CN111815040B - 一种用于智能仓库的订单处理和货架指派方法 - Google Patents

Abstract

本发明公开了一种用于智能仓库的订单处理和货架指派方法，采用订单聚合策略和货架指派策略结合的方式，综合考虑每种策略的最优性和两种策略的耦合性，为智能仓库的拣选作业做出了合理且快速的调度方案，打破了单一策略的局限，有效提高了拣选作业的效率，本发明能够在实际的仓储环境条件下，面向订单数量多、包含货物种类广、仓内货架规模大且货架存储货物数量有限的情况，合理地聚合订单和分配货架，保证货架进站次数尽可能少，提高拣选效率。

Description

一种用于智能仓库的订单处理和货架指派方法

技术领域

本发明属于智能仓库技术领域，具体涉及一种用于智能仓库的订单处理和货架指派方法。

背景技术

随着中国物流业的蓬勃发展，用户订单数量飞速增长，订单类型呈多样化。这导致了仓储物流领域中自建仓库的体积也越来越大，仓库内存储的货物种类和数量规模日益增长。在此复杂多变的场景下，传统通过人工对订单中货物进行拣选的模式已经不再适用，智能仓库分拣日趋流行。目前一种常见的货物智能拣选方式是，在仓库拣选区内设置多个订单拣选站，通过仓储搬运机器人将载有货物的货架搬运至指定的拣选站，再由站内拣选人员根据已经被发送到拣选站的订单需求进行货物拣选，作业完成后仓储机器人再将货架搬运离开拣选台。这种拣选方式涉及两种调度策略，订单聚合策略和货架指派策略，其中订单聚合策略是指在订单池中通过结合货架存储货物分布信息对订单进行分批组合并发送到拣选站的策略，货架指派策略是指在货架区内根据拣选站的订单需求信息选择部分货架到拣选站提供货物的策略。在拣选作业任务中，两种策略相互耦合。

相关已有技术中，一些方法将上述两种策略分开独立考虑，如订单只依据到达时间的顺序进行聚合，货架采用就近原则进行指派，由于策略的耦合性，实际中会导致较低的拣选效率和极大的时间成本。另外的方法虽有将两种策略联合考虑，但需要增加额外的约束，如限制货架的移动区域，或者假设货架存储无限多的货物等，导致难以应用于实际生产中。

发明内容

有鉴于此，本发明提供了一种用于智能仓库的订单处理和货架指派方法，能够在实际的仓储环境条件下，面向订单数量多、包含货物种类广、仓内货架规模大且货架存储货物数量有限的情况，合理地聚合订单和分配货架，保证货架进站次数尽可能少，提高拣选效率。

实现本发明的技术方案如下：

一种用于智能仓库的订单处理和货架指派方法，包括以下步骤：

步骤一、将全部订单所需求的货物种类集合与全部货架所存储的货物种类集合执行并集操作，得到货物种类全集S；对订单池内具有的全部待拣选的N个订单的需求货物信息进行编码，建立订单编码矩阵，对货架区内具有的M个储物货架的存储货物信息进行编码，建立货架编码矩阵；

步骤二、定义货物全集中货物的编号为s₁,s₂，...s_S，则货物关系矩阵为GC_S×S；所述货物关系矩阵中每个元素的取值GC_sl,sc为所有货架中同时存储第sl种货物和第sc种货物的货架总个数(sl,sc∈1,2,...S)；

步骤三、定义订单编号为o₁,o₂，…o_N，则订单间的货物得分矩阵为OG_N×N；所述货物得分矩阵中每个元素的取值OG_ol,oc为第ol个订单和第oc个订单间的货物得分，具体为第ol个订单的内货物得分、第oc个订单的内货物得分以及两订单ol和oc间的外货物得分的三者之和(ol,oc∈1,2,...N)；

所述内货物得分的计算方法为：给定任意一个订单，初始时内货物得分为0，然后将该订单所需求的货物种类进行两两无重复匹配后，得到内货物匹配对，在步骤二所述的货物关系矩阵中查找这些配对所对应的值并求和，和值即为该订单的内货物得分；

所述外货物得分的计算方法为：给定任意两个订单，初始时订单间的外货物得分为0，然后将两个订单所需求的货物种类分别进行订单间两两交叉无重复匹配后，得到外货物匹配对，在步骤二所述的货物关系矩阵中查找这些货物配对所对应的值并求和，和值即为订单间的外货物得分。

步骤四、基于所述步骤三中订单间的货物得分矩阵，对所述订单池内全部订单采用谱聚类算法分批聚合处理，形成K个拣选站订单组，其中K为拣选站数量；

步骤五、对步骤四得到的每个拣选站内的全部订单，基于步骤一中所述的各订单货物输入信息，将各拣选站内订单中相同的货物进行种类合并数量相加，不同货物种类数量保持不变，生成了各拣选站订单货物总需求；

