CN111292034B - 订单履行方案的确定方法、装置、电子装置及存储介质 - Google Patents
订单履行方案的确定方法、装置、电子装置及存储介质 Download PDFInfo
- Publication number
- CN111292034B CN111292034B CN202010051915.0A CN202010051915A CN111292034B CN 111292034 B CN111292034 B CN 111292034B CN 202010051915 A CN202010051915 A CN 202010051915A CN 111292034 B CN111292034 B CN 111292034B
- Authority
- CN
- China
- Prior art keywords
- scheme
- order fulfillment
- determining
- schemes
- level
- 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
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
- G06Q10/08—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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种订单履行方案的确定方法,方法包括:获取订单中商品的种类并根据商品的种类确定各类商品在仓库中的存储位置;根据商品的种类以及各类商品在仓库中的存储位置,生成一个一级订单履行方案;根据一级订单履行方案生成M个二级订单履行方案,其中M为正整数;确定每个二级订单履行方案中访问顺序最优时对应的订单履行方案为三级订单履行方案,得到M个三级订单履行方案。对M个三级订单履行方案进行比较,确定M个三级订单中最优方案为四级订单履行方案;该方法可以有效提升订单履行方案的确定效率。
Description
技术领域
本发明属于智能合约技术领域,尤其涉及一种仓储系统订单履行方法、装置、存储介质及电子装置。
背景技术
调度算法已广泛应用于无人零售仓库,提高了效率。通常情况下,机器人不仅需要获取所有想要的物品,还需要根据目标列表以最小的时间成本完成所有任务。关于这个场景的调查显示,在大多数情况下,机器人通常只允许在一个工位上选择一个点(要抓取的商品目标点),而一个特定的点只能在一个工位找到。在运筹学的角度,选择和调度问题通常转化为目标点划分为几个集群的广义旅行商问题(Generalized Traveling SalesmanProblem,GTSP),需要求得最小权重总合并且经过所有目标点的路径。在实际仓储中一种商品可能有多种存储位置,即一个特定的点可以在多个工位上找到,而且一个工位上也可能存储有多种商品,这使得仓储订单在实际履行过程中的解决方案指数级增加,如何在众多履行方案中获得最优方案以节省能源提高效率,成为亟需解决的问题。
发明内容
本发明提供一种仓储系统订单履行方法、装置、存储介质及电子装置,用以解决现有技术中仓储系统中如何获得订单履行最优方案的技术问题。
本申请实施例第一方面提供一种订单履行方案的确定方法,方法包括:
S11、获取订单中商品的种类并根据所述商品的种类确定各类商品在仓库中的存储位置;
S12、根据所述商品的种类以及所述各类商品在仓库中的存储位置,生成一个一级订单履行方案;
S13、根据所述一级订单履行方案,通过交换操作生成M个二级订单履行方案,其中M为正整数;所述交换操作通过元素更换将履行方案转换为相邻履行方案;
S14、确定每个所述二级订单履行方案中访问顺序最优时对应的订单履行方案为三级订单履行方案,得到M个三级订单履行方案。
S15、对所述M个三级订单履行方案进行比较,确定所述M个三级订单中最优方案为四级订单履行方案;
S16、确定所述四级订单履行方案为最终订单履行方案。
进一步地,所述确定所述四级订单履行方案为最终订单履行方案包括如下步骤:
S21、N次循环所述步骤S12~S15,得到N个四级订单履行方案,N为正整数;
S22、对N+1个四级订单履行方案进行比较,确定所述N+1个四级订单履行方案中最优方案为五级订单履行方案;
S23、确定所述五级订单履行方案为最终订单履行方案。
进一步地,所述根据所述一级订单履行方案,通过交换操作生成M个二级订单履行方案,包括如下步骤:
S31、M次将所述一级订单履行方案中的一个点更换为另一个使方案仍然可行的点,得到M个中间订单履行方案;
S32、根据所述M个中间订单履行方案确定M个二级订单履行方案。
进一步地,所述M次将所述一级订单履行方案中的一个点更换为另一个使方案仍然可行的点之前,还包括如下步骤:
S41、判断所述一级订单履行方案是否为非冗余方案;
S42、当所述一级订单履行方案为非冗余方案时,执行步骤S31;
S43、当所述一级订单履行方案为冗余方案时,将所述一级订单履行方案转换为非冗余方案,再执行步骤S31。
进一步地,所述判断所述一级订单履行方案是否为非冗余方案,包括如下步骤:
S51、删除所述一级订单履行方案中任意一个点;
S52、若删除后的方案均不可行,则确定所述一级订单履行方案为非冗余方案。
进一步地,所述根据所述M个中间订单履行方案确定M个二级订单履行方案,包括:
S61、判断中间订单履行方案是否为非冗余方案;
S62、当所述中间订单履行方案为非冗余方案时,确定所述中间订单履行方案为二级订单履行方案;
S63、当所述中间订单履行方案为冗余方案时,删除所述中间订单履行方案中冗余的点,得到二级订单履行方案。
S64:M次循环S61~S63,得到M个二级订单履行方案。
进一步地,所述对所述M个三级订单履行方案进行比较,确定所述M个三级订单中最优方案为四级订单履行方案,包括:
获取每个三级订单履行方案访问路径总和;
确定访问路径行程总和最小的方案为所述M个三级订单中最优方案;
确定所述最优方案为四级订单履行方案。
本申请实施例第二方面提供一种订单履行方案的确定装置,其特征在于,所述装置包括:
获取模块,用于获取订单中商品的种类并根据所述商品的种类确定各类商品在仓库中的存储位置;
一级订单履行方案生成模块,用于根据所述商品的种类以及所述各类商品在仓库中的存储位置,使用贪婪算法生成一个一级订单履行方案;
二级订单履行方案生成模块,用于根据所述一级订单履行方案,通过交换操作生成M个二级订单履行方案,其中M为正整数;
三级订单履行方案生成模块,用于使用TSP算法确定每个所述二级订单履行方案对应的最优访问顺序,并利用每个二级订单履行方案对应的最优访问顺序对每个所述二级订单履行方案进行优化,生成M个三级订单履行方案;
四级订单履行方案确定模块,用于对所述M个三级订单履行方案进行比较,确定所述M个三级订单中最优方案为四级订单履行方案;确定所述四级订单履行方案为最终订单履行方案。
本申请实施例第三方面提供了一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在所述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计算机程序时,实现第一方面提供的任意一项订单履行方案的确定方法中的步骤。
本申请实施例第四方面提供了一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现第一方面提供的任意一项订单履行方案确定方法中的步骤。
从上述本申请实施例可知,本申请实施例提供的订单履行方案确定方法,方法包括:获取订单中商品的种类并根据商品的种类确定各类商品在仓库中的存储位置;根据商品的种类以及各类商品在仓库中的存储位置,生成一个一级订单履行方案;根据一级订单履行方案,通过交换操作生成M个二级订单履行方案,其中M为正整数;确定每个二级订单履行方案中访问顺序最优时对应的订单履行方案为三级订单履行方案,得到M个三级订单履行方案。对M个三级订单履行方案进行比较,确定M个三级订单中最优方案为四级订单履行方案;确定四级订单履行方案为最终订单履行方案。该方案先通过贪婪算法生成一个局部最优的一级订单履行方案,在在一级订单履行方案的基础上进行优化,得到M个访问顺序较好的相邻的三级订单履行方案,再对M个三级订单履行方案进行比较,确定最优方案作为最终的订单履行方案。相对于遍历所有订单履行方案并对所有方案进行比较得出最优订单履行方案,本申请实施例提供的方案提高了订单履行方案确定的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的订单履行方案确定方法的流程示意图;
图2为本申请实施例提供的订单履行方案确定方法的又一流程示意图;
图3为本申请实施例提供的订单履行方案确定方法中交换操作的流程示意图;
图4为本申请实施例提供的订单履行方案确定装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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。
如图1所示,为本申请实施例提供的订单履行方案确定方法的流程示意图,方法包括:
步骤101,获取订单中商品的种类并根据商品的种类确定各类商品在仓库中的存储位置;
在本申请实施例中,无论是电商还是实体商在接收到客户的订单时,首先对客户订单进行读取以对订单中的商品种类及数量进行确定。由于商品往往存储于仓库中,而且大型供货商由于商品种类繁多且数量巨大,为满足大量库存的存储,往往仓库的面积也是巨大的。在大面积的仓库中进行货物的拣选工作,会耗费大量的人工成本,因此大型供货商目前都采用机器人进行货物的拣选工作。可以理解的是,为提高机器人拣选货物的效率,仓库的货物存储都是具有一定的规则的。仓库往往根据商品的种类分为多种不同的库存区域,每个区域中还会细分为不同的分区。可以理解的是,数量多且体积大的货物可能占有多个分区,体积小数量少的货物也可能共用一个分区,每一个分区都可以看作订单履行方案中需要经过的一个执行点位。但无论如何分区存放,都可以通过商品的代号找到其存储的分区。即可以根据订单确定订单中各类商品在仓库中存储的位置。
步骤102,根据商品的种类以及各类商品在仓库中的存储位置,生成一个一级订单履行方案;
在本申请实施例中,订单履行就是经过一定的路径将订单中所列出的所有商品拣选出来。履行路径必须经过所有存放订单中商品的点(一种商品存放于多个点位的则至少经过其中一个点位),但具体的履行路径则可以由众多的选择。在实际执行的过程中,在保证能够获取到订单中所有商品的基础上,履行路径的行程越短,则机器人的能耗越小,订单履行的效率越高。由于遍历所有履行路径再进行一一对比的工作量较大,尤其在订单量大,种类繁多的情况下,每增加一种商品,履行路径的数量就会指数级增长,导致运算量巨大,难以实现。因此本申请实施例根据订单中商品的种类以及据此确定的各商品在仓库中的存储位置,生成一个在局部范围内的最优的订单履行方案。具体的,生成一个局部范围内最优的订单履行方案的方法可以是贪婪算法(或称贪心算法)。贪婪算法即通过数学模型来描述问题,把求解的问题分成若干个子问题,对每个子问题进行求解,得到子问题的局部最优解,再把子问题的局部最优解合成原问题的一个解。结合订单履行问题,就是生成一个可以获取所有订单中的商品但不能确定一定为最优方案的订单履行方案,且可以明显确定该方案优于许多其他履行方案,确定该方案为一级订单履行方案。
步骤103,根据一级订单履行方案,通过交换操作生成M个二级订单履行方案,其中M为正整数;
在本申请实施例中,在使用贪婪算法生成一个局部最优的一级订单履行方案之后,在一级订单履行方案的基础上,通过交换操作生成M个二级订单履行方案,其中M为正整数。具体地,如前所述,一种商品可能存储于几个不同的分区,例如商品订单中有A、B、C、D四种商品,商品A存储于A1、A2、A3、A4四个分区,商品B存储于B1、B2、B3、B4四个分区,商品C存储于C1、C2、C3、C4四个分区,商品D存储于D1、D2、D3、D4四个分区。假设使用贪婪算法生成的一级订单履行方案为A1到B1到C1再到D1。交换操作将其中的A1更换为A2,得到其相邻的订单履行方案A2到B1到C1到D1。如此,得到M个二级订单履行方案。同样的,也可以将一级订单履行方案中的B1更换为B2或者将C1更换为C2。同样地,也可以是将A1更换为A3或A4。因此,每个二级订单履行方案也有多种可能履行路径。
可以理解的是,部分商品不存在多个存储分区,部分商品存在多个存储分区,在本申请实施例中,不存在多个存储分区的点不进行更换,可以更换的点的每个存储分区均更换一次。进一步可以理解的是,由于只针对有多个存储分区的商品进行更换操作,且只更改一个商品的拾取点,因此更改后的二级订单履行方案仍可以完成订单中所有商品的拾取。
步骤104,确定每个二级订单履行方案中访问顺序最优时对应的订单履行方案为三级订单履行方案,得到M个三级订单履行方案。
在本申请实施例中,在通过交换操作得到M个二级订单履行方案之后,确定每个二级订单履行方案对应的多个履行路径中访问顺序最优(即履行路径行程最短及耗时最短)的方案,作为三级订单履行方案,从而得到M个三级订单履行方案。具体的,可以是采用旅行商问题(Traveling Salesman Problem,TSP)算法确定每个二级订单履行方案中访问顺序最优的方案。
步骤105,对M个三级订单履行方案进行比较,确定M个三级订单履行方案中最优方案为四级订单履行方案。
在本申请实施例中,在得到的M个三级订单履行方案中,再进行比对,选择最优的方案作为四级订单履行方案。
步骤106,确定四级订单履行方案为最终订单履行方案。
在本申请实施例中,通过上述方法比对得到一个四级订单履行方案,确定四级订单履行方案为最优订单履行方案并根据此订单履行方案对订单中的商品进行拾取。可以理解的是,由于贪婪算法生成的一级订单履行方案具有一定的随机性,因此依据该一级订单履行方案得到的最终订单履行方案也并不一定为所有订单履行方案中最优方案,但可以理解,该最终订单履行方案已经是相对于绝大多数的方案为更优的方案了,采用该方案履行订单可以在保证订单完整履行的基础上节约履行路径的行程,提升订单履行效率。
根据上述描述可知,本申请实施例提供的订单履行方案的确定方法,方法包括:获取订单中商品的种类并根据商品的种类确定各类商品在仓库中的存储位置;根据商品的种类以及各类商品在仓库中的存储位置,生成一个一级订单履行方案;根据一级订单履行方案,通过交换操作生成M个二级订单履行方案,其中M为正整数;确定每个二级订单履行方案中访问顺序最优时对应的订单履行方案为三级订单履行方案,得到M个三级订单履行方案。对M个三级订单履行方案进行比较,确定M个三级订单中最优方案为四级订单履行方案;确定四级订单履行方案为最终订单履行方案。该方案先根据订单中商品种类及其存储位置生成一个局部最优的一级订单履行方案,再对一级订单履行方案进行交换操作得到M个二级订单履行方案,再确定每个二级订单履行方案中访问顺序最优的方案作为三级订单履行方案,最后再对得到的M个三级订单履行方案进行比较得到最终订单履行方案。该方案避免了遍历所有可能的订单履行方案再进行一一比较,极大地提升了订单履行方案的确定效率。
进一步地,如图2所示,为本申请实施例提供的订单履行方案确定方法的又一流程示意图,方法还包括:
步骤201,N次循环步骤102~105,得到N各四级订单履行方案,N为正整数;
在本申请实施例中,如前所述,由于根据订单中商品的种类以及商品在仓库中的存储位置生成的一级订单履行方案具有随机性,因此根据该一级订单履行方案得到的四级订单履行方案只能算是一个相对大多数订单履行方案而言较好的订单履行方案,无法确定其是所有订单履行方案中的最优解。因此,对上述方法中的一级订单履行方案生成步骤以及根据生成的一级订单履行方案得到四级订单履行方案的优化步骤进行N次循环,可以再次得到N个相对多数订单履行方案较优的四级订单履行方案。如此,则总计得到N+1个四级订单履行方案。可以理解的是,这N+1个四级订单履行方案中可能存在相同的订单履行方案。
步骤202,对N+1个四级订单履行方案进行比较,确定N+1个四级订单履行方案中最优方案为五级订单履行方案;
在本申请实施例中,对得到的N+1个订单履行方案进行比对,确定其中最优的方案为五级订单履行方案。
步骤203,确定五级订单履行方案为最终订单履行方案。
进一步地,如图3所示,为本申请实施例提供的订单履行方案确定方法中交换操作的流程示意图,其中根据一级订单履行方案,通过交换操作生成M个二级订单履行方案,包括如下步骤:
步骤301,M次将一级订单履行方案中的一个点更换为另一个使方案仍然可行的点,得到M个中间订单履行方案;
步骤302,根据M个中间订单履行方案确定M个二级订单履行方案。
在本申请实施例中,通过M次将一级订单履行方案中的点进行更换,更换为其他仍可使方案可行的点,得到中间订单履行方案。再根据M个中间订单履行方案,推导出M个二级订单履行方案。
进一步地,在M此将一级订单履行方案中的一个点更换为另一个使方案仍然可行的点之前,还包括:
判断一级订单履行方案是否为非冗余方案;
当一级订单履行方案为非冗余方案时,执行步骤301;
当以及订单履行方案为冗余方案时,将一级订单履行方案转换为非冗余方案,再执行步骤301。
在本申请实施例中,在执行步骤301之前,先对生成的一级订单履行方案进行判断,确定其是否为非冗余方案,当一级订单履行方案为非冗余方案时再执行步骤301,否则则将一级订单履行方案转换为非冗余方案后再执行步骤301。
进一步地,判断一级订单履行方案是否为非冗余方案,包括:
删除一级订单履行方案中任意一个点;
若删除后的方案均不可行,则确定一级订单履行方案为非冗余方案。
在本申请实施例中,如前所述,由于存储在仓库中的商品的存储位置存在如下情况:一种商品可能存储于多个分区,也可能一个分区存储有多种商品。例如,分区E1中存储有商品E及商品F,分区F1中存储有商品F。由E1至F1的订单履行方案可以实现包含商品E以及商品F的订单。但是,由E1至F1的订单履行方案若去除一个点F1,仍可以实现包含商品E以及商品F的订单。如此则由E1至F1的订单履行方案即为冗余方案,其中F1即为该方案中冗余的点。根据上述示例可以理解的是,若任意删除一级订单履行方案中的一个点,该一级订单履行方案都不可行,则说明该一级订单履行方案为非冗余方案。当一级订单履行方案为非冗余方案时,执行步骤301.若一级订单履行方案为冗余方案时,将一级订单履行方案中冗余的点删除,再执行步骤301。
进一步地,根据M个中间订单履行方案确定M个二级订单履行方案,包括:
判断中间订单履行方案是否为非冗余方案;
当中间订单履行方案为非冗余方案时,确定中间订单履行方案为二级订单履行方案;
当中间订单履行方案为冗余方案时,删除中间订单履行方案中冗余的点,得到二级订单履行方案。
在本申请实施例中,对中间订单履行方案是否为非冗余方案的判断方法在上述实施例中已经详述,此处不再赘述。
进一步地,确定M个三级订单中最优方案为四级订单履行方案,包括:
获取每个三级订单履行方案访问路径;
确定访问路径的行程总和最小的方案为M个三级订单中最优方案;
确定最优方案为四级订单履行方案。
在本申请实施例中,对得到的M个三级订单履行方案的访问路径进行获取,并分析该M个三级订单履行方案的访问路径的行程总和,对M个三级订单履行方案对应的行程总和进行比较,其中行程总和最小的方案为M个三级订单履行方案中的最优方案,确定该最优方案为四级订单履行方案。
本申请实施例第二方面提供了一种订单履行方案确定装置,如图4所示,为本申请实施例提供的订单履行方案确定装置的结构示意图,装置包括:
获取模块401,用于获取订单中商品的种类并根据商品的种类确定各类商品在仓库中的存储位置;
一级订单履行方案生成模块402,用于根据商品的种类以及各类商品在仓库中的存储位置生成一个一级订单履行方案;
二级订单履行方案生成模块403,用于根据一级订单履行方案生成M个二级订单履行方案,其中M为正整数;
三级订单履行方案生成模块404,用于确定每个二级订单履行方案对应的最优访问顺序,并利用每个二级订单履行方案对应的最优访问顺序对每个二级订单履行方案进行优化,生成M个三级订单履行方案;
四级订单履行方案确定模块405,用于对M个三级订单履行方案进行比较,确定M个三级订单中最优方案为四级订单履行方案并确定四级订单履行方案为最终订单履行方案。
在本申请实施例中,可以理解的是,本申请实施例提供的订单履行方案确定装置的各模块的功能与图1实施例中各步骤的内容相同,此处不再予以赘述。
本申请实施例第三方面提供了一种电子装置,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,处理器执行上述计算机程序时,实现第一方面提供的订单履行方案的确定方法中的步骤。
本申请实施例第四方面提供了一种存储介质,其上存储有计算机程序,计算机程序被处理器执行时,实现第一方面提供的的订单履行方案确定方法中的步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本发明所提供的技术方案的描述,对于本领域的技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种订单履行方案的确定方法,其特征在于,所述方法包括如下步骤:
S11、获取订单中商品的种类并根据所述商品的种类确定各类商品在仓库中的存储位置;其中,所述各类商品均对应有一个或多个所述存储位置;
S12、根据所述商品的种类以及所述各类商品在仓库中的存储位置,使用贪婪算法生成一个一级订单履行方案;
S13、根据所述一级订单履行方案,通过对所述存储位置进行交换操作生成M个二级订单履行方案,其中M为正整数,每个所述二级订单履行方案包括多个履行路径;
S14、基于旅行商问题算法确定每个所述二级订单履行方案中访问顺序最优的所述履行路径对应的所述二级订单履行方案为三级订单履行方案,得到M个三级订单履行方案;
S15、获取每个三级订单履行方案访问路径;确定访问路径的行程总和最小且耗时最小的方案为M个三级订单中最优方案;确定所述最优方案为四级订单履行方案;
S16、再N次循环所述S12~S15,得到N+1个四级订单履行方案,N为正整数;对N+1个四级订单履行方案进行比较,确定所述N+1个四级订单履行方案中最优方案为五级订单履行方案;确定所述五级订单履行方案为最终订单履行方案。
2.根据权利要求1所述的订单履行方案的确定方法,其特征在于,所述根据所述一级订单履行方案,通过对所述存储位置进行交换操作生成M个二级订单履行方案,包括如下步骤:
S21、M次将所述一级订单履行方案中的一个所述存储位置更换为另一个使方案仍然可行的所述存储位置,得到M个中间订单履行方案;
S22、根据所述M个中间订单履行方案确定M个二级订单履行方案。
3.根据权利要求2所述的订单履行方案的确定方法,其特征在于,所述M次将所述一级订单履行方案中的一个所述存储位置更换为另一个使方案仍然可行的所述存储位置之前,还包括如下步骤:
S31、判断所述一级订单履行方案是否为非冗余方案;
S32、当所述一级订单履行方案为非冗余方案时,执行S21;
S33、当所述一级订单履行方案为冗余方案时,将所述一级订单履行方案转换为非冗余方案,再执行S21。
4.根据权利要求3所述的订单履行方案的确定方法,其特征在于,所述判断所述一级订单履行方案是否为非冗余方案,包括如下步骤:
S41、删除所述一级订单履行方案中任意一个所述存储位置;
S42、若删除后的方案均不可行,则确定所述一级订单履行方案为非冗余方案。
5.根据权利要求2所述的订单履行方案的确定方法,其特征在于,所述根据所述M个中间订单履行方案确定M个二级订单履行方案,包括:
S51、判断中间订单履行方案是否为非冗余方案;
S52、当所述中间订单履行方案为非冗余方案时,确定所述中间订单履行方案为二级订单履行方案;
S53、当所述中间订单履行方案为冗余方案时,删除所述中间订单履行方案中冗余的点,得到二级订单履行方案;
S54:M次循环S51~S53,得到M个二级订单履行方案。
6.一种订单履行方案的确定装置,其特征在于,所述装置包括:
获取模块,用于获取订单中商品的种类并根据所述商品的种类确定各类商品在仓库中的存储位置;其中,所述各类商品均对应有一个或多个所述存储位置;
一级订单履行方案生成模块,用于根据所述商品的种类以及所述各类商品在仓库中的存储位置,使用贪婪算法生成一个一级订单履行方案;
二级订单履行方案生成模块,用于根据所述一级订单履行方案,通过对所述存储位置进行交换操作生成M个二级订单履行方案,其中M为正整数,每个二级订单履行方案包括多个履行路径;
三级订单履行方案生成模块,用于基于旅行商问题算法确定每个所述二级订单履行方案中访问顺序最优的所述履行路径对应的所述二级订单履行方案为三级订单履行方案,得到M个三级订单履行方案;
四级订单履行方案确定模块,用于获取每个三级订单履行方案访问路径;确定访问路径的行程总和最小且耗时最小的方案为M个三级订单中最优方案;确定所述最优方案为四级订单履行方案;
最终订单履行方案确定模块,用于获取再N次循环执行所述获取模块、一级订单履行方案生成模块、一级订单履行方案生成模块、三级订单履行方案生成模块、四级订单履行方案确定模块所得到的N+1个四级订单履行方案,N为正整数;对N+1个四级订单履行方案进行比较,确定所述N+1个四级订单履行方案中最优方案为五级订单履行方案;确定所述五级订单履行方案为最终订单履行方案。
7.一种电子装置,包括:存储器、处理器及存储在所述存储器上并在所述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计算机程序时,实现权利要求1至5中任意一项所述的订单履行方案的确定方法中的步骤。
8.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1至5中的任意一项所述的订单履行方案的确定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051915.0A CN111292034B (zh) | 2020-01-17 | 2020-01-17 | 订单履行方案的确定方法、装置、电子装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051915.0A CN111292034B (zh) | 2020-01-17 | 2020-01-17 | 订单履行方案的确定方法、装置、电子装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111292034A CN111292034A (zh) | 2020-06-16 |
CN111292034B true CN111292034B (zh) | 2023-09-05 |
Family
ID=71030816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010051915.0A Active CN111292034B (zh) | 2020-01-17 | 2020-01-17 | 订单履行方案的确定方法、装置、电子装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111292034B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8352382B1 (en) * | 2008-08-15 | 2013-01-08 | Amazon Technologies, Inc. | Heuristic methods for customer order fulfillment planning |
CN107169591A (zh) * | 2017-04-21 | 2017-09-15 | 浙江工业大学 | 基于线性时序逻辑的移动端快递派送路径规划方法 |
CN107392358A (zh) * | 2017-06-30 | 2017-11-24 | 上海汽车集团股份有限公司 | 一种车辆分配方法及装置 |
US20180025407A1 (en) * | 2015-02-02 | 2018-01-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for order processing |
CN109583624A (zh) * | 2018-10-18 | 2019-04-05 | 心怡科技股份有限公司 | 一种结合相似度算法和遗传算法求取包裹最优组合算法 |
-
2020
- 2020-01-17 CN CN202010051915.0A patent/CN111292034B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8352382B1 (en) * | 2008-08-15 | 2013-01-08 | Amazon Technologies, Inc. | Heuristic methods for customer order fulfillment planning |
US20180025407A1 (en) * | 2015-02-02 | 2018-01-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for order processing |
CN107169591A (zh) * | 2017-04-21 | 2017-09-15 | 浙江工业大学 | 基于线性时序逻辑的移动端快递派送路径规划方法 |
CN107392358A (zh) * | 2017-06-30 | 2017-11-24 | 上海汽车集团股份有限公司 | 一种车辆分配方法及装置 |
CN109583624A (zh) * | 2018-10-18 | 2019-04-05 | 心怡科技股份有限公司 | 一种结合相似度算法和遗传算法求取包裹最优组合算法 |
Non-Patent Citations (1)
Title |
---|
能力风暴机器人在实践中传感器的灵活应用;丛爽等;《计算机测量与控制》;第第12卷卷(第第4期期);第380-383页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111292034A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fathollahi-Fard et al. | Novel modifications of social engineering optimizer to solve a truck scheduling problem in a cross-docking system | |
Çil et al. | Robotic disassembly line balancing problem: A mathematical model and ant colony optimization approach | |
Ehtesham Rasi et al. | A multi-objective optimization model for sustainable supply chain network with using genetic algorithm | |
Wu et al. | A study of the single-machine two-agent scheduling problem with release times | |
Tostani et al. | A Bi-Level Bi-Objective optimization model for the integrated storage classes and dual shuttle cranes scheduling in AS/RS with energy consumption, workload balance and time windows | |
Polten et al. | Multi-shuttle crane scheduling in automated storage and retrieval systems | |
Müller et al. | Redundant configuration of robotic assembly lines with stochastic failures | |
Zhao et al. | Research on the work-rest scheduling in the manual order picking systems to consider human factors | |
Uludağ et al. | A hybrid multi-population framework for dynamic environments combining online and offline learning | |
Jubair et al. | Exploring the Role of Multi-Agent Systems in Improving K-Means Clustering Method | |
Bayley et al. | A hybrid Benders approach for coordinated capacitated lot-sizing of multiple product families with set-up times | |
Wu et al. | Learning scenario representation for solving two-stage stochastic integer programs | |
Mahmoodi Darani et al. | Solving the capacitated clustering problem by a combined meta-heuristic algorithm | |
CN111292034B (zh) | 订单履行方案的确定方法、装置、电子装置及存储介质 | |
Sun et al. | A hybrid genetic algorithm for distributed hybrid blocking flowshop scheduling problem | |
Bayram et al. | Optimal order batching in warehouse management: A data-driven robust approach | |
Marinova–Boncheva | Using the agglomerative method of hierarchical clustering as a data mining tool in capital market | |
Wu et al. | Optimal Scheduling for Retrieval Jobs in Double‐Deep AS/RS by Evolutionary Algorithms | |
Madani-Isfahani et al. | An imperialist competitive algorithm for a bi-objective parallel machine scheduling problem with load balancing consideration | |
Ma et al. | Intelligent Warehouse Robot Scheduling System Using a Modified Nondominated Sorting Algorithm | |
Abadi et al. | An artificial-intelligent-based system to automate the design of complex mechanical products | |
Duan et al. | Nondominated Sorting Differential Evolution Algorithm to Solve the Biobjective Multi‐AGV Routing Problem in Hazardous Chemicals Warehouse | |
Weckman et al. | Applying a hybrid artificial immune systems to the job shop scheduling problem | |
Samaddar et al. | An experimental analysis of solution performance in a resource sharing and scheduling problem | |
Ud Din et al. | Validating time efficiency of AOSR 2.0: a novel WMS planner algorithm for SMEs, under Industry 4.0 |
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 |