CN110188290B - 一种基于星型拓扑结构的分布式无人仓库位推荐智能算法 - Google Patents

一种基于星型拓扑结构的分布式无人仓库位推荐智能算法 Download PDF

Info

Publication number
CN110188290B
CN110188290B CN201910426735.3A CN201910426735A CN110188290B CN 110188290 B CN110188290 B CN 110188290B CN 201910426735 A CN201910426735 A CN 201910426735A CN 110188290 B CN110188290 B CN 110188290B
Authority
CN
China
Prior art keywords
square
star
distributed
shelves
coordinates
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
Application number
CN201910426735.3A
Other languages
English (en)
Other versions
CN110188290A (zh
Inventor
李志军
王亚莉
马志斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Xinyi Supply Chain Management Co ltd
Original Assignee
Zhejiang Xinyi Supply Chain Management Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Xinyi Supply Chain Management Co ltd filed Critical Zhejiang Xinyi Supply Chain Management Co ltd
Priority to CN201910426735.3A priority Critical patent/CN110188290B/zh
Publication of CN110188290A publication Critical patent/CN110188290A/zh
Application granted granted Critical
Publication of CN110188290B publication Critical patent/CN110188290B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本发明公开了一种基于星型拓扑结构的分布式无人仓库位推荐智能算法，具体涉及电商领域，包括将商品热销程度分类，标识可用空闲位置和工作站点坐标，根据工作站点中点坐标延伸方块区域，分散热销品的库位并在热销品的库位临点设置非热销品，并在此基础上构建新的正方形星型拓扑结构，计算出多个正方形星型拓扑结构组成的间隔网状结构。本发明通过采用从里到外和上下左右的模式将库位进行延伸并实现均匀分布，货架在运行的过程中可以避免共享路径资源的冲突，保障了分布式多个货架保持同步运行，提升了生产效率，库位推荐算法输出最佳的无人仓商品布局效果，优化的分布式星型拓扑结构原理能帮助库位以高效实现最佳布局。