步骤六、基于步骤五的各拣选站订单货物总需求，指派货架区内货架与拣选站绑定，形成货架指派矩阵并计算货架进站总次数；

步骤七、执行订单交换操作，计算并存储交换后得到的最小货架进站总次数Rwc_op、拣选站订单组和货架指派矩阵RW；

步骤八、设置最大迭代次数Iter_max，重复执行步骤四-七，每执行一轮，Iter_max＝Iter_max-1，直至Iter_max等于0停止，选择Rwc_op最小的一轮，输出该轮中各拣选站订单组和RW指派矩阵，形成包含订单编号、拣选站编号和货架编号的调度方案。

进一步地，步骤一中，建立订单编码矩阵，矩阵行表示订单编号，矩阵列表示货物编号，每一个矩阵元素的取值为该元素行坐标所对应的订单需求列坐标所对应的货物种类的数量；同样，建立货架编码矩阵，矩阵行表示货架编号，矩阵列表示货物，每一个矩阵元素的取值为该元素行坐标所对应的货架存储列坐标所对应的货物种类的数量。

进一步地，步骤四具体为：

S401、初始化全零矩阵OD_N×N，记为度矩阵；将所述订单间的货物得分矩阵OG_N×N通过高斯核函数转换为相似矩阵OA_N×N，对OA每一列求和并将和值按列标号依次排列置于度矩阵OD的主对角线上；

S402、构造拉普拉斯矩阵Lap并标准化Lap＝I-OD^-1/2×OA×OD^-1/2，求出Lap矩阵最小L_k个特征值和对应的特征向量V，对特征向量V采用Kmeans算法进行聚类，类别数等于拣选站数量K；

S403、基于聚类结果将全部订单分类，得到类别t₁,t₂，…t_K，定义拣选站编号w₁,w₂，…w_K，随机将所得各订单类别与拣选站进行绑定，并对各订单类别内订单数量执行增删操作，使其与绑定拣选站存放订单容量相等；

将订单类别内包含的订单数量与各拣选站存放订单容量相比，若订单类别内包含的订单数量多于绑定拣选站存放订单容量，执行贪婪删除操作；若订单类别内包含的订单数量少于绑定拣选站存放订单容量，执行贪婪补充操作；若得到订单类别内包含的订单数量等于绑定拣选站存放订单容量，不执行操作。

进一步地，步骤S403中，各订单类别内订单数量增删操作中，贪婪删除和贪婪补充操作的具体步骤如下：

a.假设需要执行贪婪删除的类别为t_d1,t_d2,…t_dP，这些类别分别于与拣选站w_d1,w_d2,...w_dP绑定，t_dp(p＝1,2,...,P)内具有的订单数量为

拣选站w_dp的存放订单容量为

则计算t_dp类别内待删除的订单数量

假设需要执行贪婪补充的类别为t_a1,t_a2,...t_aQ，这些类别分别于与拣选站w_a1,w_a2,...w_aQ绑定，t_aq(q＝1,2,...,Q)内具有的订单数量为

拣选站w_aq的存放订单容量为

则计算t_aq类别内待补充的订单数量

b.执行贪婪删除操作，初始时p＝1，基于步骤三中所述订单间货物得分矩阵OG，计算待删除订单类别t_dp内每个订单与其它订单间的货物得分，并对所有货物得分求和；

c.将t_dp内各订单的货物得分总和按照升序排列，从头向尾依次取出数量为

的订单进行移除，移除候剩余的订单即为所述拣选站订单组；移除的订单存放于订单缓存区；若此时p＝P，则进入步骤d，否则执行p＝p+1，重复步骤b～c；

d.执行贪婪补充操作，初始时q＝1；基于步骤三中所述订单间货物得分矩阵OG，计算订单缓存区中每个订单与待补充订单类别t_aq内所有订单的货物得分并求和，取出得分最高的订单补充至订单类别t_aq中，然后将该订单从订单缓存区中移除；

e.若此时已经补充至订单类别t_aq中的订单数量达到

则执行q＝q+1，并进入步骤f，否则重复步骤d；

f.若此时已经满足q>Q，则结束，否则重复步骤d～e。

进一步地，所述步骤六具体为：

S601、定义货架编号为r₁,r₂，...r_M，建立货架指派矩阵RW_M×K，若货架rl被指派到拣选站wk提供货物，所述货架指派矩阵中元素RW_rl,wk取值为1，否则取值为0，其中rl∈1,2,...M,wk∈1,2,...K；初始化时RW为全零矩阵；

S602、建立分配方案矩阵AR_MK×2，其中分配方案矩阵AR共有M×K行，2列；在所述分配方案矩阵中每一行都存储一个(货架编号，拣选站编号)指派分配组合(rl,wk)，其中rl∈1,2,...M,wk∈1,2,...K；

S603、对所述分配方案矩阵AR进行可行性分析：初始时令count_rw＝1，若AR中第count_rw行所表示的分配组合(rl,wk)满足RW_rl,wk＝1，则从AR中删除该行所对应的分配组合，执行count_rw＝count_rw+1，重复上述操作，否则进入S604；

S604、基于步骤一中所述各货架货物输入信息和步骤四中所述各拣选站订单货物总需求，求取货架rl存储的货物种类集合与拣选站wk需求的货物种类集合的交集，若交集为空，则在AR中删除该行所对应的分配组合，否则将该组合存入可行分配方案矩阵FAR中；执行count_rw＝count_rw+1，若满足count_rw>M×K，则进入步骤S605；重复步骤S603～S604；

S605、记得到的可行分配方案矩阵FAR中共有F组可行分配方案。对FAR中的每一组可行分配组合，首先计算该组合的货物满足得分G_score,所述G_score是指可行分配组合中的货架能够为可行分配组合中的拣选站货物需求提供的货物总数量，然后根据各组货物满足得分选出当前最佳分配方案，并更新货架存储货物和各拣选站订单货物总需求信息；

S606、计算当前各拣选站订单货物总需求中所有货物的数量和，判断是否为0，若为0则计算所述货架指派矩阵RW中全部元素之和，记为货架进站总次数Rwc，否则继续重复步骤S602-S605。

进一步地，所述S605中所述的可行分配组合的货物满足得分计算、最佳分配方案选择以及货物信息更新操作的具体步骤如下：

a.初始时令count_f＝1，对可行分配方案矩阵FAR中第count_f行所表示的可行分配组合(rlf,wkf)，初始化货物满足得分G_score＝0，对所述S604中货架rlf存储的货物种类集合与拣选站wkf需求的货物种类集合的交集中的每一种货物s，记s在货架rlf和拣选站wkf中的数量分别为rlf_s和wkf_s，均执行G_score＝G_score+min(rlf_s,wkf_s)；

b.执行count_f＝count_f+1，若满足count_f>F，则进入步骤c，否则重复执行步骤a；

c.将各可行分配组合货物满足得分按照降序排列；选出当前得分最高的(rlf,wkf)分配组合作为当前最佳分配方案(rlf_best,wkf_best)，并在所述货架指派矩阵RW中将对应的元素值置为1，即

d.基于当前选出的最佳分配方案(rlf_best,wkf_best)，对所述S604货架rlf_best存储的货物种类集合与拣选站wkf_best需求的货物种类集合的交集中的每一种货物s，若货物数量

则货架rlf_best存储的s货物数量减去拣选站wkf_best需求的s货物数量，同时将拣选站wkf_best中需求的s货物数量置零；若货物数量

则将货架rlf_best存储的s货物数量置零，同时拣选站wkf_best需求的s货物数量减去货架rlf_best存储的s货物数量。

进一步地，所述S605最佳分配方案选择操作步骤c中，若降序排列后，货物满足得分最高的分配组合数超过一个，则进一步比较这些可行分配组合中，货架rlf存储的货物种类集合与拣选站wkf需求的货物种类集合的交集中的元素个数，货物种类交集个数最多者被选出作为最佳分配方案，若此时被选中的可行分配组合数量仍超过一个，则在其中随机选择一个可行分配组合作为当前最佳分配方案。

进一步地，所述步骤七的具体步骤如下：

a、设置最大交换次数Swap_max，初始化计数器iter_swap＝1；

b、对于全部拣选站w₁,w₂，…w_K，首先分别在每个拣选站中随机选出1个订单，然后初始化k＝1，循环执行以下操作w_k→w_k+1直到k＝K-1时停止，再执行操作w_K→w₁；其中所述的w_k→w_k+1操作是指将拣选站w_k中随机选出的1个订单放入拣选站w_k+1中，然后将这1个订单从拣选站w_k中删除；

c、采用步骤五中的方法，计算交换后各拣选站的订单货物总需求，并采用步骤六中的方法计算货架进站总次数Rwc_swap；判断Rwc_swap<Rwc_op是否成立，若成立则将Rwc_swap的值赋给Rwc_op，并存储交换后的各拣选站订单组和RW指派矩阵，然后重复步骤b；否则执行iter_swap＝iter_swap+1，并进入步骤d；

d、判断iter_swap>Swap_max是否成立，若成立则进入步骤八，否则重复步骤b～c。

有益效果：

第一、本发明从实际出发，采用订单聚合策略和货架指派策略结合的方式，综合考虑每种策略的最优性和两种策略的耦合性，为智能仓库的拣选作业做出了合理且快速的调度方案，打破了单一策略的局限，有效提高了拣选作业的效率。

第二、本发明订单聚合策略中，采用订单间货物得分矩阵和谱聚类算法相结合的方式，既考虑了货架存储货物的信息，又能提高聚类效果，降低聚类算法产生的计算量，特别地，即使在订单编码矩阵非常稀疏时，仍有很好的聚类效果。

第三、本发明订单聚合策略中，采用订单循环交换策略对聚类结果进一步优化，有效地提高了解的质量。

第四、本发明中的货架指派策略整体考虑站内订单需求与全部货架的组合情况，能在在多拣选站中选择最佳指派组合，减少货架进站次数；本发明采用订单循环交换策略对聚类结果进一步优化。

第五、本发明提供的订单处理和货架调度方法，不仅适用于仓储行业内各类仓库的拣选作业，还适用于可抽象为集合覆盖问题的各类复杂场景，如移动云计算资源分配、作战火力分配等，在军事和民用领域有着广泛的应用。

附图说明

图1为订单处理和货架调度完整算法流程图。

图2为订单信息示意图。

图3为货架信息示意图。

图4为拣选站信息示意图。

图5为订单进行分批聚合处理算法流程图。

图6为订单类别归类算法流程图。

图7为删除操作算法流程图。

图8为补充操作算法流程图。

图9为货架指派策略算法流程图。

图10为订单交换策略算法流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供了一种用于智能仓库的订单处理和货架指派方法，如图1所示，本发明包括以下步骤：

步骤1：输入智能仓储各类对象的数据信息，具体包括：订单信息、货架信息和拣选站信息；如图2所示，所述订单信息是指订单池内具有的待拣选的订单数量N和每个订单的需求货物信息,定义订单池内全部订单编号为o₁,o₂，…o_N，第i个订单需求n_i种货物，定义为

所需每种货物的数量为

如图3所示，所述货架信息是指货架区内具有的储物货架数量M和每个货架上的存储货物信息,定义货架区内全部货架编号为r₁,r₂，…r_M，第j个货架具有m_j种货物，定义为

所储每种货物的数量为

如图4所示，所述拣选站信息是指在智能仓库拣选区内设置拣选站的数量K和拣选站的存放订单容量；所述的拣选站存放订单容量是指拣选作业时，每个拣选站能够存放的最大订单数量，定义全部拣选站编号为w₁,w₂，…w_K，第k个货架存放订单容量为

步骤2：建立货物信息编码，具体为：

将全部订单所需求的货物种类集合与全部货架所存储的货物种类集合执行并集操作，得到货物种类全集G。

为方便表示，记全部货物编号为s₁,s₂，...s_S。建立订单编码矩阵O，其中行表示订单编号，列表示货物编号，每一个矩阵元素O(i,n_i)的取值为

表示该元素行坐标所对应的订单o_i需求列坐标所对应的货物种类

的数量；同样，建立货架编码矩阵R，其中行表示货架编号，列表示货物编号，每一个矩阵元素R(j,m_j)的取值为

表示该元素行坐标所对应的货架r_j存储列坐标所对应的货物种类

的数量。

步骤3：计算货物关系矩阵，具体为：

定义货物关系矩阵为GC_S×S，初始化时矩阵中每个元素都为零。对于矩阵中的每个元素GC(s_f,s_l)，计算方法如下，

其中rs_j,j＝1,2,...M表示第j个货架包含的全部货物种类集合

步骤4：计算订单间的货物得分矩阵OG_N×N，具体方法为：

初始化时矩阵中每个元素都为零。基于所述步骤1中的输入订单信息，对每个元素OG(i₁,i₂),首先计算订单

的内货物得分

将

所需求的货物种类进行两两无重复匹配，得到内货物匹配对

则订单

的内货物得分

为

同理计算出订单

的内货物得分

然后计算两订单

和

间的外货物得分

将两个订单所需求的货物种类进行订单间两两交叉无重复匹配后，得到外货物匹配对

则

最终，计算订单

和订单

间的货物得分，

步骤5：基于订单间货物得分矩阵OG_N×N，对步骤1中所述订单池内全部订单采用谱聚类算法分批聚合，形成数量等于拣选站数量K的拣选站订单组，如图5所示，具体为：

S501、初始化全零矩阵OD_N×N，记为度矩阵。将所述订单间的货物得分矩阵OG_N×N通过高斯核函数转换为相似矩阵OA_N×N，对OA每一列求和并将和值按列标号依次排列置于度矩阵OD的主对角线上；

S502、构造拉普拉斯矩阵Lap并标准化Lap＝I-OD^-1/2×OA×OD^-1/2，求出Lap矩阵最小L_k个特征值和对应的特征向量V，对特征向量V采用Kmeans算法进行聚类，类别数等于拣选站数量K。

S503、基于聚类结果将全部订单分类，得到类别t₁,t₂，…t_K，定义拣选站编号w₁,w₂，…w_K，随机将所得各订单类别与拣选站进行绑定，并对各订单类别内订单数量执行增删操作，使其与绑定拣选站存放订单容量相等。对于每个订单类别t_k，假设该类别与拣选站w_k绑定，t_k内具有的订单数量为C_t，拣选站w_k的存放订单容量为

S504、如图6所示，比较每一个

与对应的

若两者相等，则不执行数量操作，t_k类别内订单即为分配给拣选站w_k的订单组

若

则存入待删除类别组T_more中；若

则存入待补充类别组T_little中；然后继续判断下一类别，直至遍历全部类别。

S505、如图7所示，对于待删除类别组T_more中的类别，定义各类别编号为为t_d1,t_d2,...t_dP，这些类别分别于与拣选站w_d1,w_d2,...w_dP绑定，t_dp(p＝1,2,...,P)内具有的订单数量为

拣选站w_dp的存放订单容量为

则计算t_dp类别内待删除的订单数量

S506、执行贪婪删除操作，初始时p＝1，基于步骤3中所述订单间货物得分矩阵OG，计算待删除订单类别t_dp内每个订单

与其它订单间的货物得分，并对所有货物得分求和，即

S507、将t_dp内各订单的货物得分总和按照升序排列，从头向尾依次取出数量为

的订单进行移除，移除候剩余的订单即为所述拣选站订单组；移除的订单存放于订单缓存区；若此时p＝P，则进入步骤S508，否则执行p＝p+1，重复步骤S506～S507；

S508、如图8所示，对于待补充类别组T_little中的类别,定义各类别编号为t_a1,t_a2,...t_aQ，这些类别分别于与拣选站w_a1,w_a2,...w_aQ绑定，t_aq(q＝1,2,...,Q)内具有的订单数量为

拣选站w_aq的存放订单容量为

则计算t_aq类别内待补充的订单数量

定义一维已补充数量向量hc_Add＝[hc_aq]_1×Q，其中hc_aq表示t_aq类别内已经补充的订单数量，初始化时hc_Add为全零向量。

S509、执行贪婪补充操作，初始时类别编号q＝1。基于步骤3中所述订单间货物得分矩阵OG，计算订单缓存区中每个订单o_h(h＝1,2,...,H)与待补充订单类别t_aq内各订单

的货物得分并求和：

S510、取出得分最高的订单补充至订单类别t_aq中，执行hc_aq＝hc_aq+1，然后将该订单从订单缓存区中移除。判断

是否成立，若成立则执行q＝q+1，并进入步骤S511，否则重复步骤S509；

S511、若此时已经满足q>Q，则进入步骤6，否则重复步骤S509～S510。

步骤6：计算各拣选站订单货物总需求：对每个拣选站w_k的全部站内订单

基于步骤1中所述的各订单货物输入信息，将订单具有的相同货物种类合并数量相加，不同货物种类数量保持不变，生成拣选站订单货物总需求

记

中包含需求货物编号

对应的货物数量为

步骤7：基于各拣选站订单货物总需求，指派货架区内货架与拣选站绑定，形成货架指派矩阵，如图9所示，具体包括以下步骤：

S701、建立货架指派矩阵RW_M×K，建立货架指派矩阵RW_M×K，若货架rl被指派到拣选站wk提供货物，所述货架指派矩阵中元素RW_rl,wk取值为1，否则取值为0，其中rl∈1,2,…M,wk∈1,2,…K；初始化时RW为全零矩阵；

S702、建立分配方案矩阵AR_MK×2，其中分配方案矩阵AR共有M×K行，2列；在所述分配方案矩阵中每一行都存储一个(货架编号，拣选站编号)指派分配组合(rl,wk)，其中rl∈1,2,…M,wk∈1,2,…K；

S703、对所述分配方案矩阵AR进行可行性分析：初始时令count_rw＝1，若AR中第count_rw行所表示的分配组合(rl,wk)满足RW_rl,wk＝1，则从AR中删除该行所对应的分配组合，执行count_rw＝count_rw+1，重复上述操作，否则进入S704。

S704、基于步骤1中所述各货架货物输入信息和步骤6中所述各拣选站订单货物总需求，求取货架rl存储的货物种类集合与拣选站wk需求的货物种类集合的交集，

若

则在AR中删除该行所对应的分配组合，否则将该组合存入可行分配方案矩阵FAR中；执行count_rw＝count_rw+1，若满足count_rw>M×K，则进入步骤S705；重复步骤S703～S704；

S705、记得到的可行分配方案矩阵FAR中共有F组可行分配方案。初始时令count_f＝1，对可行分配方案矩阵FAR中第count_f行所表示的可行分配组合(rlf,wkf)，初始化货物满足得分G_score＝0，对所述S704中货架rlf存储的货物种类集合与拣选站wkf需求的货物种类集合的交集中的每一种货物s，记s在货架rlf和拣选站wkf中的数量分别为rlf_s和wkf_s，均执行G_score＝G_score+min(rlf_s,wkf_s)；

S706、执行count_f＝count_f+1，若满足count_f>F，则进入步骤S707，否则重复执行步骤S705；

S707、将各可行分配组合货物满足得分按照降序排列；选出当前得分最高的(rlf,wkf)分配组合作为当前最佳分配方案(rlf_best,wkf_best)，并在所述货架指派矩阵RW中将对应的元素值置为1，即

S708、基于当前选出的最佳分配方案(rlf_best,wkf_best)，对所述S704货架rlf_best存储的货物种类集合与拣选站wkf_best需求的货物种类集合的交集中的每一种货物s，若货物数量

则货架rlf_best存储的s货物数量减去拣选站wkf_best需求的s货物数量，同时将拣选站wkf_best中需求的s货物数量置零；若货物数量

则将货架rlf_best存储的s货物数量置零，同时拣选站wkf_best需求的s货物数量减去货架rlf_best存储的s货物数量。

S709、计算当前各拣选站订单货物总需求中所有货物的数量和，判断是否为0，若为0，则计算RW矩阵全部元素之和，记为货架进站次数Count_rw，否则重复步骤S702-S708。

步骤8：执行订单交换操作，对拣选站内的订单进行随机交换，并计算交换后订单组对应的最小货架进站总次数，如图10所示，具体步骤如下：

S801、设置最大交换次数Swap_max，初始化计数器iter_swap＝1；

S802、对于全部拣选站w₁,w₂，…w_K，首先分别在每个拣选站中随机选出1个订单，然后初始化k＝1，循环执行以下操作w_k→w_k+1直到k＝K-1时停止，再执行操作w_K→w₁；其中所述的w_k→w_k+1操作是指将拣选站w_k中随机选出的1个订单放入拣选站w_k+1中，然后将这1个订单从拣选站w_k中删除；

S803、采用步骤6中的方法，计算交换后各拣选站订单货物总需求，并采用步骤7中的方法计算货架进站总次数Rwc_swap；判断Rwc_swap<Rwc_op是否成立，若成立则将Rwc_swap的值赋给Rwc_op，并存储交换后的各拣选站订单组和RW指派矩阵，然后重复步骤S802；否则执行iter_swap＝iter_swap+1，并进入步骤S804；

S804、判断iter_swap≤Swap_max是否成立，若成立重复步骤S802～S803，否则记Count_rw为Count_op，存储当前得到的Count_op和对应的各拣选站订单组以及RW指派矩阵，进入步骤9。

步骤9：设置最大迭代次数Iter_max，重复执行步骤4-8，每执行一轮，Iter_max＝Iter_max-1，直至Iter_max等于0停止，选择Rwc_op最小的一轮，输出该轮中各拣选站订单组和RW指派矩阵，形成包含订单编号、拣选站编号和货架编号的调度方案。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种用于智能仓库的订单处理和货架指派方法，其特征在于，包括以下步骤：

步骤一、将全部订单所需求的货物种类集合与全部货架所存储的货物种类集合执行并集操作，得到货物种类全集S；对订单池内具有的全部待拣选的N个订单的需求货物信息进行编码，得到各订单编码后的需求货物信息，建立订单编码矩阵，对货架区内具有的M个储物货架的存储货物信息进行编码，建立货架编码矩阵；

步骤二、定义货物种类全集S中货物的编号为s₁,s₂，...s_S，则货物关系矩阵为GC_S×S；所述货物关系矩阵中每个元素的取值GC_sl,sc为所有货架中同时存储第sl种货物和第sc种货物的货架总个数(sl,sc∈1,2,...S)；

步骤三、定义订单编号为o₁,o₂，…o_N，则订单间的货物得分矩阵为OG_N×N；所述货物得分矩阵中每个元素的取值OG_ol,oc为第ol个订单和第oc个订单间的货物得分，具体为第ol个订单的内货物得分、第oc个订单的内货物得分以及两订单ol和_oc间的外货物得分的三者之和(ol,oc∈1,2,...N)；

所述内货物得分的计算方法为：给定任意一个订单，初始时内货物得分为0，然后将该订单所需求的货物种类进行两两无重复匹配后，得到内货物匹配对，在步骤二所述的货物关系矩阵中查找这些内货物匹配对所对应的值并求和，和值即为该订单的内货物得分；

所述外货物得分的计算方法为：给定任意两个订单，初始时订单间的外货物得分为0，然后将两个订单所需求的货物种类分别进行订单间两两交叉无重复匹配后，得到外货物匹配对，在步骤二所述的货物关系矩阵中查找这些外货物匹配对所对应的值并求和，和值即为订单间的外货物得分；

步骤四、基于所述步骤三中订单间的货物得分矩阵，对所述订单池内全部订单采用谱聚类算法分批聚合处理，形成K个拣选站订单组，其中K为拣选站数量；

步骤五、对步骤四得到的每个拣选站内的全部订单，基于步骤一中所述的各订单编码后的需求货物信息，将各拣选站内订单中相同的货物进行种类合并数量相加，不同货物种类数量保持不变，生成各拣选站订单货物总需求；

步骤六、基于步骤五的各拣选站订单货物总需求，指派货架区内货架与拣选站绑定，形成货架指派矩阵并计算货架进站总次数；

步骤七、执行订单交换操作，计算并存储交换后得到的最小货架进站总次数Rwc_op、拣选站订单组和货架指派矩阵；

步骤八、设置最大迭代次数Iter_max，重复执行步骤四-七，每执行一轮，Iter_max＝Iter_max-1，直至Iter_max等于0停止，选择Rwc_op最小的一轮，输出该轮中各拣选站订单组和货架指派矩阵，形成包含订单编号、拣选站编号和货架编号的调度方案。

2.如权利要求1所述的一种用于智能仓库的订单处理和货架指派方法，其特征在于，步骤一中，建立订单编码矩阵，矩阵行表示订单编号，矩阵列表示货物种类编号，每一个矩阵元素的取值为该元素行坐标所对应的订单需求列坐标所对应的货物种类的数量；同样，建立货架编码矩阵，矩阵行表示货架编号，矩阵列表示货物种类编号，每一个矩阵元素的取值为该元素行坐标所对应的货架存储列坐标所对应的货物种类的数量。

3.如权利要求1所述的一种用于智能仓库的订单处理和货架指派方法，其特征在于，步骤四具体为：

S401、初始化全零矩阵OD_N×N，记为度矩阵；将所述订单间的货物得分矩阵OG_N×N通过高斯核函数转换为相似矩阵OA_N×N，对OA_N×N每一列求和并将和值按列标号依次排列置于度矩阵OD的主对角线上；

S402、构造拉普拉斯矩阵Lap并标准化Lap＝I-OD^-1/2×OA×OD^-1/2，求出Lap矩阵最小L_k个特征值和对应的特征向量V，对特征向量V采用Kmeans算法进行聚类，类别数等于拣选站数量K；

S403、基于聚类结果将全部订单分类，得到类别t₁,t₂，…t_K，定义拣选站编号w₁,w₂，…w_K，随机将所得各订单类别与拣选站进行绑定，并对各订单类别内订单数量执行增删操作，使其与绑定拣选站存放订单容量相等；

将订单类别内包含的订单数量与各拣选站存放订单容量相比，若订单类别内包含的订单数量多于绑定拣选站存放订单容量，执行贪婪删除操作；若订单类别内包含的订单数量少于绑定拣选站存放订单容量，执行贪婪补充操作；若得到订单类别内包含的订单数量等于绑定拣选站存放订单容量，不执行操作。

4.如权利要求3所述的一种用于智能仓库的订单处理和货架指派方法，其特征在于，步骤S403中，各订单类别内订单数量增删操作中，贪婪删除和贪婪补充操作的具体步骤如下：

a.假设需要执行贪婪删除的类别为t_d1,t_d2,...t_dP，这些类别分别与拣选站w_d1,w_d2,...w_dP绑定，t_dp(p＝1,2,...,P)内具有的订单数量为

拣选站w_dp的存放订单容量为

则计算t_dp类别内待删除的订单数量

假设需要执行贪婪补充的类别为t_a1,t_a2,...t_aQ，这些类别分别于与拣选站w_a1,w_a2,...w_aQ绑定，t_aq(q＝1,2,...,Q)内具有的订单数量为

拣选站w_aq的存放订单容量为

则计算t_aq类别内待补充的订单数量

b.执行贪婪删除操作，初始时p＝1，基于步骤三中所述订单间货物得分矩阵OG，计算待删除订单类别t_dp内每个订单与其它订单间的货物得分，并对所有货物得分求和；

c.将t_dp内各订单的货物得分总和按照升序排列，从头向尾依次取出数量为

的订单进行移除，移除后剩余的订单即为所述拣选站订单组；移除的订单存放于订单缓存区；若此时p＝P，则进入步骤d，否则执行p＝p+1，重复步骤b～c；

d.执行贪婪补充操作，初始时q＝1；基于步骤三中所述订单间货物得分矩阵OG，计算订单缓存区中每个订单与待补充订单类别t_aq内所有订单的货物得分并求和，取出得分最高的订单补充至订单类别t_aq中，然后将该订单从订单缓存区中移除；

e.若此时已经补充至订单类别t_aq中的订单数量达到

则执行q＝q+1，并进入步骤f，否则重复步骤d；

f.若此时已经满足q>Q，则结束，否则重复步骤d～e。

5.如权利要求1所述的一种用于智能仓库的订单处理和货架指派方法，其特征在于，所述步骤六具体为：

S601、定义货架编号为r₁,r₂，...r_M，建立货架指派矩阵RW_M×K，若货架rl被指派到拣选站wk提供货物，所述货架指派矩阵中元素RW_rl,wk取值为1，否则取值为0，其中rl∈1,2,...M,wk∈1,2,...K；初始化时RW_M×K为全零矩阵；

S602、建立分配方案矩阵AR_MK×2，其中分配方案矩阵AR_MK×2共有M×K行，2列；在所述分配方案矩阵中每一行都存储一个(货架编号，拣选站编号)指派分配组合(rl,wk)，其中rl∈1,2,...M,wk∈1,2,...K；

S603、对所述分配方案矩阵AR_MK×2进行可行性分析：初始时令count_rw＝1，若AR_MK×2中第count_rw行所表示的分配组合(rl,wk)满足RW_rl,wk＝1，则从AR_MK×2中删除该行所对应的分配组合，执行count_rw＝count_rw+1，重复上述操作，否则进入S604；

S604、基于步骤一中所述各货架货物输入信息和步骤四中所述各拣选站订单货物总需求，求取货架rl存储的货物种类集合与拣选站wk需求的货物种类集合的交集，若交集为空，则在AR_MK×2中删除该行所对应的分配组合，否则将该组合存入可行分配方案矩阵FAR中；执行count_rw＝count_rw+1，若满足count_rw>M×K，则进入步骤S605；重复步骤S603～S604；

S605、记得到的可行分配方案矩阵FAR中共有F组可行分配方案，对FAR中的每一组可行分配组合，首先计算该组合的货物满足得分G_score,所述G_score是指可行分配组合中的货架能够为可行分配组合中的拣选站货物需求提供的货物总数量，然后根据各组货物满足得分选出当前最佳分配方案，并更新货架存储货物和各拣选站订单货物总需求信息；

S606、计算当前各拣选站订单货物总需求中所有货物的数量和，判断是否为0，若为0则计算所述货架指派矩阵RW_M×K中全部元素之和，记为货架进站总次数Rwc，否则继续重复步骤S602-S605。

6.如权利要求5所述的一种用于智能仓库的订单处理和货架指派方法，其特征在于，所述S605中所述的可行分配组合的货物满足得分计算、最佳分配方案选择以及货物信息更新操作的具体步骤如下：

a.初始时令count_f＝1，对可行分配方案矩阵FAR中第count_f行所表示的可行分配组合(rlf,wkf)，初始化货物满足得分G_score＝0，对所述S604中货架rlf存储的货物种类集合与拣选站wkf需求的货物种类集合的交集中的每一种货物s，记s在货架rlf和拣选站wkf中的数量分别为rlf_s和wkf_s，均执行G_score＝G_score+min(rlf_s,wkf_s)；

b.执行count_f＝count_f+1，若满足count_f>F，则进入步骤c，否则重复执行步骤a；

c.将各可行分配组合货物满足得分按照降序排列；选出当前得分最高的(rlf,wkf)分配组合作为当前最佳分配方案(rlf_best,wkf_best)，并在所述货架指派矩阵RW_M×K中将对应的元素值置为1，即

d.基于当前选出的最佳分配方案(rlf_best,wkf_best)，对所述S604货架rlf_best存储的货物种类集合与拣选站wkf_best需求的货物种类集合的交集中的每一种货物s，若货物数量

则货架rlf_best存储的s货物数量减去拣选站wkf_best需求的s货物数量，同时将拣选站wkf_best中需求的s货物数量置零；若货物数量

则将货架rlf_best存储的s货物数量置零，同时拣选站wkf_best需求的s货物数量减去货架rlf_best存储的s货物数量。

7.如权利要求6所述的一种用于智能仓库的订单处理和货架指派方法，其特征在于，所述S605最佳分配方案选择操作步骤c中，若降序排列后，货物满足得分最高的分配组合数超过一个，则进一步比较这些可行分配组合中，货架rlf存储的货物种类集合与拣选站wkf需求的货物种类集合的交集中的元素个数，货物种类交集个数最多者被选出作为最佳分配方案，若此时被选中的可行分配组合数量仍超过一个，则在其中随机选择一个可行分配组合作为当前最佳分配方案。

8.如权利要求1所述的一种用于智能仓库的订单处理和货架指派方法，其特征在于，所述步骤七的具体步骤如下：

a、设置最大交换次数Swap_max，初始化计数器iter_swap＝1；

b、对于全部拣选站w₁,w₂，…w_K，首先分别在每个拣选站中随机选出1个订单，然后初始化k＝1，循环执行以下操作w_k→w_k+1直到k＝K-1时停止，再执行操作w_K→w₁；其中所述的w_k→w_k+1操作是指将拣选站w_k中随机选出的1个订单放入拣选站w_k+1中，然后将这1个订单从拣选站w_k中删除；

c、采用步骤五中的方法，计算交换后各拣选站的订单货物总需求，并采用步骤六中的方法计算货架进站总次数Rwc_swap；判断Rwc_swap<Rwc_op是否成立，若成立则将Rwc_swap的值赋给Rwc_op，并存储交换后的各拣选站订单组和货架指派矩阵RW_M×K，然后重复步骤b；否则执行iter_swap＝iter_swap+1，并进入步骤d；

d、判断iter_swap>Swap_max是否成立，若成立则进入步骤八，否则重复步骤b～c。

Images