CN110210685B - 物流装箱方法及装置 - Google Patents

物流装箱方法及装置 Download PDF

Info

Publication number
CN110210685B
CN110210685B CN201910508502.8A CN201910508502A CN110210685B CN 110210685 B CN110210685 B CN 110210685B CN 201910508502 A CN201910508502 A CN 201910508502A CN 110210685 B CN110210685 B CN 110210685B
Authority
CN
China
Prior art keywords
individual
population
previous generation
individuals
exchange
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
CN201910508502.8A
Other languages
English (en)
Other versions
CN110210685A (zh
Inventor
陈航
黄国飞
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.)
Guangdong 3vjia Information Technology Co Ltd
Original Assignee
Guangdong 3vjia Information Technology 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 Guangdong 3vjia Information Technology Co Ltd filed Critical Guangdong 3vjia Information Technology Co Ltd
Priority to CN201910508502.8A priority Critical patent/CN110210685B/zh
Publication of CN110210685A publication Critical patent/CN110210685A/zh
Application granted granted Critical
Publication of CN110210685B publication Critical patent/CN110210685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/04—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种物流装箱方法及装置，涉及数据处理的技术领域，包括获取物流车厢的承载信息和多个待装箱的参数信息，其中，物流车厢的承载信息包括：物流车厢的额定载重信息和/或物流车厢的尺寸信息，多个待装箱的参数信息包括：多个待装箱的重量信息和/或多个待装箱的尺寸信息；获取多个待装箱的约束条件，其中，约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；结合承载信息，参数信息和约束条件确定多个待装箱的装箱策略。该方法能够基于获取到的承载信息以及参数信息，结合多种约束条件确定多个待装箱的装箱策略，缓解了现有技术中的物流装箱方法约束条件单一的技术问题。

Description

物流装箱方法及装置
技术领域
本发明涉及数据处理的技术领域，尤其是涉及一种物流装箱方法及装置。
背景技术
伴随着国民经济的快速增长，人们生活水平的提高，物流行业在迅猛的发展，如何提高集装箱的装载量，降低物流成本已经成为物流行业亟需解决的问题。物流装箱问题属于复杂的离散组合最优化问题，现有技术中解决组合优化问题的算法模型有遗传算法、蚁群算法及模拟退火算法等。上述现有技术中的算法来解决物流装箱的最优化问题时，通过会利用到约束条件，但是，在通过上述所描述的现有技术来进行最优解计算时，所采用的约束条件往往较为单一。然而，较为单一的约束条件则无法得到准确的最优解。
综上所述，现有技术中的物流装箱方法存在约束条件单一的技术问题。
发明内容
本发明的目的在于提供一种物流装箱方法及装置，以缓解现有技术中的物流装箱方法存在的约束条件单一的技术问题。
第一方面，本发明提供的一种物流装箱方法，包括：
获取物流车厢的承载信息和多个待装箱的参数信息，其中，所述物流车厢的承载信息包括：所述物流车厢的额定载重信息和/或所述物流车厢的尺寸信息，所述多个待装箱的参数信息包括：所述多个待装箱的重量信息和/或所述多个待装箱的尺寸信息；获取所述多个待装箱的约束条件，其中，所述约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；结合所述承载信息，所述参数信息和所述约束条件确定所述多个待装箱的装箱策略。
第二方面，本发明还提供一种物流装箱装置，包括：
第一获取模块，用于获取物流车厢的承载信息和多个待装箱的参数信息，其中，所述物流车厢的承载信息包括：所述物流车厢的额定载重信息和/或所述物流车厢的尺寸信息，所述多个待装箱的参数信息包括：所述多个待装箱的重量信息和/或所述多个待装箱的尺寸信息；第二获取模块，用于获取所述多个待装箱的约束条件，其中，所述约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；确定模块，用于结合所述承载信息，所述参数信息和所述约束条件确定所述多个待装箱的装箱策略。
本发明提供的物流装箱方法，包括：获取物流车厢的承载信息和多个待装箱的参数信息，其中，物流车厢的承载信息包括：物流车厢的额定载重信息和/或物流车厢的尺寸信息，多个待装箱的参数信息包括：多个待装箱的重量信息和/或多个待装箱的尺寸信息；获取多个待装箱的约束条件，其中，约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；结合承载信息，参数信息和约束条件确定多个待装箱的装箱策略。
现有技术中的物流装箱方法，计算过程中均没有考虑到待装箱不同的摆放方式对集装箱装载量的影响，与现有技术相比，本发明实施例所提供的物流装箱方法，能够基于获取到的物流车厢的额定载重信息和/或物流车厢的尺寸信息、多个待装箱的重量信息和/或多个待装箱的尺寸信息，再结合多个待装箱的装载优先级约束条件，摆放方式约束条件和悬空率约束条件确定多个待装箱的装箱策略，从而缓解了现有技术中的物流装箱方法约束条件单一的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种物流装箱方法的流程图；
图2(a)为本发明实施例提供的一种相邻的两个进化个体进行交叉的示意图；
图2(b)为本发明实施例提供的一种相邻的两个进化个体进行交叉时的映射关系示意图；
图2(c)为本发明实施例提供的一种相邻的两个进化个体进行交叉后的示意图；
图3为本发明实施例提供的一种每层第一个待装箱的空间划分示意图；
图4为本发明实施例提供的一种每排第一个待装箱的空间划分示意图；
图5为本发明实施例提供的一种其他待装箱的空间划分示意图；
图6为本发明实施例提供的一种物流装箱装置的功能模块图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
实施例一
图1是根据本发明实施例的一种物流装箱方法的流程图，如图1所示，该方法包括如下步骤：
步骤S12，获取物流车厢的承载信息和多个待装箱的参数信息，其中，物流车厢的承载信息包括：物流车厢的额定载重信息和/或物流车厢的尺寸信息，多个待装箱的参数信息包括：多个待装箱的重量信息和/或多个待装箱的尺寸信息；
