CN109583624A - 一种结合相似度算法和遗传算法求取包裹最优组合算法 - Google Patents
一种结合相似度算法和遗传算法求取包裹最优组合算法 Download PDFInfo
- Publication number
- CN109583624A CN109583624A CN201811215619.9A CN201811215619A CN109583624A CN 109583624 A CN109583624 A CN 109583624A CN 201811215619 A CN201811215619 A CN 201811215619A CN 109583624 A CN109583624 A CN 109583624A
- Authority
- CN
- China
- Prior art keywords
- package
- algorithm
- similarity
- combination
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种结合相似度算法和遗传算法求取包裹最优组合算法,包括以下算法步骤:步骤一:根据库存预占后的包裹属性,对包裹进行划分,步骤二:对当前是否为紧急时刻进行检测;步骤三:利用包裹中商品的位置得到包裹之间的相似度;步骤四:利用包裹之间的相似度,对包裹进行组合;步骤五:利用遗传算法对所有完成的波次组合进行全局调优。本发明结合相似度算法和遗传算法求取包裹最优组合算法,通过可以得到局部最优解的相似度算法以及全局最优解的遗传算法来得到最终的解,大大弥补了两种独立算法各自的不足,相似度算法得到的局部最优解作为遗传算法的初始父本,提升了遗传算法的效率,从而使订单拣选效率和精准度都大大提高。
Description
技术领域
本发明涉及物流仓储技术领域,特别涉及一种结合相似度算法和遗传算法求取包裹最优组合算法。
背景技术
随着近年来电子商务的迅猛发展,电子商务正逐渐渗透到人们生活的各个方面。其中,订单拣选是电子商务物流中仓储作业最重要的环节之一,依据客户的订单信息,从仓库中相应的位置拣出相应商品的过程;
在实际操作中,订单拣选可分为订单到人和货到人两类,订单到人是由订单车载有一定数量的买家订单到固定站点等待拣货。货到人是由agv拖有装载有多种商品的货架到相应的站点;
在仓储操作中,订单拣选是最耗费时间和劳力的一项工作,一个仓库日订单量动辄5-6W,由于客户的订单具有小批量、高频次等特征,使得订单车和agv搬运次数增多,拣货员工的工作量也变大。电商商务环境下顾客对快递到达时间更为敏感,因此对订单拣选效率提出了更高的要求。
相似度算法(Similarity Algorithm),在数据分析和数据挖掘的过程中,需要知道个体间差异的大小,进而评价个体的相似性和类别;
遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。根据问题域中个体的适应度大小选择个体,并借助与自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群;
相似度算法和遗传算法都是求取包裹最优组合的常用算法。由于相似度算法是一种贪心算法,只能得到一个局部最优解。遗传算法虽然可以得到全局最优解,但由于遗传算法的父本是随机生成的,由随机的父本进行不断迭代得到最优子代所需要的时间较长。而精确算法虽然可以求得全局解,但由于算法本身计算复杂度高,导致时间成本高。结合相似度算法和遗传算法求取包裹最优组合算法大大弥补了两种独立算法各自的不足,相似度算法得到的局部最优解作为遗传算法的初始父本,提升了遗传算法的效率。
因此,发明一种结合相似度算法和遗传算法求取包裹最优组合算法来解决上述问题很有必要。
发明内容
本发明的目的在于提供一种结合相似度算法和遗传算法求取包裹最优组合算法,通过结合相似度算法和遗传算法求取包裹最优组合算法,通过可以得到局部最优解的相似度算法以及全局最优解的遗传算法来得到最终的解,大大弥补了两种独立算法各自的不足,相似度算法得到的局部最优解作为遗传算法的初始父本,提升了遗传算法的效率,从而使订单拣选效率和精准度都大大提高,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种结合相似度算法和遗传算法求取包裹最优组合算法,包括以下算法步骤:
步骤一:根据库存预占后的包裹属性,对包裹进行划分;
步骤二:对当前是否为紧急时刻进行检测,紧急时刻为当前时间与最近截单点时间差值超过一定的阈值,即deadline-curtime<Threshold,并且库存预占池中的包裹数量以及拣货在途的包裹数量超过一定的阈值;
