CN113420970A - 智能仓储环境下的任务调度方法 - Google Patents

智能仓储环境下的任务调度方法 Download PDF

Info

Publication number
CN113420970A
CN113420970A CN202110650745.2A CN202110650745A CN113420970A CN 113420970 A CN113420970 A CN 113420970A CN 202110650745 A CN202110650745 A CN 202110650745A CN 113420970 A CN113420970 A CN 113420970A
Authority
CN
China
Prior art keywords
individual
individuals
population
function value
disposable
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
CN202110650745.2A
Other languages
English (en)
Other versions
CN113420970B (zh
Inventor
蔺一帅
王颖芝
王亮
王徐华
付涛
徐云龙
刘琪
董永胜
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202110650745.2A priority Critical patent/CN113420970B/zh
Publication of CN113420970A publication Critical patent/CN113420970A/zh
Application granted granted Critical
Publication of CN113420970B publication Critical patent/CN113420970B/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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种智能仓储环境下的任务调度方法，应用于双深位多层穿梭车储分系统，涉及智能仓储技术领域，该方法包括：获取出库信息；根据出库信息进行种群初始化，得到第一种群；检测迭代次数是否为第一次迭代；根据预设目标函数，将第一种群中的个体划分至不同等级的可支配层，并根据检测结果及个体对应的可支配层，从第一种群中确定第一类个体，使第一类个体进行交叉、变异后，将产生的种群更新为第一种群；当迭代次数达到预设迭代次数时，根据迭代结果确定最佳的货物调度方案。本发明有利于解决双深位系统的阻塞货物重排问题，从而缩短出货时间。