具体的，要为物流车厢装载货物(多个待装箱)，最重要的是确定多个待装箱是否能否全部装入物流车厢，一般需要获取物流车厢的额定载重信息和/或物流车厢的尺寸信息，以及要装进物流车厢的多个待装箱的重量信息和/或多个待装箱的尺寸信息，物流车厢的额定载重信息和多个待装箱的重量信息能够确定物流车厢是否超重，物流车厢的尺寸信息和多个待装箱的尺寸信息是为了确定物流车厢能否装得下多个待装箱，其中，尺寸信息包括：长度信息、宽度信息和高度信息，也就是说，基于获取到的尺寸信息，就能够确定物流车厢的体积和每个待装箱的体积。
步骤S14，获取多个待装箱的约束条件，其中，约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；
在为物流车厢装载多个待装箱时，由于待装箱本身的一些特殊要求或者待装箱目的地的先后顺序，一般设置多个待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件，待装箱的装载优先级约束条件是指对待装箱装载过程中的先后顺序进行的约束，待装箱的摆放方式约束条件是指对待装箱摆放在物流车厢中的摆放方向进行的约束，待装箱的悬空率约束条件是指当该待装箱在进行叠放时，对其底面积能够悬空的百分比的约束。
步骤S16，结合承载信息，参数信息和约束条件确定多个待装箱的装箱策略。
在获取到物流车厢的承载信息、多个待装箱的参数信息和多个待装箱的约束条件后，结合上述全部条件，就能够确定多个待装箱的物流装箱策略，下文中将对该部分进行详细的介绍。
现有技术中的物流装箱方法，计算过程中均没有考虑到待装箱不同的摆放方式对集装箱装载量的影响，与现有技术相比，本发明实施例所提供的物流装箱方法，能够基于获取到的物流车厢的额定载重信息和/或物流车厢的尺寸信息、多个待装箱的重量信息和/或多个待装箱的尺寸信息，再结合多个待装箱的装载优先级约束条件，摆放方式约束条件和悬空率约束条件确定多个待装箱的装箱策略，从而缓解了现有技术中的物流装箱方法约束条件单一的技术问题。
上文中对本发明实施例的物流装箱方法进行了简要的描述，下面将对装箱策略的确定过程进行详细的介绍。
在一个可选的实施方式中，结合承载信息内，参数信息和约束条件确定多个待装箱的装箱策略包括如下步骤：
步骤S161，获取上一代种群和上一代种群中每个上一代个体对应的空间利用率；上一代个体表示多个待装箱的装载顺序和摆放方式；
具体的，装箱策略确定的第一步，首先要获取上一代种群和上一代种群中每一个上一代个体所对应的空间利用率，在本发明实施例中，上一代种群中的每个上一代个体都代表多个待装箱的一种装载顺序和摆放方式，也就是说每一个上一代个体都能确定一种待装箱的装载顺序和每个待装箱的具体摆放方式，而获取的上一代个体所对应的空间利用率将在下面的步骤S165中使用。
步骤S162，在上一代种群中为每个上一代个体选择目标个体作为其进化个体，并将进化个体组成的种群作为进化种群；目标个体被选中的概率与每个上一代个体对应的空间利用率相关；
在获取到上一代种群后，就要对上一代种群进行选择操作，目的是选择空间利用率较大的“优胜”个体，淘汰空间利用率较小的“劣势”个体，在选择操作过程中，需要为每一个上一代个体进行一次选择，被选中的个体称为目标个体，且目标个体被选中的概率与每个上一代个体对应的空间利用率相关，然后，将被选中的目标个体作为该上一代个体的进化个体，最后将所有进化个体组成的种群作为上一代种群对应的进化种群，下文中将对得到进化个体的过程进行详细的介绍。
步骤S163，基于装载优先级约束条件和摆放方式约束条件对进化种群中相邻的两个进化个体进行交换变异操作，得到进化种群对应的变异种群；进化种群中每个进化个体只进行一次交换变异操作；
在得到进化种群后，还要进一步对进化种群进行交换变异操作，且交换变异操作要遵循多个待装箱的装载优先级约束条件和摆放方式约束条件，本发明实施例在对进化种群进行交换变异过程中，每一个进化个体只进行一次的交换变异，最终得到进化种群对应的变异种群，下文中将对交换变异的过程进行详细的介绍。
步骤S164，基于承载信息、参数信息和悬空率约束条件对变异种群中的每个变异个体对应的空间利用率进行计算，得到空间利用率的计算结果；
在得到变异种群后，变异种群中的每个变异个体所表示的装载顺序以及摆放方式能够确定怎样的装载策略，还需要根据物流车厢的承载信息、多个待装箱的参数信息和多个待装箱的悬空率约束条件来决定，在计算过程中，就能够得到每一个变异个体所对应的装载策略，最终确定每个变异个体对应的空间利用率，得到空间利用率的计算结果，下文中将对空间利用率的计算过程进行详细的介绍。
步骤S165，若计算结果中的最小空间利用率小于上一代种群中的最大空间利用率，则将最小空间利用率对应的变异个体替换为最大空间利用率对应的上一代个体，得到更新后的种群；
得到变异种群中的每个变异个体对应的空间利用率后，确定最小的空间利用率是否小于步骤S161中所获取的上一代种群中的最大空间利用率，如果变异种群中的最小空间利用率小于上一代种群中的最大空间利用率，那么将变异种群中空间利用率最小的变异个体替换为上一代种群中空间利用率最大的个体，进而得到更新后的种群。
步骤S166，将更新后的种群作为上一代种群进行迭代更新，直到满足预设进化条件，得到期望种群，并根据期望种群中空间利用率最大的期望个体的计算过程确定装箱策略。
在得到更新后的种群后，将更新后的种群作为上一代种群进行迭代更新，直到满足预设进化条件，在本发明实施例中，不对进化条件进行具体的限定，用户可以根据实际需求进行设定，可以设置为达到预设时间后停止，也可以设置为达到预设的迭代次数后停止。将达到预设进化条件的种群作为期望种群，上文中已经说明，装箱策略是在计算过程中确定的，所以根据期望种群中空间利用率最大的期望个体的计算过程确定多个待装箱的装箱策略。
上文中将对确定装箱策略的主要步骤进行了简要的描述，下面将对其中涉及到的具体内容进行详细描述。
在一个可选的实施方式中，若上一代种群为空，获取上一代种群和上一代种群中每个上一代个体对应的空间利用率包括如下步骤：
步骤S21，基于装载优先级约束条件和摆放方式约束条件对多个待装箱进行编码并随机生成初始种群，以将初始种群作为上一代种群，其中，初始种群包含M个初始个体，第i个初始个体表示为
Figure BDA0002091991410000081
N表示多个待装箱的总数，
Figure BDA0002091991410000082
表示多个待装箱的装载顺序，
Figure BDA0002091991410000083
表示多个待装箱的摆放方式；
具体的，当上一代种群为空种群时，也就是当初始计算时，首先需要基于多个待装箱的装载优先级约束条件和摆放方式约束条件对多个待装箱进行编码并随机生成初始种群，需要说明的是，如果多个待装箱中特定的X个待装箱存在装载优先级的约束条件，那么在编码时，初始种群中的每个初始个体中上述X个待装箱的装载顺序都是固定的，不能够随机生成，如果多个待装箱没有装载优先级的约束条件，那么可以将待装箱按照体积的大小进行排序，本发明不对其进行具体限制，用户可以根据需求进行设定。
同样的，如果某一个待装箱具有摆放方式约束条件，那么其摆放方式的编码也是固定不能变的，不能随机生成；相反，如果多个待装箱不存在装载优先级约束条件和摆放方式约束条件，那么初始个体中的编码就可以随机生成，并将M个初始个体组成的种群(初始种群)作为上一代种群，其中，第i个初始个体表示为
Figure BDA0002091991410000084
N表示多个待装箱的总数，
Figure BDA0002091991410000085
表示多个待装箱的装载顺序，
Figure BDA0002091991410000086
由{1,2,…,N-1,N}组成，
Figure BDA0002091991410000087
表示多个待装箱的摆放方式，
Figure BDA0002091991410000088
由{0,1,2,3,4,5}组成，
Figure BDA0002091991410000089
表示
Figure BDA00020919914100000810
的摆放方式，t取值1至N。为了便于理解，下面将对初始个体的编码进行详细说明：
首先需要对的编码进行解释，上文中指出