步骤三:利用包裹中商品的位置,并采用相似度公式,得到包裹之间的相似度,相似度公式为:其中|positioniIpositionj|为包裹i和包裹j之间重合的位置数量,|positioniUpositionj|为包裹i和包裹j合并后的位置数量的和;
步骤四:利用包裹之间的相似度,对包裹进行组合,完成一个波次组合,则执行步骤三;
步骤五:利用遗传算法对所有完成的波次组合进行全局调优。
优选的,所述步骤一中,包裹属性包含包裹计划出库时间、拣选分区以及箱型。
优选的,所述步骤四中,将两个相似度最高的包裹进行组合后,不断寻找与这两个位置重合度最高的包裹合成的大包裹最相似的包裹,直到满足波次上限包裹数为止。
优选的,所述步骤五中,将组完的波次采用遗传算法进行包裹之间的交换,适应度函数为平均波次商品种类。
本发明还提供了一种结合相似度算法和遗传算法求取包裹最优组合算法的实现方法,具体实现步骤如下:
步骤一:订单流入,根据包裹的箱型、拣货区域、计划出库时间,对包裹进行划分,保证同一类型的包裹属性一致,箱型为1#-7#,拣货区域为A、B、C区,计划出库时间为12点、21点、23点30分、次日1点;
步骤二:算法初始参数设置,根据相似度公式:|positioniIpositionj|对于A区表示订单i和订单j间相同的拣选通道数量,对于B区表示订单i和订单j间相同的拣选货架数量,对于C区表示订单i和订单j间相同的拣选货位数量;|positioniUpositionj|对于A区表示订单i和订单j合并后总的拣选通道数量,对于B区表示订单i和订单j合并后总的拣选货架数量,对于C区表示订单i和订单j合并后总的拣选货位数量;
步骤三:根据包裹属性进行划分,根据步骤一中得到的包裹属性,判断包裹是否为特殊包裹,即不是根据相似度组合的单独包裹,当是特殊包裹时,则进行单独处理,当不是特殊包裹时,进行下一步操作;
步骤四:相似度算法进行波次组合,利用包裹之间的相似度,对包裹进行组合,完成一个波次组合,并得到一个波次结果;
步骤五:遗传算法对结果进行修正,将步骤四中相似度算法得到的波次结果作为遗传算法的输入,一个波次看成一个个体,适应度函数为平均波次商品种类,选择算子采用轮盘赌,其基本思想为各个个体被选中的概率与其适应度大小成正比,交叉操作采用多点交叉,即在每个波次中随机选择多个包裹,进行波次之间包裹的交换;
步骤六:波次结果输出,将步骤五中利用遗传算法修正后的波次结果输出。
本发明的技术效果和优点:
本发明通过根据库存预占后的包裹属性,对包裹进行划分;对当前是否为紧急时刻进行检测;利用包裹中商品的位置得到包裹之间的相似度;利用包裹之间的相似度,对包裹进行组合;利用遗传算法对所有完成的波次组合进行全局调优五个步骤,结合相似度算法和遗传算法求取包裹最优组合算法,通过可以得到局部最优解的相似度算法以及全局最优解的遗传算法来得到最终的解,大大弥补了两种独立算法各自的不足,相似度算法得到的局部最优解作为遗传算法的初始父本,提升了遗传算法的效率,从而使订单拣选效率和精准度都大大提高。
附图说明
图1为本发明的包裹最优组合算法的实现方法总流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本发明提供了一种结合相似度算法和遗传算法求取包裹最优组合算法,包括以下算法步骤:
步骤一:根据库存预占后的包裹属性,对包裹进行划分,包裹属性包含包裹计划出库时间、拣选分区以及箱型;
步骤二:对当前是否为紧急时刻进行检测,紧急时刻为当前时间与最近截单点时间差值超过一定的阈值,即deadline-curtime<Threshold,并且库存预占池中的包裹数量以及拣货在途的包裹数量超过一定的阈值;
步骤三:利用包裹中商品的位置,并采用相似度公式,得到包裹之间的相似度,相似度公式为:其中|positioniIpositionj|为包裹i和包裹j之间重合的位置数量,|positioniUpositionj|为包裹i和包裹j合并后的位置数量的和;
步骤四:利用包裹之间的相似度,对包裹进行组合,完成一个波次组合,则执行步骤三,将两个相似度最高的包裹进行组合后,不断寻找与这两个位置重合度最高的包裹合成的大包裹最相似的包裹,直到满足波次上限包裹数为止;
步骤五:利用遗传算法对所有完成的波次组合进行全局调优,将组完的波次采用遗传算法进行包裹之间的交换,适应度函数为平均波次商品种类。
通过根据库存预占后的包裹属性,对包裹进行划分,对当前是否为紧急时刻进行检测,利用包裹中商品的位置得到包裹之间的相似度,利用包裹之间的相似度,对包裹进行组合,利用遗传算法对所有完成的波次组合进行全局调优,本发明结合相似度算法和遗传算法求取包裹最优组合算法,通过可以得到局部最优解的相似度算法以及全局最优解的遗传算法来得到最终的解,大大弥补了两种独立算法各自的不足,相似度算法得到的局部最优解作为遗传算法的初始父本,提升了遗传算法的效率,从而使订单拣选效率和精准度都大大提高。
