CN111027902B

CN111027902B - 无人仓货品运输匹配方法及装置

Info

Publication number: CN111027902B
Application number: CN201911215044.5A
Authority: CN
Inventors: 苏广俊; 王子卓
Original assignee: Shanghai Wanchip Technology Co ltd
Current assignee: Shanghai Wanchip Technology Co ltd
Priority date: 2019-12-02
Filing date: 2019-12-02
Publication date: 2021-03-16
Anticipated expiration: 2039-12-02
Also published as: CN111027902A

Abstract

本发明涉及智能仓储技术领域，尤其涉及无人仓货品运输匹配方法及装置，包括：获取用于表征无人仓内货架、货品、运输设备和工作站的工作状态的无人仓工作状态信息；基于无人仓工作状态信息确定模型决策变量；将无人仓工作状态信息作为模型输入参数，并基于模型决策变量，建立无人仓混合整数规划模型；将无人仓混合整数规划模型拆分为第一匹配模型和第二匹配模型，第一匹配模型用于表征货架和工作站之间的匹配关系，第二匹配模型用于表征货架和运输设备之间的匹配关系；对第一匹配模型进行求解，获得用于表征货架的匹配情况的货架匹配结果；基于货架匹配结果，对第二匹配模型进行求解，获得用于表征货架与运输设备之间匹配关系的运输设备匹配结果。

Description

无人仓货品运输匹配方法及装置

技术领域

本发明涉及智能仓储技术领域，尤其涉及无人仓货品运输匹配方法及装置。

背景技术

仓库的主要功能是在需求到达前存储货物，在需求时高效出货。当前存在一种仓库模式被称为无人仓库(Unmanned Warehouse)，对于无人仓库而言，通常采用“货物到人”(Parts-to-picker)的拣货模式。即，在没有人干预的情况下，能自动地对货物和商品进行存储和取出。无人仓库由于其高效性，已被广泛应用于不同行业的库存管理系统中。

在无人仓库中，货品一般存放在一些可移动的货架(Movable rack)上。同一货架上可以存放不同种类或单一种类的货品。货架通过运输机器人(Automated GuidedVehicle，AGV)来运输。拣货台用于根据需求挑选所需货品。在一个常规的无人仓库货品运输场景下：拣货台收到若干货品的需求，通过调度算法确定使用哪些货架上的库存满足这些需求，同时制定AGV前往货架所在处，将货架运输到拣货台，在拣货台挑选出所需要的商品，挑选完成后，AGV将货架送回货架区域。

对于无人仓库的管理，AGV的运输匹配方式直接影响整个无人仓的运营效率。AGV的运输匹配方式的关键模型是：在给定各个拣货台待出库的货品需求、空闲AGV、可定位货架的情况下，确定AGV、货架和拣货台三者之间的匹配关系。除此之外，上述匹配问题还隐含了货品的匹配，因为仓库中一般存储有大量的不同种类的货品，每个货架上只存储部分种类的货品，而每个拣货台会实时的收到不同种类货品的需求。因此，以上的匹配问题中还需要考虑每个拣货台对不同货品的需求，以及每个目标货架的货品存储种类。因此，对于数学建模而言，以上的匹配模型是一个包含拣货台、AGV、货架和拣货台的四元匹配模型。

而对于无人仓库中的四元匹配问题而言，现有技术通常采用线性规划模型和整数规划模型求解匹配策略，然而采用上述方式存在匹配效率低的问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的无人仓运输匹配方法及装置。

依据本发明的第一个方面，本发明提供一种无人仓运输匹配方法，应用在无人仓中，所述无人仓内设置有货架、货品、运输设备和工作站，所述货品存放于所述货架上，所述货品被拣选后在所述工作站中打包，所述运输设备用于对所述货架和所述货品进行搬运，所述方法包括：

获取用于表征所述无人仓内所述货架、货品、运输设备和工作站的工作状态的无人仓工作状态信息；

基于所述无人仓工作状态信息确定模型决策变量；

将所述无人仓工作状态信息作为模型输入参数，并基于所述模型决策变量，建立无人仓混合整数规划模型；

将所述无人仓混合整数规划模型拆分为第一匹配模型和第二匹配模型，所述第一匹配模型用于表征所述货架和所述工作站之间的匹配关系，所述第二匹配模型用于表征所述货架和所述运输设备之间的匹配关系；

对所述第一匹配模型进行求解，获得用于表征所述货架的匹配情况的货架匹配结果；

基于货架匹配结果，对所述第二匹配模型进行求解，获得用于表征所述货架与所述运输设备之间匹配关系的运输设备匹配结果。

优选的，所述无人仓工作状态信息包括：货架指标集合、运输设备集合、货架面集合、工作站集合、货品种类集合、距离成本、货架面的库存商品矩阵、每个所述工作站对所述货品的需求矩阵、每个所述工作站允许停靠所述货架的数量和比重参数。

优选的，所述模型决策变量包括：空闲的所述运输设备与空闲的所述货架之间的第一匹配矩阵、货架面与所述工作站之间的第二匹配矩阵，以及每个所述工作站不满足货品需求的松弛变量。

优选的，所述对所述第一匹配模型进行求解，获得用于表征所述货架的匹配情况的货架匹配结果，包括：

将所述第一匹配模型中的决策变量松弛至大于等于0且小于等于1的区间内进行求解，获得第一求解结果；

将所述第一求解结果中的实数解转变为整数解，获得所述货架匹配结果。

优选的，所述无人仓混合整数规划模型的约束条件包括：

第一约束条件，每个所述运输设备至多托运一个所述货架；

第二约束条件，每个所述货架至多被一个所述运输设备托运；

第三约束条件，每个所述货架至多去一个所述工作站；

第四约束条件，每个所述工作站至多停靠一个以上所述货架；

第五约束条件，所选货架面的货品满足每个所述工作站的需求；

第六约束条件，每个被选中的所述货架由一个所述运输设备托运。

依据本发明的第二个方面，本发明提供一种无人仓运输匹配装置，应用在无人仓中，所述无人仓内设置有货架、货品、运输设备和工作站，所述货品存放于所述货架上，所述货品被拣选后在所述工作站中打包，所述运输设备用于对所述货架和所述货品进行搬运，所述装置包括：

获取模块，用于获取用于表征所述无人仓内所述货架、货品、运输设备和工作站的工作状态的无人仓工作状态信息；

确定模块，用于基于所述无人仓工作状态信息确定模型决策变量；

建立模块，用于将所述无人仓工作状态信息作为模型输入参数，并基于所述模型决策变量，建立无人仓混合整数规划模型；

拆分模块，用于将所述无人仓混合整数规划模型拆分为第一匹配模型和第二匹配模型，所述第一匹配模型用于表征所述货架和所述工作站之间的匹配关系，所述第二匹配模型用于表征所述货架和所述运输设备之间的匹配关系；

第一获得模块，用于对所述第一匹配模型进行求解，获得用于表征所述货架的匹配情况的货架匹配结果；

第二获得模块，用于基于货架匹配结果，对所述第二匹配模型进行求解，获得用于表征所述货架与所述运输设备之间匹配关系的运输设备匹配结果。

依据本发明的第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前述第一个方面中的方法步骤。

依据本发明的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如前述第一个方面中的方法步骤。

根据本发明的无人仓运输匹配方法及装置，首先，获取用于表征无人仓内货架、货品、运输设备和工作站的工作状态的无人仓工作状态信息。接着，基于无人仓工作状态信息确定模型决策变量。然后，将无人仓工作状态信息作为模型输入参数，并基于模型决策变量，建立无人仓混合整数规划模型。再将无人仓混合整数规划模型拆分为第一匹配模型和第二匹配模型，第一匹配模型用于表征货架和工作站之间的匹配关系，第二匹配模型用于表征货架和运输设备之间的匹配关系。然后，对第一匹配模型进行求解，获得用于表征货架的匹配情况的货架匹配结果。并，基于货架匹配结果，对第二匹配模型进行求解，获得用于表征货架与运输设备之间匹配关系的运输设备匹配结果。由于将四元的无人仓混合整数规划模型拆分为两个二元匹配模型，即，用于表征货架和工作站之间的匹配关系的第一匹配模型，以及用于表征货架和工作站之间的匹配关系的第二匹配模型。第一匹配模型和第二匹配模型的求解效率远高于无人仓混合整数规划模型。因此，通过对第一匹配模型进行求解，获得用于表征货架的匹配情况的货架匹配结果。并基于货架匹配结果，对第二匹配模型进行求解，获得用于表征货架与运输设备之间匹配关系的运输设备匹配结果。最终，提高了无人仓的匹配效率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考图形表示相同的部件。在附图中：

图1示出了本发明实施例中无人仓运输匹配方法的流程图；

图2示出了本发明实施例中无人仓运输匹配装置的结构图；

图3示出了本发明实施例中计算机设备的结构图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供一种无人仓运输匹配方法，应用在无人仓中。该无人仓内设置有货架、货品、运输设备和工作站。货品存放于货架上，货品被拣选后在工作站中打包，运输设备用于对货架和货品进行搬运。运输设备可以为AGV。无人仓中的AGV的数量、货架的数量和工作站的数量庞大，如一个无人仓内具有500辆AGV，5000个货架和50个工作站。因此，运输匹配问题成为亟需解决的问题。

如图1所示，所述方法包括以下步骤：

步骤101：获取用于表征无人仓内货架、货品、运输设备和工作站的工作状态的无人仓工作状态信息。

具体来讲，无人仓工作状态信息包括：货架指标集合、运输设备集合、货架面集合、工作站集合、货品种类集合、距离成本、货架面的库存商品矩阵、每个工作站对货品的需求矩阵、每个工作站允许停靠货架的数量和比重参数。

对于货架指标集合而言，其可以采用以下公式表示：

J＝{1,2,3...}＝J_a U J_b

其中，对所有货架进行编号，同时，区分正在运输中的货架和空闲货架。J_a为在库货架指标集合，J_b为搬运中货架指标集合。所有有关货架的指标均由J表示。

对于运输设备集合而言，其可以采用以下公式表示：

I＝{1,2,3...}＝I_a U I_b

其中，对所有运输设备进行编号，同时，区分当前被占用的运输设备和空闲运输设备。I_a为没有被占用的运输设备集合，I_b为已经被占用的运输设备集合。同时，已经被匹配的货架与运输设备应满足|I_b|＝|J_b|。所有有关运输设备的指标均由I表示。

对于货架面集合而言，其可以采用以下公式表示：

H＝{1,2,3...}

其中，由于无人仓混合整数规划模型中不是每个货架都有两个货架面，所以|H|的元素数量的上限为2|J|。货架面集合的指标引索用H表示。对给定的数据，建立J与H存在一对一固定的映射：F_J2H(·):J→H和F_H2J(·):J→H，这两个映射用于建立货架与货架面的对应关系，并且这两个映射具有以下关系：

映射F_JH(j)输入货架引索j∈J返回货架面索引，分为两种情况：当货架j有两个货架面，

和

表示货架j对应的货架面a和b的索引。当货架j只有一个货架面的时候，

表示货架j的货架面索引。

映射F_HJ(h)输入货架面索引h∈H返回货架索引。

对于工作站集合而言，其可以采用以下公式表示：W，其中，可以用k表示工作站的索引。

对于货品种类集合而言，其可以采用以下公式表示：P，其中，可以用s表示商品种类的索引。

对于距离成本而言：

运输设备与货架的距离成本矩阵为

矩阵中的每一个元素表示给定运输设备和给定货架的距离成本。例如，

表示运输设备i∈I和货架j∈J的距离。

货架与工作站的距离成本矩阵为

矩阵中的每一个元素表示给定货架与给定工作站的距离成本。例如，

表示货架j∈J和工作站k∈W的距离。

对于货架面的库存商品矩阵而言，其可以用以下公式表示：{Q_(h,s)}，其中，Q_(h,s)表示第h∈H个货架面上第s∈P种货品的数量。

对于每个工作站对货品的需求矩阵而言，其可以用以下公式表示：{o_(k,s)}，其中，O_(k,s)表示第k∈W工作站对第s∈P种货品需求的数量。

对于每个工作站允许停靠货架的数量而言，其可以用以下公式表示：B。

对于比重参数而言，α₁表示运输设备与货架匹配代价在目标函数中的加权系数，也即比重。α₂表示货架面与工作站匹配代价在目标函数中的加权系数。α₃表示为满足匹配货品的代价在目标函数中的加权系数。

在完成步骤101之后，执行步骤102：基于无人仓工作状态信息确定模型决策变量。

具体来讲，模型决策变量包括：空闲的运输设备与空闲的货架之间的第一匹配矩阵、货架面与工作站之间的第二匹配矩阵，以及每个工作站不满足货品需求的松弛变量。

对于第一匹配矩阵而言，空闲运输设备与空闲货架的匹配矩阵可以采用以下公式表示：x_(i,j)∈{0,1},i∈I_a,j∈J_a。

对于第二匹配矩阵而言，货架面与工作站的匹配矩阵可以采用以下公式表示：y_(h,k)∈{0,1},h∈H,k∈W。

对于每个工作站不满足货品需求的松弛变量而言，可以采用以下公式表示：z_(k,s)∈Z₊,k∈W,s∈P。

在本发明实施例中，决策变量的个数＝|I_a|×|J_a|+|H|×|W|+|W|×|P|。例如，有|I|＝250辆运输设备，其中，空闲运输设备|I_a|＝200辆，2200个货架，其中，空闲货架|J_a|＝2150，货架面有|H|＝3300个面，货品种类|P|＝200，工作站数量|W|＝50，总的决策变量为200×2150+3300×50+50×200，最终得到575000个变量。

在完成步骤102之后，执行步骤103：将无人仓工作状态信息作为模型输入参数，并基于模型决策变量，建立无人仓混合整数规划模型。

具体来讲，无人仓混合整数规划模型(P)的目标函数可以采用以下公式表示：

而，

为第二部分，第二部分表示所有货架与工作站匹配的代价，此处考虑了单面货架与双面货架的情况。

而，

为第三部分，第三部分表示不满足货品需求的代价。

进一步来讲，对于无人仓混合整数规划模型而言，其包括以下六个约束条件：

第一约束条件可以采用以下公式表示：

多只能托运一个货架，此处仅考虑空闲运输设备，因此已经占用的运输设备与货架已经匹配。这样可以减少变量的个数。

第二约束条件可以采用以下公式表示：

只能被一个运输设备托运，此处仅考虑空闲货架，因此已经托运的货架与运输设备匹配。

第三约束条件可以采用以下公式表示：

第三约束条件表示每个货架至多去一个工作站。即，每个货架最多去一个工作站，因此变量y(h,k)是以货架面作为决策变量标识的，所以通过F_JH(j)映射把货架的索引映射到货架面。

第四约束条件可以采用以下公式表示：

第四约束条件表示每个工作站至多停靠一个以上货架。即，每个工作站最多停靠B个货架。

第五约束条件可以采用以下公式表示：

第五约束条件表示所选货架面的货品满足每个工作站的需求。即，所选货架面的货品对每个工作站的需求要尽量满足。

第六约束条件可以采用以下公式表示：

x(i,j)∈{0,1},i∈I_a,j∈J_a

y(h,k)∈{0,1},h∈H,k∈W

z(k,s)∈R₊,k∈W,s∈P

第六约束条件表示每个被选中的货架由一个运输设备托运。

通过上述过程能够获得无人仓混合整数规划模型，进一步来讲，由于无人仓混合整数规划模型的规模较大，存在求解速度难以达到排产要求的问题。在本发明实施例中，在步骤103之后，执行步骤104：将无人仓混合整数规划模型拆分为第一匹配模型和第二匹配模型，第一匹配模型用于表征货架和工作站之间的匹配关系，第二匹配模型用于表征货架和运输设备之间的匹配关系。

具体来讲，与无人仓混合整数规划模型相比，第一匹配模型(P_A)仅考虑货架与工作站的匹配关系，第二匹配模型(P_B)仅考虑货架与运输设备的匹配关系。对于第一匹配模型和第二匹配模型而言，在本发明中，首先求解第一匹配模型，得到货架匹配结果(即，选定哪些货架，这些货架匹配哪些工作站)。然后，将选定的货架输入到第二匹配模型中，求解第二匹配模型。

具体来讲，第一匹配模型(P_A)可以采用以下公式表示：

第一匹配模型的约束条件为：

y(h,k)∈{0,1},h∈H,k∈W

z(k,s)∈R₊,k∈W,s∈P

第一匹配模型的模型输出为：求解上述模型可以得到货架与工作站的匹配y(h,k)∈{0,1},h∈H,k∈W。

进一步来讲，在完成步骤104之后，执行步骤105：对第一匹配模型进行求解，获得用于表征所述货架的匹配情况的货架匹配结果。而步骤105包括：将第一匹配模型中的决策变量松弛至大于等于0且小于等于1的区间内进行求解，获得第一求解结果。将第一求解结果中的实数解转变为整数解，获得货架匹配结果。

具体来讲，第一步，将第一匹配模型中的决策变量y(h,k)放松到区间y(h,k)∈[0,1]求解出松弛问题的解。把放松后的问题记为

第二步，从松弛问题

得到的实数解取整变为整数解。

在第一步中，松弛问题是一个线性规划问题：可以在求解可以在第一匹配模型加入适量的割平面，以提高解的质量。割平面可以使得松弛解更接近无人仓混合整数规划模型的整数解。具体地，可以使用以下三类割平面：CG-Cut，Lift-Cut，Cover-Cut。虽然加入割平面会提升松弛问题得到解的质量，但是加入过多的Cut会影响线性规划求解的速度。经过测试，当200辆小车、2000个货架、50个工作站和200种商品时，加入割平面的数量在所有约束数量30％以内合理。在求解加入割平面后的松弛问题时，采用“对偶单纯形算法”比较有效，只是因为模型中约束的数量显著小于变量的数量，采用对偶单纯性算法，对偶变量的数目较少，可以提升求解速度。

在第二步中，求解松弛问题后得到的解释实数解，需要对解进行取整。本发明实施例采用以下取整方法：

先将

中较大值得元素取整到1。接着对解进行调整，使其满足第三约束条件和第四约束条件。

在满足上述两个原则的情况下，产生若干备用可行解

依次将这些可行解代入第五约束条件，求出对应的

然后计算第二部分和第三部分的目标函数值，即：

对所有备选的可行解

比较上面的目标函数值，挑选目标函数最小的作为取整步骤的输出。挑选备用可行解时，可以采用列优先或行优先的方法。例如，先挑选

中每列的最大值，每列最多只挑选一个货架面，或者挑选

中每行最大的B个变量取整到1。

在完成步骤105之后，执行步骤106：基于货架匹配结果，对所述第二匹配模型进行求解，获得用于表征所述货架与所述运输设备之间匹配关系的运输设备匹配结果。

具体来讲，第二匹配模型(P_B)可以采用以下公式表示：

第二匹配模型的约束条件为：

x(i,j)∈{0,1},i∈I_a,j∈J_a

z(k,s)∈R₊,k∈W,s∈P

在上述问题中，

是求解第一匹配模型的整数解。

第二匹配模型的模型输出为：求解上述模型可以得到货架与运输设备的匹配x(i，j)∈i∈I_a，j∈J_a。

求解第二匹配模型的方法如下：

第二匹配模型是一个非平衡指派问题，求解线性松弛问题(x_ij∈[0,1])就可以得到整数解。在本发明实施例中，使用通用线性规划算法求解指派问题的时间代价太大，所以采用求解指派问题的特殊算法。具体地，可以采用匈牙利算法或二分图算法。

在本发明实施例中，由于将四元的无人仓混合整数规划模型拆分为两个二元匹配模型，即，用于表征货架和工作站之间的匹配关系的第一匹配模型，以及用于表征货架和工作站之间的匹配关系的第二匹配模型。第一匹配模型和第二匹配模型的求解效率远高于无人仓混合整数规划模型。因此，通过对第一匹配模型进行求解，获得用于表征货架的匹配情况的货架匹配结果。并基于货架匹配结果，对第二匹配模型进行求解，获得用于表征货架与运输设备之间匹配关系的运输设备匹配结果。最终，提高了无人仓的匹配效率。

基于同一发明构思，本发明第二实施例还提供一种无人仓运输匹配装置，其特征在于，应用在无人仓中，所述无人仓内设置有货架、货品、运输设备和工作站，所述货品存放于所述货架上，所述货品被拣选后在所述工作站中打包，所述运输设备用于对所述货架和所述货品进行搬运，如图2所示，所述装置包括：

获取模块201，用于获取用于表征所述无人仓内所述货架、货品、运输设备和工作站的工作状态的无人仓工作状态信息；

确定模块202，用于基于所述无人仓工作状态信息确定模型决策变量；

建立模块203，用于将所述无人仓工作状态信息作为模型输入参数，并基于所述模型决策变量，建立无人仓混合整数规划模型；

拆分模块204，用于将所述无人仓混合整数规划模型拆分为第一匹配模型和第二匹配模型，所述第一匹配模型用于表征所述货架和所述工作站之间的匹配关系，所述第二匹配模型用于表征所述货架和所述运输设备之间的匹配关系；

第一获得模块205，用于对所述第一匹配模型进行求解，获得用于表征所述货架的匹配情况的货架匹配结果；

第二获得模块206，用于基于货架匹配结果，对所述第二匹配模型进行求解，获得用于表征所述货架与所述运输设备之间匹配关系的运输设备匹配结果。

优选的，所述第一获得模块，包括：

第一获得单元，用于将所述第一匹配模型中的决策变量松弛至大于等于0且小于等于1的区间内进行求解，获得第一求解结果；

第二获得单元，用于将所述第一求解结果中的实数解转变为整数解，获得所述货架匹配结果。

优选的，所述无人仓混合整数规划模型的约束条件包括：

第一约束条件，每个所述运输设备至多托运一个所述货架；

第三约束条件，每个所述货架至多去一个所述工作站；

基于同一发明构思，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述实施例所述的方法步骤。

基于同一发明构思，本发明实施例还提供了一种计算机设备，如图3所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机设备可以为包括手机、平板电脑、PDA(Personal DigitalAssistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备，以计算机设备为手机为例：

图3示出的是与本发明实施例提供的计算机设备相关的部分结构的框图。参考图3，该计算机设备包括：存储器301和处理器302。本领域技术人员可以理解，图3中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图3对计算机设备的各个构成部件进行具体的介绍：

存储器301可用于存储软件程序以及模块，处理器302通过运行存储在存储器301的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储数据(比如音频数据、电话本等)等。此外，存储器301可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器302是计算机设备的控制中心，通过运行或执行存储在存储器301内的软件程序和/或模块，以及调用存储在存储器301内的数据，执行各种功能和处理数据。可选的，处理器302可包括一个或多个处理单元；优选的，处理器302可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。

在本发明实施例中，该计算机设备所包括的处理器302可以具有前述实施例中任一方法步骤所对应的功能。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims

1.一种无人仓运输匹配方法，其特征在于，应用在无人仓中，所述无人仓内设置有货架、货品、运输设备和工作站，所述货品存放于所述货架上，所述货品被拣选后在所述工作站中打包，所述运输设备用于对所述货架和所述货品进行搬运，所述方法包括：

基于所述无人仓工作状态信息确定模型决策变量；

2.如权利要求1所述的方法，其特征在于，所述无人仓工作状态信息包括：货架指标集合、运输设备集合、货架面集合、工作站集合、货品种类集合、距离成本、货架面的库存商品矩阵、每个所述工作站对所述货品的需求矩阵、每个所述工作站允许停靠所述货架的数量和比重参数。

3.如权利要求1所述的方法，其特征在于，所述模型决策变量包括：空闲的所述运输设备与空闲的所述货架之间的第一匹配矩阵、货架面与所述工作站之间的第二匹配矩阵，以及每个所述工作站不满足货品需求的松弛变量。

4.如权利要求1所述的方法，其特征在于，所述对所述第一匹配模型进行求解，获得用于表征所述货架的匹配情况的货架匹配结果，包括：

5.如权利要求1所述的方法，其特征在于，所述无人仓混合整数规划模型的约束条件包括：

第一约束条件，每个所述运输设备至多托运一个所述货架；

第三约束条件，每个所述货架至多去一个所述工作站；

6.一种无人仓运输匹配装置，其特征在于，应用在无人仓中，所述无人仓内设置有货架、货品、运输设备和工作站，所述货品存放于所述货架上，所述货品被拣选后在所述工作站中打包，所述运输设备用于对所述货架和所述货品进行搬运，所述装置包括：

7.如权利要求6所述的装置，其特征在于，所述无人仓工作状态信息包括：货架指标集合、运输设备集合、货架面集合、工作站集合、货品种类集合、距离成本、货架面的库存商品矩阵、每个所述工作站对所述货品的需求矩阵、每个所述工作站允许停靠所述货架的数量和比重参数。

8.如权利要求6所述的装置，其特征在于，所述模型决策变量包括：空闲的所述运输设备与空闲的所述货架之间的第一匹配矩阵、货架面与所述工作站之间的第二匹配矩阵，以及每个所述工作站不满足货品需求的松弛变量。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一权利要求所述的方法步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一权利要求所述的方法步骤。