CN112651680B - 多任务拣选方法和装置、计算机可读存储介质 - Google Patents

多任务拣选方法和装置、计算机可读存储介质 Download PDF

Info

Publication number
CN112651680B
CN112651680B CN201910966413.8A CN201910966413A CN112651680B CN 112651680 B CN112651680 B CN 112651680B CN 201910966413 A CN201910966413 A CN 201910966413A CN 112651680 B CN112651680 B CN 112651680B
Authority
CN
China
Prior art keywords
task
sheets
list
matching
picking
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
CN201910966413.8A
Other languages
English (en)
Other versions
CN112651680A (zh
Inventor
蔡爽
石乐
李朝阳
崔颖
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 Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi 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 Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN201910966413.8A priority Critical patent/CN112651680B/zh
Publication of CN112651680A publication Critical patent/CN112651680A/zh
Application granted granted Critical
Publication of CN112651680B publication Critical patent/CN112651680B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开涉及一种多任务拣选方法和装置、计算机可读存储介质。该方法包括：将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集，其中，每个任务集中包括至少两个任务单；将任务集分配给相应的工作台，并指示工作台同时执行对应任务集中的至少两个任务单。本公开通过将任务单进行组合，使得每个任务集中包括至少两个任务单，拣货人员可以一次拣选多个任务单，从而减少了拣货总时间，有效提升了拣货效率。

Description

多任务拣选方法和装置、计算机可读存储介质
技术领域
本公开涉及物流领域，特别涉及一种多任务拣选方法和装置、计算机可读存储介质。
背景技术
在实际仓库运营中，拣货工作占到了仓库劳动的35％以上，大量文献研究了仓内拣货作业模式与拣货路径问题。由于复核等环节需要，集合单组建中均有订单数限制，也就极大限制了任务单的上限。
发明内容
发明人通过研究发现：相关技术研究的大多为单任务拣选，没有考虑成多个任务单后拣货人员一次拣选多个任务单的情况。
鉴于以上技术问题中的至少一项，本公开提供了一种多任务拣选方法和装置、计算机可读存储介质，将任务单进行组合，使得拣货人员可以一次拣选多个任务单。
根据本公开的一个方面，提供一种多任务拣选方法，包括：
将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集，其中，每个任务集中包括至少两个任务单；
将任务集分配给相应的工作台，并指示工作台同时执行对应任务集中的至少两个任务单。
在本公开的一些实施例中，所述将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集包括：
获取任务单信息；
将任务单信息输入预定多任务匹配模型，确定任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含任务单的数量和编号。
在本公开的一些实施例中，所述将任务单信息输入预定多任务匹配模型，确定任务集输出数据包括：
对每一个任务集组合，确定拣货总时间，其中，任务集组合包括任务集列表、每个任务集所包含任务单的数量和编号；
将拣货总时间最小的任务集组合，作为任务集输出数据。
在本公开的一些实施例中，每个任务集中包括两个任务单；
所述将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集包括：
获取所有任务单的初始匹配结果；
针对初始匹配结果进行优化匹配，得到任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含的两个任务单的编号。
