CN111667130A - 方案验证方法、装置及设备 - Google Patents

方案验证方法、装置及设备 Download PDF

Info

Publication number
CN111667130A
CN111667130A CN201910166325.XA CN201910166325A CN111667130A CN 111667130 A CN111667130 A CN 111667130A CN 201910166325 A CN201910166325 A CN 201910166325A CN 111667130 A CN111667130 A CN 111667130A
Authority
CN
China
Prior art keywords
model
verification
agent
scheme
result
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.)
Granted
Application number
CN201910166325.XA
Other languages
English (en)
Other versions
CN111667130B (zh
Inventor
孙涛
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.)
Beijing Jingbangda Trade Co Ltd
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201910166325.XA priority Critical patent/CN111667130B/zh
Publication of CN111667130A publication Critical patent/CN111667130A/zh
Application granted granted Critical
Publication of CN111667130B publication Critical patent/CN111667130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种方案验证方法、装置及设备，该方法包括：获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果；根据验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果；所述验证模型包括仓库模型和至少一个智能体模型，所述智能体模型为在仓库中运行的智能体的模型，所述仓库模型为用于描述仓库结构的模型；根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率。避免将不完善的作业方案应用于智能仓库，进而避免对智能仓库造成损失。

Description

方案验证方法、装置及设备
技术领域
本发明实施例涉及计算机领域，尤其涉及一种方案验证方法、装置及设备。
背景技术
随着智能化和信息化技术在物流行业中的快速普及和应用，智能仓库的应用越来越广泛。
智能仓库中通常设置有多个智能体(例如人、任务分配系统、智能小车等)，智能体通常按照预设的作业方案进行作业。在实际应用过程中，为了提高智能体的作业效率，可以对作业方案进行改进，并使得智能体按照改进后的作业方案进行作业。然而，若改进的方案不完善，在将改进的方案应用于智能仓库之后，会对智能仓库造成较大的损失。
发明内容
本发明实施例提供一种方案验证方法、装置及设备，避免将不完善的作业方案应用于智能仓库，进而避免对智能仓库造成损失。
第一方面，本发明实施例提供一种方案验证方法，包括：
获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果；
根据验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果；所述验证模型包括仓库模型和至少一个智能体模型，所述智能体模型为在仓库中运行的智能体的模型，所述仓库模型为用于描述仓库结构的模型；
根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率。
在一种可能的实施方式中，所述智能体模型的数量为至少两个；所述根据所述验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果，包括：
根据智能体模型的标识和智能体功能的对应关系，在至少两个所述智能体模型中确定具有第一功能的智能体模型和具有第二功能的智能体模型；
通过具有第一功能的智能体模型、所述待验证方案和所述验证输入数据，确定作业任务；
通过具有第二功能的智能体模型在所述仓库模型中执行所述作业任务，得到所述验证结果。
在一种可能的实施方式中，所述获取对待验证方案进行验证的验证输入数据，包括：
获取所述仓库模型对应的实际仓库在历史时段内接收到的实际输入数据；
根据所述实际输入数据确定所述验证输入数据。
在一种可能的实施方式中，所述获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果之前，还包括：
生成所述智能体模型和所述仓库模型。
在一种可能的实施方式中，生成所述智能体模型，包括：
获取影响仓库中的作业效率的智能体的类型；
生成每一种类型的智能体对应的智能体模型。
在一种可能的实施方式中，生成所述智能体模型，包括：
创建初始智能体模型；
确定所述初始智能体模型的初始模型参数；
根据所述初始智能体模型、所述实际方案、所述验证输入数据，生成所述智能体模型，所述实际方案为已应用于所述仓库模型对应的实际仓库的方案。
在一种可能的实施方式中，所述根据所述初始智能体模型、所述实际方案、所述验证输入数据，生成所述智能体模型，包括：
执行结果确定操作，所述结果确定操作包括：根据所述初始智能体模型和所述实际方案对所述验证输入数据进行处理得到第一结果；获取所述实际方案和所述验证输入数据对应的实际结果；
执行更新操作，根据所述第一结果和所述实际结果，更新所述初始智能体模型，更新所述初始智能体模型包括调整所述初始模型参数和/或所述初始智能体模型的结构；
重复执行所述结果确定操作和所述更新操作，直至所述第一结果和所述实际结果之间的差值在预设范围内时，将更新后的所述初始智能体模型确定为所述智能体模型。
在一种可能的实施方式中，所述根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率，包括：
获取所述验证结果对应的第一作业效率；
获取所述期望结果对应的第二作业效率；
根据所述第一作业效率和所述第二作业效率，验证所述待验证方案对应的作业效率。
第二方面，本发明实施例提供一种方案验证装置，包括获取模块、处理模块和验证模块，其中，
所述获取模块用于，获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果；
所述处理模块用于，根据验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果；所述验证模型包括仓库模型和至少一个智能体模型，所述智能体模型为在仓库中运行的智能体的模型，所述仓库模型为用于描述仓库结构的模型；
所述验证模块用于，根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率。
在一种可能的实施方式中，所述智能体模型的数量为至少两个；所述处理模块具体用于：
根据智能体模型的标识和智能体功能的对应关系，在至少两个所述智能体模型中确定具有第一功能的智能体模型和具有第二功能的智能体模型；
通过具有第一功能的智能体模型、所述待验证方案和所述验证输入数据，确定作业任务；
通过具有第二功能的智能体模型在所述仓库模型中执行所述作业任务，得到所述验证结果。
在一种可能的实施方式中，所述获取模块具体用于：
获取所述仓库模型对应的实际仓库在历史时段内接收到的实际输入数据；
根据所述实际输入数据确定所述验证输入数据。
在一种可能的实施方式中，所述装置还包括生成模块，其中，
所述生成模块用于，在所述获取模块获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果之前，生成所述智能体模型和所述仓库模型。
在一种可能的实施方式中，所述生成模块具体用于：
获取影响仓库中的作业效率的智能体的类型；
生成每一种类型的智能体对应的智能体模型。
在一种可能的实施方式中，所述生成模块具体用于：
创建初始智能体模型；
确定所述初始智能体模型的初始模型参数；
根据所述初始智能体模型、所述实际方案、所述验证输入数据，生成所述智能体模型，所述实际方案为已应用于所述仓库模型对应的实际仓库的方案。
在一种可能的实施方式中，所述生成模块具体用于：
执行结果确定操作，所述结果确定操作包括：根据所述初始智能体模型和所述实际方案对所述验证输入数据进行处理得到第一结果；获取所述实际方案和所述验证输入数据对应的实际结果；
执行更新操作，根据所述第一结果和所述实际结果，更新所述初始智能体模型，更新所述初始智能体模型包括调整所述初始模型参数和/或所述初始智能体模型的结构；
重复执行所述结果确定操作和所述更新操作，直至所述第一结果和所述实际结果之间的差值在预设范围内时，将更新后的所述初始智能体模型确定为所述智能体模型。
在一种可能的实施方式中，所述验证模块具体用于：
获取所述验证结果对应的第一作业效率；
获取所述期望结果对应的第二作业效率；
根据所述第一作业效率和所述第二作业效率，验证所述待验证方案对应的作业效率。
第三方面，本发明实施例提供一种方案验证装置，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的方案验证方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的方案验证方法。
本发明实施例提供的方案验证方法、装置及设备，获取对待验证方案进行验证的验证输入数据和验证输入数据对应的期望结果，根据验证模型和待验证方案对验证输入数据进行处理，得到验证结果；验证模型包括智能体模型和仓库模型，智能体模型为在仓库中运行的智能体的模型，根据验证结果和期望结果，验证待验证方案对应的作业效率，在确定待验证方案对应的作业效率达标时，再将待验证方案应用于智能仓库系统，这样，可以避免将不完善的作业方案应用于智能仓库，进而避免对智能仓库造成损失。