实施例2:
根据图1所示的一种结合相似度算法和遗传算法求取包裹最优组合算法的实现方法,具体实现步骤如下:
步骤一:订单流入,根据包裹的箱型、拣货区域、计划出库时间,对包裹进行划分,保证同一类型的包裹属性一致,箱型为1#-7#,拣货区域为A、B、C区,计划出库时间为12点、21点、23点30分、次日1点;
步骤二:算法初始参数设置,根据相似度公式:|positioniIpositionj|对于A区表示订单i和订单j间相同的拣选通道数量,对于B区表示订单i和订单j间相同的拣选货架数量,对于C区表示订单i和订单j间相同的拣选货位数量;|positioniUpositionj|对于A区表示订单i和订单j合并后总的拣选通道数量,对于B区表示订单i和订单j合并后总的拣选货架数量,对于C区表示订单i和订单j合并后总的拣选货位数量;
步骤三:根据包裹属性进行划分,根据步骤一中得到的包裹属性,判断包裹是否为特殊包裹,即不是根据相似度组合的单独包裹,当是特殊包裹时,则进行单独处理,当不是特殊包裹时,进行下一步操作;
步骤四:相似度算法进行波次组合,利用包裹之间的相似度,对包裹进行组合,完成一个波次组合,并得到一个波次结果;
步骤五:遗传算法对结果进行修正,将步骤四中相似度算法得到的波次结果作为遗传算法的输入,一个波次看成一个个体,适应度函数为平均波次商品种类,选择算子采用轮盘赌,其基本思想为各个个体被选中的概率与其适应度大小成正比,交叉操作采用多点交叉,即在每个波次中随机选择多个包裹,进行波次之间包裹的交换;
步骤六:波次结果输出,将步骤五中利用遗传算法修正后的波次结果输出。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种结合相似度算法和遗传算法求取包裹最优组合算法,其特征在于:包括以下算法步骤:
步骤一:根据库存预占后的包裹属性,对包裹进行划分;
步骤二:对当前是否为紧急时刻进行检测,紧急时刻为当前时间与最近截单点时间差值超过一定的阈值,即deadline-curtime<Threshold,并且库存预占池中的包裹数量以及拣货在途的包裹数量超过一定的阈值;
步骤三:利用包裹中商品的位置,并采用相似度公式,得到包裹之间的相似度,相似度公式为:其中|positioniIpositionj|为包裹i和包裹j之间重合的位置数量,|positioniUpositionj|为包裹i和包裹j合并后的位置数量的和;
步骤四:利用包裹之间的相似度,对包裹进行组合,完成一个波次组合,则执行步骤三;
步骤五:利用遗传算法对所有完成的波次组合进行全局调优。
2.根据权利要求1所述的一种结合相似度算法和遗传算法求取包裹最优组合算法,其特征在于:所述步骤一中,包裹属性包含包裹计划出库时间、拣选分区以及箱型。
3.根据权利要求1所述的一种结合相似度算法和遗传算法求取包裹最优组合算法,其特征在于:所述步骤四中,将两个相似度最高的包裹进行组合后,不断寻找与这两个位置重合度最高的包裹合成的大包裹最相似的包裹,直到满足波次上限包裹数为止。
4.根据权利要求1所述的一种结合相似度算法和遗传算法求取包裹最优组合算法,其特征在于:所述步骤五中,将组完的波次采用遗传算法进行包裹之间的交换,适应度函数为平均波次商品种类。
5.根据权利要求1-4任意一项所述的一种结合相似度算法和遗传算法求取包裹最优组合算法的实现方法,其特征在于:具体实现步骤如下:
步骤一:订单流入,根据包裹的箱型、拣货区域、计划出库时间,对包裹进行划分,保证同一类型的包裹属性一致,箱型为1#-7#,拣货区域为A、B、C区,计划出库时间为12点、21点、23点30分、次日1点;
步骤二:算法初始参数设置,根据相似度公式:|positioniIpositionj|对于A区表示订单i和订单j间相同的拣选通道数量,对于B区表示订单i和订单j间相同的拣选货架数量,对于C区表示订单i和订单j间相同的拣选货位数量;|positioniUpositionj|对于A区表示订单i和订单j合并后总的拣选通道数量,对于B区表示订单i和订单j合并后总的拣选货架数量,对于C区表示订单i和订单j合并后总的拣选货位数量;
步骤三:根据包裹属性进行划分,根据步骤一中得到的包裹属性,判断包裹是否为特殊包裹,即不是根据相似度组合的单独包裹,当是特殊包裹时,则进行单独处理,当不是特殊包裹时,进行下一步操作;
步骤四:相似度算法进行波次组合,利用包裹之间的相似度,对包裹进行组合,完成一个波次组合,并得到一个波次结果;