在本公开的一些实施例中，所述获取所有任务单的初始匹配结果包括：
获取任意两个任务单的节约值，得到节约值矩阵；
将节约值最大的两个任务单进行匹配；
删除已匹配的两个任务单，得到新的节约值矩阵；
判断新的节约值矩阵是否为空；
在新的节约值矩阵为空的情况下，将当前所有已经匹配的任务单作为的初始匹配结果；
在新的节约值矩阵不为空的情况下，执行将节约值最大的两个任务单进行匹配的步骤。
在本公开的一些实施例中，所述针对初始匹配结果进行优化匹配包括：
根据初始匹配结果将任务单分为两类；
按照二分图最大权完美匹配算法对分类处理后的初始匹配结果，进行优化匹配。
在本公开的一些实施例中，所述根据初始匹配结果将任务单分为两类包括：
将第一个已匹配的任务单对中两个任务单分别加入第一任务单集合和第二任务单集合；
在将第i任务单对中的第一任务单加入第一任务单集合，第二任务单加入第二任务单集合的情况下，获取第一总节约值，其中，i大于1，i小于等于n，n为初始匹配结果中任务单对的数量；
在将第i任务单对中的第一任务单加入第二任务单集合，第二任务单加入第一任务单集合的情况下，获取第二总节约值；
比较第一总节约值和第二总节约值，按照较大总节约值对应的情况分配任务单对中的第一任务单和第二任务单。
在本公开的一些实施例中，每个任务集中包括至少三个任务单；
所述将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集包括：
获取预定任务集数量和每个任务集的预定任务单数量；
将所有任务单按照最大巷道顺序号进行排序，形成任务单序列；
按照节约值最大的原则，将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集。
在本公开的一些实施例中，所述按照节约值最大的原则，将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集包括：
设定k等于1，其中k为任务集的编号；
新建仅包括任务单序列中剩余任务单中第1个任务单的第k个任务集；
按照节约值最大的原则，确定第k个任务集包含的任务单；
判断k是否小于预定任务集数量；
在k小于预定任务集数量的情况下，令k＝k+1，之后执行新建仅包括任务单序列中剩余任务单中第1个任务单的第k个任务集的步骤；
在k不小于预定任务集数量的情况下，将得到的任务集作为输出结果。
在本公开的一些实施例中，所述按照节约值最大的原则，确定第k个任务集包含的任务单包括：
对于第k个任务集，依次计算添加其他未分配任务单之后的节约值；
判断当前任务单数量是否小于预定任务单数量；
在当前任务单数量小于预定任务单数量的情况下，将节约值最大的未分配任务单分配给第k个任务集，并从任务单序列中删除该任务单；之后执行所述对于第k个任务集，依次计算添加其他未分配任务单之后的节约值的步骤；
在当前任务单数量不小于预定任务单数量的情况下，执行判断k是否小于预定任务集数量的步骤。
根据本公开的另一方面，提供一种多任务拣选装置，包括：
任务集确定模块，用于将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集，其中，每个任务集中包括至少两个任务单；
任务集分配模块，用于将任务集分配给相应的工作台，并指示工作台同时执行对应任务集中的至少两个任务单；
其中，所述多任务拣选装置用于执行实现如上述任一实施例所述的多任务拣选方法的操作。
根据本公开的另一方面，提供一种多任务拣选装置，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述多任务拣选装置执行实现如上述任一实施例所述的多任务拣选方法的操作。
根据本公开的另一方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的多任务拣选方法。
本公开通过将任务单进行组合，使得每个任务集中包括至少两个任务单，拣货人员可以一次拣选多个任务单，从而减少了拣货总时间，有效提升了拣货效率。
附图说明
为了更清楚地说明本公开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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本公开多任务拣选方法一些实施例的示意图。
图2为本公开多任务拣选方法另一些实施例的示意图。
图3为本公开一些实施例中4个任务单的节约值矩阵的示意图。
图4为本公开一些实施例中匹配问题的示意图。
图5为本公开多任务拣选方法又一些实施例的示意图。
图6为本公开多任务拣选装置一些实施例的示意图。
图7为本公开多任务拣选装置另一些实施例的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，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，都属于本公开保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为本公开多任务拣选方法一些实施例的示意图。优选的，本实施例可由本公开多任务拣选装置执行。该方法包括以下步骤：
步骤1，将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集，其中，每个任务集中包括至少两个任务单。
在本公开的一些实施例中，所述一个任务集对应一个拣货任务。
在本公开的一些实施例中，步骤1可以包括：
步骤11，获取任务单信息。
步骤12，将任务单信息输入预定多任务匹配模型，确定任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含任务单的数量和编号。
在本公开的一些实施例中，如表1所示，所述预定多任务匹配模型的输入数据(即，任务单信息)可以包括：任务集的任务单数a，需要的任务集数b、每个任务单的储位列表c，每个任务单的巷道列表Ais，每个任务单的储位列表对应的商品数列表cq，商品数列表cq，扫描时间、下架时间等时间信息，起点、巷道之间的距离信息等数据。
表1
在本公开的一些实施例中，所述预定多任务匹配模型的多任务匹配算法目标函数可以使得拣货总时间最小化(在线调度时目标为长期拣货时间最小化)。其中，拣货时间包括行走时间和拣货动作时间，拣货动作时间包括绑定容器时间，扫描时间，下架时间等。
在本公开的一些实施例中，所述预定多任务匹配模型还包括采用预定约束条件进行约束。
在本公开的一些实施例中，步骤12可以包括：
步骤121，对每一个任务集组合，确定拣货总时间，其中，任务集组合包括任务集列表、每个任务集所包含任务单的数量和编号。
步骤122，将拣货总时间最小的任务集组合，作为任务集输出数据。
步骤2，将任务集分配给相应的工作台，并指示工作台的拣货人员同时执行对应任务集中的至少两个任务单。
在本公开的一些实施例中，在仓库任务集中，拣货人员需要在领取多个任务单，其中有两种模式：1.固定分配数量；2.可以手动输入任务单数。
对于第一种情况，在任务单数设置为2时，本公开上述实施例可以基于KM算法(二分图最大权完美匹配算法)的匹配算法确定每个任务集包含的任务单。
对于其他情况或者在线匹配的情况，本公开上述实施例可以基于C-W算法和排序算法的启发式算法确定每个任务集包含的任务单，其中，C-W算法又称节约算法，是由Clarke和Wright于1964年首次提出的，它的基本思想是首先把各点单独与源点0相连，构成1条仅含一个点的线路；总费用为两倍的从原点到各点的距离的费用；然后计算将各点连接在一条线路上费用的节约值。
基于本公开上述实施例提供的多任务拣选方法，采用多任务拣选模式，通过将任务单进行组合，使得每个任务集中包括至少两个任务单，由此拣货人员一次性领取多个任务单同时拣货。
本公开上述实施例减少了拣货总路径。因为至少两个任务单在一起进行拣货，总路径长度必然要小于等于分别拣货的路径之和
本公开上述实施例减少了拣货动作等操作时间。例如：如果两个任务单有相同储位的SKU(商品品项)，则可以减少扫描时间，下架时间等。
采用本公开上述实施例在实际拣货中，拣货人员一次拣选两个以上任务单，可以减少了拣货总时间，并有效提升了拣货效率。
图2为本公开多任务拣选方法另一些实施例的示意图。优选的，本实施例可由本公开多任务拣选装置执行。图2实施例中，每个任务集中包括任务单数固定为2。该方法(例如图1实施例中将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集的步骤)可以包括以下步骤：
步骤21，获取所有任务单的初始匹配结果。
在本公开的一些实施例中，步骤21可以包括：
步骤211，获取任意两个任务单的节约值，得到节约值矩阵。图3为本公开一些实施例中4个任务单的节约值矩阵的示意图。
在本公开的一些实施例中，每个任务单的拣货时间＝行走时间+绑定容器时间+扫描储位的商品时间+下架时间+确认时间，其中，行走时间＝行走距离/行走速度。行走距离以巷道维度考虑，起点为固定位置O，拣货人员捡完所有商品即可。在本公开的一些优选实施例中，可以采用LKH算法(Lin-Kernighan局部启发搜索算法)求解该问题可得近似最优路径。
对于两个任务同时拣货的拣货时间也是同样计算。不过在两个任务单覆盖相同储位时需要分别下架与确认。所以可以节省的只有行走时间和扫描时间。
步骤212，将节约值最大的两个任务单进行匹配。
步骤213，删除已匹配的两个任务单，得到新的节约值矩阵。
步骤214，判断新的节约值矩阵是否为空。
步骤215，在新的节约值矩阵为空的情况下，将当前所有已经匹配的任务单作为的初始匹配结果。
步骤216，在新的节约值矩阵不为空的情况下，重复执行步骤212，即将节约值最大的两个任务单进行匹配的步骤。
步骤22，针对初始匹配结果进行优化匹配，得到任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含的两个任务单的编号。
在本公开的一些实施例中，步骤22可以包括：