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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，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为本发明实施例提供的方案验证方法的架构图；
图2为本发明实施例提供的方案验证过程示意图；
图3为本发明实施例提供的方案验证方法的流程示意图；
图4为本发明实施例提供的生成智能体模型方法的流程示意图；
图5为本发明实施例提供的通过多智能体软件创建验证模型的示意图；
图6为本发明实施例提供的拣货员的实现逻辑示意图；
图7为本发明实施例提供的仓库模型的示意图；
图8为本发明实施例提供的一种验证过程示意图；
图9为本发明实施例提供的另一种验证过程示意图；
图10为本发明实施例提供的模式行驶路径示意图；
图11为本发明实施例提供的一种方案验证装置的结构示意图；
图12为本发明实施例提供的另一种方案验证装置的结构示意图；
图13为本发明实施例提供的方案验证装置的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
图1为本发明实施例提供的方案验证方法的架构图。请参见图1，可以在仿真平台中创建验证模型，验证模型可以包括智能体模型和仓库模型。还可以将待验证方案输入至仿真平台。当需要对待验证方案进行验证时，可以向仿真平台输入验证输入数据，通过验证模型和待验证方案对验证输入数据进行处理，以得到待验证方案对应的验证结果，并根据验证结果和期望结果，验证待验证方案对应的作业效率。期望结果为期望的该待验证方案对应的运行结果。
图2为本发明实施例提供的方案验证过程示意图。请参见图2，本申请涉及智能体模型创建模块、仓库模型创建模块、验证输入数据生成模块、多智能体运行环境、仿真过程记录模块、仿真结果分析模块和仿真结果展示模块。其中，智能体模型创建模块可以创建智能体模型；仓库模块创建模块可以创建仓库模型；验证输入数据生成模块可以生成验证输入数据，验证输入数据为根据智能体模型和仓库模型进行仿真过程所依据的数据；多智能体运行环境可以为多智能软件，例如，swarm for java、jade等，本发明实施例对多智能运行环境不作具体限定；仿真过程记录模块用于记录仿真过程所产生的数据，例如，可以将数据记录到文件、关系型数据库、NoSql数据库等；仿真结果分析模块用于对仿真过程记录模块生成的数据和期望结果进行分析，以确定仿真结果；仿真结果展示模块用于仿真结果进行展示，例如，可以对视频的形式仿真过程进行播放，或者，以图形化的方式展示整个作业过程，或者，以表格、图形的方式展示仿真结果与期望结果的对比。
在本申请中，通过验证模型、验证输入数据和验证输入数据对应的期望结果，可以对待验证方案对应的作业效率进行验证，在确定待验证方案对应的作业效率达标时，再将待验证方案应用于智能仓库，这样，可以避免将不完善的作业方案应用于智能仓库，进而避免对智能仓库造成损失。
下面，通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是，下面几个具体实施例可以相互结合，对于相同或相似的内容，在不同的实施例中不再进行重复说明。
图3为本发明实施例提供的方案验证方法的流程示意图。请参见图3，该方法可以包括：
S301、获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果。
可选的，本发明实施例的执行主体可以为计算机，也可以为设置在计算机中的验证平台(或者仿真平台)。可选的，验证平台可以通过软件实现，也可以通过软件和硬件的结合实现。
可选的，可以通过如下可行的实现方式获取验证输入数据：获取仓库模型对应的实际仓库在历史时段内接收到的实际输入数据；根据实际输入数据确定验证输入数据。
例如，实际输入数据可以包括实际仓库在历史时段内接收到的订单信息。
可选的，还可以对实际输入数据进行格式转换等处理，以得到验证输入数据。例如，对实际输入数据进行格式转换后的数据为验证平台可以识别以及处理的数据。
期望结果是指对待验证方案期望的运行结果。
例如，期望结果可以包括车辆在仓库中期望位置、期望的智能车辆完成货物拾取所需的时长、期望的智能车辆的行驶路径等。
S302、根据验证模型和待验证方案对验证输入数据进行处理，得到验证结果。
其中，验证模型包括仓库模型和至少一个智能体模型，智能体模型为在仓库中运行的智能体的模型，仓库模型为用于描述仓库结构的模型。
可选的，智能体可以为具有独立思想、且可以与环境中的实体进行交互的实体。智能体可以驻留在某一环境下，能持续自主地发挥作用，具备驻留性、反应性、社会性、主动性等特征。
例如，智能体可以包括：在仓库中工作的工作人员、智能仓库中的任务生成系统、任务分配系统、智能车辆等。
可选的，验证模型中可以包括多种类型的智能体模型。