步骤五:遗传算法对结果进行修正,将步骤四中相似度算法得到的波次结果作为遗传算法的输入,一个波次看成一个个体,适应度函数为平均波次商品种类,选择算子采用轮盘赌,其基本思想为各个个体被选中的概率与其适应度大小成正比,交叉操作采用多点交叉,即在每个波次中随机选择多个包裹,进行波次之间包裹的交换;
步骤六:波次结果输出,将步骤五中利用遗传算法修正后的波次结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811215619.9A CN109583624A (zh) | 2018-10-18 | 2018-10-18 | 一种结合相似度算法和遗传算法求取包裹最优组合算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811215619.9A CN109583624A (zh) | 2018-10-18 | 2018-10-18 | 一种结合相似度算法和遗传算法求取包裹最优组合算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109583624A true CN109583624A (zh) | 2019-04-05 |
Family
ID=65920647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811215619.9A Pending CN109583624A (zh) | 2018-10-18 | 2018-10-18 | 一种结合相似度算法和遗传算法求取包裹最优组合算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583624A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223011A (zh) * | 2019-05-22 | 2019-09-10 | 杭州海仓科技有限公司 | 智能仓储设备调度方法、系统、存储介质及电子设备 |
CN110428118A (zh) * | 2019-09-04 | 2019-11-08 | 北京旷视机器人技术有限公司 | 订单处理方法及装置、仓储系统和计算机存储介质 |
CN111260288A (zh) * | 2020-01-16 | 2020-06-09 | 北京旷视机器人技术有限公司 | 订单管理方法、装置、介质及电子设备 |
CN111292034A (zh) * | 2020-01-17 | 2020-06-16 | 深圳市人工智能与机器人研究院 | 订单履行方案的确定方法、装置、电子装置及存储介质 |
CN112214731A (zh) * | 2019-07-11 | 2021-01-12 | 北京京东振世信息技术有限公司 | 确定目标集合的方法和装置 |
CN113128821A (zh) * | 2020-01-16 | 2021-07-16 | 北京京东振世信息技术有限公司 | 确定任务的方法和装置 |
CN113537640A (zh) * | 2021-08-18 | 2021-10-22 | 南京希音电子商务有限公司 | 一种基于包裹聚类和库位推荐的拣货波次规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440566A (zh) * | 2013-08-27 | 2013-12-11 | 北京京东尚科信息技术有限公司 | 一种拣货集合单的生成方法、装置及拣货路径优化方法 |
CN107274246A (zh) * | 2017-05-03 | 2017-10-20 | 浙江工商大学 | 基于分区协同优化策略的自动分拣系统订单处理方法 |
CN107633375A (zh) * | 2017-09-20 | 2018-01-26 | 武汉木神机器人有限责任公司 | 一种人机协作仓储分拣方法 |
CN107831745A (zh) * | 2017-11-09 | 2018-03-23 | 西南交通大学 | 一种柔性作业车间插单动态调度优化方法 |
CN107918839A (zh) * | 2016-10-08 | 2018-04-17 | 阿里巴巴集团控股有限公司 | 一种订单信息处理方法、装置及系统 |
CN108256664A (zh) * | 2016-12-29 | 2018-07-06 | 中移(杭州)信息技术有限公司 | 一种路径的确定方法和装置 |
-
2018
- 2018-10-18 CN CN201811215619.9A patent/CN109583624A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440566A (zh) * | 2013-08-27 | 2013-12-11 | 北京京东尚科信息技术有限公司 | 一种拣货集合单的生成方法、装置及拣货路径优化方法 |