Description

一种基于星型拓扑结构的分布式无人仓库位推荐智能算法
技术领域
本发明涉及电商领域，更具体地说，本发明涉及一种基于星型拓扑结构的分布式无人仓库位推荐智能算法。
背景技术
随着电商行业的发展，物流得到了巨大进步，在物流行业中，针对B类货到人拣货模式，无人仓常用方式为无人搬运车AGV承载携带商品的货架，并移动到工作站点，由人工对照订单列出的商品进行拣选，在无人仓货到人的业务场景中，我们需要考虑的几类常见的库位与工作站点的对应模式，(1)一个库位对应一个工作站点；(2)多个库位对应一个工作站点；(3)多个库位对应多个工作站点。
当前业务场景中，人到货的拣货模式基于固定货架所在的库位是静态的不变的。针对一定比例的热销品，多采用人工经验的估算，预留出闲置的库位，完成初步库位规划，而现阶段无人仓的货到人拣货模式中，由于无人搬运车AGV承载的货架处于移动运输状态下，库位所处的物理位置是动态的也是不断变化的，如果采用人工经验估算规则，会带来路径资源的冲突和工作站点的拥堵。
因此，发明一种基于星型拓扑结构的分布式无人仓库位推荐智能算法很有必要。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于星型拓扑结构的分布式无人仓库位推荐智能算法，通过采用从里到外和上下左右的模式将库位进行延伸并实现均匀分布，在此基础上，货架在运行的过程中可以避免共享路径资源的冲突，保障了分布式多个货架保持同步运行，从而提升了生产效率，库位推荐算法输出最佳的无人仓商品布局效果，优化的分布式星型拓扑结构原理能帮助库位以高效实现最佳布局，解决无人仓的商品布局和智能拣货问题。
为实现上述目的，本发明提供如下技术方案：一种基于星型拓扑结构的分布式无人仓库位推荐智能算法，具体处理步骤如下：
步骤一：将商品按照销量划分为热销品和滞销品两种类别，分别用H和C表示；
步骤二：记录库位分布空间，将仓内可用空闲位置和所有的工作站点分别用二维坐标(Xj,Yj)和(XWi,YWi)进行标识；
步骤三：将步骤二中的工作站点(XWi,YWi)连成一条直线，并使用中心求解公式计算出中点所在二维坐标(Xm,Ym)；
二维坐标(Xm,Ym)的求解公式具体如下：
Figure GDA0003322858840000021
Figure GDA0003322858840000022
步骤四：以中点坐标(Xm,Ym)为起点沿着步骤二中标识的可用空闲位置(Xj,Yj)以垂直方向延伸，延伸幅度设置为一个方块的距离；
步骤五：由位置在(Xm,Ym)和(Xm+1,Ym+1)的坐标与其相邻的两个工作站点(XWi,YWi)坐标相连构建一个新的区域，构建完成后对区域形状进行检测，使区域形状趋于正方形；
步骤六：设置步骤五中新构建的正方形星型拓扑结构中心点的二维坐标(Xj,Yj)，并以新成立的中心点(Xj,Yj)为原点，将热销品H的库位坐标分散在四个顶角点的形式为定位，四个顶角点的坐标分别表示为(Xj-1,Yj-1)、(Xj+1,Yj-1)、(Xj-1,Yj+1)和(Xj+1,Yj+1)；
中心点(Xj,Yj)与热销品H四个相邻点(Xj-1,Yj-1)、(Xj+1,Yj-1)、(Xj-1,Yj+1)和(Xj+1,Yj+1)满足一个曼哈顿距离为2的限制条件，即:
d(Xj,Yj)(Xj-1,Yj-1)＝|Xj-Xj-1|+|Yj-Yj-1|＝2；
d(Xj,Yj)(Xj+1,Yj-1)＝|Xj-Xj+1|+|Yj-Yj-1|＝2；
d(Xj,Yj)(Xj-1,Yj+1)＝|Xj-Xj-1|+|Yj-Yj+1|＝2；
d(Xj,Yj)(Xj+1,Yj+1)＝|Xj-Xj+1|+|Yj-Yj+1|＝2；
步骤七：以新成立的中心点(Xj,Yj)为原点，将滞销品C的库位坐标分散在四个直接相邻的滞销品C的坐标位置，坐标分别表示为(Xj-1,Yj)、(Xj+1,Yj)、(Xj,Yj-1)和(Xj,Yj+1)；
中心点(Xj,Yj)与滞销品C四个相邻点(Xj-1,Yj)、(Xj+1,Yj)、(Xj,Yj-1)和(Xj,Yj+1)满足一个曼哈顿距离为1的限制条件，即:
d(Xj,Yj)(Xj-1,Yj)＝|Xj-Xj-1|+|Yj-Yj|＝1；
d(Xj,Yj)(Xj+1,Yj)＝|Xj-Xj+1|+|Yj-Yj|＝1；
d(Xj,Yj)(Xj,Yj-1)＝|Xj-Xj|+|Yj-Yj-1|＝1；
d(Xj,Yj)(Xj,Yj+1)＝|Xj-Xj|+|Yj-Yj+1|＝1；
步骤八：以步骤七中四个滞销品C的坐标位置为新的中心点，分别从上下左右方向的可用空闲位置进行延伸，延伸幅度设置为一个方块的距离，直至构建下一个新的正方形星型拓扑结构；
步骤九：经过算法推荐输出的结果，对多个货架执行分布式操作，合理放置热销品和滞销品。
在一个优选地实施方式中，所述步骤九中输出结果为整体库位预留面积，库位预留面积由多个正方形星型拓扑结构组成的间隔网状结构，对多个货架执行分布式操作，同一时间内沿着星型拓扑结构下的正方形各边向前后左右移动一个方块的距离。
在一个优选地实施方式中，所述货架执行分布式操作中，两个或两个以上的货架移动到同一个坐标位置发生冲突时，随机选择其中一个继续前进，其余的货架选择停靠执行避让，直至腾出空闲位置可用。
本发明的技术效果和优点：