Description

智能仓储环境下的任务调度方法
技术领域
本发明属于智能仓储技术领域，具体涉及一种智能仓储环境下的任务调度方法。
背景技术
双深位多层穿梭车储分系统作为一种集分拣和仓储功能于一体的自动化物流系统，具有能耗低、拣选效率高、操作灵活等优点，已成为“货到人”拆零拣选系统的最佳选择之一。
然而，由于双深位多层穿梭车储分系统较单深位多层穿梭车储分系统的分析和优化更加复杂，有很多问题仍未得到解决，例如双深度系统阻塞货物的重排以及一个时间窗内系统任务的调度，从而影响了整个系统的运作效率，导致出货时间较长。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种智能仓储环境下的任务调度方法。本发明要解决的技术问题通过以下技术方案实现：
本发明提供一种智能仓储环境下的任务调度方法，应用于双深位多层穿梭车储分系统，包括：
获取出库信息，所述出库信息至少包括预设出库顺序；
根据所述出库信息进行种群初始化，得到第一种群；
检测迭代次数是否为第一次迭代；
根据预设目标函数，将所述第一种群中的个体划分至不同等级的可支配层，并根据检测结果及所述个体对应的可支配层，从所述第一种群中确定第一类个体，使所述第一类个体进行交叉、变异后，将产生的种群更新为第一种群；
判断所述迭代次数是否达到预设迭代次数；若否，则返回所述根据预设目标函数，将所述第一种群中的个体划分至不同等级的可支配层的步骤；若是，则根据迭代结果确定最佳的货物调度方案。
与现有技术相比，本发明的有益效果在于：
本发明提供的智能仓储环境下的任务调度方法中，在获取出库信息后，根据出库信息进行初始化，得到第一种群，并通过预设目标函数将第一种群中的个体划分至不同等级的可支配层，此种设计方式可以将SBS/RS一个时间窗内的出库任务时间完整的包含在内，有利于解决双深位系统的阻塞货物重排问题，从而缩短出货时间。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的智能仓储环境下的任务调度方法的一种流程示意图；
图2是本发明实施例提供的智能仓储环境的示意图；
图3是本发明实施例提供的智能仓储环境下的任务调度方法的另一种流程示意图；
图4是本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
如图1所示，本发明实施例提供的智能仓储环境下的任务调度方法，应用于双深位多层穿梭车储分系统，包括：
步骤S101、获取出库信息，出库信息至少包括预设出库顺序；
步骤S102、根据出库信息进行种群初始化，得到第一种群；
步骤S103、检测迭代次数是否为第一次迭代；
步骤S104、根据预设目标函数，将第一种群中的个体划分至不同等级的可支配层，并根据检测结果及个体对应的可支配层，从第一种群中确定第一类个体，使第一类个体进行交叉、变异后，将产生的种群更新为第一种群；
S105、判断迭代次数是否达到预设迭代次数；若否，则返回上述步骤S104，执行根据预设目标函数，将第一种群中的个体划分至不同等级的可支配层的步骤；
S106、若是，则根据迭代结果确定最佳的货物调度方案。
图2是本发明实施例提供的智能仓储环境的示意图。如图2所示，基于穿梭车的存储与检索系统通常包括货架10和穿梭车20，图中白色填充的货架10表示空闲货架，灰色填充的货架10表示存放有货物30的占用货架，出货时由穿梭车20将某层货架10上的货物30取下并放置于指定位置。需要说明的是，图2所示的货架为双深位，即货架10包括两排，但在本申请的一些其他实施例中，货架也可以为单深位，本申请对此不作限定。
本实施例中，首先根据获取的出库信息进行种群初始化，以得到第一种群，然后根据预设目标函数对第一种群中的个体进行可支配层的划分，其中，出库信息可以包括预设出库顺序。
示例性地，预设目标函数包括第一目标函数、第二目标函数和第三目标函数。其中，第一目标函数为：
Figure BDA0003111078330000041
其中，
Figure BDA0003111078330000042
表示执行双深位多层穿梭车储分系统中第t层、第i个出库任务的穿梭车的等待时间，Ntier为双深位多层穿梭车储分系统的层数，Mt为双深位多层穿梭车储分系统中第t层的出库任务总量。
第二目标函数为：
Figure BDA0003111078330000043
其中，
Figure BDA0003111078330000044
表示执行双深位多层穿梭车储分系统中第t层的第1个出库任务时穿梭车的运输总时间，Ntask为所有出库任务数目，
Figure BDA0003111078330000045
为电梯运输双深位多层穿梭车储分系统中第t层的第i个出库任务的时间，
Figure BDA0003111078330000046
为运输双深位多层穿梭车储分系统中第t层的第i个出库任务的电梯闲置时间。
第三目标函数为：
Figure BDA0003111078330000047
其中，