例如，验证模型中可以包括工作人员对应的智能体模型、任务生成系统对应的智能体模型、智能车辆对应的智能体模型等。
可选的，可以获取影响仓库中的作业效率的智能体的类型，并生成每一种类型的智能体对应的智能体模型。
可选的，不同类型的智能体对应的智能体模型的结构可能不同。
可选的，智能体模型的结构可以表示智能体模型的功能，或者，智能体模型的结构可以表示智能体模型在执行任务时执行的步骤。
例如，假设智能体为智能车辆(或者智能叉车)，则该智能体的结构可以包括：领取空箱、按照规划路线行驶至取货架前、调整方向以正对货架、调整高度和拾取。或者，该智能体的结构可以包括：领取空箱、按照规划路径边调整高度边行驶至去货架前、调整方向以正对货架和拾取。
例如，假设智能体为工作人员，则该智能体的结构可以包括：领取空箱、行走至货架前和拾取。
可选的，在创建仓库模型时，可以根据实际仓库中储位的分布情况、储位容量等参数创建仓库模型。储位用于摆放货物，例如，储位可以为货架中用于摆放货物的位子。
可选的，智能体模型的数量为至少两个；根据智能体模型的标识和智能体功能的对应关系，在至少两个智能体模型中确定具有第一功能的智能体模型和具有第二功能的智能体模型；通过具有第一功能的智能体模型、待验证方案和验证输入数据，确定作业任务；通过具有第二功能的智能体模型在仓库模型中执行作业任务，得到验证结果。
可选的，具有第一功能的智能体模块可以包括一种或多种类型的智能体模型。具有第二功能的智能体模块可以包括一种或多种类型的智能体模型。例如，具有第二功能的智能体模型可以包括工作人员对应的智能体模型、智能车辆对应的智能体模型等。
S303、根据验证结果和期望结果，验证待验证方案对应的作业效率。
可选的，可以获取验证结果对应的第一作业效率；获取期望结果对应的第二作业效率；根据第一作业效率和第二作业效率，验证待验证方案对应的作业效率。
例如，可以通过验证结果对应的任务完成时长表示第一作业效率，可以通过期望结果对应的任务完成时长表示第二作业效率。
例如，若第一作业效率大于或等于第二作业效率，则确定待验证方案对应的作业效率达标，即，可以将待验证方案应用于仓库中。在确定待验证方案对应的作业效率不达标时，则可以对待验证方案进行调整。
本发明实施例提供的方案验证方法，获取对待验证方案进行验证的验证输入数据和验证输入数据对应的期望结果，根据验证模型和待验证方案对验证输入数据进行处理，得到验证结果；验证模型包括智能体模型和仓库模型，智能体模型为在仓库中运行的智能体的模型，根据验证结果和期望结果，验证待验证方案对应的作业效率，在确定待验证方案对应的作业效率达标时，再将待验证方案应用于智能仓库系统，这样，可以避免将不完善的作业方案应用于智能仓库，进而避免对智能仓库造成损失。
在上述任意一个实施例的基础上，可选的，可以通过如下可行的实现方式生成智能体模型，具体的，请参见图4所示的实施例。
图4为本发明实施例提供的生成智能体模型方法的流程示意图。请参见图4，该方法可以包括：
S401、创建初始智能体模型。
可选的，创建初始智能体模型包括确定初始智能体模型的结构。智能体模型的结构可以参见S301，此处不再进行赘述。
S402、确定初始智能体模型的初始模型参数。
可选的，初始模型参数与初始智能体模型的类型相关。
例如，当初始智能体模型为任务生成系统时，则初始模型参数可以任务生成方式。当初始智能体模型为智能车辆时，则初始模型参数可以包括平均行走速度、拥挤时的行走速度、不同工作强度下的行走速度、拣货速度等。
S403、根据初始智能体模型和实际方案对验证输入数据进行处理，得到第一结果。
其中，实际方案为已应用于仓库模型对应的实际仓库的方案。
S404、获取实际方案和验证输入数据对应的实际结果。
可选的，实际结果为：向实际仓库输入验证输入数据对应的实际输入数据时的结果。
例如，可以实际仓库的历史数据中获取实际结果。
S405、判断第一结果和实际结果之间的差值是否在预设范围内。
若是，则执行S406。
若否，则执行S407。
可选的，若第一结果和实际结果中分别包括多个参数，则可以分别获取第一结果和实际结果中对应的参数之间的差值，并分别判断每个差值是否均在对应的预设范围内，若是，则确定第一结果和实际结果之间的差值是否在预设范围内。其中，一种类型的参数可以对应一个预设范围。
例如，假设第一结果和实际结果中分别包括任务完成时长和行驶路径，则当第一结果中的任务完成时长与实际结果中的任务完成时长之间的差值在任务完成时长对应的预设范围内，且第一结果中的行驶路径和实际结果中的行驶路径相同时，则确定第一结果和实际结果之间的差值在预设范围内。
S406、将最新的初始智能体模型确定为智能体模型。
可选的，若初始智能体模型发生过更新，即，执行过至少一个S407，则将最后一个更新之后的初始智能体模型确定为智能体模型。若初始智能体模型未发生过更新，即，未执行过S407，则将初始智能体模型确定为智能体模型。
S407、更新初始智能体模型。
其中，更新初始智能体模型包括调整初始模型参数和/或初始智能体模型的结构。
可选的，可以优先调整初始智能体模型参数，若对初始智能体模型参数进行预设次数的更新之后，依然无法使得第一结果和实际结果之间的差值在预设范围内，再更新初始智能体模型的结构。
需要说明的是，在S407之后，执行S403。
在图4所示的实施例中，可以使得确定得到的智能体模型更接近实际的智能体。
在上述任意一个实施例的基础上，下面，结合图5，对通过多智能体软件创建验证模型(智能体模型和仓库模型)的过程进行说明。
图5为本发明实施例提供的通过多智能体软件创建验证模型的示意图。请参见图5，模型(Model)中包括创建对象(buildObjects)，创建对象(buildObjects)包括：实例化主体对象和建立相关变量的探测器(Probe)，探测器(Probe)提供了进行交互的方法。模型(Model)中还创建行为(buildAction)，创建行为包括：选择器(Selector)指定主体执行的行为、行为组(ActionGroup)封装模型(Model)的各行为、设置时刻表(Schedule)，将行为组ActionGroup)插入时刻表。模型(Model)中激活模型(Model)和激活时刻表(Schedule)。
观察者(Observer)中包括创建对象(buildObjects)，创建对象(buildObjects)包括：建立模型(Model)对象和建立各数据输出对象。观察者(Observer)中还包括创建行为(buildAction)，创建行为包括：建立模型(Model)的行为(Action)，封装观察者(Observer)各行为和设置时刻表(Schedule)，并将行为组(ActionGroup)插入时刻表。观察者(Observer)中还包括激活观察者(Observer)和激活时刻表(Schedule)。
控制程序中包括主程序，主程序的执行过程包括：建立观察者(Observer)实例，调用观察者(Observer)的创建对象(buildObjects)以建立各主体对象，调用观察者(Observer)的创建行为(buildAction)以执行各行为，激活观察者(Observer)，执行仿真过程，以及释放资源。
在上述过程中，多智能体软件可以提供一个尽可能真实的模拟环境，有“自主思想”(智能体)的主体建立在模型(Model)中。观察者(Observer)可以观察模型对象发生的变化(例如位置变化、速度变化等)，多智能体软件可以通过观察者(Observer)修改运行参数、获取仿真结果。模型(Model)一般建立在观察者(Observer)中，可以与多智能体软件交互，探测器(Probe)提供了进行交互的方法。Schedule提供多种调度器，在特定时间、特定状态下可以触发智能体的特定行为，最终形成按时间序列进行的仿真结果。
在上述任意一个实施例的基础上，下面，通过具体示例，对上述方法实施例所示的技术方案进行详细说明。
例如，假设待验证方案为调整商品储位方案，再假设仓库中的智能体包括拣货任务分配系统和拣货员，其中，拣货员可以为工作人员，也可以为智能车辆等。拣货任务分配系统和拣货员的动作和参数如表1所示：
表1
Figure BDA0001986423940000121
生成拣货员模型(智能体模型)，拣货员模型的实现逻辑可以如图6所示。图6为本发明实施例提供的拣货员的实现逻辑示意图。请参见图6，包括：
S601、领取拣货任务。
可选的，可以由拣货任务分配系统进行拣货任务分配，以使拣货员领取到拣货任务。
S602、确定拣货路径。
可选的，拣货任务中可以包括拣货路径，相应的，可以在拣货任务中获取拣货路径。
可选的，还可以根据拣货任务规划拣货路径。
S603、根据人员密度进行移动。
可选的，人员密度可以为预设范围内拣货员的数量。
例如，人员密度可以为方圆10米内的拣货员数量。
可选的，可以预设人员密度和移动速度的对应关系，相应的，可以根据人员密度和该对应关系确定移动速度，并根据确定得到的移动速度进行移动。
可选的，可以边进行移动变获取人员密度，并根据人员密度调整移动速度。
S604、是否到达货架。
若是，则执行S605。
若否，则执行S604。
S605、拣货。
S606、是否拣货完成。
若是，则执行S607。
若否，则执行S603。
可选的，一个拣货任务对应一件或多件货物，将一个拣货任务对应的一件或多件货物都拣到拣货箱之后，则确定拣货完成。
S607、放回拣货箱。
在S607之后，执行S601。
需要说明的是，一个仓库中的拣货员可能有多个，每个拣货员的效率不同，因此，可以根据实际情况，设置多个拣货员模型，并为每个拣货员模型确定不同的模型参数。例如，不同拣货员模型对应的行走速度不同、取商品的速度不同等。
可以根据实际仓库中的储区、储位、拣货出入口、商品所在储位及库存数量等参数，设置仓库模型，以使仓库模型可以模拟真实的仓库环境。例如，仓库模型可以如图7所示。图7为本发明实施例提供的仓库模型的示意图。请参见图7，仓库模型中包括空箱领取处、拣货箱送回处、多个货架等。
可以将确定得到拣货员模型、仓库模型和待验证方案(调整商品储位方案)输入至仿真平台，在确定得到订单信息(验证输入数据)之后，可以将订单信息输入至仿真平台，以使开始仿真过程。
例如，在接收到订单信息之后，拣货任务分配系统模型生成拣货任务，并将拣货任务下发给拣货员模型，由拣货员模型进行模拟拣货。在拣货任务分配系统模型生成拣货任务时，可以生成拣货任务对应的行走路线，以使拣货员按照行走路线进行行走。
在时刻t1，仿真平台模式的状态可以如图8所示。在时刻图2，仿真平台模式的状态可以如图9所示。图8为本发明实施例提供的一种验证过程示意图。图9为本发明实施例提供的另一种验证过程示意图。
针对任意一个拣货员模型，可以确定该拣货员模型的行驶路径，例如，拣货员模型对应的模拟行驶路径可以如图10所示。图10为本发明实施例提供的模式行驶路径示意图。当然，还可以确定拣货员模型完成一个拣货任务所需的时长、单位时间的拣货量等。
可选的，通过拣货员模型完成一个拣货任务所需的时长、单位时间的拣货量等参数，可以验证调整商品储位方案对应的作业效率。
图11为本发明实施例提供的一种方案验证装置的结构示意图。请参见图11，该方案验证装置10可以包括获取模块11、处理模块12和验证模块13，其中，
所述获取模块11用于，获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果；
所述处理模块12用于，根据验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果；所述验证模型包括仓库模型和至少一个智能体模型，所述智能体模型为在仓库中运行的智能体的模型，所述仓库模型为用于描述仓库结构的模型；
所述验证模块13用于，根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率。
本发明实施例提供的方案验证装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
在一种可能的实施方式中，所述智能体模型的数量为至少两个；所述处理模块12具体用于：
根据智能体模型的标识和智能体功能的对应关系，在至少两个所述智能体模型中确定具有第一功能的智能体模型和具有第二功能的智能体模型；
通过具有第一功能的智能体模型、所述待验证方案和所述验证输入数据，确定作业任务；
通过具有第二功能的智能体模型在所述仓库模型中执行所述作业任务，得到所述验证结果。
在一种可能的实施方式中，所述获取模块11具体用于：
获取所述仓库模型对应的实际仓库在历史时段内接收到的实际输入数据；
根据所述实际输入数据确定所述验证输入数据。
图12为本发明实施例提供的另一种方案验证装置的结构示意图。在图11所示实施例的基础上，请参见图12，方案验证装置10还包括生成模块14，其中，
所述生成模块14用于，在所述获取模块11获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果之前，生成所述智能体模型和所述仓库模型。
在一种可能的实施方式中，所述生成模块14具体用于：
获取影响仓库中的作业效率的智能体的类型；
生成每一种类型的智能体对应的智能体模型。
在一种可能的实施方式中，所述生成模块14具体用于：
创建初始智能体模型；
确定所述初始智能体模型的初始模型参数；
根据所述初始智能体模型、所述实际方案、所述验证输入数据，生成所述智能体模型，所述实际方案为已应用于所述仓库模型对应的实际仓库的方案。
在一种可能的实施方式中，所述生成模块14具体用于：
执行结果确定操作，所述结果确定操作包括：根据所述初始智能体模型和所述实际方案对所述验证输入数据进行处理得到第一结果；获取所述实际方案和所述验证输入数据对应的实际结果；
执行更新操作，根据所述第一结果和所述实际结果，更新所述初始智能体模型，更新所述初始智能体模型包括调整所述初始模型参数和/或所述初始智能体模型的结构；
重复执行所述结果确定操作和所述更新操作，直至所述第一结果和所述实际结果之间的差值在预设范围内时，将更新后的所述初始智能体模型确定为所述智能体模型。
在一种可能的实施方式中，所述验证模块13具体用于：
获取所述验证结果对应的第一作业效率；
获取所述期望结果对应的第二作业效率；
根据所述第一作业效率和所述第二作业效率，验证所述待验证方案对应的作业效率。
本发明实施例提供的方案验证装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
图13为本发明实施例提供的方案验证装置的硬件结构示意图，如图13所示，该方案验证装置20包括：至少一个处理器21和存储器22。其中，处理器21和存储器22通过总线23连接。
可选地，该方案验证装置20还包括通信部件。
在具体实现过程中，至少一个处理器21执行所述存储器22存储的计算机执行指令，使得至少一个处理器21执行如上的方案验证方法。
处理器21的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述图13所示的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的方案验证方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、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。本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、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 (18)

1.一种方案验证方法，其特征在于，包括：
获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果；
根据验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果；所述验证模型包括仓库模型和至少一个智能体模型，所述智能体模型为在仓库中运行的智能体的模型，所述仓库模型为用于描述仓库结构的模型；
根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率。
2.根据权利要求1所述的方法，其特征在于，所述智能体模型的数量为至少两个；所述根据所述验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果，包括：
根据智能体模型的标识和智能体功能的对应关系，在至少两个所述智能体模型中确定具有第一功能的智能体模型和具有第二功能的智能体模型；
通过具有第一功能的智能体模型、所述待验证方案和所述验证输入数据，确定作业任务；
通过具有第二功能的智能体模型在所述仓库模型中执行所述作业任务，得到所述验证结果。
3.根据权利要求1或2所述的方法，其特征在于，所述获取对待验证方案进行验证的验证输入数据，包括：
获取所述仓库模型对应的实际仓库在历史时段内接收到的实际输入数据；
根据所述实际输入数据确定所述验证输入数据。
4.根据权利要求1或2所述的方法，其特征在于，所述获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果之前，还包括：
生成所述智能体模型和所述仓库模型。
5.根据权利要求4所述的方法，其特征在于，生成所述智能体模型，包括：
获取影响仓库中的作业效率的智能体的类型；
生成每一种类型的智能体对应的智能体模型。
6.根据权利要求4所述的方法，其特征在于，生成所述智能体模型，包括：
创建初始智能体模型；
确定所述初始智能体模型的初始模型参数；
根据所述初始智能体模型、实际方案、所述验证输入数据，生成所述智能体模型，所述实际方案为已应用于所述仓库模型对应的实际仓库的方案。
7.根据权利要求6所述的方法，其特征在于，所述根据所述初始智能体模型、所述实际方案、所述验证输入数据，生成所述智能体模型，包括：
执行结果确定操作，所述结果确定操作包括：根据所述初始智能体模型和所述实际方案对所述验证输入数据进行处理得到第一结果；获取所述实际方案和所述验证输入数据对应的实际结果；
执行更新操作，根据所述第一结果和所述实际结果，更新所述初始智能体模型，更新所述初始智能体模型包括调整所述初始模型参数和/或所述初始智能体模型的结构；
重复执行所述结果确定操作和所述更新操作，直至所述第一结果和所述实际结果之间的差值在预设范围内时，将更新后的所述初始智能体模型确定为所述智能体模型。
8.根据权利要求1或2所述的方法，其特征在于，所述根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率，包括：
获取所述验证结果对应的第一作业效率；
获取所述期望结果对应的第二作业效率；
根据所述第一作业效率和所述第二作业效率，验证所述待验证方案对应的作业效率。
9.一种方案验证装置，其特征在于，包括获取模块、处理模块和验证模块，其中，
所述获取模块用于，获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果；
所述处理模块用于，根据验证模型和待验证方案对所述验证输入数据进行处理，得到验证结果；所述验证模型包括仓库模型和至少一个智能体模型，所述智能体模型为在仓库中运行的智能体的模型，所述仓库模型为用于描述仓库结构的模型；
所述验证模块用于，根据所述验证结果和所述期望结果，验证所述待验证方案对应的作业效率。
10.根据权利要求9所述的装置，其特征在于，所述智能体模型的数量为至少两个；所述处理模块具体用于：
根据智能体模型的标识和智能体功能的对应关系，在至少两个所述智能体模型中确定具有第一功能的智能体模型和具有第二功能的智能体模型；
通过具有第一功能的智能体模型、所述待验证方案和所述验证输入数据，确定作业任务；
通过具有第二功能的智能体模型在所述仓库模型中执行所述作业任务，得到所述验证结果。
11.根据权利要求9或10所述的装置，其特征在于，所述获取模块具体用于：
获取所述仓库模型对应的实际仓库在历史时段内接收到的实际输入数据；
根据所述实际输入数据确定所述验证输入数据。
12.根据权利要求9或10所述的装置，其特征在于，所述装置还包括生成模块，其中，
所述生成模块用于，在所述获取模块获取对待验证方案进行验证的验证输入数据和所述验证输入数据对应的期望结果之前，生成所述智能体模型和所述仓库模型。
13.根据权利要求12所述的装置，其特征在于，所述生成模块具体用于：
获取影响仓库中的作业效率的智能体的类型；
生成每一种类型的智能体对应的智能体模型。
14.根据权利要求12所述的装置，其特征在于，所述生成模块具体用于：
创建初始智能体模型；
确定所述初始智能体模型的初始模型参数；
根据所述初始智能体模型、实际方案、所述验证输入数据，生成所述智能体模型，所述实际方案为已应用于所述仓库模型对应的实际仓库的方案。
15.根据权利要求14所述的装置，其特征在于，所述生成模块具体用于：
执行结果确定操作，所述结果确定操作包括：根据所述初始智能体模型和所述实际方案对所述验证输入数据进行处理得到第一结果；获取所述实际方案和所述验证输入数据对应的实际结果；
执行更新操作，根据所述第一结果和所述实际结果，更新所述初始智能体模型，更新所述初始智能体模型包括调整所述初始模型参数和/或所述初始智能体模型的结构；
重复执行所述结果确定操作和所述更新操作，直至所述第一结果和所述实际结果之间的差值在预设范围内时，将更新后的所述初始智能体模型确定为所述智能体模型。
16.根据权利要求9或10所述的装置，其特征在于，所述验证模块具体用于：
获取所述验证结果对应的第一作业效率；
获取所述期望结果对应的第二作业效率；
根据所述第一作业效率和所述第二作业效率，验证所述待验证方案对应的作业效率。
17.一种方案验证装置，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至8任一项所述的方案验证方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至8任一项所述的方案验证方法。
CN201910166325.XA 2019-03-06 2019-03-06 方案验证方法、装置及设备 Active CN111667130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910166325.XA CN111667130B (zh) 2019-03-06 2019-03-06 方案验证方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910166325.XA CN111667130B (zh) 2019-03-06 2019-03-06 方案验证方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111667130A true CN111667130A (zh) 2020-09-15
CN111667130B CN111667130B (zh) 2024-07-16

Family

ID=72381629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910166325.XA Active CN111667130B (zh) 2019-03-06 2019-03-06 方案验证方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111667130B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944201A (zh) * 2010-07-27 2011-01-12 昆明理工大学 一种基于多智能体的炼钢车间天车调度仿真方法
US20130066610A1 (en) * 2011-09-13 2013-03-14 United Parcel Service Of America, Inc. Network planning tool
CN105205545A (zh) * 2015-02-13 2015-12-30 红塔烟草(集团)有限责任公司 一种运用仿真实验优化物流系统的方法
WO2016132534A1 (ja) * 2015-02-20 2016-08-25 株式会社日立物流 倉庫管理システム、倉庫および倉庫管理方法
CN105976030A (zh) * 2016-03-15 2016-09-28 武汉宝钢华中贸易有限公司 基于多智能体月台调度智能排序模型的构造
CN107944076A (zh) * 2017-10-19 2018-04-20 华为技术有限公司 一种设备部署方案获取方法及装置
CN108629436A (zh) * 2017-03-15 2018-10-09 阿里巴巴集团控股有限公司 一种估算仓库拣货能力的方法和电子设备
CN108897926A (zh) * 2018-06-11 2018-11-27 青岛慧拓智能机器有限公司 一种人工车联网系统及其建立方法
CN109409800A (zh) * 2018-10-15 2019-03-01 宁波吉利汽车研究开发有限公司 物流策略验证方法、装置和电子设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944201A (zh) * 2010-07-27 2011-01-12 昆明理工大学 一种基于多智能体的炼钢车间天车调度仿真方法
US20130066610A1 (en) * 2011-09-13 2013-03-14 United Parcel Service Of America, Inc. Network planning tool
CN105205545A (zh) * 2015-02-13 2015-12-30 红塔烟草(集团)有限责任公司 一种运用仿真实验优化物流系统的方法
WO2016132534A1 (ja) * 2015-02-20 2016-08-25 株式会社日立物流 倉庫管理システム、倉庫および倉庫管理方法
CN105976030A (zh) * 2016-03-15 2016-09-28 武汉宝钢华中贸易有限公司 基于多智能体月台调度智能排序模型的构造
CN108629436A (zh) * 2017-03-15 2018-10-09 阿里巴巴集团控股有限公司 一种估算仓库拣货能力的方法和电子设备
CN107944076A (zh) * 2017-10-19 2018-04-20 华为技术有限公司 一种设备部署方案获取方法及装置
CN108897926A (zh) * 2018-06-11 2018-11-27 青岛慧拓智能机器有限公司 一种人工车联网系统及其建立方法
CN109409800A (zh) * 2018-10-15 2019-03-01 宁波吉利汽车研究开发有限公司 物流策略验证方法、装置和电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZHI WANG ET.AL.: ""Incremental Reinforcement Learning With Prioritized Sweeping for Dynamic Environments"", 《 IEEE/ASME TRANSACTIONS ON MECHATRONICS》, vol. 24, no. 2, pages 621, XP011719817, DOI: 10.1109/TMECH.2019.2899365 *
安实;崔娜;李静;: "基于多智能体博弈的路径选择策略仿真研究", 交通信息与安全, no. 03, 20 June 2009 (2009-06-20), pages 7 - 11 *
门佳;周泓;: "基于Witness的仓库设计建模及仿真研究", 系统仿真学报, no. 02, pages 204 - 208 *
魏鑫: ""面向多目标优化的改进型多Agent车间调度技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2019, no. 02, pages 140 - 326 *

Also Published As

Publication number Publication date
CN111667130B (zh) 2024-07-16

Similar Documents

Publication Publication Date Title
CN112783018B (zh) 工业环境模拟下的机器人数字孪生控制
CN111221726A (zh) 一种测试数据生成方法、装置、存储介质和智能设备
US20220156433A1 (en) Industrial network communication emulation
CN111185909B (zh) 机器人运行工况获取方法、装置、机器人及存储介质
CN110442737A (zh) 基于图数据库的数字孪生方法及系统
US20230108774A1 (en) AI Augmented Digital Platform And User Interface
CN111045932B (zh) 业务系统仿真处理方法、装置、电子设备及存储介质
CN109614040A (zh) 具有多存储池的存储方法、存储介质、电子设备及系统
CN111813686B (zh) 一种游戏测试方法、装置、测试终端及存储介质
CN108073146A (zh) 使用架构表示的要求的自动化处理控制硬件工程规划
CN114329801A (zh) 统一多个模拟模型
EP4307190A1 (en) Apparatus and method for establishing production plan
CN114357574A (zh) 基于参数化驱动的构件编辑方法、装置、设备及存储介质
CN114219276A (zh) 一种仓储物流的仿真方法、装置、设备及存储介质
CN110751892A (zh) 离散制造的演示系统及演示方法、演示装置、存储介质
CN115220885A (zh) 智能体控制方法、装置、存储介质、电子设备及服务器
CN111667130B (zh) 方案验证方法、装置及设备
CN111144796A (zh) 用于生成理货信息的方法和装置
CN110377769A (zh) 基于图数据结构的建模平台系统、方法、服务器及介质
CN114217540A (zh) 一种非标设备的控制方法、装置、设备及存储介质
CN114418504A (zh) 仓储物流方案的规划方法及系统
CN113190019B (zh) 一种基于虚拟仿真的巡检机器人任务点布置方法及系统
CN108229016A (zh) 基于顺序图模型的电子系统排布方法和装置
US20230169227A1 (en) Transitioning simulation entities between smart entity status and discrete entity status
US20150081375A1 (en) Visual scheduling tool for optimizing capacity utilization

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210223

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 8 / F, 76 Zhichun Road, Haidian District, Beijing 100195

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210223

Address after: 6 / F, 76 Zhichun Road, Haidian District, Beijing 100086

Applicant after: Beijing Jingdong Zhenshi Information Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

GR01 Patent grant
GR01 Patent grant