1、通过采用从里到外和上下左右的模式将库位进行延伸并实现均匀分布，在此基础上，货架在运行的过程中可以避免共享路径资源的冲突，保障了分布式多个货架保持同步运行，从而提升了生产效率，库位推荐算法输出最佳的无人仓商品布局效果，优化的分布式星型拓扑结构原理能帮助库位以高效实现最佳布局，解决无人仓的商品布局和智能拣货问题。
2、通过星型拓扑结构的排列阵式实现了优化过的热销品库位分布，保障了热销品和滞销品的分布式间隔排列组合，热销品区域不会相互干扰，能够促进滞销品的销售，同时对共享路径的竞争大幅减轻，无需人工经验估算，结果更加精确，提高了拣货效率。
附图说明
图1为本发明库位推荐算法主流程图。
图2为本发明传统模式下的中央控制式星型拓扑结构。
图3为本发明理想状态下分布式星型拓扑结构的库位推荐全局图。
图4为本发明理想状态下分布式星型拓扑结构的库位推荐局部坐标图。
图5为本发明一种实施例移动过程下的前后状态对比图。
图6为本发明一种实施例发生碰撞的局部状态图。
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。
根据图1-6所示的一种基于星型拓扑结构的分布式无人仓库位推荐智能算法，具体处理步骤如下：
步骤一：将商品按照销量划分为热销品和滞销品两种类别，分别用H和C表示；
步骤二：记录库位分布空间，将仓内可用空闲位置和所有的工作站点分别用二维坐标(Xj,Yj)和(XWi,YWi)进行标识；
步骤三：将步骤二中的工作站点(XWi,YWi)连成一条直线，并使用中心求解公式计算出中点所在二维坐标(Xm,Ym)，公式具体如下：
Figure GDA0003322858840000051
Figure GDA0003322858840000052
步骤四：以中点坐标(Xm,Ym)为起点沿着步骤二中标识的可用空闲位置(Xj,Yj)以垂直方向延伸，延伸幅度设置为一个方块的距离；
步骤五：由位置在(Xm,Ym)和(Xm+1,Ym+1)的坐标与其相邻的两个工作站点(XWi,YWi)坐标相连构建一个新的区域，构建完成后对区域形状进行检测，使区域形状趋于正方形，区域形状为正方形，算法执行步骤六操作，当区域形状检测结果不是正方形时，根据(Xm+1,Ym+1)附近是否存在可用空闲位置执行操作，具体如下：
当(Xm+1,Ym+1)附近存在可用空闲位置，回到步骤四执行操作；
当(Xm+1,Ym+1)附近没有可用空闲位置，采用平行于工作站点方向,向左侧或右侧的区域继续延伸，并构建一个新的正方形星型拓扑结构；
步骤六：设置步骤五中新构建的正方形星型拓扑结构中心点的二维坐标(Xj,Yj)，并以新成立的中心点(Xj,Yj)为原点，将热销品H的库位坐标分散在四个顶角点的形式为定位，四个顶角点的坐标分别表示为(Xj-1,Yj-1)、(Xj+1,Yj-1)、(Xj-1,Yj+1)和(Xj+1,Yj+1)，中心点(Xj,Yj)与热销品H四个相邻点(Xj-1,Yj-1)、(Xj+1,Yj-1)、(Xj-1,Yj+1)和(Xj,Yj+1)满足一个曼哈顿距离为2的限制条件，即:
d(Xj,Yj)(Xj-1,Yj-1)＝|Xj-Xj-1|+|Yj-Yj-1|＝2
d(Xj,Yj)(Xj+1,Yj-1)＝|Xj-Xj+1|+|Yj-Yj-1|＝2
d(Xj,Yj)(Xj-1,Yj+1)＝|Xj-Xj-1|+|Yj-Yj+1|＝2
d(Xj,Yj)(Xj+1,Yj+1)＝|Xj-Xj+1|+|Yj-Yj+1|＝2
步骤七：以新成立的中心点(Xj,Yj)为原点，将滞销品C的库位坐标分散在四个直接相邻的滞销品C的坐标位置，坐标分别表示为(Xj-1,Yj)、(Xj+1,Yj)、(Xj,Yj-1)和(Xj+1,Yj+1)，中心点(Xj,Yj)与滞销品C四个相邻点(Xj-1,Yj)、(Xj+1,Yj)、(Xj,Yj-1)和(Xj,Yj+1)满足一个曼哈顿距离为1的限制条件，即:
d(Xj,Yj)(Xj-1,Yj)＝|Xj-Xj-1|+|Yj-Yj|＝1；
d(Xj,Yj)(Xj+1,Yj)＝|Xj-Xj+1|+|Yj-Yj|＝1；
d(Xj,Yj)(Xj,Yj-1)＝|Xj-Xj|+|Yj-Yj-1|＝1；
d(Xj,Yj)(Xj,Yj+1)＝|Xj-Xj|+|Yj-Yj+1|＝1；
步骤八：以步骤七中四个滞销品C的坐标位置为新的中心点，分别从上下左右方向的可用空闲位置进行延伸，延伸幅度设置为一个方块的距离，直至构建下一个新的正方形星型拓扑结构；
步骤九：经过算法推荐输出的结果，对多个货架执行分布式操作，合理放置热销品和滞销品，输出结果为整体库位预留面积，库位预留面积由多个正方形星型拓扑结构组成的间隔网状结构，对多个货架执行分布式操作，同一时间内沿着星型拓扑结构下的正方形各边向前后左右移动一个方块的距离，所述货架执行分布式操作中，两个或两个以上的货架移动到同一个坐标位置发生冲突时，随机选择其中一个继续前进，其余的货架选择停靠执行避让，直至腾出空闲位置可用。
最后应说明的几点是：首先，在本申请的描述中，需要说明的是，除“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
最后：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，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 (3)

1.一种基于星型拓扑结构的分布式无人仓库位推荐智能算法，其特征在于：具体处理步骤如下：
步骤一：将商品按照销量划分为热销品和滞销品两种类别，分别用H和C表示；
步骤二：记录库位分布空间，将仓内可用空闲位置和所有的工作站点分别用二维坐标(Xj,Yj)和
Figure FDA0003322858830000011
进行标识；
步骤三：将步骤二中的工作站点
Figure FDA0003322858830000012
连成一条直线，并使用中心求解公式计算出中点所在二维坐标(Xm,Ym)；
二维坐标(Xm,Ym)的求解公式具体如下：
Figure FDA0003322858830000013
Figure FDA0003322858830000014
步骤四：以中点坐标(Xm,Ym)为起点沿着步骤二中标识的可用空闲位置(Xj,Yj)以垂直方向延伸，延伸幅度设置为一个方块的距离；
步骤五：由位置在(Xm,Ym)和(Xm+1,Ym+1)的坐标与其相邻的两个工作站点(XWi,YWi)坐标相连构建一个新的区域，构建完成后对区域形状进行检测，使区域形状趋于正方形；
步骤六：设置步骤五中新构建的正方形星型拓扑结构中心点的二维坐标(Xj,Yj)，并以新成立的中心点(Xj,Yj)为原点，将热销品H的库位坐标分散在四个顶角点的形式为定位，四个顶角点的坐标分别表示为(Xj-1,Yj-1)、(Xj+1,Yj-1)、(Xj-1,Yj+1)和(Xj+1,Yj+1)；
中心点(Xj,Yj)与热销品H四个顶角点(Xj-1,Yj-1)、(Xj+1,Yj-1)、(Xj-1,Yj+1)和(Xj+1,Yj+1)满足一个曼哈顿距离为2的限制条件，即:
d(Xj,Yj)(Xj-1,Yj-1)＝|Xj-Xj-1|+|Yj-Yj-1|＝2；
d(Xj,Yj)(Xj+1,Yj-1)＝|Xj-Xj+1|+|Yj-Yj-1|＝2；
d(Xj,Yj)(Xj-1,Yj+1)＝|Xj-Xj-1|+|Yj-Yj+1|＝2；
d(Xj,Yj)(Xj+1,Yj+1)＝|Xj-Xj+1|+|Yj-Yj+1|＝2；
步骤七：以新成立的中心点(Xj,Yj)为原点，将滞销品C的库位坐标分散在四个直接相邻的滞销品C的坐标位置，坐标分别表示为(Xj-1,Yj)、(Xj+1,Yj)、(Xj,Yj-1)和(Xj,Yj+1)；
中心点(Xj,Yj)与滞销品C四个相邻点(Xj-1,Yj)、(Xj+1,Yj)、(Xj,Yj-1)和(Xj,Yj+1)满足一个曼哈顿距离为1的限制条件，即:
d(Xj,Yj)(Xj-1,Yj)＝|Xj-Xj-1|+|Yj-Yj|＝1；
d(Xj,Yj)(Xj+1,Yj)＝|Xj-Xj+1|+|Yj-Yj|＝1；
d(Xj,Yj)(Xj,Yj-1)＝|Xj-Xj|+|Yj-Yj-1|＝1；
d(Xj,Yj)(Xj,Yj+1)＝|Xj-Xj|+|Yj-Yj+1|＝1；
步骤八：以步骤七中四个滞销品C的坐标位置为新的中心点，分别从上下左右方向的可用空闲位置进行延伸，延伸幅度设置为一个方块的距离，直至构建下一个新的正方形星型拓扑结构；
步骤九：经过算法推荐输出的结果，对多个货架执行分布式操作，合理放置热销品和滞销品。
2.根据权利要求1所述的一种基于星型拓扑结构的分布式无人仓库位推荐智能算法，其特征在于：所述步骤九中输出结果为整体库位预留面积，库位预留面积由多个正方形星型拓扑结构组成的间隔网状结构，对多个货架执行分布式操作，同一时间内沿着星型拓扑结构下的正方形各边向前后左右移动一个方块的距离。
3.根据权利要求1所述的一种基于星型拓扑结构的分布式无人仓库位推荐智能算法，其特征在于：所述货架执行分布式操作中，两个或两个以上的货架移动到同一个坐标位置发生冲突时，随机选择其中一个继续前进，其余的货架选择停靠执行避让，直至腾出空闲位置可用。
CN201910426735.3A 2019-05-22 2019-05-22 一种基于星型拓扑结构的分布式无人仓库位推荐智能算法 Active CN110188290B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910426735.3A CN110188290B (zh) 2019-05-22 2019-05-22 一种基于星型拓扑结构的分布式无人仓库位推荐智能算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910426735.3A CN110188290B (zh) 2019-05-22 2019-05-22 一种基于星型拓扑结构的分布式无人仓库位推荐智能算法

