CN109697529B - 一种基于局域双近邻定位的柔性任务分配方法 - Google Patents
一种基于局域双近邻定位的柔性任务分配方法 Download PDFInfo
- Publication number
- CN109697529B CN109697529B CN201811567469.8A CN201811567469A CN109697529B CN 109697529 B CN109697529 B CN 109697529B CN 201811567469 A CN201811567469 A CN 201811567469A CN 109697529 B CN109697529 B CN 109697529B
- Authority
- CN
- China
- Prior art keywords
- rack
- agv
- job
- task
- shelf
- 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.)
- Active
Links
Images
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/083—Shipping
Abstract
本发明公开了一种基于局域双近邻定位的柔性任务分配算法,该基于局域双近邻定位的柔性任务分配算法包括如下步骤:S1:选择最紧急任务:接收WMS下发的由波次订单组成的所有任务,生成一个新全集为JobTotalSet,S2:定位最优移动货架:根据上述任务集合JobUrgentSet中的每个任务选出匹配移动货架,并生成一个新的现有集合为RackCurrentSet,S3:选择最优可用AGV:组合所有空闲AGV,并生成一个新的全集为AGVTotalSet。适用于物流行业关于智能化无人仓业务场景中最为常见的货到人模式,WMS根据特定标准对多个订单进行批量组合订单,生成多个波次,一个波次对应一个任务,下发给中央调度系统。
Description
技术领域
本发明涉及电商领域,尤其涉及一种基于局域双近邻定位的柔性任务分配方法。
背景技术
在物流行业中,无人仓常用的控制模式为中央控制系统,针对B类货到人模式,常用中央调度系统分配来自WMS的订单任务。实际场景中,路径资源和机器人小车资源都是有限的,但任务却是源源不断的随时涌入,成为一个越积越多的订单池。因此,调度系统需要考虑任务分配的均衡性,AGV调用的公平性,让尽可能多的货架都能得到及时搬运。不仅考虑任务自身的优先级,同时也考虑资源共享的优化性。
本发明公开一种基于局域双近邻定位的柔性任务分配方法,适用于下列共享资源可用的前提条件下:(1)人工资源可用;(2)空闲AGV可用;(3)道路可行驶;(4)工作站可作业。
发明内容
本发明的目的在于提供一种基于局域双近邻定位的柔性任务分配方法,该基于局域双近邻定位的柔性任务分配算法包括如下步骤:
S1:选择最紧急任务:接收WMS下发的由波次订单组成的所有任务,生成一个新全集为JobTotalSet,生成步骤如下:
1)定义JobTotalSet的元素个数为NJob;
NJob=|JobTotalSet|;
JobTotalSet={Job1,Job2,...,Jobi}:1≤i≤NJob;
2)计算每个任务的接收时间和截单时间点的时差:
Tinterval(Jobi)=TCutoff(Jobi)-TReceived(Jobi);1≤i≤NJob;
3)根据时差判断任务紧急优先级(取最小值为最紧急任务),并生成任务子集为JobTotalSet;
JobUrgentSet={J1,J2,…,Ji};1≤i≤NJob;
S2:定位最优移动货架:根据上述任务集合JobUrgentSet中的每个任务选出匹配移动货架,并生成一个新的现有集合为RackCurrentSet,匹配规则如下:
1)每次只选出一个最优货架,对于同一个商品存储在多个货架的情况采用如下优选规则:当货架供应量大于等于任务需求,被优选选择;商品保质期距离当前时间最近,被优选选择;局域被选货架密度低于阈值,被优选选择;当上述条件满足2-3条但仍有多个候选货架时,,ID号最小的货架被优先选择;
2)定义RackCurrentSet的元素个数为NRack;
NRack=|RackCurrentSet|;
RackCurrentset={Rack1,Rack2,...,Racki};1≤i≤NRack;
3)将RackCurrentSet进行地址定位,并生成二维坐标集:
RackLocation={RackLocation(1),RackLocation(2),...,RackLocation(i)};
4)定义Racki左侧邻居为Racki(left),左侧邻居为Racki(right);
5)定义一个局部圆形区域,涵盖货架Racki及其左邻右舍半径为ri;
S3:选择最优可用AGV:组合所有空闲AGV,并生成一个新的全集为AGVTotalSet;
1)定义AGVTotalSet的元素个数为NAGV;NAGV=|AGVTotalSet|;
AGVTotalSet={AGV1,AGV2,...,AGVi};1≤i≤NAGV;
2)将AGVTotalSet进行地址定位,并生成二维坐标集合:
AGVLocation={AGVLocation(1),AGVLocation(2),…,AGVLocation(i)};
3)找出RackCurrentSet中的每个元素Racki距离最近的AGV.
6)将6对组合依次进行曼哈顿距离求和,并生成距离总和最短的配对;
距离最短配对为最优化货架与AGV的组合,由AGV行驶到货架位置搬运。
与现有技术相比,本发明的有益效果是:适用于物流行业关于智能化无人仓业务场景中最为常见的货到人模式,WMS根据特定标准对多个订单进行批量组合订单,生成多个波次,一个波次对应一个任务,下发给中央调度系统,为完成这些任务的输送,系统对共享资源进行匹配,这个过程就是任务分配,在大规模订单的业务需求下,同步完成多个任务需要优化的调度方法和高效的资源匹配,如机器人,机器人承载的货架,订单任务,拣选工作站。
附图说明
图1为本发明主流流程图;
图2为波次与任务关系图;
图3为实例中货架集与AGV集的匹配组合图;
图4为实例中涵盖货架及其左邻右邻,半径和的圆形局域;
图5为实例中选择最紧急任务集;
图6为实例中与任务对应的最优移动货架集;
图7为实例中选择最可用AGV集。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本算法使用了根据双近邻坐标来定位最优任务匹配组合。实例流程图如图1所示,调度系统从接收任务开始到生成最优化货架与AGV匹配的过程。图2为实例中图解了波次与任务的关系图,一个波次匹配一个任务,一个任务含有多个SKU,一个货架可含有多个SKU,一个SKU可存储在多个货架上。图3为实例中货架与距离最近AGV的多重匹配关系。图4为实例中半径r和r′涵盖货架与左邻右舍和距离最近的AGV的匹配关系图。当内环的匹配组合数小于三对,将内环半径扩大一圈,继续搜寻能满足匹配条件的新三对组合。图5为实例中选出处理优先级最高的紧急任务。图6为实例中将紧急任务对应的移动货架进行坐标定位,图7为实例中通过三个相邻货架距离AGV的距离总和求得最优AGV。以下分别对各部分作进一步说明,定义如下:
定义从A到B两点间的距离为曼哈顿距离:
Dist(A,B)=|XA-XB|+|YA-YB|;(XA,YA)和(XB,YB)分别为A和B的二维坐标;
任务分成紧急和普通两种类型。紧急任务指最接近截单时间点和最高处理优先级的订单;普通任务是指非紧急任务和非最高处理优先级的订单。
当任务在局部区域比较分散,系统优先选择最近距离空闲可用的AGV。
当任务在局部区域过于密集,附近空闲AGV资源被逐渐占用,系统采用逐步扩大区域,选择距离相对远的空闲AGV,使得路径资源保持动态均衡。
采用并行调度实现“多个任务,多个货架和多个AGV”的三角匹配,各自独立执行。
实施例1
一种基于局域双近邻定位的柔性任务分配方法,该基于局域双近邻定位的柔性任务分配算法包括如下步骤:
S1:选择最紧急任务:接收WMS下发的由波次订单组成的所有任务,生成一个新全集为JobTotalSet,生成步骤如下:
1)定义JobTotalSet的元素个数为NJob;
NJob=|JobTotalset|;
JobTotalSet={Job1,Job2,...,Jobi};1≤i≤NJob;
2)计算每个任务的接收时间和截单时间点的时差:
Tinterval(Jobi)=TCutoff(Jobi)-TReceived(Jobi);1≤i≤NJob;
注:Tintervai为时间差、Tcutoff为截单时间、Treceived为接收时间。
3)根据时差判断任务紧急优先级(取最小值为最紧急任务),并生成任务子集为JobTotalSet;注:Tuegent为紧急任务时间点;
JobUrgentSet={J1,J2,…,Ji};1≤i≤NJob;
S2:定位最优移动货架:根据上述任务集合JobUrgentSet中的每个任务选出匹配移动货架,并生成一个新的现有集合为RackCurrentSet,匹配规则如下:
1)每次只选出一个最优货架,对于同一个商品存储在多个货架的情况采用如下优选规则:当货架供应量大于等于任务需求,被优选选择;商品保质期距离当前时间最近,被优选选择;局域被选货架密度低于阈值,被优选选择;当上述条件都满足但仍有多个候选货架,ID号最小的货架被优先选择;
2)定义RackCurrentSet的元素个数为NRack;
NRack=|RackCurrentSet|;
RackCurrentset={Rack1,Rack2,...,Racki};1≤i≤NRack;
3)将RackCurrentSet进行地址定位,并生成二维坐标集:
4)定义Racki左侧邻居为Racki(left),左侧邻居为Racki(right);
5)定义一个局部圆形区域,涵盖货架Racki及其左邻右舍半径为ri;
S3:选择最优可用AGV:组合所有空闲AGV,并生成一个新的全集为AGVTotalSet;
1)定义AGVTotalSet的元素个数为NAGV;NAGV=|AGVTotalSet|;
AGVTotalSet={AGV1,AGV2,...,AGVi};1≤i≤NAGV;
2)将AGVTotalSet进行地址定位,并生成二维坐标集合:
AGVLocation={AGVLocation(1),AGVLocation(2),...,AGVLocation(i)};
3)找出RackCurrentSet中的每个元素Racki距离最近的AGV;
4)将Racki,Racki(left),Racki(right)与各自距离最近的AGV进行初始化匹配;
6)将6对组合依次进行曼哈顿距离求和,并生成距离总和最短的配对;
距离最短配对为最优化货架与AGV的组合,由AGV行驶到货架位置搬运。
传统调度常采用预留模式:提前预定时间和提前预占空间。优势在于避免资源之间的冲突,过程稳定而简易;而劣势在于遇到突发或超出预期的变态情况下,预留资源难以满足变化的场景,导致了预留的时间和空间,要么过大,要么不足,最终达不到预期效率。在无人仓场景下,完成搬运货架任务需要的资源和需要处理的订单量,与过程的复杂度强相关,这两者在实际的仓储运营中都不是一成不变的,所以传统调度模式难以适应动态场景,采用理想且稳定状态下的预留调度模式可能带来的后果是资源利用率相对较低。
鉴于传统模式的僵化和不同的资源分配导致不同的产能,智能调度更能适应时效性的场景和变化多端的需求。AGV的搬运路线不是固定的,每次执行任务的过程中,容易频繁出现的异常状态如下:
AGV调度率不均衡,各AGV忙闲程度不等;
AGV与被搬运货架距离较远,导致路径成本增加;
最紧急的任务得不到优先处理,导致处理延误。
基于上述问题,资源分配的顺序并不能随机,也不能全盘采用First Come FirstServe模式,需要科学的依据,采用一套公式化的数学标准计算合理调度的逻辑,高效指派最优解的搭配,让员工依赖系统的智能化调度决策,因此本算法致力于提供智能化的匹配方案。不同的资源要求的匹配条件不同。对于任务优先级,限制条件为紧急订单;对于AGV,限制条件为货架距离和空闲度;对于被搬运货架,限制条件为分布区域和AGV间距;对于工作站,限制条件为忙碌程度。这些公共资源的匹配主要取决于算法的优化机制。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种基于局域双近邻定位的柔性任务分配方法,其特征在于:该基于局域双近邻定位的柔性任务分配方法包括如下步骤:
S1:选择最紧急任务:接收WMS下发的由波次订单组成的所有任务,生成一个新全集为JobTotalSet,其中,WMS为中央控制系统,生成步骤如下:
1)定义JobTotalSet的元素个数为NJob;
NJob=|JobTotalSet|;
JobTotalSet={Job1,Job2,...,Jobi};其中Jobi为第i个任务,1≤i≤NJob;
2)计算每个任务的接收时间和截单时间点的时差:
Tinterval(Jobi)=TCutoff(Jobi)-TReceived(Jobi);1≤i≤NJob;其中Tinterval(Jobi)为第i个任务的接收时间和截单时间的时差,TCutoff(Jobi)为第i个任务的截单时间,TReceived(Jobi)为第i个任务的接收时间;
3)根据时差判断任务紧急优先级,取时差最小值为最紧急任务,并生成任务子集为JobUrgentSet;
JobUrgentSet={J1,J2,...,Ji};1≤i≤NJob;其中,TUrgent(Jobi)为最紧急任务对应的时差;其中,Ji为任务子集中的第i个任务;
S2:定位最优移动货架:根据上述任务集合JobUrgentSet中的每个任务选出匹配移动货架,并生成一个新的现有集合为RackCurrentSet,匹配规则如下:
1)每次只选出一个最优货架,对于同一个商品存储在多个货架的情况采用如下选择条件:第一条件为当货架供应量大于等于任务需求,则被选择;第二条件为商品保质期距离当前时间最近,则被选择;第三条件为局域被选货架密度低于阈值,则被选择;当上述条件满足至少两个且仍有多个候选货架时,则选择ID号最小的货架;
2)定义RackCurrentSet的元素个数为NRack;
NRack=|RackCurrentSet|;
RackCurrentset={Rack1,Rack2,...,Racki};1≤i≤NRack;其中,Racki为货架集合中的第i个货架;
3)将RackCurrentSet进行地址定位,并生成二维坐标集:
RackLocation={RackLocation(1),RackLocation(2),...,RackLocation(i)};其中,RackLocation(i)为第i个货架的二维坐标,分别为以仓库建立二维坐标系下的货架的横坐标、纵坐标;
4)定义Racki左侧邻居为Racki(left),左侧邻居为Racki(right);
5)定义一个局部圆形区域,涵盖货架Racki及其左邻右舍半径为ri;
S3:选择最优可用AGV:组合所有空闲AGV,并生成一个新的全集为AGVTotalSet;
1)定义AVGTotalSet的元素个数为NAGV;NAGV=|AGVTotalSet|;
AGVTotalSet={AGV1,AGV2,...,AGVi};1≤i≤NAGV;
2)将AGVTotalSet进行地址定位,并生成二维坐标集合:
AGVLocation={AGVLocation(1),AGVLocation(2),...,AGVLocation(i)};其中,AGVLocation(i)为第i个AGV的二维坐标,分别为以仓库建立二维坐标系下的AGV的横坐标、纵坐标;
3)找出RackCurrentSet中的每个元素Racki距离最近的AGV;
Dist(Racki,AGVi)为第i个货架Racki与第i个
AGV之间的距离,Min_Dist(Racki,AGVi)为第i个货架Racki与最近的AGV之间的距离;
4)将Racki,Racki(lef t),Racki(right)与各自距离最近的AGV进行初始化匹配;
6)将6对组合依次进行曼哈顿距离求和,并生成距离总和最短的配对;
距离最短配对为最优化货架与AGV的组合,由AGV行驶到货架位置搬运。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567469.8A CN109697529B (zh) | 2018-12-21 | 2018-12-21 | 一种基于局域双近邻定位的柔性任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567469.8A CN109697529B (zh) | 2018-12-21 | 2018-12-21 | 一种基于局域双近邻定位的柔性任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109697529A CN109697529A (zh) | 2019-04-30 |
CN109697529B true CN109697529B (zh) | 2021-08-31 |
Family
ID=66231849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811567469.8A Active CN109697529B (zh) | 2018-12-21 | 2018-12-21 | 一种基于局域双近邻定位的柔性任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109697529B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111050A (zh) * | 2019-05-05 | 2019-08-09 | 武汉科技大学 | 订单分配方法及其分配系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160378465A1 (en) * | 2015-06-23 | 2016-12-29 | Intel Corporation | Efficient sparse array handling in a processor |
CN106447271A (zh) * | 2016-11-16 | 2017-02-22 | 北京京东尚科信息技术有限公司 | 用于在仓储区域中识别路径的方法和系统 |
CN106527448B (zh) * | 2016-12-16 | 2019-05-31 | 浙江工业大学 | 适用于仓库环境的改进a*机器人最优路径规划方法 |
CN107036618A (zh) * | 2017-05-24 | 2017-08-11 | 合肥工业大学(马鞍山)高新技术研究院 | 一种基于最短路径深度优化算法的agv路径规划方法 |
CN108846609A (zh) * | 2018-06-15 | 2018-11-20 | 北京极智嘉科技有限公司 | 基于订单任务的拣选方法、装置、服务器和介质 |
CN108928594B (zh) * | 2018-07-13 | 2020-03-27 | 杭州慧仓信息科技有限公司 | 基于智能体模型的立体库多向穿梭车调度系统的调度方法 |
-
2018
- 2018-12-21 CN CN201811567469.8A patent/CN109697529B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109697529A (zh) | 2019-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102284585B1 (ko) | GTP(Goods to Person) 시스템에 적용되는 관리 방법 및 장치, 시스템, 서버와 컴퓨터 저장 매체 | |
Chen et al. | A distributed method for dynamic multi-robot task allocation problems with critical time constraints | |
CN110182527B (zh) | 用于货架阵列的出入库控制方法和搬运系统 | |
CN109878959B (zh) | 拣选调度方法、装置、仓储系统及可读存储介质 | |
CN110182529B (zh) | 用于货架阵列的出入库控制方法和搬运系统 | |
KR20230095117A (ko) | 창고 관리 시스템 및 방법 | |
CN110182528B (zh) | 用于货架阵列的出入库控制方法和搬运系统 | |
CN109697529B (zh) | 一种基于局域双近邻定位的柔性任务分配方法 | |
CN111232590A (zh) | 仓储机器人的自动化控制方法及装置 | |
KR102202310B1 (ko) | 자동 반송 시스템과 과업 분배 방법 | |
Vizvari et al. | Local search based meta-heuristic algorithms for optimizing the cyclic flexible manufacturing cell problem | |
CN114326610A (zh) | 一种基于双层时空网结构的agv运行优化系统及方法 | |
CN109242179A (zh) | 一种基于流量控制的智能调度算法 | |
CN111415110A (zh) | 一种盘点货架的方法和装置 | |
Pratap et al. | The robust quay crane allocation for a discrete bulk material handling port | |
Gautam et al. | A graph partitioning approach for fast exploration with multi-robot coordination | |
JP4337135B2 (ja) | 平置き倉庫のロケーション整理方法 | |
CN112520284A (zh) | 货架储位调整方法和系统 | |
Msala et al. | A New Method for Improving the Fairness of Multi-Robot Task Allocation by Balancing the Distribution of Tasks | |
Li et al. | Two-stage multi-AGV path planning based on speed pre-allocation | |
CN115345450A (zh) | 容器搬运任务的分配方法及装置 | |
Dolgui et al. | Assembly line balancing: Conventional methods and extensions | |
CN112508478A (zh) | 一种基于自组织自动导引车的柔性物流配送任务分配方法 | |
US11741564B2 (en) | Sequence adjustment for executing functions on hems in an order | |
CN115034143A (zh) | 一种多资源协同的智能车间设备配置优化方法 |
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. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |