CN110309963B - 一种基于动态分区的分布式库位优化方法 - Google Patents

一种基于动态分区的分布式库位优化方法 Download PDF

Info

Publication number
CN110309963B
CN110309963B CN201910550021.3A CN201910550021A CN110309963B CN 110309963 B CN110309963 B CN 110309963B CN 201910550021 A CN201910550021 A CN 201910550021A CN 110309963 B CN110309963 B CN 110309963B
Authority
CN
China
Prior art keywords
matrix
steps
hash
suffix
hash index
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
CN201910550021.3A
Other languages
English (en)
Other versions
CN110309963A (zh
Inventor
李志军
王亚莉
徐侃
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 CN201910550021.3A priority Critical patent/CN110309963B/zh
Publication of CN110309963A publication Critical patent/CN110309963A/zh
Application granted granted Critical
Publication of CN110309963B publication Critical patent/CN110309963B/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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2255—Hash tables
    • 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

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

Abstract

本发明涉及电商技术领域，具体涉及一种基于动态分区的分布式库位优化方法，采用如下步骤：步骤一：用哈希表与SKU做一一映射，步骤二：将每个逻辑分区的每个哈希索引后缀与数字0串联；步骤三：将每个逻辑分区内由步骤二构成的哈希索引从小到大排序，构成新的哈希索引；步骤四：将每个逻辑分区内排序后的哈希索引串联构成新的哈希索引；它采用分布式库位优化方法调整分布不均的商品布局，使得整个无人仓的库位分布处在一个足够均衡又能保障路径资源的空间状态下，有效避免拥堵，同时提升生产效率；相对于人工估算，分布式特点的好处就在于即便某个分区出现了爆仓，不会影响到全局操作，时效性更好。

Description

一种基于动态分区的分布式库位优化方法
【技术领域】
本发明涉及电商技术领域，具体涉及一种基于动态分区的分布式库位优化方法。
【背景技术】
随着互联网+时代来临，网络的飞速发展，使得人们的购货方式由线下逐步转移到线上，电子商务平台得到迅猛发展。但是人们在线上方便快捷的进行购物，需要线下的物流作为支撑。物流是物品从供应地向接收地的实体流动过程中，根据实际需要，将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程。物流是供应链活动的一部分，是为了满足客户需要而对商品、服务以及相关信息从产地到消费地的高效、低成本流动和储存进行的规划、实施与控制的过程。大量的商品需要物流来送达，使得物流管理也成为物流领域的一个重要支撑。物流管理是指在社会生产过程中，根据物质资料实体流动的规律，应用管理的基本原理和科学方法，对物流活动进行计划、组织、指挥、协调、控制和监督，使各项物流活动实现最佳的协调与配合，以降低物流成本，提高物流效率和经济效益。现代物流管理是建立在系统论、信息论和控制论的基础上。
但是在物流管理配送上，针对于现有物流行业中，商品仓储方式不同，导致影响物流速度以及效率。例如：在物流行业中，A类商品采用固定货架，以人工拣货模式，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。针对库位不均衡造成的爆仓或者闲置的问题，这种人工估算模式会带来不够精确和后期调整的后续影响，潜在隐患也将体现在无法掌控共享路径资源的竞争所带来的主干道的拥堵率，直接影响到运营效率甚至引发现场故障。
【发明内容】
本发明的目的在于针对现有技术的缺陷和不足，提供一种基于动态分区的分布式库位优化方法。
本发明所述的一种基于动态分区的分布式库位优化方法，采用如下步骤：
步骤一：用哈希表与SKU做一一映射，步骤如下：
(1)计算A区SKU的总数量；
(2)根据A区SKU总数量计算逻辑分区的尺度：
(3)计算每个逻辑分区内SKU的总数量；
(4)计算每个逻辑分区内的SKU的哈希索引；
步骤二：将每个逻辑分区的每个哈希索引后缀与数字0串联；
步骤三：将每个逻辑分区内由步骤二构成的哈希索引从小到大排序，构成新的哈希索引；
步骤四：将每个逻辑分区内排序后的哈希索引串联构成新的哈希索引；
步骤五：计算每个逻辑分区的所有哈希索引的总和，构成权重；
步骤六：将步骤五计算出的结果，构建二维矩阵；
步骤七：根据当前状态下的最新矩阵，基于行，计算矩阵每行数值总和；
步骤八：根据当前状态下的最新矩阵，基于行，计算每个逻辑分区的行密度；
步骤九：根据步骤七和步骤八的计算结果构成一个新的密度矩阵；
步骤十：设置密度矩阵的平衡限制条件；
步骤十一：检测当前状态下的最新矩阵的所有元素是否满足平衡限制条件：
(1)如果满足，继续计算基于列的步骤十二；
(2)否则，执行步骤步骤十六；
步骤十二：根据当前状态下的最新矩阵，基于列，计算矩阵每列数值总和；
步骤十三：根据当前状态下的最新矩阵，基于列，计算每个逻辑分区的列密度；
步骤十四：根据l)和m)的计算结果构成一个新的密度矩阵；
步骤十五：检测当前状态下的最新矩阵的所有元素是否满足平衡限制条件：
(1)如果满足，停止计算，还原SKU，结束执行，退出程序；
(2)否则，执行步骤十六；
步骤十六：选出最偏值，步骤如下：
(1)基于行，选出密度矩阵每行数值最大的元素；
(2)基于列，选出密度矩阵每列数值最大的元素；
步骤十七：调整更新当前状态下的库位，步骤如下：
(1)基于行，采用如下步骤：
A.由步骤十六(1)中选出的元素，找出上下左右四个单跳邻接点为邻居；
B.从四个邻接点中选出数值最小的邻居；
C.将步骤十六(1)中选出的元素根据映射的权重还原成串联后的哈希索引；
D.将排在哈希索引最前面以数字0为后缀的第一组串联组合移到数值最小邻居的后缀；
(2)基于列，采用如下步骤：
A.从步骤十六(2)中选出的元素找出上下左右四个单跳邻接点为邻居；
B.从四个邻接点中选出数值最小的邻居；
C.将步骤十六(2)中选出的元素根据映射的权重还原成串联后的哈希索引；
D.将排在哈希索引最前面以数字0为后缀的第一组串联组合移到数值最小邻居的后缀。
进一步地，步骤六中，将步骤五计算出的结果，构建二维矩阵，采用以下步骤：
(1)矩阵的每个元素表示每个逻辑分区的权重；
(2)矩阵的行数等于每个逻辑分区所在仓库的物理X轴位置；
(3)矩阵的列数等于每个逻辑分区所在仓库的物理Y轴位置。
进一步地，步骤十七的步骤(1)中的步骤D，采用以下步骤：
D1：复制排在哈希索引最前面以数字0为后缀的第一组串联组合；
D2：附加在数值最小的邻居的哈希索引的后缀；
D3：删除排在哈希索引最前面以数字0为后缀的第一组串联组合；
D4：更新并构建一个新的密度矩阵；
D5：重复步骤七。
进一步地，步骤十七的步骤(2)中的步骤D，采用以下步骤：
D1：复制排在哈希索引最前面以数字0为后缀的第一组串联组合；
D2：附加在数值最小的邻居的哈希索引的后缀；
D3：删除排在哈希索引最前面以数字0为后缀的第一组串联组合；
D4：更新并构建一个新的密度矩阵；
D5：重复步骤十二。