CN107918839A (zh) * | 2016-10-08 | 2018-04-17 | 阿里巴巴集团控股有限公司 | 一种订单信息处理方法、装置及系统 |
CN108256664A (zh) * | 2016-12-29 | 2018-07-06 | 中移(杭州)信息技术有限公司 | 一种路径的确定方法和装置 |
CN107274246A (zh) * | 2017-05-03 | 2017-10-20 | 浙江工商大学 | 基于分区协同优化策略的自动分拣系统订单处理方法 |
CN107633375A (zh) * | 2017-09-20 | 2018-01-26 | 武汉木神机器人有限责任公司 | 一种人机协作仓储分拣方法 |
CN107831745A (zh) * | 2017-11-09 | 2018-03-23 | 西南交通大学 | 一种柔性作业车间插单动态调度优化方法 |
Non-Patent Citations (2)
Title |
---|
张捃: "电子商务环境下并行分区拣选系统的订单合并优化研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑(月刊 )》 * |
魏伟: "配送中心订单分批拣选并行优化研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊 )》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223011A (zh) * | 2019-05-22 | 2019-09-10 | 杭州海仓科技有限公司 | 智能仓储设备调度方法、系统、存储介质及电子设备 |
CN112214731A (zh) * | 2019-07-11 | 2021-01-12 | 北京京东振世信息技术有限公司 | 确定目标集合的方法和装置 |
CN112214731B (zh) * | 2019-07-11 | 2024-04-09 | 北京京东振世信息技术有限公司 | 确定目标集合的方法和装置 |
CN110428118A (zh) * | 2019-09-04 | 2019-11-08 | 北京旷视机器人技术有限公司 | 订单处理方法及装置、仓储系统和计算机存储介质 |
CN111260288A (zh) * | 2020-01-16 | 2020-06-09 | 北京旷视机器人技术有限公司 | 订单管理方法、装置、介质及电子设备 |
CN113128821A (zh) * | 2020-01-16 | 2021-07-16 | 北京京东振世信息技术有限公司 | 确定任务的方法和装置 |
WO2021143510A1 (zh) * | 2020-01-16 | 2021-07-22 | 北京京东振世信息技术有限公司 | 确定任务的方法和装置 |
CN111292034A (zh) * | 2020-01-17 | 2020-06-16 | 深圳市人工智能与机器人研究院 | 订单履行方案的确定方法、装置、电子装置及存储介质 |
CN111292034B (zh) * | 2020-01-17 | 2023-09-05 | 深圳市人工智能与机器人研究院 | 订单履行方案的确定方法、装置、电子装置及存储介质 |
CN113537640A (zh) * | 2021-08-18 | 2021-10-22 | 南京希音电子商务有限公司 | 一种基于包裹聚类和库位推荐的拣货波次规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583624A (zh) | 一种结合相似度算法和遗传算法求取包裹最优组合算法 | |
US7213007B2 (en) | Method for forecasting using a genetic algorithm | |
Menesatti et al. | Cost and waste comparison of reusable and disposable shipping containers for cut flowers | |
Dell'Amico et al. | Modeling the flying sidekick traveling salesman problem with multiple drones | |
CN107844929A (zh) | 用于包裹出库的方法及系统 | |
CN105204920B (zh) | 一种基于映射聚合的分布式计算作业的实现方法及装置 | |