Figure BDA00020919914100000811
由{0,1,2,3,4,5}组成，一般待装箱都是长方体，长方体有3对面，那么根据底面不同就有3种摆放方式，进一步的，将与物流车厢的长相平行或垂直作为两种选择方向，最终得到6种待装箱的摆放方式，在进行编码时，使用{0,1,2,3,4,5}代表这6种方式，具体对应关系用户可以进行自定义，实际应用中，用户还可以选择其他值来区分不同的摆放方式，本发明不对其进行具体限制。
假设共有4个待装箱，那么每个初始个体都表示这4个待装箱的一种装载顺序和摆放方式，某个初始个体的编码为{4,2,1,3,0,1,2,1}，那么该初始个体表示编号为4的待装箱优先装入物流车厢，随后是编号为2的待装箱，编号为1的待装箱，最后是编号为3的待装箱，且编号为4的待装箱的摆放方式为编码0代表的方向，编号为2的待装箱的摆放方式为编码1代表的方向，编号为1的待装箱的摆放方式为编码2代表的方向，编号为3的待装箱的摆放方式为编码1代表的方向。
步骤S22，基于物流车厢的承载信息、多个待装箱的参数信息和悬空率约束条件对初始种群中每个初始个体对应的空间利用率进行计算，得到每个上一代个体对应的空间利用率。
在得到初始种群后，还要基于物流车厢的承载信息、多个待装箱的参数信息和悬空率约束条件对初始种群中每个初始个体对应的空间利用率进行计算，进而得到每个初始个体的空间利用率，也即，每个上一代个体的空间利用率，种群中每个个体的空间利用率的计算过程将在下文中进行详细的介绍。
上文中对初始种群的生成过程进行了详细的描述，下面对得到上一代个体对应的进化个体的过程进行详细介绍。
在一个可选的实施方式中，在上一代种群中为每个上一代个体选择目标个体作为其进化个体包括如下步骤：
步骤S1621，利用算式
Figure BDA0002091991410000091
对每个上一代个体遗传到下一代的概率进行计算，其中，
Figure BDA0002091991410000092
表示第i个上一代个体yi遗传到下一代的概率，
Figure BDA0002091991410000093
表示第i个上一代个体yi对应的空间利用率，i取值1至M；
具体的，为了得到进化个体，首先计算每个上一代个体能够遗传到下一代的概率，第i个上一代个体yi遗传到下一代的概率表示为
Figure BDA0002091991410000101
Figure BDA0002091991410000102
表示第i个上一代个体yi对应的空间利用率，i取值1至M，也就是说，上一代个体的空间利用率越大，其遗传到下一代的概率就越大。
步骤S1622，利用算式
Figure BDA0002091991410000103
对第i个上一代个体yi的累积概率进行计算，其中，qi表示第i个上一代个体yi的累积概率，i取值1至M，且qM＝1；
在得到每个上一代个体的遗传概率
Figure BDA0002091991410000104
后，再利用算式
Figure BDA0002091991410000105
对第i个上一代个体yi的累积概率进行计算，也就是说第1个上一代个体y1的累积概率
Figure BDA0002091991410000106
第2个上一代个体y2的累积概率
Figure BDA0002091991410000107
第3个上一代个体y3的累积概率
Figure BDA0002091991410000108
依次类推，第M个上一代个体yM的累积概率qM＝1，M表示上一代个体的数量。
步骤S1623，利用进化操作算式
Figure BDA0002091991410000109
对每个上一代个体执行进化操作，得到进化个体，其中，vi表示第i个上一代个体yi对应的进化个体，qk表示第k个上一代个体yk的累积概率，r表示伪随机数，r∈[0,1]。
最后，利用进化操作算式
Figure BDA00020919914100001010
对每个上一代个体执行进化操作，其中，r表示伪随机数，r∈[0,1]，vi表示第i个上一代个体yi对应的进化个体，为了便于理解，下面举例说明：若某个上一代个体在进化时，伪随机数r取值为0.1，而累积概率q1＝0.15，那么该上一代个体的进化个体就是第1个上一代个体y1，若某个上一代个体在进化时，伪随机数r取值为0.5，而累积概率q3＝0.4，q4＝0.55，那么该上一代个体的进化个体就是第4个上一代个体y4。
上文中对得到上一代个体对应的进化个体的过程进行了详细的描述，下面对得到进化种群对应的变异种群的过程进行详细介绍。
在一个可选的实施方式中，基于装载优先级约束条件和摆放方式约束条件对进化种群中相邻的两个进化个体进行交换变异操作，得到进化种群对应的变异种群包括如下步骤：
步骤S1631，基于装载优先级约束条件和摆放方式约束条件对进化种群中相邻的两个进化个体进行交换操作，得到进化种群对应的交换种群，其中，进化种群中每个进化个体只进行一次交换操作；
要得到进化种群对应的变异种群，首先需要基于装载优先级约束条件和摆放方式约束条件对进化种群中相邻的两个进化个体进行交换操作，得到进化种群对应的交换种群，下文中将对得到交换种群的过程进行详细介绍，需要说明的是，每一个进化个体仅进行一次交换操作，也就是进化种群中的第1和第2个进化个体进行交换操作，第3和第4个进化个体进行交换操作，第5和第6个进化个体进行交换操作，依次类推，此处不再赘述，所以种群中个体的数量应为偶数个。
步骤S1632，基于装载优先级约束条件和摆放方式约束条件对交换种群中的每个交换个体进行变异操作，得到进化种群对应的变异种群。
在得到交换种群后，还需要再基于装载优先级约束条件和摆放方式约束条件对交换种群中的每个交换个体进行变异操作，进而能够得到进化种群对应的变异种群，下文中将对得到变异种群的过程进行详细的描述。需要说明的是，变异操作中，操作对象是针对每个交换个体的，且每个交换个体仅进行一次变异操作。
上文中对得到变异个体的过程进行了简要的描述，下面对其中涉及到的具体过程进行具体介绍。
在一个可选的实施方式中，基于装载优先级约束条件和摆放方式约束条件对进化种群中相邻的两个进化个体进行交换操作，得到进化种群对应的交换种群包括如下步骤：
步骤S31，若约束条件中不包含装载优先级约束条件，则利用交叉操作算式
Figure BDA0002091991410000121
对进化种群中相邻的两个进化个体进行交叉操作，得到交叉个体，其中，bi表示第i个进化个体vi对应的交叉个体，i取值1至M，r表示伪随机数，r∈[0,1]，PC表示预设交换概率，v′i表示进化个体vi的前N个编码中连续a个编码与进化个体vi+1对应位置上的连续a个编码进行交叉后得到的个体，a取值1至N；
上文中在生成初始种群中已经交代，若多个待装箱存在装载优先级约束条件，那么其对应的装载顺序就是固定的，也就是不能进行变换，所以，如果约束条件中不包含装载优先级约束条件，则可利用交叉操作算式
Figure BDA0002091991410000122
对进化种群中相邻的两个进化个体进行交叉操作，进而得到交叉个体，其中，PC表示预设交换概率，优选的，PC＝0.95，r表示伪随机数，r∈[0,1]。
若设定PC＝0.95，而在对某相邻两个进化个体进行交叉操作时，r取值为0.98，则不需要执行交叉操作，也就是，进化个体vi对应的交叉个体bi还是vi，进化个体vi+1对应的交叉个体bi+1还是vi+1。
若设定PC＝0.95，而在对某相邻两个进化个体进行交叉操作时，r取值为0.7，则需要执行交叉操作，交叉操作算式中v′i表示进化个体vi的前N个编码中连续a个编码与进化个体vi+1对应位置上的连续a个编码进行交叉后得到的个体，a取值1至N，也就是交叉操作的对象是进化个体的前N个编码(表示装载顺序)，而a取值1至N，表示相邻的两个进化个体在进行交叉操作时，可能前N个编码都进行交叉，也有可能是前N个编码中连续的部分编码进行交叉，为了便于理解，图2(a)示出两个进化个体的交叉过程(仅示出进化个体的前N个编码)：
图中进化个体1和进化个体2分别代表9个待装箱的一种装载顺序，在交叉操作时，将进化个体1和进化个体2的第3-6个编码进行交叉，进而得到交叉个体1和交叉个体2。
步骤S32，若r<PC，则记录进化种群中相邻的两个进化个体进行交叉时的映射关系；
如果伪随机数r<PC，那么根据步骤S31中的例子可知，进化个体1和进化个体2将进行交叉，进而能够得到图2(b)中的两个进化个体进行交叉时的映射关系并记录。
步骤S33，若交叉个体的前N个编码中存在相同的编码，则基于映射关系对交叉个体的前N个编码中未进行交换的编码进行转换，以使转换后的交叉个体的前N个编码中不存在重复编码；
由图2(a)可知，交叉个体1和交叉个体2中都存在重复的编码，由于前N个编码表示装载顺序，就必然不应该存在重复装载的情况，所以根据上述步骤S32中的映射关系对交叉个体的前N个编码中未进行交换的编码进行转换，进而使转换后的交叉个体的前N个编码中不存在重复编码。转换后得到的交叉个体如图2(c)所示。
上文中描述了在对进化个体进行交换操作时前半段编码的处理过程，下面对进化个体进行交换操作时后半段编码的处理过程进行详细介绍。
步骤S34，若约束条件中不包含摆放方式约束条件，则利用交换操作算式
Figure BDA0002091991410000131
对相邻的两个交叉个体进行交换操作，得到交换个体，并将交换个体组成的种群作为交换种群，其中，ci表示第i个交叉个体bi对应的交换个体，i取值1至M，r表示伪随机数，r∈[0,1]，PC表示预设交换概率，b′i表示交叉个体bi的后N个编码中连续d个编码与交叉个体bi+1对应位置上的连续d个编码进行交换后得到的个体，d取值1至N。
上文中在生成初始种群中已经交代，若多个待装箱存在摆放方式约束条件，那么其对应的摆放方式就是固定的，也就是不能进行变换，所以，如果约束条件中不包含摆放方式约束条件，则可利用交换操作算式
Figure BDA0002091991410000141
对相邻的两个交叉个体进行交换操作，进而得到交换个体，并将交换个体组成的种群作为交换种群，其中，PC表示预设交换概率，优选的，PC＝0.95，r表示伪随机数，r∈[0,1]。
若设定PC＝0.95，而在对某相邻两个进化个体进行交换操作时，r取值为0.98，则不需要执行交叉操作，也就是，交叉个体bi对应的交换个体ci还是bi，交叉个体bi+1对应的交换个体ci+1还是bi+1。
若设定PC＝0.95，而在对某相邻两个进化个体进行交换操作时，r取值为0.6，则需要执行交换操作，交换操作算式中b′i表示交叉个体bi的后N个编码中连续d个编码与交叉个体bi+1对应位置上的连续d个编码进行交换后得到的个体，d取值1至N，也就是后半段交换操作的对象是进化个体中表示摆放方式的后N个编码，而d取值1至N，表示相邻的两个交叉个体在进行后半段的交换操作时，可能后N个编码都进行交换，也有可能是后N个编码中连续的部分编码进行交换。需要说明的是，在进行后半段编码的交换操作时，不需要根据记录映射关系，也不需要进行重复编码的检测，在相邻的两个进化个体前半段编码交叉结束的基础上，后半段编码交换完成就得到对应的交换个体，并将交换个体组成的种群作为交换种群。
上文中对得到交换种群的过程进行了详细的描述，下面对得到变异种群的过程进行详细介绍。
在一个可选的实施方式中，基于装载优先级约束条件和摆放方式约束条件对交换种群中的每个交换个体进行变异操作，得到进化种群对应的变异种群包括如下步骤：
步骤S41，若约束条件中不包含装载优先级约束条件，则利用逆转操作算式
Figure BDA0002091991410000151
对交换种群中的每个交换个体进行逆转操作，得到逆转个体，其中，ei表示第i个交换个体ci对应的逆转个体，i取值1至M，r表示伪随机数，r∈[0,1]，Pm表示预设变异概率，c′i表示交换个体ci的前N个编码中连续g个编码进行顺序逆转后得到的个体，g取值1至N；
若多个待装箱存在装载优先级约束条件，那么就不能对种群进行变异操作，但是，如果约束条件中不包含装载优先级约束条件，则可以利用逆转操作算式
Figure BDA0002091991410000152
对交换种群中的每个交换个体进行逆转操作，得到逆转个体，其中，Pm表示预设变异概率，优选的，Pm＝0.1，r表示伪随机数，r∈[0,1]。
若设定Pm＝0.1，而在对某个交换个体进行逆转操作时，r取值为0.7，则不需要执行逆转操作，也就是，交换个体ci对应的逆转个体ei还是ci，就相当于交换个体不进行逆转。
若设定Pm＝0.1，而在对某个交换个体进行逆转操作时，r取值为0.05，则需要执行逆转操作，逆转操作算式中c′i表示交换个体ci的前N个编码中连续g个编码进行顺序逆转后得到的个体，g取值1至N，也就是逆转操作的对象是交换个体的前N个编码(表示装载顺序)，而g取值1至N，表示在进行逆转操作时，可能前N个编码都进行逆转，也有可能是前N个编码中连续的部分编码进行逆转，为了便于理解，下面举例说明，假设某个交换个体的前N个(此处N＝9)编码表示为{1,2,3,4,5,6,7,8,9}，在对其进行逆转操作时选中了第3至第7个连续的5个编码进行顺序逆转，那么经过逆转操作，得到的逆转个体为{1,2,7,6,5,4,3,8,9}。
步骤S42，若约束条件中不包含摆放方式约束条件，则利用变异操作算式
Figure BDA0002091991410000161
对逆转个体进行变异操作，得到变异个体，并将变异个体组成的种群作为变异种群，其中，hi表示第i个逆转个体ei对应的变异个体，i取值1至M，r表示伪随机数，r∈[0,1]，Pm表示预设变异概率，e′i表示逆转个体ei的第l个编码进行变异后得到的个体，l取值N+1至2N。
若多个待装箱存在摆放方式约束条件，那么就不能对种群进行变异操作，但是，如果约束条件中不包含摆放方式约束条件，则可以利用变异操作算式
Figure BDA0002091991410000162
对逆转个体进行变异操作，得到变异个体，并将变异个体组成的种群作为变异种群，其中，Pm表示预设变异概率，优选的，Pm＝0.1，r表示伪随机数，r∈[0,1]。
若设定Pm＝0.1，而在对某个逆转个体进行变异操作时，r取值为0.8，则不需要执行变异操作，也就是，逆转个体ei对应的变异个体hi还是ei，就相当于逆转个体不进行变异。
若设定Pm＝0.1，而在对某个逆转个体进行变异操作时，r取值为0.03，则需要执行变异操作，变异操作算式中e′i表示逆转个体ei的第l个编码进行变异后得到的个体，l取值N+1至2N，表示在进行变异操作时，后N个编码中的某个编码进行变异，也就是说，令某个待装箱的摆放方式进行变化，变异为区别于原有的摆放方式的编码。为了便于理解，下面举例说明，假设某个逆转个体的后N个编码(此处N＝9)表示为{1,2,0,4,5,0,3,4,1}，若在对其进行变异操作时选中了第5个编码进行变异，其中，逆转个体中后9个编码中的第5个编码是5，那么变异时，可选的编码为区别于5的{0,1,2,3,4}，经过变异，可能得到的一种变异个体为{1,2,0,4,3,0,3,4,1}。
上文中对得到变异种群的处理过程进行了详细的描述，下面对空间利用率的计算过程进行详细介绍。
在一个可选的实施方式中，基于承载信息、参数信息和悬空率约束条件对变异种群中的每个变异个体对应的空间利用率进行计算包括如下步骤：
步骤S1641，基于每个变异个体确定对应的多个待装箱的装载顺序和摆放方式；
上文中已经描述了种群中个体的编码方式以及其代表的含义，所以对于得到的变异个体，每个变异个体都能确定其对应的多个待装箱的装载顺序和摆放方式。
步骤S1642，基于预设放置规则确定能够装入物流车厢的待装箱数量w，其中，预设放置规则至少包括：承载规则和/或悬空率规则；
在本发明实施例中采用启发式算法计算装箱后的空间利用率，在获取到多个待装箱的装载顺序和摆放方式后，采用空间左上角占角策略放置待装箱，每放一个待装箱，待装箱的左上角向空间左下角靠拢，利用这种方法可以确定每个待装箱在物流车厢中的位置坐标，同时，在一个空间放置一个箱子时要考虑当前空间是否能够放得下待装箱(尺寸和重量是否满足条件)以及悬空率是否满足。
计算能够放入待装箱时，首先将物流车厢从里到外划分为多个“层”，而每一层可包含多个“排”，“层”的宽度由层中左下角第一个待装箱确定，“排”的高度由排中第一个待装箱确定。为了提高空间利用率，本发明使用在线三空间划分法，根据空间中左下角占位规则，每放置一个箱子则形成三个空间，具体的，每“层”第一个待装箱通过前上右规则进行划分，请参考图3示出的空间划分示意图，放置下一个待装箱时，如果右空间能够放得下，那么就放置在右空间中，如果右空间放不下，那么就放置在上空间中，如果上空间放不下，就放置在前空间中。
每“排”第一个待装箱通过上右前规则进行划分，请参考图4示出的空间划分示意图，放置下一个待装箱时，如果前空间能够放得下，那么就放置在前空间中，如果前空间放不下，那么就放置在右空间中，如果右空间放不下，就放置在上空间中，三个空间都放不下，那么就放置在下一层中。
其余待装箱都通过右上前规则进行划分，请参考图5示出的空间划分示意图，放置下一个待装箱时，如果前空间能够放得下，那么就放置在前空间中，如果前空间放不下，那么就放置在上空间中，如果上空间放不下，就放置在右空间中，三个空间都放不下，那么就放置在第二排中。
同时，在考虑空间能够放的下的前提下，还要考虑待装箱的悬空率约束条件，也就是，每放置一个待装箱，则将该待装箱与底面有接触的多个待装箱进行交集操作，确定该待装箱底面的悬空部分的面积B，基于尺寸信息以及摆放方式编码确定该待装箱的底面积A，并计算摆放时的悬空率
Figure BDA0002091991410000181
若悬空率大于预设值，则不放置。
在确定摆放策略过程中，还需要计算每放置一个待装箱所新形成的三空间与之前闲置空间的体积，其中，将摆放过程中形成的废弃空间称为闲置空间，如果新形成的三空间的体积与闲置空间的体积加和等于两个空间取并集之后的体积，那么使上述空间进行合并，因为每进行一次装载都会产生三个子空间，随着装载的进行，产生的子空间越来越小，有些过于狭窄的空间无法装入任何待装箱，进而就形成了闲置空间，为了能够对闲置空间进行再利用，下一个待装箱在进行装载前，合并闲置空间与当前装载空间，使其形成一个新的较大的待装载子空间，从而可以使物流车厢的空间利用率最大化。
基于上述放置规则，能够确定待装箱能否在空间限制条件下装入物流车厢，最后还需要确定待装箱放入物流车厢后，是否会造成超过物流车厢的额定载重，如果超重，则不进行装载。基于所有的放置规则进行装箱策略的规划，最终确定能够装入物流车厢的待装箱数量w。
步骤S1643，若w<N，则利用算式
Figure BDA0002091991410000191
对变异个体hi对应的空间利用率进行计算，其中，
Figure BDA0002091991410000192
表示变异个体hi对应的空间利用率，w表示变异个体hi对应的能够装入物流车厢的待装箱数量，N表示多个待装箱的总数，Vz表示第z个待装箱的体积，VC表示物流车厢的体积。
如果w<N，则表示多个待装箱不能全部装入物流车厢，那么利用算式
Figure BDA0002091991410000193
对变异个体hi对应的空间利用率进行计算。
在一个可选的实施方式中，方法还包括如下步骤：
步骤S1644，若w＝N，则利用算式
Figure BDA0002091991410000194
对变异个体hi对应的空间利用率进行计算，其中，
Figure BDA0002091991410000195
表示变异个体hi对应的空间利用率，Vidle表示摆放过程中形成的废弃空间的体积，VC表示物流车厢的体积。
如果w＝N，则表示多个待装箱能够全部装入物流车厢，那么利用算式
Figure BDA0002091991410000196
对变异个体hi对应的空间利用率进行计算，由算式可知，摆放过程中形成的废弃空间的体积越小，变异个体所对应的空间利用率就越大。
本发明实施例能够在获取到物流车厢的承载信息和多个待装箱的参数信息以及多个待装箱的约束条件后，建立一套遗传及启发式算法模型，在待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件和物流车厢的额定载重内，快速求解每个待装箱在物流车厢中的装载位置和放置状态，本发明能够在考虑众多约束条件下有效的提高物流车厢的空间利用率，提供完善的装箱策略，减少物流运输的时间成本和资金成本。
实施例二
本发明实施例还提供了一种物流装箱装置，该物流装箱装置主要用于执行本发明实施例上述内容所提供的物流装箱方法，以下对本发明实施例提供的物流装箱装置做具体介绍。
图6是根据本发明实施例的一种物流装箱装置的功能模块图，如图6所示，该装置主要包括第一获取模块10，第二获取模块20，确定模块30，其中：
第一获取模块，用于获取物流车厢的承载信息和多个待装箱的参数信息，其中，物流车厢的承载信息包括：物流车厢的额定载重信息和/或物流车厢的尺寸信息，多个待装箱的参数信息包括：多个待装箱的重量信息和/或多个待装箱的尺寸信息；
第二获取模块，用于获取多个待装箱的约束条件，其中，约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；
确定模块，用于结合承载信息，参数信息和约束条件确定多个待装箱的装箱策略。
现有技术中的物流装箱方法，计算过程中均没有考虑到待装箱不同的摆放方式对集装箱装载量的影响，与现有技术相比，本发明实施例所提供的物流装箱方法，能够基于获取到的物流车厢的额定载重信息和/或物流车厢的尺寸信息、多个待装箱的重量信息和/或多个待装箱的尺寸信息，再结合多个待装箱的装载优先级约束条件，摆放方式约束条件和悬空率约束条件确定多个待装箱的装箱策略，从而缓解了现有技术中的物流装箱方法约束条件单一的技术问题。
可选地，确定模块包括：
获取单元，用于获取上一代种群和上一代种群中每个上一代个体对应的空间利用率；上一代个体表示多个待装箱的装载顺序和摆放方式；
选择单元，用于在上一代种群中为每个上一代个体选择目标个体作为其进化个体，并将进化个体组成的种群作为进化种群；目标个体被选中的概率与每个上一代个体对应的空间利用率相关；
交换变异单元，用于基于装载优先级约束条件和摆放方式约束条件对进化种群中相邻的两个进化个体进行交换变异操作，得到进化种群对应的变异种群；进化种群中每个进化个体只进行一次交换变异操作；
计算单元，用于基于承载信息、参数信息和悬空率约束条件对变异种群中的每个变异个体对应的空间利用率进行计算，得到空间利用率的计算结果；
更新单元，若计算结果中的最小空间利用率小于上一代种群中的最大空间利用率，则将最小空间利用率对应的变异个体替换为最大空间利用率对应的上一代个体，得到更新后的种群；
确定单元，用于将更新后的种群作为上一代种群进行迭代更新，直到满足预设进化条件，得到期望种群，并根据期望种群中空间利用率最大的期望个体的计算过程确定装箱策略。
可选地，若上一代种群为空，获取单元还用于：
基于装载优先级约束条件和摆放方式约束条件对多个待装箱进行编码并随机生成初始种群，以将初始种群作为上一代种群，其中，初始种群包含M个初始个体，第i个初始个体表示为
Figure BDA0002091991410000211
N表示多个待装箱的总数，
Figure BDA0002091991410000221
表示多个待装箱的装载顺序，
Figure BDA0002091991410000222
表示多个待装箱的摆放方式；
基于物流车厢的承载信息、多个待装箱的参数信息和悬空率约束条件对初始种群中每个初始个体对应的空间利用率进行计算，得到每个上一代个体对应的空间利用率。
可选地，选择单元还用于：
利用算式
Figure BDA0002091991410000223
对每个上一代个体遗传到下一代的概率进行计算，其中，
Figure BDA0002091991410000224
表示第i个上一代个体yi遗传到下一代的概率，
Figure BDA0002091991410000225
表示第i个上一代个体yi对应的空间利用率，i取值1至M；
利用算式
Figure BDA0002091991410000226