Figure BDA0003111078330000048
表示执行双深位多层穿梭车储分系统中第t层的第i个出库任务时穿梭车运动至预设取货位置的时间，tRSGoods为穿梭车拾取和放置下一个货物的时间。具体地，如图3所示，根据预设目标函数，将第一种群中的个体划分至不同等级的可支配层的步骤，包括：
S301、根据出库信息和第一目标函数，确定每个个体的第一函数值；
S302、根据出库信息和第二目标函数，确定每个个体的第二函数值；
S303、根据出库信息和第三目标函数，确定每个个体的第三函数值；
S304、比较第一种群中每个个体的第一函数值、第二函数值和第三函数值与其他个体的第一函数值、第二函数值和第三函数值，分别确定每个个体的第一参数和第二参数，其中，第一参数为可支配个体集合，第二参数为第一种群中支配每个个体的个体数；
S305、将第一种群中第二参数为零的个体确定为第一子个体，将第一种群中第二参数不为零的个体确定为第二子个体，并将第一子个体划分至对应等级的可支配层；
S306、检测第一种群中的所有个体是否均被划分至不同等级的可支配层；
S307、当仍有个体未被划分时，根据第一子个体第一参数中的个体出现次数对第二子个体的第二参数进行修正，并返回上述步骤S305，执行将第一种群中第二参数为零的个体确定为第一子个体，将第一种群中第二参数不为零的个体确定为第二子个体的步骤；
S308、否则，得到第一种群的可支配层划分结果。
具体地，以初始化后的第一种群包括8个个体为例，分别是个体A、个体B、个体C、个体D、个体E、个体F、个体G和个体H，每个个体的第一函数值、第二函数值及第三函数值如下表1所示。
表1
个体 第一函数值 第二函数值 第三函数值
A 2 7.5 7.5
B 3 6 6
C 3 7.5 7.5
D 4 5 5
E 4 6.5 6.5
F 5 4.5 4.5
G 5 6 6
H 5 7 7
本实施例中，第一参数为可支配个体集合，第二参数为第一种群中支配每个个体的个体数。可以理解的是，当第一种群中某一个体的第一函数值、第二函数值和第三函数值分别小于等于另一个体的第一函数值、第二函数值和第三函数值时，即认为上述个体可支配另一个体。例如，对于个体A，将其第一函数值2、第二函数值7.5和第三函数值7.5分别与个体B、个体C、个体D、个体E、个体F、个体G和个体H的第一函数值、第二函数值和第三函数值加以比较，显然，第一种群中支配个体A的个体数为0，而由于个体C的第一函数值、第二函数值和第三函数值分别为3、7.5、7.5，因此个体A的可支配个体集合为{C}。对于第一种群中的其他个体，也可以采用上述方法确定第一参数及第二参数，具体过程不再赘述，结果如下表2所示：
表2
个体 第一参数 第二参数
A {C} 0
B {C，E，G，H} 0
C {} 2
D {E，G，H} 0
E {H} 2
F {G，H} 0
G {H} 3
H {} 5
进一步地，将表2中第二参数为零的个体确定为第一子个体，将第一种群中第二参数不为零的个体确定为第二子个体，并将第一子个体划分至对应等级的可支配层，即第一等级的可支配层包括个体A、个体B、个体D和个体F。此时，个体A、个体B、个体D和个体F的第一参数中，个体C出现2次、个体E出现2次、个体G出现3次、个体H出现3次，所以这4个个体的第二参数分别减去2、2、3、3，修正后剩余个体的第一参数、第二参数如下表3所示：
表3
个体 第一参数 第二参数
C {} 0
E {H} 0
G {H} 0
H {} 2
同样地，将表3中第二参数为零的个体确定为第一子个体、将第二参数不为零的个体确定为第二子个体，并将第一子个体划分至第二等级的可支配层，即第二等级的可支配层包括个体C、个体E和个体G。进一步地，对表3中个体H的第二参数加以修正，结果如表4所示：
表4
个体 第二参数 第一参数
H {} 0
可见，第三等级的可支配层包含个体H。因此，最终将第一种群中的所有个体划分为三个等级的可支配层，第一等级的可支配层F1包括{A，B，D，F}、第二等级的可支配层F2包括{C，E，G}、第三等级的可支配层F3包括{H}。
需要说明的是，本实施例中表2所示个体的第二函数值与第三函数值相同仅是为了便于说明划分过程，在实际应用中，第一函数值、第二函数值和第三函数值均应当以计算结果为准。
可选地，上述步骤S104中，根据检测结果及个体对应的可支配层，从第一种群中确定第一类个体的步骤，包括：
当迭代次数为第一次迭代时，根据个体对应的不同等级的可支配层，利用锦标赛算法从第一种群中确定第一类个体；
当迭代次数不是第一次迭代时，确定每一等级的可支配层中个体的拥挤距离，根据个体对应的可支配层及拥挤距离，从第一种群中选择第二类个体，再采用锦标赛算法，从第二类个体中确定出第一类个体。
本实施例中，在第一次迭代时，利用锦标赛算法从第一种群中确定第一类个体；具体地，先确定每次选择的个体数量n，例如n＝2，然后从第一种群中每次随机选择n个个体，并比较这n个个体的可支配层等级，将可支配层等级较高的个体确定为第一类个体；重复上述步骤，直至第一类个体的数量与第一种群初始化时的种群规模相同。
另一方面，当迭代次数不是第一次时，由于上一次迭代过程中第二类个体经交叉、变异后产生的子代种群与父代种群进行了合并了，故产生的第一种群的种群规模是第一种群初始化时种群规模的2倍，因而先确定每一等级的可支配层中个体的拥挤距离，然后根据个体可支配层等级和拥挤距离，从中选择第二类个体。特别是，当多个个体均属于同一等级的可支配层时，可以进一步比较其拥挤距离，并选择拥挤距离较大的个体作为第二类个体。可选地，从第一种群中选择出第二类个体后，再利用锦标赛算法，从第二类个体中确定出第一类个体。
示例性地，确定出的第一类个体可以进行顺序交叉，选取两个第一类个体作为父代，然后选取一个父代的两个交叉点之间的部分基因留给子代，子代所缺失的基因通过另一个父代的基因顺序补全。其中，每个个体的变异采用两点变异，即随机选择两个变异位，交换这两个位置的基因。
上述步骤S104中，当迭代次数不是第一次时，确定每一等级的可支配层中个体的拥挤距离的步骤，包括：
针对每一等级的可支配层，按照每个个体的第一函数值进行排序，将第一函数值最小的个体以及第二函数值最大的个体的拥挤距离初始值设置为无穷大，并将该支配层中其余个体的拥挤距离初始值设置为零；
根据每个个体的拥挤距离初始值和第一函数值，计算每个个体的第一拥挤距离；
针对每一等级的可支配层，按照每个个体的第二函数值进行排序；
根据每个个体的第一拥挤距离和第二函数值，计算每个个体的第二拥挤距离；
针对每一等级的可支配层，按照每个个体的第三函数值进行排序；
根据每个个体的第二拥挤距离和第三函数值，计算每个个体的第三拥挤距离，并将第三拥挤距离确定为个体的拥挤距离。
具体而言，按照如下公式计算个体的第一拥挤距离：
Figure BDA0003111078330000091
其中，针对每一等级的可支配层，n0表示个体的拥挤距离初始值，f1(i+1)表示排在第i+1个个体的第一函数值，f1(i-1)表示排在第i-1个个体的第一函数值，
Figure BDA0003111078330000092
表示第一函数值的最大值，
Figure BDA0003111078330000093
表示第一函数值的最小值。
按照如下公式计算所述个体的第二拥挤距离：
Figure BDA0003111078330000094
其中，针对每一等级的可支配层，n1表示个体的第一拥挤距离，f2(i+1)表示排在第i+1个个体的第二函数值，f2(i-1)表示排在第i-1个个体的第二函数值，
Figure BDA0003111078330000095
表示第二函数值的最大值，
Figure BDA0003111078330000096
表示第二函数值的最小值。
按照如下公式计算个体的第三拥挤距离：
Figure BDA0003111078330000097
其中，针对每一等级的可支配层，n2表示所述个体的第二拥挤距离，f3(i+1)表示排在第i+1个个体的第三函数值，f3(i-1)表示排在第i-1个个体的第三函数值，
Figure BDA0003111078330000101
表示第三函数值的最大值，
Figure BDA0003111078330000102
表示第三函数值的最小值。
示例性地，请参见表5，以第一等级的可支配层为例：
表5
第一等级的可支配层 第一函数值 第二函数值 第三函数值
A 2 7.5 7.5
B 3 6 6
D 4 5 5
F 5 4.5 4.5
首先，按照第一函数值，对第一等级的可支配层中的个体进行排序，得到顺序{A，B，D，F}，令个体A与个体F的拥挤距离初始值为无穷大、个体B与个体D的拥挤距离初始值为零。
此时，个体A与个体F的第一拥挤距离均为无穷大，个体B的第一拥挤距离n1＝0+(4-2)/(5-2)＝0.667，个体D的第一拥挤距离为n1＝0+(5-3)/(5-2)＝0.667。
进一步地，按照第二函数值再次对第一等级的可支配层中的个体进行排序，得到顺序为{F，D，B，A}，此时个体A与个体F的第二拥挤距离为无穷大，个体B的第二拥挤距离n2＝0.667+(7.5-5)/(7.5-4.5)＝1.5，个体D的第二拥挤距离为n2＝0.667+(6-4.5)/(7.5-4.5)＝1.167。
计算第三拥挤距离时，按照第三函数值对第一等级的可支配层中的个体进行排序，得到顺序为{F，D，B，A}。显然，个体A与个体F的第三拥挤距离也为无穷大，个体B的第三拥挤距离n3＝1.5+(7.5-5)/(7.5-4.5)＝2.333，个体D的第三拥挤距离为n3＝1.667+(6-4.5)/(7.5-4.5)＝1.167，从而确定出第一等级的可支配层中每个个体的拥挤距离。
通过上述各实施例可知，本发明的有益效果在于：
本发明提供的智能仓储环境下的任务调度方法中，在获取出库信息后，根据出库信息进行初始化，得到第一种群，并通过预设目标函数将第一种群中的个体划分至不同等级的可支配层，此种设计方式可以将SBS/RS一个时间窗内的出库任务时间完整的包含在内，有利于解决双深位系统的阻塞货物重排问题，从而缩短出货时间。
本发明实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
获取出库信息，所述出库信息至少包括预设出库顺序；
根据所述出库信息进行种群初始化，得到第一种群；
检测迭代次数是否为第一次迭代；
根据预设目标函数，将所述第一种群中的个体划分至不同等级的可支配层，并根据检测结果及所述个体对应的可支配层，从所述第一种群中确定第一类个体，使所述第一类个体进行交叉、变异后，将产生的种群更新为第一种群；
判断所述迭代次数是否达到预设迭代次数；若否，则返回所述根据预设目标函数，将所述第一种群中的个体划分至不同等级的可支配层的步骤；若是，则根据迭代结果确定最佳的货物调度方案。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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。
本发明实施例提供的方法可以应用于电子设备。具体的，该电子设备可以为：台式计算机、便携式计算机、智能移动终端、服务器等。在此不作限定，任何可以实现本发明的电子设备，均属于本发明的保护范围。
对于电子设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，本发明实施例的电子设备及存储介质分别是应用上述智能仓储环境下的任务调度方法电子设备及存储介质，则上述智能仓储环境下的任务调度方法的所有实施例均适用于该电子设备及存储介质，且均能达到相同或相似的有益效果。
应用本发明实施例所提供的终端设备，可以展示专有名词和/或固定词组供用户选择，进而减少用户输入时间，提高用户体验。
该终端设备以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)其他具有数据交互功能的电子装置。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白，本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式，这里将它们都统称为“模块”或“系统”。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信系统。
本申请是参照本申请实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种智能仓储环境下的任务调度方法，应用于双深位多层穿梭车储分系统，其特征在于，包括：
获取出库信息，所述出库信息至少包括预设出库顺序；
根据所述出库信息进行种群初始化，得到第一种群；
检测迭代次数是否为第一次迭代；
根据预设目标函数，将所述第一种群中的个体划分至不同等级的可支配层，并根据检测结果及所述个体对应的可支配层，从所述第一种群中确定第一类个体，使所述第一类个体进行交叉、变异后，将产生的种群更新为第一种群；
判断所述迭代次数是否达到预设迭代次数；若否，则返回所述根据预设目标函数，将所述第一种群中的个体划分至不同等级的可支配层的步骤；若是，则根据迭代结果确定最佳的货物调度方案。
2.根据权利要求1所述的智能仓储环境下的任务调度方法，其特征在于，所述预设目标函数包括第一目标函数、第二目标函数和第三目标函数；
所述根据预设目标函数，将所述第一种群中的个体划分至不同等级的可支配层的步骤，包括：
根据所述出库信息和所述第一目标函数，确定每个个体的第一函数值；
根据所述出库信息和所述第二目标函数，确定每个个体的第二函数值；
根据所述出库信息和所述第三目标函数，确定每个个体的第三函数值；
比较所述第一种群中每个个体的第一函数值、第二函数值和第三函数值与其他个体的第一函数值、第二函数值和第三函数值，分别确定每个个体的第一参数和第二参数，其中，所述第一参数为可支配个体集合，所述第二参数为第一种群中支配每个个体的个体数；
将第一种群中所述第二参数为零的个体确定为第一子个体，将第一种群中所述第二参数不为零的个体确定为第二子个体，并将所述第一子个体划分至对应等级的可支配层；
检测第一种群中的所有个体是否均被划分至不同等级的可支配层；
当仍有个体未被划分时，根据所述第一子个体第一参数中的个体出现次数对所述第二子个体的第二参数进行修正，并返回所述将第一种群中所述第二参数为零的个体确定为第一子个体，将第一种群中所述第二参数不为零的个体确定为第二子个体的步骤；否则，得到可支配层划分结果。
3.根据权利要求2所述的智能仓储环境下的任务调度方法，其特征在于，所述第一目标函数为：
Figure FDA0003111078320000021
其中，
Figure FDA0003111078320000022
表示执行所述双深位多层穿梭车储分系统中第t层、第i个出库任务的穿梭车的等待时间，Ntier为所述双深位多层穿梭车储分系统的层数，Mt为所述双深位多层穿梭车储分系统中第t层的出库任务总量。
4.根据权利要求3所述的智能仓储环境下的任务调度方法，其特征在于，所述第二目标函数为：
Figure FDA0003111078320000023
其中，
Figure FDA0003111078320000024
表示执行所述双深位多层穿梭车储分系统中第t层的第1个出库任务时穿梭车的运输总时间，Ntask为所有出库任务数目，
Figure FDA0003111078320000031
为电梯运输所述双深位多层穿梭车储分系统中第t层的第i个出库任务的时间，
Figure FDA0003111078320000032
为运输所述双深位多层穿梭车储分系统中第t层的第i个出库任务的电梯闲置时间。
5.根据权利要求4所述的智能仓储环境下的任务调度方法，其特征在于，所述第三目标函数为：
Figure FDA0003111078320000033
其中，
Figure FDA0003111078320000034
表示执行所述双深位多层穿梭车储分系统中第t层的第i个出库任务时穿梭车运动至预设取货位置的时间，tRSGoods为穿梭车拾取和放置下一个货物的时间。
6.根据权利要求1所述的智能仓储环境下的任务调度方法，其特征在于，所述根据检测结果及所述个体对应的可支配层，从所述第一种群中确定第一类个体的步骤，包括：
当迭代次数为第一次迭代时，根据所述个体对应的不同等级的可支配层，利用锦标赛算法从所述第一种群中确定第一类个体；
当迭代次数不是第一次迭代时，确定所述每一等级的可支配层中所述个体的拥挤距离，根据所述个体对应的可支配层及拥挤距离，从所述第一种群中选择第二类个体，再采用锦标赛算法，从所述第二类个体中确定出第一类个体。
7.根据权利要求6所述的智能仓储环境下的任务调度方法，其特征在于，当迭代次数不是第一次时，所述确定每一等级的可支配层中所述个体的拥挤距离的步骤，包括：
针对每一等级的可支配层，按照每个个体的第一函数值进行排序，将第一函数值最小的个体以及第二函数值最大的个体的拥挤距离初始值设置为无穷大，并将该支配层中其余个体的拥挤距离初始值设置为零；
根据每个个体的拥挤距离初始值和所述第一函数值，计算每个个体的第一拥挤距离；
针对每一等级的可支配层，按照每个个体的第二函数值进行排序；
根据每个个体的第一拥挤距离和第二函数值，计算每个个体的第二拥挤距离；
针对每一等级的可支配层，按照每个个体的第三函数值进行排序；
根据每个个体的第二拥挤距离和第三函数值，计算每个个体的第三拥挤距离，并将所述第三拥挤距离确定为所述个体的拥挤距离。
8.根据权利要求7所述的智能仓储环境下的任务调度方法，其特征在于，按照如下公式计算所述个体的第一拥挤距离：
Figure FDA0003111078320000041
其中，针对每一等级的可支配层，n0表示所述个体的拥挤距离初始值，f1(i+1)表示排在第i+1个个体的第一函数值，f1(i-1)表示排在第i-1个个体的第一函数值，
Figure FDA0003111078320000042
表示第一函数值的最大值，
Figure FDA0003111078320000043
表示第一函数值的最小值。
9.根据权利要求8所述的智能仓储环境下的任务调度方法，其特征在于，按照如下公式计算所述个体的第二拥挤距离：
Figure FDA0003111078320000051
其中，针对每一等级的可支配层，n1表示所述个体的第一拥挤距离，f2(i+1)表示排在第i+1个个体的第二函数值，f2(i-1)表示排在第i-1个个体的第二函数值，
Figure FDA0003111078320000052
表示第二函数值的最大值，
Figure FDA0003111078320000053
表示第二函数值的最小值。
10.根据权利要求9所述的智能仓储环境下的任务调度方法，其特征在于，按照如下公式计算所述个体的第三拥挤距离：
Figure FDA0003111078320000054
其中，针对每一等级的可支配层，n2表示所述个体的第二拥挤距离，f3(i+1)表示排在第i+1个个体的第三函数值，f3(i-1)表示排在第i-1个个体的第三函数值，
Figure FDA0003111078320000055
表示第三函数值的最大值，
Figure FDA0003111078320000056
表示第三函数值的最小值。
CN202110650745.2A 2021-06-10 2021-06-10 智能仓储环境下的任务调度方法 Active CN113420970B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110650745.2A CN113420970B (zh) 2021-06-10 2021-06-10 智能仓储环境下的任务调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110650745.2A CN113420970B (zh) 2021-06-10 2021-06-10 智能仓储环境下的任务调度方法

Publications (2)

Publication Number Publication Date
CN113420970A true CN113420970A (zh) 2021-09-21
CN113420970B CN113420970B (zh) 2023-11-24

Family

ID=77788267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110650745.2A Active CN113420970B (zh) 2021-06-10 2021-06-10 智能仓储环境下的任务调度方法

Country Status (1)

Country Link
CN (1) CN113420970B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493181A (zh) * 2022-01-04 2022-05-13 西安电子科技大学 一种智能仓储环境下的多负载agv任务调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902375A (zh) * 2014-04-11 2014-07-02 北京工业大学 一种基于改进遗传算法的云任务调度方法
CN103955818A (zh) * 2014-05-27 2014-07-30 山东大学 多层穿梭车自动仓储系统的任务调度方法
CN110414863A (zh) * 2019-08-06 2019-11-05 河海大学常州校区 一种智能制造车间资源调度方法
CN112508481A (zh) * 2020-12-03 2021-03-16 重庆邮智机器人研究院有限公司 一种智能仓储多agv调度方法
US20210089929A1 (en) * 2019-09-19 2021-03-25 Xiangtan University Method and system for train periodic message scheduling based on multi-objective evolutionary algorithm

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902375A (zh) * 2014-04-11 2014-07-02 北京工业大学 一种基于改进遗传算法的云任务调度方法
CN103955818A (zh) * 2014-05-27 2014-07-30 山东大学 多层穿梭车自动仓储系统的任务调度方法
CN110414863A (zh) * 2019-08-06 2019-11-05 河海大学常州校区 一种智能制造车间资源调度方法
US20210089929A1 (en) * 2019-09-19 2021-03-25 Xiangtan University Method and system for train periodic message scheduling based on multi-objective evolutionary algorithm
CN112508481A (zh) * 2020-12-03 2021-03-16 重庆邮智机器人研究院有限公司 一种智能仓储多agv调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
屈迟文;: "基于改进遗传算法的云计算任务调度研究", 世界科技研究与发展, no. 05, pages 54 - 57 *
王振庭 等: "智能仓储中的多机器人调度方法", 《计算机与现代化》, pages 65 - 70 *
辜勇;段晶晶;袁源乙;苏宇霞;: "基于遗传算法的仓储机器人多目标路径规划方法", 物流技术, no. 06, pages 106 - 111 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493181A (zh) * 2022-01-04 2022-05-13 西安电子科技大学 一种智能仓储环境下的多负载agv任务调度方法
CN114493181B (zh) * 2022-01-04 2024-05-03 西安电子科技大学 一种智能仓储环境下的多负载agv任务调度方法

Also Published As

Publication number Publication date
CN113420970B (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN106934580B (zh) 库存控制方法以及装置
US20110295626A1 (en) Influence assessment in social networks
CN107332902A (zh) 在线客服系统的用户请求分配方法、装置和计算设备
US8571333B2 (en) Data clustering
CN111099363B (zh) 码垛方法、码垛系统和存储介质
CN110097433A (zh) 基于注意力机制的推荐方法、装置、设备及存储介质
WO2020155300A1 (zh) 一种模型预测方法及装置
CN112906865B (zh) 神经网络架构搜索方法、装置、电子设备及存储介质
CN113420970B (zh) 智能仓储环境下的任务调度方法
CN111428885B (zh) 一种联邦学习中用户的索引方法及联邦学习装置
US8682808B2 (en) Method and apparatus for processing logistic information
US20130238626A1 (en) Systems and methods for cluster comparison
CN115910325A (zh) 用于认知任务测评的建模方法、认知任务测评方法及系统
CN117582652A (zh) 围棋人机对弈方法、装置、计算机设备及存储介质
US20130013244A1 (en) Pattern based test prioritization using weight factors
CN112700006A (zh) 网络架构搜索方法、装置、电子设备及介质
EP4318349A1 (en) Method and apparatus for putting away turnover box
CN112001053A (zh) 货架数据处理方法、装置、电子设备及可读介质
CN110942345B (zh) 种子用户的选取方法、装置、设备及存储介质
CN104809098A (zh) 基于期望最大确定统计模型参数的方法和装置
CN110633924B (zh) 用于将商品分仓间存储的方法和系统
CN116650970B (zh) 一种个性化游戏调整方法、电子设备及存储介质
CN117786148B (zh) 一种三维数字园区的数据组织和管理方法及系统
CN106844503A (zh) 图片处理方法及装置
RU2707705C1 (ru) Устройство выбора решения в нечеткой конфликтной ситуации

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