步骤221，根据初始匹配结果将任务单分为两类。
在本公开的一些实施例中，步骤221可以包括：
步骤a，将第一个已匹配的任务单对中两个任务单x0-y0分别加入第一任务单集合X和第二任务单集合Y。
步骤b，令i＝1。
步骤c，对于第i个任务单对(第i个匹配)xi-yi考虑两种分配情况下分别计算总节约值：将第i任务单对xi-yi中的第一任务单xi加入第一任务单集合X，第二任务单yi加入第二任务单集合Y的情况下，获取第一总节约值；在将第i任务单对xi-yi中的第一任务单xi加入第二任务单集合Y，第二任务单yi加入第一任务单集合X的情况下，获取第二总节约值。
步骤d，比较第一总节约值和第二总节约值，按照较大总节约值对应的情况分配任务单对中的第一任务单和第二任务单。
步骤e，令i＝i+1。重复步骤c和d直至所有匹配均分配完毕。
步骤222，按照二分图最大权完美匹配算法(KM算法)对分类处理后的初始匹配结果，进行优化匹配。图4为本公开一些实施例中匹配问题的示意图。
本公开图2实施例是基于假定任务单总数为偶数的情况，对于任务单总数为奇数的情况，可以通过添加一个虚拟空任务单变为偶数。
通过本公开上述实施例，在仓库订单定位之后进行拣货的时候，拣货人员可以一次性领取多个任务单，致力于将任务单池进行在线组合或离线组合。在任务单数固定为2的离线情况下，本公开上述实施例提出了基于KM算法的匹配算法。
图5为本公开多任务拣选方法又一些实施例的示意图。优选的，本实施例可由本公开多任务拣选装置执行。图5实施例中，每个任务集中包括任务单数固定为大于2的自然数。图5实施例适应于对于两个以上任务单同时拣货或者动态变化的情况。该方法(例如图1实施例中将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集的步骤)可以包括以下步骤：
步骤51，获取预定任务集数量K和每个任务集的预定任务单数量N。
步骤52，将所有任务单按照最大巷道顺序号进行排序(从小到大排序或从大到小排序均可)，形成任务单序列。
步骤53，按照节约值最大的原则，将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集。
在本公开的一些实施例中，步骤53可以包括：
步骤531，设定k等于1，其中k为任务集的编号。
步骤532，新建仅包括任务单序列中剩余任务单中第1个任务单的第k个任务集，其中，当前任务单数量n等于1。
步骤533，按照节约值最大的原则，确定第k个任务集包含的任务单。
在本公开的一些实施例中，步骤534可以包括：
步骤5331，对于第k个任务集中的当前n个任务单，依次计算添加其他未分配任务单之后的节约值。
步骤5332，判断当前任务单数量n是否小于预定任务单数量N。
步骤5333，在当前任务单数量n小于预定任务单数量N的情况下，将节约值最大的未分配任务单分配给第k个任务集，并从任务单序列中删除该任务单；之后执行步骤5331。
步骤5334，在当前任务单数量n不小于预定任务单数量N的情况下，执行步骤534。
步骤534，判断k是否小于预定任务集数量K。
步骤535，在k小于预定任务集数量K的情况下，令k＝k+1，之后执行步骤532。
步骤536，在k不小于预定任务集数量K的情况下，将得到的任务集作为输出结果。
本公开上述实施例考虑了在仓库订单定位之后进行拣货的时候，拣货人员可以一次性领取多个任务单，致力于将任务单池进行在线组合或离线组合。在任务单数固定为2的离线情况下，提出了基于KM算法的匹配算法；在任务单数为其他情况或者在线匹配时使用基于C-W算法的在线调度算法进行匹配。
本公开上述实施例对于两个以上任务单同时拣货或者动态变化时可以采用基于C-W算法的启发式算法进行任务单匹配。
在本公开一些具体实施中，基于实际拣货项目，对于任务集包括固定2个任务单的情况进行了分析。输入数据格式如表2所示。表3为表2输入数据分别采用单任务组单拣货和采用本公开多任务组单拣货的拣货时间、拣货效率的对比示意表。
表2
表3
本公开上述实施例减少了拣货总路径。因为至少两个任务单在一起进行拣货，总路径长度必然要小于等于分别拣货的路径之和
本公开上述实施例减少了拣货动作等操作时间。例如：如果两个任务单有相同储位的SKU(商品品项)，则可以减少扫描时间，下架时间等。
采用本公开上述实施例在实际拣货中，拣货人员一次拣选两个以上任务单，可以减少了拣货总时间，并有效提升了拣货效率。
图6为本公开多任务拣选装置一些实施例的示意图。如图6所示，本公开多任务拣选装置可以包括任务集确定模块61和任务集分配模块62，其中：
任务集确定模块61，用于将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集，其中，每个任务集中包括至少两个任务。
任务集分配模块62，用于将任务集分配给相应的工作台，并指示工作台同时执行对应任务集中的至少两个任务单。
在本公开的一些实施例中，所述多任务拣选装置用于执行实现如上述任一实施例(例如图1-图5任一实施例)所述的多任务拣选方法的操作。
在本公开的一些实施例中，任务集确定模块61可以用于获取任务单信息；将任务单信息输入预定多任务匹配模型，确定任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含任务单的数量和编号。
在本公开的一些实施例中，任务集确定模块61可以用于对每一个任务集组合，确定拣货总时间，其中，任务集组合包括任务集列表、每个任务集所包含任务单的数量和编号；将拣货总时间最小的任务集组合，作为任务集输出数据。
在本公开的一些实施例中，任务集确定模块61可以用于在每个任务集中包括两个任务单的情况下，获取所有任务单的初始匹配结果；针对初始匹配结果进行优化匹配，得到任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含的两个任务单的编号。
在本公开的一些实施例中，任务集确定模块61在获取所有任务单的初始匹配结果的情况下，可以用于获取任意两个任务单的节约值，得到节约值矩阵；将节约值最大的两个任务单进行匹配；删除已匹配的两个任务单，得到新的节约值矩阵；判断新的节约值矩阵是否为空；在新的节约值矩阵为空的情况下，将当前所有已经匹配的任务单作为的初始匹配结果；在新的节约值矩阵不为空的情况下，执行将节约值最大的两个任务单进行匹配的操作。
在本公开的一些实施例中，任务集确定模块61在针对初始匹配结果进行优化匹配的情况下，可以用于根据初始匹配结果将任务单分为两类；按照二分图最大权完美匹配算法对分类处理后的初始匹配结果，进行优化匹配。
在本公开的一些实施例中，任务集确定模块61在根据初始匹配结果将任务单分为两类的情况下，可以用于将第一个已匹配的任务单对中两个任务单分别加入第一任务单集合和第二任务单集合；在将第i任务单对中的第一任务单加入第一任务单集合，第二任务单加入第二任务单集合的情况下，获取第一总节约值，其中，i大于1，i小于等于n，n为初始匹配结果中任务单对的数量；在将第i任务单对中的第一任务单加入第二任务单集合，第二任务单加入第一任务单集合的情况下，获取第二总节约值；比较第一总节约值和第二总节约值，按照较大总节约值对应的情况分配任务单对中的第一任务单和第二任务单。
在本公开的一些实施例中，任务集确定模块61在每个任务集中包括至少三个任务单的情况下，可以用于获取预定任务集数量和每个任务集的预定任务单数量；将所有任务单按照最大巷道顺序号进行排序，形成任务单序列；按照节约值最大的原则，将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集。
在本公开的一些实施例中，任务集确定模块61在按照节约值最大的原则，将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集的情况下，可以用于设定k等于1，其中k为任务集的编号；新建仅包括任务单序列中剩余任务单中第1个任务单的第k个任务集；按照节约值最大的原则，确定第k个任务集包含的任务单；判断k是否小于预定任务集数量；在k小于预定任务集数量的情况下，令k＝k+1，之后执行新建仅包括任务单序列中剩余任务单中第1个任务单的第k个任务集的操作；在k不小于预定任务集数量的情况下，将得到的任务集作为输出结果。
在本公开的一些实施例中，任务集确定模块61在按照节约值最大的原则，确定第k个任务集包含的任务单的情况下，可以用于对于第k个任务集，依次计算添加其他未分配任务单之后的节约值；判断当前任务单数量是否小于预定任务单数量；在当前任务单数量小于预定任务单数量的情况下，将节约值最大的未分配任务单分配给第k个任务集，并从任务单序列中删除该任务单；之后执行所述对于第k个任务集，依次计算添加其他未分配任务单之后的节约值的操作；在当前任务单数量不小于预定任务单数量的情况下，执行判断k是否小于预定任务集数量的操作。
基于本公开上述实施例提供的多任务拣选装置，采用多任务拣选模式，通过将任务单进行组合，使得每个任务集中包括至少两个任务单，由此拣货人员一次性领取多个任务单同时拣货。
在任务分配系统中组单部分生成任务单后，使用本公开上述实施例的多任务拣选装置可以获取相应数量的任务集。由于在一个波次任务单快要结束时，如果每个任务集的任务单均为2，可以通过将所有订单获取优化全局匹配得到任务集。在其他时候，本公开上述实施例使用基于C-W算法的启发式算法快速生成较好的任务集。
图7为本公开多任务拣选装置另一些实施例的示意图。如图7所示，本公开多任务拣选装置可以包括存储器71和处理器72，其中：
存储器71，用于存储指令；
处理器72，用于执行所述指令，使得所述多任务拣选装置执行实现如上述任一实施例(例如图1-图5任一实施例)所述的多任务拣选方法的操作。
本公开上述实施例减少了拣货总路径。因为至少两个任务单在一起进行拣货，总路径长度必然要小于等于分别拣货的路径之和
本公开上述实施例减少了拣货动作等操作时间。例如：如果两个任务单有相同储位的SKU，则可以减少扫描时间，下架时间等。
采用本公开上述实施例在实际拣货中，拣货人员一次拣选两个以上任务单，可以减少了拣货总时间，并有效提升了拣货效率。
根据本公开的另一方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例(例如图1-图5任一实施例)所述的多任务拣选方法。
基于本公开上述实施例提供的计算机可读存储介质，采用多任务拣选模式，通过将任务单进行组合，使得每个任务集中包括至少两个任务单，由此拣货人员一次性领取多个任务单同时拣货。
本公开上述实施例减少了拣货总路径。因为至少两个任务单在一起进行拣货，总路径长度必然要小于等于分别拣货的路径之和
本公开上述实施例减少了拣货动作等操作时间。例如：如果两个任务单有相同储位的SKU，则可以减少扫描时间，下架时间等。
采用本公开上述实施例在实际拣货中，拣货人员一次拣选两个以上任务单，可以减少了拣货总时间，并有效提升了拣货效率。
在上面所描述的等功能单元可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指示相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。

Claims (7)

1.一种多任务拣选方法，其特征在于，包括：
将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集，其中，每个任务集中包括至少两个任务单；
将任务集分配给相应的工作台，并指示工作台同时执行对应任务集中的至少两个任务单；
其中，在每个任务集中包括两个任务单的情况下，所述将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集包括：
获取所有任务单的初始匹配结果；
针对初始匹配结果进行优化匹配，得到任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含的两个任务单的编号；
其中，所述针对初始匹配结果进行优化匹配包括：
根据初始匹配结果将任务单分为两类；
按照二分图最大权完美匹配算法对分类处理后的初始匹配结果，进行优化匹配；
其中，所述根据初始匹配结果将任务单分为两类包括：
将第一个已匹配的任务单对中两个任务单分别加入第一任务单集合和第二任务单集合；
在将第i任务单对中的第一任务单加入第一任务单集合，第二任务单加入第二任务单集合的情况下，获取第一总节约值，其中，i大于1，i小于等于n，n为初始匹配结果中任务单对的数量；
在将第i任务单对中的第一任务单加入第二任务单集合，第二任务单加入第一任务单集合的情况下，获取第二总节约值；
比较第一总节约值和第二总节约值，按照较大总节约值对应的情况分配任务单对中的第一任务单和第二任务单。
2.根据权利要求1所述的多任务拣选方法，其特征在于，所述将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集包括：
获取任务单信息；
将任务单信息输入预定多任务匹配模型，确定任务集输出数据，其中，所述任务集输出数据包括目标任务集列表、每个目标任务集所包含任务单的数量和编号。
3.根据权利要求2所述的多任务拣选方法，其特征在于，所述将任务单信息输入预定多任务匹配模型，确定任务集输出数据包括：
对每一个任务集组合，确定拣货总时间，其中，任务集组合包括任务集列表、每个任务集所包含任务单的数量和编号；
将拣货总时间最小的任务集组合，作为任务集输出数据。
4.根据权利要求1-3中任一项所述的多任务拣选方法，其特征在于，所述获取所有任务单的初始匹配结果包括：
获取任意两个任务单的节约值，得到节约值矩阵；
将节约值最大的两个任务单进行匹配；
删除已匹配的两个任务单，得到新的节约值矩阵；
判断新的节约值矩阵是否为空；
在新的节约值矩阵为空的情况下，将当前所有已经匹配的任务单作为初始匹配结果；
在新的节约值矩阵不为空的情况下，执行将节约值最大的两个任务单进行匹配的步骤。
5.一种多任务拣选装置，其特征在于，包括：
任务集确定模块，用于将所有任务单进行分类匹配处理，将分类匹配后的任务单发送到相应的任务集，其中，每个任务集中包括至少两个任务单；
任务集分配模块，用于将任务集分配给相应的工作台，并指示工作台同时执行对应任务集中的至少两个任务单；
其中，所述多任务拣选装置用于执行实现如权利要求1-4中任一项所述的多任务拣选方法的操作。
6.一种多任务拣选装置，其特征在于，包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述多任务拣选装置执行实现如权利要求1-4中任一项所述的多任务拣选方法的操作。
7.一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存储有计算机指令，所述指令被处理器执行时实现如权利要求1-4中任一项所述的多任务拣选方法。
CN201910966413.8A 2019-10-12 2019-10-12 多任务拣选方法和装置、计算机可读存储介质 Active CN112651680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910966413.8A CN112651680B (zh) 2019-10-12 2019-10-12 多任务拣选方法和装置、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910966413.8A CN112651680B (zh) 2019-10-12 2019-10-12 多任务拣选方法和装置、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112651680A CN112651680A (zh) 2021-04-13
CN112651680B true CN112651680B (zh) 2023-11-07

Family

ID=75343664

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910966413.8A Active CN112651680B (zh) 2019-10-12 2019-10-12 多任务拣选方法和装置、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112651680B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113506067B (zh) * 2021-07-27 2024-05-24 北京京东振世信息技术有限公司 一种拣货方法、装置、设备及存储介质
CN113469631B (zh) * 2021-09-03 2021-12-10 浙江凯乐士科技集团股份有限公司 拣选调度方法、设备及矩阵分拣系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063667A (zh) * 2011-01-06 2011-05-18 北京物美商业集团股份有限公司 一种实现多线并行拣选的方法
CN102117461A (zh) * 2010-01-04 2011-07-06 北大方正集团有限公司 一种数字印刷订单处理的方法及装置
CN105469201A (zh) * 2015-07-20 2016-04-06 浙江工业大学 一种物流配送中心作业任务处理与调度的方法
CN106185152A (zh) * 2016-08-03 2016-12-07 北京极智嘉科技有限公司 货物拣选方法、货物拣选系统和计算装置
CN106809586A (zh) * 2017-03-28 2017-06-09 北京京东尚科信息技术有限公司 用于确定拣货路径的方法和装置
CN108345952A (zh) * 2017-01-24 2018-07-31 北京京东尚科信息技术有限公司 生成集合单的方法、装置、电子设备和可读存储介质
CN108846609A (zh) * 2018-06-15 2018-11-20 北京极智嘉科技有限公司 基于订单任务的拣选方法、装置、服务器和介质
CN109711770A (zh) * 2018-12-08 2019-05-03 武汉普罗格集成科技有限公司 仓储物流快速拣选系统及方法
CN109784566A (zh) * 2019-01-22 2019-05-21 山东大学 一种订单排序优化方法及装置
CN109961244A (zh) * 2017-12-22 2019-07-02 菜鸟智能物流控股有限公司 物品拣选方法及相关设备
CN110286673A (zh) * 2019-05-23 2019-09-27 北京京东尚科信息技术有限公司 仓储任务处理方法、装置、仓储系统以及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7426484B2 (en) * 2003-02-04 2008-09-16 United Parcel Service Of America, Inc. Consolidated shipping and distribution of multiple orders with returns
CN109426898B (zh) * 2017-08-24 2022-04-12 阿里巴巴集团控股有限公司 作业任务分配方法、装置及计算机系统
WO2019103894A1 (en) * 2017-11-21 2019-05-31 Target Brands, Inc. Warehousing and order fulfillment systems and methods

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117461A (zh) * 2010-01-04 2011-07-06 北大方正集团有限公司 一种数字印刷订单处理的方法及装置
CN102063667A (zh) * 2011-01-06 2011-05-18 北京物美商业集团股份有限公司 一种实现多线并行拣选的方法
CN105469201A (zh) * 2015-07-20 2016-04-06 浙江工业大学 一种物流配送中心作业任务处理与调度的方法
CN106185152A (zh) * 2016-08-03 2016-12-07 北京极智嘉科技有限公司 货物拣选方法、货物拣选系统和计算装置
CN108345952A (zh) * 2017-01-24 2018-07-31 北京京东尚科信息技术有限公司 生成集合单的方法、装置、电子设备和可读存储介质
CN106809586A (zh) * 2017-03-28 2017-06-09 北京京东尚科信息技术有限公司 用于确定拣货路径的方法和装置
CN109961244A (zh) * 2017-12-22 2019-07-02 菜鸟智能物流控股有限公司 物品拣选方法及相关设备
CN108846609A (zh) * 2018-06-15 2018-11-20 北京极智嘉科技有限公司 基于订单任务的拣选方法、装置、服务器和介质
CN109711770A (zh) * 2018-12-08 2019-05-03 武汉普罗格集成科技有限公司 仓储物流快速拣选系统及方法
CN109784566A (zh) * 2019-01-22 2019-05-21 山东大学 一种订单排序优化方法及装置
CN110286673A (zh) * 2019-05-23 2019-09-27 北京京东尚科信息技术有限公司 仓储任务处理方法、装置、仓储系统以及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
B电商智能物流中心订单分波（处理）优化设计;陈增坤 等;《中国储运》;第131-133页 *
Federated Multi-Task Learning;Virginia Smith 等;《31st Conference on Neural Information Processing Systems》;第1-11页 *
电商仓储联合订单批次分配排序和拣选路径问题";王迪;《上海管理科学》;第84-89页 *

Also Published As

Publication number Publication date
CN112651680A (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN106934580B (zh) 库存控制方法以及装置
CN107194646B (zh) 库存调度方法以及装置
Manzini et al. Design and control of an AS/RS
CN111415122B (zh) 一种拣货方法和拣货系统
CN110197350B (zh) 一种物品出库方法和装置
CN110322309B (zh) 订单处理方法、装置和计算机可读存储介质
CN113233068B (zh) 货物拣选方法、装置、计算机设备及存储介质
Henn et al. Tabu search heuristics for the order batching problem in manual order picking systems
US20200299063A1 (en) Article picking method, server and system
JP2021507859A (ja) 在庫スケジューリング方法およびデバイスならびに非一時的なコンピュータ可読記憶媒体
CN112651680B (zh) 多任务拣选方法和装置、计算机可读存储介质
JPWO2017149695A1 (ja) 倉庫管理システム及び倉庫管理方法
CN107235276A (zh) 货物搬运方法和装置
CN109934520A (zh) 货架调度方法和装置
CN108876080B (zh) 信息处理方法和装置
CN108891838A (zh) 订单处理方法、装置、电子设备以及计算机可读存储介质
CN109840729B (zh) 料箱定位的方法、系统、存储介质及电子设备
CN109784791B (zh) 订单分配方法和装置
CN111027902B (zh) 无人仓货品运输匹配方法及装置
CN109562894B (zh) 管理系统、管理方法及管理程序
Lee et al. A study on the picking process time
CN112712409A (zh) 快速拣货方法、装置、计算机设备及存储介质
Vizvari et al. Local search based meta-heuristic algorithms for optimizing the cyclic flexible manufacturing cell problem
CN112232726A (zh) 拣货方法、装置、服务器及存储介质
CN115660380A (zh) 货到人拣选的订单处理方法及装置

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