对第i个上一代个体yi的累积概率进行计算，其中，qi表示第i个上一代个体yi的累积概率，i取值1至M，且qM＝1；
利用进化操作算式
Figure BDA0002091991410000227
对每个上一代个体执行进化操作，得到进化个体，其中，vi表示第i个上一代个体yi对应的进化个体，qk表示第k个上一代个体yk的累积概率，r表示伪随机数，r∈[0,1]。
可选地，交换变异单元包括：
交换子单元，用于基于装载优先级约束条件和摆放方式约束条件对进化种群中相邻的两个进化个体进行交换操作，得到进化种群对应的交换种群，其中，进化种群中每个进化个体只进行一次交换操作；
变异子单元，用于基于装载优先级约束条件和摆放方式约束条件对交换种群中的每个交换个体进行变异操作，得到进化种群对应的变异种群。
可选地，交换子单元还用于：
若约束条件中不包含装载优先级约束条件，则利用交叉操作算式
Figure BDA0002091991410000231
对进化种群中相邻的两个进化个体进行交叉操作，得到交叉个体，其中，bi表示第i个进化个体vi对应的交叉个体，i取值1至M，r表示伪随机数，r∈[0,1]，PC表示预设交换概率，v′i表示进化个体vi的前N个编码中连续a个编码与进化个体vi+1对应位置上的连续a个编码进行交叉后得到的个体，a取值1至N；
若r<PC，则记录进化种群中相邻的两个进化个体进行交叉时的映射关系；
若交叉个体的前N个编码中存在相同的编码，则基于映射关系对交叉个体的前N个编码中未进行交换的编码进行转换，以使转换后的交叉个体的前N个编码中不存在重复编码；
若约束条件中不包含摆放方式约束条件，则利用交换操作算式
Figure BDA0002091991410000232
对相邻的两个交叉个体进行交换操作，得到交换个体，并将交换个体组成的种群作为交换种群，其中，ci表示第i个交叉个体bi对应的交换个体，i取值1至M，r表示伪随机数，r∈[0,1]，PC表示预设交换概率，b′i表示交叉个体bi的后N个编码中连续d个编码与交叉个体bi+1对应位置上的连续d个编码进行交换后得到的个体，d取值1至N。
可选地，变异子单元还用于：
若约束条件中不包含装载优先级约束条件，则利用逆转操作算式
Figure BDA0002091991410000233
对交换种群中的每个交换个体进行逆转操作，得到逆转个体，其中，ei表示第i个交换个体ci对应的逆转个体，i取值1至M，r表示伪随机数，r∈[0,1]，Pm表示预设变异概率，c′i表示交换个体ci的前N个编码中连续g个编码进行顺序逆转后得到的个体，g取值1至N；
若约束条件中不包含摆放方式约束条件，则利用变异操作算式
Figure BDA0002091991410000241
对逆转个体进行变异操作，得到变异个体，并将变异个体组成的种群作为变异种群，其中，hi表示第i个逆转个体ei对应的变异个体，i取值1至M，r表示伪随机数，r∈[0,1]，Pm表示预设变异概率，e′i表示逆转个体ei的第l个编码进行变异后得到的个体，l取值N+1至2N。
可选地，计算单元还用于：
基于每个变异个体确定对应的多个待装箱的装载顺序和摆放方式；
基于预设放置规则确定能够装入物流车厢的待装箱数量w，其中，预设放置规则至少包括：承载规则和/或悬空率规则；
若w<N，则利用算式
Figure BDA0002091991410000242
对变异个体hi对应的空间利用率进行计算，其中，
Figure BDA0002091991410000243
表示变异个体hi对应的空间利用率，w表示变异个体hi对应的能够装入物流车厢的待装箱数量，N表示多个待装箱的总数，Vz表示第z个待装箱的体积，VC表示物流车厢的体积。
可选地，该装置还用于：
若w＝N，则利用算式
Figure BDA0002091991410000244
对变异个体hi对应的空间利用率进行计算，其中，
Figure BDA0002091991410000245
表示变异个体hi对应的空间利用率，Vidle表示摆放过程中形成的废弃空间的体积，VC表示物流车厢的体积。
本发明实施例所提供的进行物流装箱方法及装置的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种物流装箱方法，其特征在于，包括：
获取物流车厢的承载信息和多个待装箱的参数信息，其中，所述物流车厢的承载信息包括：所述物流车厢的额定载重信息和/或所述物流车厢的尺寸信息，所述多个待装箱的参数信息包括：所述多个待装箱的重量信息和/或所述多个待装箱的尺寸信息；
获取所述多个待装箱的约束条件，其中，所述约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；
结合所述承载信息，所述参数信息和所述约束条件确定所述多个待装箱的装箱策略；
其中，结合所述承载信息，所述参数信息和所述约束条件确定所述多个待装箱的装箱策略包括：
获取上一代种群和所述上一代种群中每个上一代个体对应的空间利用率；所述上一代个体表示所述多个待装箱的装载顺序和摆放方式；
在所述上一代种群中为每个所述上一代个体选择目标个体作为其进化个体，并将所述进化个体组成的种群作为进化种群；所述目标个体被选中的概率与每个所述上一代个体对应的空间利用率相关；
基于所述装载优先级约束条件和所述摆放方式约束条件对所述进化种群中相邻的两个进化个体进行交换变异操作，得到所述进化种群对应的变异种群；所述进化种群中每个所述进化个体只进行一次交换变异操作；
基于所述承载信息、所述参数信息和所述悬空率约束条件对所述变异种群中的每个变异个体对应的空间利用率进行计算，得到空间利用率的计算结果；
若所述计算结果中的最小空间利用率小于所述上一代种群中的最大空间利用率，则将所述最小空间利用率对应的变异个体替换为所述最大空间利用率对应的上一代个体，得到更新后的种群；
将所述更新后的种群作为所述上一代种群进行迭代更新，直到满足预设进化条件，得到期望种群，并根据所述期望种群中空间利用率最大的期望个体的计算过程确定所述装箱策略；
其中，在所述上一代种群中为每个所述上一代个体选择目标个体作为其进化个体包括：
利用算式
Figure FDA0003035180380000021
对每个所述上一代个体遗传到下一代的概率进行计算，其中，
Figure FDA0003035180380000022
表示第i个上一代个体yi遗传到下一代的概率，
Figure FDA0003035180380000023
表示所述第i个上一代个体yi对应的空间利用率，i取值1至M；M表示所述上一代种群中上一代个体的总数；
利用算式
Figure FDA0003035180380000024
对所述第i个上一代个体yi的累积概率进行计算，其中，qi表示所述第i个上一代个体yi的累积概率，i取值1至M，且qM＝1；
利用进化操作算式
Figure FDA0003035180380000025
对每个所述上一代个体执行进化操作，得到进化个体，其中，vi表示所述第i个上一代个体yi对应的进化个体，qk表示第k个上一代个体yk的累积概率，r表示伪随机数，r∈[0,1]。
2.根据权利要求1所述的方法，其特征在于，若所述上一代种群为空，获取上一代种群和所述上一代种群中每个上一代个体对应的空间利用率包括：
基于所述装载优先级约束条件和所述摆放方式约束条件对所述多个待装箱进行编码并随机生成初始种群，以将所述初始种群作为所述上一代种群，其中，所述初始种群包含M个初始个体，第i个初始个体表示为
Figure FDA0003035180380000031
N表示所述多个待装箱的总数，
Figure FDA0003035180380000032
表示所述多个待装箱的装载顺序，
Figure FDA0003035180380000033
表示所述多个待装箱的摆放方式；
基于所述物流车厢的承载信息、所述多个待装箱的参数信息和所述悬空率约束条件对所述初始种群中每个所述初始个体对应的空间利用率进行计算，得到每个上一代个体对应的空间利用率。
3.根据权利要求1所述的方法，其特征在于，基于所述装载优先级约束条件和所述摆放方式约束条件对所述进化种群中相邻的两个进化个体进行交换变异操作，得到所述进化种群对应的变异种群包括：
基于所述装载优先级约束条件和所述摆放方式约束条件对所述进化种群中相邻的两个进化个体进行交换操作，得到所述进化种群对应的交换种群，其中，所述进化种群中每个所述进化个体只进行一次交换操作；
基于所述装载优先级约束条件和所述摆放方式约束条件对所述交换种群中的每个交换个体进行变异操作，得到所述进化种群对应的变异种群。
4.根据权利要求3所述的方法，其特征在于，基于所述装载优先级约束条件和所述摆放方式约束条件对所述进化种群中相邻的两个进化个体进行交换操作，得到所述进化种群对应的交换种群包括：
若所述约束条件中不包含装载优先级约束条件，则利用交叉操作算式
Figure FDA0003035180380000034
对所述进化种群中相邻的两个进化个体进行交叉操作，得到交叉个体，其中，bi表示第i个进化个体vi对应的交叉个体，i取值1至M，r表示伪随机数，r∈[0,1]，PC表示预设交换概率，vi'表示进化个体vi的前N个编码中连续a个编码与进化个体vi+1对应位置上的连续a个编码进行交叉后得到的个体，a取值1至N；N表示所述多个待装箱的总数；
若r<PC，则记录所述进化种群中相邻的两个进化个体进行交叉时的映射关系；
若所述交叉个体的前N个编码中存在相同的编码，则基于所述映射关系对所述交叉个体的前N个编码中未进行交换的编码进行转换，以使转换后的交叉个体的前N个编码中不存在重复编码；
若所述约束条件中不包含摆放方式约束条件，则利用交换操作算式
Figure FDA0003035180380000041
对相邻的两个交叉个体进行交换操作，得到交换个体，并将所述交换个体组成的种群作为所述交换种群，其中，ci表示第i个交叉个体bi对应的交换个体，i取值1至M，r表示伪随机数，r∈[0,1]，PC表示所述预设交换概率，b′i表示交叉个体bi的后N个编码中连续d个编码与交叉个体bi+1对应位置上的连续d个编码进行交换后得到的个体，d取值1至N。
5.根据权利要求4所述的方法，其特征在于，基于所述装载优先级约束条件和所述摆放方式约束条件对所述交换种群中的每个交换个体进行变异操作，得到所述进化种群对应的变异种群包括：
若所述约束条件中不包含装载优先级约束条件，则利用逆转操作算式
Figure FDA0003035180380000042
对所述交换种群中的每个所述交换个体进行逆转操作，得到逆转个体，其中，ei表示第i个交换个体ci对应的逆转个体，i取值1至M，r表示伪随机数，r∈[0,1]，Pm表示预设变异概率，c′i表示交换个体ci的前N个编码中连续g个编码进行顺序逆转后得到的个体，g取值1至N；
若所述约束条件中不包含摆放方式约束条件，则利用变异操作算式
Figure FDA0003035180380000043
对所述逆转个体进行变异操作，得到变异个体，并将所述变异个体组成的种群作为所述变异种群，其中，hi表示第i个逆转个体ei对应的变异个体，i取值1至M，r表示伪随机数，r∈[0,1]，Pm表示预设变异概率，e′i表示逆转个体ei的第l个编码进行变异后得到的个体，l取值N+1至2N。
6.根据权利要求1所述的方法，其特征在于，基于所述承载信息、所述参数信息和所述悬空率约束条件对所述变异种群中的每个变异个体对应的空间利用率进行计算包括：
基于每个所述变异个体确定对应的所述多个待装箱的装载顺序和摆放方式；
基于预设放置规则确定能够装入所述物流车厢的待装箱数量w，其中，所述预设放置规则至少包括：承载规则和/或悬空率规则；
若w<N，则利用算式
Figure FDA0003035180380000051
对变异个体hi对应的空间利用率进行计算，其中，
Figure FDA0003035180380000052
表示所述变异个体hi对应的空间利用率，w表示所述变异个体hi对应的能够装入所述物流车厢的待装箱数量，N表示所述多个待装箱的总数，Vz表示第z个待装箱的体积，VC表示所述物流车厢的体积。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
若w＝N，则利用算式
Figure FDA0003035180380000053
对变异个体hi对应的空间利用率进行计算，其中，
Figure FDA0003035180380000054
表示所述变异个体hi对应的空间利用率，Vidle表示摆放过程中形成的废弃空间的体积，VC表示所述物流车厢的体积。
8.一种物流装箱装置，其特征在于，包括：
第一获取模块，用于获取物流车厢的承载信息和多个待装箱的参数信息，其中，所述物流车厢的承载信息包括：所述物流车厢的额定载重信息和/或所述物流车厢的尺寸信息，所述多个待装箱的参数信息包括：所述多个待装箱的重量信息和/或所述多个待装箱的尺寸信息；
第二获取模块，用于获取所述多个待装箱的约束条件，其中，所述约束条件包括以下至少之一：待装箱的装载优先级约束条件，待装箱的摆放方式约束条件和待装箱的悬空率约束条件；
确定模块，用于结合所述承载信息，所述参数信息和所述约束条件确定所述多个待装箱的装箱策略；
其中，所述确定模块包括：
获取单元，用于获取上一代种群和所述上一代种群中每个上一代个体对应的空间利用率；所述上一代个体表示所述多个待装箱的装载顺序和摆放方式；
选择单元，用于在所述上一代种群中为每个所述上一代个体选择目标个体作为其进化个体，并将所述进化个体组成的种群作为进化种群；所述目标个体被选中的概率与每个所述上一代个体对应的空间利用率相关；
交换变异单元，用于基于所述装载优先级约束条件和所述摆放方式约束条件对所述进化种群中相邻的两个进化个体进行交换变异操作，得到所述进化种群对应的变异种群；所述进化种群中每个所述进化个体只进行一次交换变异操作；
计算单元，用于基于所述承载信息、所述参数信息和所述悬空率约束条件对所述变异种群中的每个变异个体对应的空间利用率进行计算，得到空间利用率的计算结果；
更新单元，若所述计算结果中的最小空间利用率小于所述上一代种群中的最大空间利用率，则将所述最小空间利用率对应的变异个体替换为所述最大空间利用率对应的上一代个体，得到更新后的种群；
确定单元，用于将所述更新后的种群作为所述上一代种群进行迭代更新，直到满足预设进化条件，得到期望种群，并根据所述期望种群中空间利用率最大的期望个体的计算过程确定所述装箱策略；
其中，选择单元具体用于：
利用算式
Figure FDA0003035180380000071
对每个所述上一代个体遗传到下一代的概率进行计算，其中，
Figure FDA0003035180380000072
表示第i个上一代个体yi遗传到下一代的概率，
Figure FDA0003035180380000073
表示所述第i个上一代个体yi对应的空间利用率，i取值1至M；M表示所述上一代种群中上一代个体的总数；
利用算式
Figure FDA0003035180380000074
对所述第i个上一代个体yi的累积概率进行计算，其中，qi表示所述第i个上一代个体yi的累积概率，i取值1至M，且qM＝1；
利用进化操作算式
Figure FDA0003035180380000075
对每个所述上一代个体执行进化操作，得到进化个体，其中，vi表示所述第i个上一代个体yi对应的进化个体，qk表示第k个上一代个体yk的累积概率，r表示伪随机数，r∈[0,1]。
CN201910508502.8A 2019-06-12 2019-06-12 物流装箱方法及装置 Active CN110210685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910508502.8A CN110210685B (zh) 2019-06-12 2019-06-12 物流装箱方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910508502.8A CN110210685B (zh) 2019-06-12 2019-06-12 物流装箱方法及装置

Publications (2)

Publication Number Publication Date
CN110210685A CN110210685A (zh) 2019-09-06
CN110210685B true CN110210685B (zh) 2021-06-04

Family

ID=67792420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910508502.8A Active CN110210685B (zh) 2019-06-12 2019-06-12 物流装箱方法及装置

Country Status (1)

Country Link
CN (1) CN110210685B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110503380A (zh) * 2019-09-09 2019-11-26 杭州安芯科技有限公司 包裹自动分类打包的方法和系统
CN111598316B (zh) * 2020-05-06 2023-03-24 深圳大学 物体转移装箱过程策略生成方法、装置、计算机设备
CN111860837B (zh) * 2020-07-20 2024-06-18 上海汽车集团股份有限公司 装箱问题的处理方法、装置及计算机可读存储介质
CN112001549B (zh) * 2020-08-25 2024-06-21 上海汽车集团股份有限公司 一种装载信息确定方法、装置、服务器及存储介质
CN112180934B (zh) * 2020-10-09 2023-10-27 广州大学 装车机器人的控制方法、系统、装置及可读存储介质
CN112837014A (zh) * 2021-02-03 2021-05-25 四川物联亿达科技有限公司 可视化三维立体装箱方法
CN114104430B (zh) * 2022-01-25 2022-04-01 季华实验室 长方体状物品装箱方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1936938B (zh) * 2005-09-20 2012-10-10 中国海洋大学 基于混合遗传算法的智能化配车方法
CN109345017A (zh) * 2018-10-08 2019-02-15 南京航空航天大学 一种考虑装箱约束的车间物料配送优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170099490A1 (en) * 2015-10-02 2017-04-06 Qualcomm Incorporated Constrained intra-prediction for block copy mode

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1936938B (zh) * 2005-09-20 2012-10-10 中国海洋大学 基于混合遗传算法的智能化配车方法
CN109345017A (zh) * 2018-10-08 2019-02-15 南京航空航天大学 一种考虑装箱约束的车间物料配送优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
三维多箱异构货物装载优化及其可视化;韩琪玮;《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》;20160315(第3期);全文 *

Also Published As

Publication number Publication date
CN110210685A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN110210685B (zh) 物流装箱方法及装置
Ramos et al. A container loading algorithm with static mechanical equilibrium stability constraints
Araújo et al. Pareto clustering search applied for 3D container ship loading plan problem
Tang et al. Research into container reshuffling and stacking problems in container terminal yards
CN111598316B (zh) 物体转移装箱过程策略生成方法、装置、计算机设备
US11367214B2 (en) Apparatus for determining arrangement of objects in space and method thereof
KR101384739B1 (ko) 컨테이너에서의 무게중심을 고려한 박스 적재 방법
CN110077772A (zh) 组托盘方法及其应用
CN112884126B (zh) 深度强化学习网络系统
Maglić et al. Optimization of container relocation operations in port container terminals
CN116341243A (zh) 物品装载方法、电子设备及存储介质
Alinaghian et al. A novel mathematical model for cross dock open-close vehicle routing problem with splitting
Lin et al. Hybrid genetic algorithm for container packing in three dimensions
Ayachi et al. Harmony search algorithm for the container storage problem
CN110544019B (zh) 一种面向智能船舶的集装箱货物配载方法及系统
Dong et al. Solve train stowage planning problem of steel coil using a pointer-based discrete differential evolution
CN112884410B (zh) 装箱方法、电子设备以及存储介质
CN114612030A (zh) 舱位分配优化方法、装置、计算机设备和存储介质
CN114861995A (zh) 电力物资的需求预测方法、装置和计算机设备
Junqueira et al. An Integrated Optimization Model for the Multi-Port Stowage Planning and the Container Relocation Problems
González et al. A multi-level filling heuristic for the multi-objective container loading problem
Tian et al. Optimization of continuous dynamic facility layout problem with budget constraints
CN114873003B (zh) 装箱方法和装箱装置
CN115455816A (zh) 一种基于自适应混合遗传算法的pi场景下模块化容器装箱方法
CN117557177A (zh) 装箱方法、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
GR01 Patent grant
GR01 Patent grant