Publications (2)

Publication Number Publication Date
CN110188290A CN110188290A (zh) 2019-08-30
CN110188290B true CN110188290B (zh) 2022-03-08

Family

ID=67717199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910426735.3A Active CN110188290B (zh) 2019-05-22 2019-05-22 一种基于星型拓扑结构的分布式无人仓库位推荐智能算法

Country Status (1)

Country Link
CN (1) CN110188290B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110851717A (zh) * 2019-11-11 2020-02-28 北京新海汇仓储有限公司 一种迷你仓位的推荐方法、设备及介质
CN112734344A (zh) * 2021-03-31 2021-04-30 牧星机器人(江苏)有限公司 一种商品仓储中的商品入库优化方法、装置及仓储系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10339497B2 (en) * 2016-07-21 2019-07-02 Ebay Inc. System and method for dynamic inventory management
CN107464013A (zh) * 2017-07-13 2017-12-12 南昌大学 一种应用于v型非传统布局仓库通道优化设计方法
CN107708087A (zh) * 2017-10-27 2018-02-16 无锡七百二十度科技有限公司 一种智能仓储系统
CN108197873A (zh) * 2018-01-23 2018-06-22 广州誉点信息科技有限公司 仓库商品拣货方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN110188290A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN106041931B (zh) 一种多障碍空间多agv机器人协作防碰撞路径优化方法
CN110188290B (zh) 一种基于星型拓扑结构的分布式无人仓库位推荐智能算法
CN109947120B (zh) 仓储系统中的路径规划方法
KR102080424B1 (ko) 로봇 현장 복귀를 위한 방법 및 장치
CN111707269B (zh) 一种三维环境下的无人机路径规划方法
US10824166B2 (en) Methods and systems of distributing task regions for a plurality of cleaning devices
CN113592158B (zh) 多agv路径规划和多agv智能生产线中agv与机器联合调度方法
US20220364872A1 (en) Vehicle scheduling method, apparatus and system
CN105446342A (zh) 用于机器人终端场地回流的方法和装置
CN113189988B (zh) 一种基于Harris算法与RRT算法复合的自主路径规划方法
Lenin et al. Multi-objective optimization in single-row layout design using a genetic algorithm
CN112785132A (zh) 一种用于智能仓库的多机器人移动货架任务分配方法
CN115014362A (zh) 一种基于合成单元的牛耕式全覆盖路径规划方法和装置
CN114063612A (zh) 一种路径规划方法、路径规划装置及电子设备
Wang et al. A task allocation algorithm based on market mechanism for multiple robot systems
CN112161630A (zh) 适用于大型仓储系统的agv在线无碰撞路径规划方法
CN115629614B (zh) 一种基于遗传算法的仓储多agv路径规划方法
CN110275535B (zh) 一种基于改进a星算法的多状态车辆路径规划方法
CN107982917B (zh) 一种3d游戏的人物路径搜索方法
Oliveira et al. Multi-constrained Voronoi-based task allocator for smart-warehouses
CN111912407B (zh) 一种多机器人系统的路径规划方法
US12001212B2 (en) Path planning method and device for unmanned device
Yao et al. Design and implementation of optimal algorithm for shelves handling based on the change of return position of movable shelves
Wang et al. A distributed task assignment algorithm for multi-robots in plant factory
CN114371680B (zh) 一种多agv中转站调度方法、装置、电子设备及存储介质

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

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.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant