的优化拣货路径。