本发明有益效果为：本发明所述的一种基于动态分区的分布式库位优化方法，它采用分布式库位优化方法调整分布不均的商品布局，使得整个无人仓的库位分布处在一个足够均衡又能保障路径资源的空间状态下，有效避免拥堵，同时提升生产效率。相对于人工估算，分布式特点的好处就在于即便某个分区出现了爆仓，不会影响到全局操作，时效性更好。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1为本发明库位优化方法主流程图；
图2为本发明的实施例中的逻辑分区示意图；
图3为本发明的哈希表与SKU排序前后的一一映射示意图；
图4为本发明的实施例中的权重矩阵示意图；
图5为本发明的实施例中的行密度矩阵示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
如图1-图5所示，本具体实施方式所述的一种基于动态分区的分布式库位优化方法，采用如下步骤：
步骤一：用哈希表与SKU做一一映射，步骤如下：
(1)计算A区SKU的总数量；
(2)根据A区SKU总数量计算逻辑分区的尺度：
(3)计算每个逻辑分区内SKU的总数量；
(4)计算每个逻辑分区内的SKU的哈希索引；
步骤二：将每个逻辑分区的每个哈希索引后缀与数字0串联；
步骤三：将每个逻辑分区内由步骤二构成的哈希索引从小到大排序，构成新的哈希索引；
步骤四：将每个逻辑分区内排序后的哈希索引串联构成新的哈希索引；
步骤五：计算每个逻辑分区的所有哈希索引的总和，构成权重；
步骤六：将步骤五计算出的结果，构建二维矩阵；
步骤七：根据当前状态下的最新矩阵，基于行，计算矩阵每行数值总和；
步骤八：根据当前状态下的最新矩阵，基于行，计算每个逻辑分区的行密度；
步骤九：根据步骤七和步骤八的计算结果构成一个新的密度矩阵；
步骤十：设置密度矩阵的平衡限制条件；
步骤十一：检测当前状态下的最新矩阵的所有元素是否满足平衡限制条件：
(1)如果满足，继续计算基于列的步骤十二；
(2)否则，执行步骤步骤十六；
步骤十二：根据当前状态下的最新矩阵，基于列，计算矩阵每列数值总和；
步骤十三：根据当前状态下的最新矩阵，基于列，计算每个逻辑分区的列密度；
步骤十四：根据l)和m)的计算结果构成一个新的密度矩阵；
步骤十五：检测当前状态下的最新矩阵的所有元素是否满足平衡限制条件：
(1)如果满足，停止计算，还原SKU，结束执行，退出程序；
(2)否则，执行步骤十六；
步骤十六：选出最偏值，步骤如下：
(1)基于行，选出密度矩阵每行数值最大的元素；
(2)基于列，选出密度矩阵每列数值最大的元素；
步骤十七：调整更新当前状态下的库位，步骤如下：
(1)基于行，采用如下步骤：
A.由步骤十六(1)中选出的元素，找出上下左右四个单跳邻接点为邻居；
B.从四个邻接点中选出数值最小的邻居；
C.将步骤十六(1)中选出的元素根据映射的权重还原成串联后的哈希索引；
D.将排在哈希索引最前面以数字0为后缀的第一组串联组合移到数值最小邻居的后缀；
(2)基于列，采用如下步骤：
A.从步骤十六(2)中选出的元素找出上下左右四个单跳邻接点为邻居；
B.从四个邻接点中选出数值最小的邻居；
C.将步骤十六(2)中选出的元素根据映射的权重还原成串联后的哈希索引；
D.将排在哈希索引最前面以数字0为后缀的第一组串联组合移到数值最小邻居的后缀。
进一步地，步骤六中，将步骤五计算出的结果，构建二维矩阵，采用以下步骤：
(1)矩阵的每个元素表示每个逻辑分区的权重；
(2)矩阵的行数等于每个逻辑分区所在仓库的物理X轴位置；
(3)矩阵的列数等于每个逻辑分区所在仓库的物理Y轴位置。
进一步地，步骤十七的步骤(1)中的步骤D，采用以下步骤：
D1：复制排在哈希索引最前面以数字0为后缀的第一组串联组合；
D2：附加在数值最小的邻居的哈希索引的后缀；
D3：删除排在哈希索引最前面以数字0为后缀的第一组串联组合；
D4：更新并构建一个新的密度矩阵；
D5：重复步骤七。
进一步地，步骤十七的步骤(2)中的步骤D，采用以下步骤：
D1：复制排在哈希索引最前面以数字0为后缀的第一组串联组合；
D2：附加在数值最小的邻居的哈希索引的后缀；
D3：删除排在哈希索引最前面以数字0为后缀的第一组串联组合；
D4：更新并构建一个新的密度矩阵；
D5：重复步骤十二。
本发明根据库位优化方法来输出最佳的商品布局效果。方法采用动态分区模式，利用哈希表映射SKU的存储结构建出权重矩阵，计算每个区的权重值所占行或者列的密度，并根据密度矩阵平衡库位的调整策略。将库位进行优化实现均匀分布。在此基础上，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，因此通过一个优化过的分布式结构能帮助库位以高效实现最佳布局。
本发明方法设计依据主要从以下几个方面出发：图1为本发明库位优化方法主流程图，图解显示通过构建权重矩阵和密度矩阵进行调整库位的逻辑步骤；图2为实例中的逻辑分区；图3为哈希表与SKU排序前后的一一映射；图4为实例中的权重矩阵；图5为实例中的行密度矩阵。
通过计算权重和密度来检测SKU分布的不均匀程度。本发明方法通过以上基于动态分区采用哈希表计算密度的调整方式实现了优化过的库位分布。保障了库位分布不均带来的交通拥堵，对共享路径的竞争大幅减轻。以下分别对各部分作进一步说明。
a)用哈希表与SKU做一一映射，步骤如下：
1.计算A区SKU的总数量N；
2.计算逻辑分区的尺度：
(1)将A区划分为M个长方形的逻辑分区，M为分区号；
(2)M＝N/C(C为整数常数，根据A区SKU总数量N来预估)；
3.计算每个逻辑分区内SKU的总数量S1,S2,…,SM；
4.计算每个逻辑分区内的SKU的哈希索引HI(Hash Index)：
HIi＝SKU Mod Si
b)将每个逻辑分区的每个哈希索引后缀与数字0串联；
c)将每个逻辑分区内由步骤b)构成的哈希索引从小到大排序，构成新的哈希索引HIi’；
d)将每个逻辑分区内排序后的哈希索引HIi’串联在一起；
1.中间含有0为分隔符；
2.构成了新的哈希索引HIsi’；
3.每个区只有一个HIsi’；
e)计算每个逻辑分区所有哈希索引HIi’的总和，构成权重Wi；
Figure GDA0003389039640000091
f)将步骤e)计算出的结果，构建二维矩阵A，步骤如下：
1.每个元素Aij表示每个逻辑分区的权重Wi,i是分区号[1,M]；
2.行数i等于每个逻辑分区所在仓库的物理X轴位置Xi；
3.列数j等于每个逻辑分区所在仓库的物理Y轴位置Yj；
g)根据当前状态下的最新矩阵D，基于行，计算矩阵A每行数值总和Tj；
h)Division：根据当前状态下的最新矩阵D，计算每个逻辑分区Aij基于行的密度Dij；
Figure GDA0003389039640000101
i)将Dij构成一个新的密度矩阵D，步骤如下：
1.每个元素Dij表示每个逻辑分区基于行的密度；
2.定义平衡限制条件：密度矩阵D的每个元素几乎相等；
3.行数i等于每个逻辑分区所在仓库的物理X轴位置Xi；
4.列数j等于每个逻辑分区所在仓库的物理Y轴位置Yj；
j)检测当前状态下的最新矩阵D的所有元素是否满足平衡限制条件，步骤如下：
1.如果满足，执行步骤k)；
2.否则，执行步骤o)；
k)根据当前状态下的最新矩阵D，基于列，计算矩阵A每列数值总和Tj；l)根据当前状态下的最新矩阵D，计算每个逻辑分区Aij基于列的密度Dij’；
Figure GDA0003389039640000102
m)将Dij’构成一个新的密度矩阵D’，步骤如下：
1.每个元素Dij’表示每个逻辑分区基于列的密度；
2.定义平衡限制条件：密度矩阵D’的每个元素几乎相等；
3.行数i等于每个逻辑分区所在仓库的物理X轴位置Xi；
4.列数j等于每个逻辑分区所在仓库的物理Y轴位置Yj；
n)检测当前状态下的最新矩阵D’的所有元素是否满足平衡限制条件，步骤如下：
1.如果满足，停止计算，将D’还原成权重矩阵W，再还原SKU，结束库位优化执行，退出程序；
2.否则，执行步骤o)；
o)选出最偏值，步骤如下：
1.基于行，挑选出矩阵D中每行数值最大的元素；
2.基于列，挑选出矩阵D’中每列数值最大的元素；
p)调整当前状态下的库位，步骤如下：
1.基于行
(1)根据Dij的上下左右四个方向找出Dij的四个单跳邻接点；
(2)从四个邻接点中选出数值最小的邻居，设置为Adjij；
(3)将Dij对应的Wi还原成前面被汇总过的哈希索引HIij；
(4)将排在哈希索引最前面的第一个移到最小邻居Adjij的后缀，步骤如下；
(41)复制排在哈希索引最前面的第一个数值；
(42)附加在最小邻居Adjij的哈希索引的最后位置；
(43)删除排在哈希索引最前面的第一个数值；
(44)构成新的密度矩阵D；
(45)重复步骤g)；
2.基于列
(1)根据Dij’的上下左右四个方向找出Dij’的四个单跳邻接点；
(2)从四个邻接点中选出数值最小的邻居，设置为Adjij’；
(3)将Dij’对应的Wi还原成前面被汇总过的哈希索引HIij；
(4)将排在哈希索引最前面的第一个移到最小邻居Adjij’的后缀，步骤如下；
(41)复制排在哈希索引最前面的第一个数值；
(42)附加在最小邻居Adjij’的哈希索引的最后位置；
(43)删除排在哈希索引最前面的第一个数值；
(44)构成新的密度矩阵D’；
(45)重复步骤k)；
本发明中，在传统仓储物流中，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，传统的人工补货是基于人工经验摸索的估算进行，有时候会出现补货不均或者预测不准的现象，带来路径资源的冲突和工作站点的拥堵。
基于此前提条件和后果影响，需要研制一种科学的库位优化方法实现最短时间内将所需商品遵循科学的模式调整优化，并及时拣货，确保较高的运营效率和充裕的路径资源，从而节省综合运营成本。
本发明所述的一种基于动态分区的分布式库位优化方法，它采用分布式库位优化方法调整分布不均的商品布局，使得整个无人仓的库位分布处在一个足够均衡又能保障路径资源的空间状态下，有效避免拥堵，同时提升生产效率。相对于人工估算，分布式特点的好处就在于即便某个分区出现了爆仓，不会影响到全局操作，时效性更好。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims (3)

1.一种基于动态分区的分布式库位优化方法，其特征在于：采用如下步骤：
步骤一：用哈希表与SKU做一一映射，步骤如下：
（1）计算A区SKU的总数量；
（2）根据A区SKU总数量计算逻辑分区的尺度：
（3）计算每个逻辑分区内SKU的总数量；
（4）计算每个逻辑分区内的SKU的哈希索引；
步骤二：将每个逻辑分区的每个哈希索引后缀与数字0串联；
步骤三：将每个逻辑分区内由步骤二构成的哈希索引从小到大排序，构成新的哈希索引；
步骤四：将每个逻辑分区内排序后的哈希索引串联构成新的哈希索引；
步骤五：计算每个逻辑分区的所有哈希索引的总和，构成权重；
步骤六：将步骤五计算出的结果，构建二维矩阵；
步骤七：根据当前状态下的最新矩阵，基于行，计算矩阵每行数值总和；
步骤八：根据当前状态下的最新矩阵，基于行，计算每个逻辑分区的行密度；
步骤九：根据步骤七和步骤八的计算结果构成一个新的密度矩阵；
步骤十：设置密度矩阵的平衡限制条件；
步骤十一：检测当前状态下的最新矩阵的所有元素是否满足平衡限制条件：
（1）如果满足，继续计算基于列的步骤十二；
（2）否则，执行步骤步骤十六；
步骤十二：根据当前状态下的最新矩阵，基于列，计算矩阵每列数值总和；
步骤十三：根据当前状态下的最新矩阵，基于列，计算每个逻辑分区的列密度；
步骤十四：根据l)和m)的计算结果构成一个新的密度矩阵；
步骤十五：检测当前状态下的最新矩阵的所有元素是否满足平衡限制条件：
（1）如果满足，停止计算，还原SKU，结束执行，退出程序；
（2）否则，执行步骤十六；
步骤十六：选出最偏值，步骤如下：
（1）基于行，选出密度矩阵每行数值最大的元素；
（2）基于列，选出密度矩阵每列数值最大的元素；
步骤十七：调整更新当前状态下的库位，步骤如下：
（1）基于行，采用如下步骤：
A.由步骤十六(1)中选出的元素，找出上下左右四个单跳邻接点为邻居；
B.从四个邻接点中选出数值最小的邻居；
C.将步骤十六(1)中选出的元素根据映射的权重还原成串联后的哈希索引；
D.将排在哈希索引最前面以数字0为后缀的第一组串联组合移到数值最小邻居的后缀；
（2）基于列，采用如下步骤：
A.从步骤十六(2)中选出的元素找出上下左右四个单跳邻接点为邻居；
B.从四个邻接点中选出数值最小的邻居；
C.将步骤十六(2)中选出的元素根据映射的权重还原成串联后的哈希索引；
D.将排在哈希索引最前面以数字0为后缀的第一组串联组合移到数值最小邻居的后缀；
进一步地，步骤六中，将步骤五计算出的结果，构建二维矩阵，采用以下步骤：
（1）矩阵的每个元素表示每个逻辑分区的权重；
（2）矩阵的行数等于每个逻辑分区所在仓库的物理X轴位置；
（3）矩阵的列数等于每个逻辑分区所在仓库的物理Y轴位置。
2.根据权利要求1所述的一种基于动态分区的分布式库位优化方法，其特征在于：步骤十七的步骤（1）中的步骤D，采用以下步骤：
D1：复制排在哈希索引最前面以数字0为后缀的第一组串联组合；
D2：附加在数值最小的邻居的哈希索引的后缀；
D3：删除排在哈希索引最前面以数字0为后缀的第一组串联组合；
D4：更新并构建一个新的密度矩阵；
D5：重复步骤七。
3.根据权利要求1所述的一种基于动态分区的分布式库位优化方法，其特征在于：步骤十七的步骤（2）中的步骤D，采用以下步骤：
D1：复制排在哈希索引最前面以数字0为后缀的第一组串联组合；
D2：附加在数值最小的邻居的哈希索引的后缀；
D3：删除排在哈希索引最前面以数字0为后缀的第一组串联组合；
D4：更新并构建一个新的密度矩阵；
D5：重复步骤十二。
CN201910550021.3A 2019-06-24 2019-06-24 一种基于动态分区的分布式库位优化方法 Active CN110309963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910550021.3A CN110309963B (zh) 2019-06-24 2019-06-24 一种基于动态分区的分布式库位优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910550021.3A CN110309963B (zh) 2019-06-24 2019-06-24 一种基于动态分区的分布式库位优化方法

Publications (2)

Publication Number Publication Date
CN110309963A CN110309963A (zh) 2019-10-08
CN110309963B true CN110309963B (zh) 2022-04-01

Family

ID=68076501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910550021.3A Active CN110309963B (zh) 2019-06-24 2019-06-24 一种基于动态分区的分布式库位优化方法

Country Status (1)

Country Link
CN (1) CN110309963B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201409883D0 (en) * 2014-06-03 2014-07-16 Ocado Ltd Methods, systems, and apparatus for controlling movement of transporting devices
CN106067102A (zh) * 2016-05-24 2016-11-02 北京京东尚科信息技术有限公司 仓储布局的优化方法和优化装置
CN107391554B (zh) * 2017-06-07 2021-10-01 中国人民解放军国防科学技术大学 高效分布式局部敏感哈希方法

Also Published As

Publication number Publication date
CN110309963A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
EP3816886B1 (en) Management method, apparatus, system applied to goods-to-person system, and server and computer storage medium
CN110084545B (zh) 基于混合整数规划模型的多巷道自动化立体仓库的集成调度方法
Nagi et al. Multiple routeings and capacity considerations in group technology applications
CN110443549B (zh) 一种物流仓库中物品的装箱方案生成方法及系统
CN105836356A (zh) 一种密集仓储系统混合优化调度方法
Lei et al. Memetic algorithm for solving flexible flow-shop scheduling problems with dynamic transport waiting times
CN108550007A (zh) 一种制药企业自动化立体仓库的货位优化方法及系统
CN105858043B (zh) 一种升降机与穿梭车结合的仓储系统优化调度方法
CN106611232A (zh) 一种求解多工艺路线作业车间调度的分层优化算法
CN110276488A (zh) 一种基于分块矩阵和模糊运输时间的车辆路径优化方法
CN105858044A (zh) 一种穿梭车与升降机结合的仓储系统优化调度方法
JP2017091409A (ja) 配送ルート組換システム
Yuan et al. Storage assignment optimization in robotic mobile fulfillment systems
CN116542365A (zh) 移动机器人履行系统中订单分配和agv调度联合优化方法
CN105740976A (zh) 一种多目标情境下获取最优运输路径的方法
CN113408771B (zh) 物品出库调度方法、装置以及存储介质
CN116203959A (zh) 基于hac算法的机器人路径规划方法及系统
Yang Evaluation of the Joint Impact of the Storage Assignment and Order Batching in Mobile‐Pod Warehouse Systems
Yu et al. Design of a variable path tandem layout for automated guided vehicle systems
CN110309963B (zh) 一种基于动态分区的分布式库位优化方法
CN113435805B (zh) 物品存储信息确定方法、装置、设备和存储介质
CN115796411A (zh) 基于自定义循点聚簇的仓库拣货路径优化方法及系统
CN115629614A (zh) 一种基于遗传算法的仓储多agv路径规划方法
Sienera et al. A Simulation-based Optimization Approached to Design a Proposed Warehouse Layout on Bicycle Industry
Wu et al. Slotting optimization algorithm of the stereo warehouse

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