WO2020034044A1 (en) | System and method for predicting delivery parameters in an intermodal logistics network | |
Hajiaghaei-Keshteli et al. | Addressing the freight consolidation and containerization problem by recent and hybridized meta-heuristic algorithms | |
CN109447549A (zh) | 一种物料位置确定的方法以及相关装置 | |
CN111680951A (zh) | 一种订单合并处理方法及装置 | |
Goodarzian et al. | Investigating a citrus fruit supply chain network considering CO2 emissions using meta-heuristic algorithms | |
Wang et al. | IoT assisted machine learning model for warehouse management | |
CN107368501A (zh) | 数据的处理方法及装置 | |
Ramirez-Asis et al. | Smart logistic system for enhancing the farmer-customer corridor in smart agriculture sector using artificial intelligence | |
Thomas et al. | A new metaheuristic genetic-based placement algorithm for 2D strip packing | |
Ivaschenko et al. | Multi-layer data model for transportation logistics solutions | |
Cote et al. | Logistics platforms-trends and challenges | |
CN110503234A (zh) | 一种物流运输调度的方法、系统及设备 | |
CN111626800A (zh) | 商品订单处理方法及装置 | |
CN116980162A (zh) | 云审计的数据检测方法、装置、设备、介质及程序产品 | |
Hundal et al. | Integrative technologies to make supply chains lean, agile and green: a review | |
DE SILVA et al. | Geographical dimension of e-commerce logistics facilities in Tokyo Metropolitan Region, Japan | |
Zuo et al. | Route Optimization of Agricultural Product Distribution Based on Agricultural Iot and Neural Network from the Perspective of Fabric Blockchain | |
Rinaldi et al. | The vehicle routing problem in the dairy sector: a case study | |
CN112668810A (zh) | 社区团购生鲜仓库按照配送时间窗口规划配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 310000 Floor 5-11 of No.1 Gate, 6 New Xixi Building, Xihu District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Xinyi Supply Chain Management Co., Ltd Address before: 310000 Floor 5-11 of No.1 Gate, 6 New Xixi Building, Xihu District, Hangzhou City, Zhejiang Province Applicant before: ALOG TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |