CN113743640B - 一种仓库内的人员排班调度方法和装置 - Google Patents

一种仓库内的人员排班调度方法和装置 Download PDF

Info

Publication number
CN113743640B
CN113743640B CN202011034395.9A CN202011034395A CN113743640B CN 113743640 B CN113743640 B CN 113743640B CN 202011034395 A CN202011034395 A CN 202011034395A CN 113743640 B CN113743640 B CN 113743640B
Authority
CN
China
Prior art keywords
time sequence
personnel scheduling
scheduling time
total
production efficiency
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
CN202011034395.9A
Other languages
English (en)
Other versions
CN113743640A (zh
Inventor
白悦辉
张祎
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 CN202011034395.9A priority Critical patent/CN113743640B/zh
Publication of CN113743640A publication Critical patent/CN113743640A/zh
Application granted granted Critical
Publication of CN113743640B publication Critical patent/CN113743640B/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063116—Schedule adjustment for a person or group
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063118—Staff 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
    • G06Q10/06—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
    • G06Q10/06316—Sequencing of tasks or work
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Finance (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Accounting & Taxation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种仓库内的人员排班调度方法和装置，涉及仓储技术领域。该方法的一具体实施方式包括：获取初始的人员排班时序；其中，所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量；基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序；根据所述最优的人员排班时序，对仓库内的人员排班进行调度。该实施方式能够解决仿真计算的时间较长的技术问题。

Description

一种仓库内的人员排班调度方法和装置
技术领域
本发明涉及仓储技术领域，尤其涉及一种仓库内的人员排班调度方法和装置。
背景技术
随着现代社会人力成本和物流成本的不断提升，针对于仓储业务来说，仓内作业效率难以准确评估，导致按计划生产时的成本难以管控，时效难以保证，只能通过投入大量的人力来解决，但是这会导致人力成本进一步提升。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
在没有仿真系统的支持下，现场人员排班管理完全依赖仓库管理人员经验，以传统线性规划的方式，难以获得最优解。在有仿真系统的支持下，可以依据仿真结果中的报表来调整排班，但这种方式比较繁琐，需要很长的时间来进行仿真计算。
发明内容
有鉴于此，本发明实施例提供一种仓库内的人员排班调度方法和装置，以解决仿真计算的时间较长的技术问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种仓库内的人员排班调度方法，包括：
获取初始的人员排班时序；其中，所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量；
基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序；
根据所述最优的人员排班时序，对仓库内的人员排班进行调度。
可选地，基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序，包括：
步骤1：根据所述初始的人员排班时序，计算所述初始的人员排班时序对应的峰值人数和总工作时长；
步骤2：基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率；
步骤3：基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；
步骤4：对所述初始的人员排班时序进行交叉和变异，得到交叉变异后的人员排班时序；
步骤5：针对所述交叉变异后的人员排班时序，重复执行步骤1至步骤4，直到得到适应度最高的人员排班时序，输出所述适应度最高的人员排班时序。
可选地，基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率，包括：
将订单数据、仓布局数据、人员数据和所述初始的人员排班时序输入到仿真系统中；
通过所述仿真系统进行仿真计算，从而输出所述初始的人员排班时序对应的总任务量和平均生产效率。
可选地，基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度，包括：
通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，并对归一化处理结果进行加权求和，从而得到初始的人员排班时序的适应度。
可选地，通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，包括：
通过历史人员排班时序和/或历史仿真计算结果，分别得到峰值人数的值域、总工作时长的值域、总任务量的值域和平均生产效率的值域；
根据所述峰值人数的值域、所述总工作时长的值域、所述总任务量的值域和所述平均生产效率的值域，分别计算所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值；
根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率；
根据所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，以及，预设的所述峰值人数的修正值、所述总工作时长的修正值、所述总任务量的修正值和所述平均生产效率的修正值，并通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理。
可选地，根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，包括：
将所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值分别取倒数，从而得到所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率。
可选地，所述峰值人数和所述总工作时长与所述适应度负相关，所述总任务量和所述平均生产效率与所述适应度正相关。
另外，根据本发明实施例的另一个方面，提供了一种仓库内的人员排班调度装置，包括：
获取模块，用于获取初始的人员排班时序；其中，所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量；
优化模块，用于基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序；
调度模块，用于根据所述最优的人员排班时序，对仓库内的人员排班进行调度。
可选地，所述优化模块还用于：
步骤1：根据所述初始的人员排班时序，计算所述初始的人员排班时序对应的峰值人数和总工作时长；
步骤2：基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率；
步骤3：基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；
步骤4：对所述初始的人员排班时序进行交叉和变异，得到交叉变异后的人员排班时序；
步骤5：针对所述交叉变异后的人员排班时序，重复执行步骤1至步骤4，直到得到适应度最高的人员排班时序，输出所述适应度最高的人员排班时序。
可选地，所述优化模块还用于：
将订单数据、仓布局数据、人员数据和所述初始的人员排班时序输入到仿真系统中；
通过所述仿真系统进行仿真计算，从而输出所述初始的人员排班时序对应的总任务量和平均生产效率。
可选地，所述优化模块还用于：
通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，并对归一化处理结果进行加权求和，从而得到初始的人员排班时序的适应度。
可选地，所述优化模块还用于：
通过历史人员排班时序和/或历史仿真计算结果，分别得到峰值人数的值域、总工作时长的值域、总任务量的值域和平均生产效率的值域；
根据所述峰值人数的值域、所述总工作时长的值域、所述总任务量的值域和所述平均生产效率的值域，分别计算所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值；
根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率；
根据所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，以及，预设的所述峰值人数的修正值、所述总工作时长的修正值、所述总任务量的修正值和所述平均生产效率的修正值，并通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理。
可选地，所述优化模块还用于：
将所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值分别取倒数，从而得到所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率。
可选地，所述峰值人数和所述总工作时长与所述适应度负相关，所述总任务量和所述平均生产效率与所述适应度正相关。
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用基于遗传算法、仿真计算和仿真评价函数，对初始的人员排班时序进行优化，输出最优的人员排班时序的技术手段，所以克服了现有技术中仿真计算的时间较长的技术问题。本发明实施例通过仿真结果建立适当的仿真评价函数，根据仿真评价函数的结果调整遗传算法，最终得到最优的人员排班时序。本发明实施例将传统优化算法中的约束条件转换成成本-价值函数，将多目标优化转化成了对仿真评价函数的单目标优化，提出了基于仿真评价函数进行遗传算法求解的优化方法，从而将仿真和传统运筹优化的方式结合了起来，既保证了方案的可见性和可行性，又加快了求解速度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的仓库内的人员排班调度方法的主要流程的示意图；
图2是根据本发明一个可参考实施例的仓库内的人员排班调度方法的主要流程的示意图；
图3是根据本发明另一个可参考实施例的仓库内的人员排班调度方法的主要流程的示意图；
图4是根据本发明实施例的仓库内的人员排班调度装置的主要模块的示意图；
图5是本发明实施例可以应用于其中的示例性系统架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的仓库内的人员排班调度方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述仓库内的人员排班调度方法可以包括：
步骤101，获取初始的人员排班时序。
首先，获取初始的人员排班时序seq，所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量，也就是说，所述人员排班时序是按照时间排序的具有多个元素的序列数组。比如：具有24个元素人员排班时序{20,30,10....,80}，即0点的人员排班为20人，1点的人员排班为30人，2点的人员排班为10人，…，24点的人员排班为80人；又比如，具有4个元素人员排班时序{20,50,20,10}，即0点-6点的人员排班为20人，6点-12点的人员排班为50人，12点-18点的人员排班为20人，18点-24点的人员排班为10人。
需要指出的是，可以获取一个初始的人员排班时序，也可以获取多个初始的人员排班时序，本发明实施例对此不作限制。
步骤102，基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序。
在该步骤中，将步骤101中获取的初始的人员排班时序作为第一代种群，基于遗传算法对其进行序列交叉和变异，同时结合仿真计算和仿真评价函数对人员排班时序进行优化，输出最优的人员排班时序，这样不但可以保证方案的可见性和可行性，还可以加快算法的求解速度。
仓库作业模型高度复杂，是一个组合优化问题，如果将其他干系系统，影响因素看成黑盒，则该问题属于针对排班-成本最小化的多目标优化问题。本发明实施例主要根据业务，以拣货任务为例，对仿真结果建立适当的仿真评价函数，根据仿真评价函数的计算结果调整遗传算法，最终得到最优人员排班。
可选地，步骤102可以包括：步骤1：根据所述初始的人员排班时序，计算所述初始的人员排班时序对应的峰值人数和总工作时长；步骤2：基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总拣货任务任务量和平均生产效率；步骤3：基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总拣货任务任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；步骤4：对所述初始的人员排班时序进行交叉和变异，得到交叉变异后的人员排班时序；步骤5：针对所述交叉变异后的人员排班时序，重复执行步骤1至步骤4，直到得到适应度最高的人员排班时序，输出所述适应度最高的人员排班时序。
在本发明的实施例中，仓库内的人员可以执行任意一种任务，比如拣货任务、复核任务或者入库任务等，本发明实施例对此不做限制。
以拣货任务为例，假设某一个初始的人员排班时序为seq1{20,20,20,20}，则计算出峰值人数为20人，总工作时长为20*24*60＝28800分钟；将该人员排班时序输入到仿真系统中，仿真系统对其进行仿真计算，得到总拣货量为55124件，平均生产效率为116件/小时。然后基于仿真评价函数对峰值人数、总工作时长、总拣货量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；接着对适应度较高的人员排班时序进行交叉和变异，针对交叉变异后的人员排班时序，按照前述方法计算其适应度，直到达到预设的代数阈值或者在预设代数内没有出现更高的适应度，则停止交叉变异，输出适应度最高的人员排班时序。需要指出的是，通常选择适应度较高的人员排班时序进行交叉变异。
可选地，基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率，包括：将订单数据、仓布局数据、人员数据和所述初始的人员排班时序输入到仿真系统中；通过所述仿真系统进行仿真计算，从而输出所述初始的人员排班时序对应的总任务量和平均生产效率。
以拣货任务为例，仿真系统在进行仿真计算之前，需要先进行数据准备，主要包括订单数据、仓布局数据和人员数据。其中，订单数据中包括订单号outboundNo、物品号skuNo、储位号cellNo和拣货数量pickQty；仓布局数据包括仓货架摆放位置、规格、间距和巷道宽度等数据；拣货人员数据包括拣货员扫描动作时间概率分布、取货动作时间概率分布和移动速度概率分布。
仿真系统根据仓内作业模式建立基于Agent的仿真模型，在仿真模型中，PickerAgent为主要的智能体，初始化伪代码如下：
PickerAgent pa＝new PickerAgent(action[])；
其中，action动作分别有扫描(vs)、取货(vg)、移动(vm)，用时分别为ts、tg、tm。
在仿真模型中，主要有拣货任务获取和拣货任务执行两个动作。
当pickerAgent没有拣货任务时，获取拣货任务后开始执行动作，其用时为ts+tg+tm，ts、tg与拣货数量线性正相关，tm与拣货路径距离线性正相关。因此，将人员排班时序输入到仿真系统后，通过仿真系统的仿真计算可以该人员排班时序对应的总拣货量、平均生产效率以及订单的履约情况(即波次是否清完)。本发明实施例将全部的仓作业场景通过仿真建模，并其他问题将其看成“黑盒”，以仿真可见的反馈结果来替代传统的人工方法或者线性规划方法。
可选地，基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度，包括：通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，并对归一化处理结果进行加权求和，从而得到初始的人员排班时序的适应度。本发明实施例将复杂的约束问题中的约束条件转换为仿真中的评价函数，通过仿真评价函数对输入的人员排班时序予以打分，当仿真评价函数f(x)取得最大值时，方案最优。
可选地，通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，包括：通过历史人员排班时序和/或历史仿真计算结果，分别得到峰值人数的值域、总工作时长的值域、总任务量的值域和平均生产效率的值域；根据所述峰值人数的值域、所述总工作时长的值域、所述总任务量的值域和所述平均生产效率的值域，分别计算所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值；根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率；根据所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，以及，预设的所述峰值人数的修正值、所述总工作时长的修正值、所述总任务量的修正值和所述平均生产效率的修正值，并通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理。
按照业务规则，对仿真评价函数f(x)进行优化有以下几个约束条件，设是否清完波次为c，峰值人数为x1，总工作时长为x2，总任务量为x3，平均生产效率为x4。
根据历史人员排班时序和/或历史仿真计算结果可以得到峰值人数x1(人)、总工作时长x2(人*分钟)、总任务量x3(件)、平均生产效率x4(件/小时)的大致值域，然后分别求出峰值人数x1的平均值、总工作时长x2的平均值、总任务量x3的平均值、平均生产效率x4的平均值；
为了统一量纲，这四个指标可简单表示为y＝kx+b，使得当x在其定义域取值时，y<0。其中k为x1:x2:x3:x4化简后的斜率，b为其修正值。
通过以e为底的指数函数做数据归一化处理，根据业务需求以w为权重加权，可得
其中，第一项、第二项，因为约束为求最小值，则x和f(x)负相关。
可选地，所述峰值人数和所述总工作时长与所述适应度负相关，所述总任务量和所述平均生产效率与所述适应度正相关。峰值人数标志着仓库最大储备人数，是仓库人力成本的主要体现，实际生产中应使得每小时生产人数较为均衡并且最小化分值人数。根据人员排班时序得到总工作时长，需要最小化总工作时长。
可选地，根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，包括：将所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值分别取倒数，从而得到所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率。为了方便计算，上述四个指标可简单表示为y＝kx+b，因此可以通过取倒数可以分别计算出这四个指标的斜率。
步骤103，根据所述最优的人员排班时序，对仓库内的人员排班进行调度。
根据步骤102输出的最优人员排班时序，对仓库内的人员排班进行调度，使得一天24小时的人员排班按照人员排班时序进行优化。
根据上面所述的各种实施例，可以看出本发明实施例通过基于遗传算法、仿真计算和仿真评价函数，对初始的人员排班时序进行优化，输出最优的人员排班时序的技术手段，解决了现有技术中仿真计算的时间较长的技术问题。本发明实施例通过仿真结果建立适当的仿真评价函数，根据仿真评价函数的结果调整遗传算法，最终得到最优的人员排班时序。本发明实施例将传统优化算法中的约束条件转换成成本-价值函数，将多目标优化转化成了对仿真评价函数的单目标优化，提出了基于仿真评价函数进行遗传算法求解的优化方法，从而将仿真和传统运筹优化的方式结合了起来，既保证了方案的可见性和可行性，又加快了求解速度。
图2是根据本发明一个可参考实施例的仓库内的人员排班调度方法的主要流程的示意图。作为本发明的又一个实施例，如图2所示，所述仓库内的人员排班调度方法可以包括：
步骤201，获取初始的人员排班时序。
初始化n个初始的人员排班时序，并设置代数阈值GEN，设置交叉片段和变异概率等。
步骤202，根据所述初始的人员排班时序，计算所述初始的人员排班时序对应的峰值人数和总工作时长；基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率。
分别计算n个初始的人员排班时序的峰值人数和总工作时长，并将n个初始的人员排班时序以{seq1[]，seq2[]…，seqn[]}的形式输入到仿真系统中，从而得到n个初始的人员排班时序对应的总任务量和平均生产效率。
步骤203，基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度。
根据步骤202的计算结果，分别计算这个n个初始的人员排班时序对应的适应度。
步骤204，是否达到预设的代数阈值或者在预设代数内没有出现更高的适应度；若是，则执行步骤206；若否，则执行步骤205。
步骤205，对所述初始的人员排班时序进行交叉和变异，得到交叉变异后的人员排班时序。
选择适应度较高的人员排班时序进行作为最优种群，对其seq中某段序列交叉、变异，得到下一代种群。
针对所述交叉变异后的人员排班时序，重复执行步骤202-204，直到达到预设的代数阈值或者在预设代数内没有出现更高的适应度，则停止交叉变异。
步骤206，输出适应度最高的人员排班时序。
步骤207，根据所述最优的人员排班时序，对仓库内的人员排班进行调度。
以大促某日排班优化为例(以四位数来代替0-6,6-12,12-18,18-24，四个时间段)：
假设其中一个初始的人员排班时序为seq1{20,20,20,20}，其x1、x2分别为20，28800，根据仿真计算可得x3、x4分别为55124，116，且全部订单履约，则c＝1。数据归一化后由仿真评价函数可得排班seq1的适应度为75分。种群交叉、变异后的两个人员排班时序分别为seq2{19，19，20，20}和seq3{21,21,20,20}，适应度分别为76.5分，74分，则以seq2继续交叉、变异生成种群，循环直至达到预设的代数阈值或者在预设代数内没有出现更高的适应度。
另外，在本发明一个可参考实施例中仓库内的人员排班调度方法的具体实施内容，在上面所述仓库内的人员排班调度方法中已经详细说明了，故在此重复内容不再说明。
图3是根据本发明另一个可参考实施例的仓库内的人员排班调度方法的主要流程的示意图。作为本发明的另一个实施例，如图3所示，所述仓库内的人员排班调度方法可以包括：
生产系统产生数据，比如初始的人员排班时序、订单数据、仓布局数据和拣货人员数据。其中，订单数据中包括订单号outboundNo、物品号skuNo、储位号cellNo和拣货数量pickQty；仓布局数据包括仓货架摆放位置、规格、间距和巷道宽度等数据；拣货人员数据包括拣货员扫描动作时间概率分布、取货动作时间概率分布和移动速度概率分布。然后将产生的数据都存储到数据库中。
算法模型调用仿真系统，仿真系统从数据库中获取数据，经过清洗、统计和拟合之后，将数据输入到仿真系统中，仿真系统进行仿真计算，得到人员排班时序对应的总拣货量和平均生产效率。
仿真系统计算人员排班时序对应的峰值人数、总工作时长，然后基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总拣货量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；然后将人员排班时序及其对应的适应度(即评分)存储到Redis中。
算法模型读取Redis中人员排班时序及其对应的适应度，对人员排班时序进行交叉变异，并调用仿真系统，通过仿真系统计算出交叉变异后的人员排班时序的适应度。
另外，在本发明另一个可参考实施例中仓库内的人员排班调度方法的具体实施内容，在上面所述仓库内的人员排班调度方法中已经详细说明了，故在此重复内容不再说明。
图4是根据本发明实施例的仓库内的人员排班调度装置的主要模块的示意图，如图4所示，所述仓库内的人员排班调度装置400包括获取模块401、优化模块402和调度模块403；其中，获取模块401用于获取初始的人员排班时序；所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量；优化模块402用于基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序；调度模块403用于根据所述最优的人员排班时序，对仓库内的人员排班进行调度。
可选地，所述优化模块402还用于：
步骤1：根据所述初始的人员排班时序，计算所述初始的人员排班时序对应的峰值人数和总工作时长；
步骤2：基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率；
步骤3：基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；
步骤4：对所述初始的人员排班时序进行交叉和变异，得到交叉变异后的人员排班时序；
步骤5：针对所述交叉变异后的人员排班时序，重复执行步骤1至步骤4，直到得到适应度最高的人员排班时序，输出所述适应度最高的人员排班时序。
可选地，所述优化模块402还用于：
将订单数据、仓布局数据、人员数据和所述初始的人员排班时序输入到仿真系统中；
通过所述仿真系统进行仿真计算，从而输出所述初始的人员排班时序对应的总任务量和平均生产效率。
可选地，所述优化模块402还用于：
通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，并对归一化处理结果进行加权求和，从而得到初始的人员排班时序的适应度。
可选地，所述优化模块402还用于：
通过历史人员排班时序和/或历史仿真计算结果，分别得到峰值人数的值域、总工作时长的值域、总任务量的值域和平均生产效率的值域；
根据所述峰值人数的值域、所述总工作时长的值域、所述总任务量的值域和所述平均生产效率的值域，分别计算所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值；
根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率；
根据所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，以及，预设的所述峰值人数的修正值、所述总工作时长的修正值、所述总任务量的修正值和所述平均生产效率的修正值，并通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理。
可选地，所述优化模块402还用于：
将所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值分别取倒数，从而得到所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率。
可选地，所述峰值人数和所述总工作时长与所述适应度负相关，所述总任务量和所述平均生产效率与所述适应度正相关。
根据上面所述的各种实施例，可以看出本发明实施例通过基于遗传算法、仿真计算和仿真评价函数，对初始的人员排班时序进行优化，输出最优的人员排班时序的技术手段，解决了现有技术中仿真计算的时间较长的技术问题。本发明实施例通过仿真结果建立适当的仿真评价函数，根据仿真评价函数的结果调整遗传算法，最终得到最优的人员排班时序。本发明实施例将传统优化算法中的约束条件转换成成本-价值函数，将多目标优化转化成了对仿真评价函数的单目标优化，提出了基于仿真评价函数进行遗传算法求解的优化方法，从而将仿真和传统运筹优化的方式结合了起来，既保证了方案的可见性和可行性，又加快了求解速度。
需要说明的是，在本发明所述仓库内的人员排班调度装置的具体实施内容，在上面所述仓库内的人员排班调度方法中已经详细说明了，故在此重复内容不再说明。
图5示出了可以应用本发明实施例的仓库内的人员排班调度方法或仓库内的人员排班调度装置的示例性系统架构500。
如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果反馈给终端设备。
需要说明的是，本发明实施例所提供的仓库内的人员排班调度方法一般由服务器505执行，相应地，所述仓库内的人员排班调度装置一般设置在服务器505中。本发明实施例所提供的仓库内的人员排班调度方法也可以由终端设备501、502、503执行，相应地，所述仓库内的人员排班调度装置可以设置在终端设备501、502、503中。
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、优化模块和调度模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，该设备实现如下方法：获取初始的人员排班时序；其中，所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量；基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序；根据所述最优的人员排班时序，对仓库内的人员排班进行调度。
根据本发明实施例的技术方案，因为采用基于遗传算法、仿真计算和仿真评价函数，对初始的人员排班时序进行优化，输出最优的人员排班时序的技术手段，所以克服了现有技术中仿真计算的时间较长的技术问题。本发明实施例通过仿真结果建立适当的仿真评价函数，根据仿真评价函数的结果调整遗传算法，最终得到最优的人员排班时序。本发明实施例将传统优化算法中的约束条件转换成成本-价值函数，将多目标优化转化成了对仿真评价函数的单目标优化，提出了基于仿真评价函数进行遗传算法求解的优化方法，从而将仿真和传统运筹优化的方式结合了起来，既保证了方案的可见性和可行性，又加快了求解速度。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (9)

1.一种仓库内的人员排班调度方法，其特征在于，包括：
获取初始的人员排班时序；其中，所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量；
基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序；
根据所述最优的人员排班时序，对仓库内的人员排班进行调度;
其中，基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序，包括：
步骤1：根据所述初始的人员排班时序，计算所述初始的人员排班时序对应的峰值人数和总工作时长；
步骤2：基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率；
步骤3：基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；
步骤4：对所述初始的人员排班时序进行交叉和变异，得到交叉变异后的人员排班时序；
步骤5：针对所述交叉变异后的人员排班时序，重复执行步骤1至步骤4，直到得到适应度最高的人员排班时序，输出所述适应度最高的人员排班时序。
2.根据权利要求1所述的方法，其特征在于，基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率，包括：
将订单数据、仓布局数据、人员数据和所述初始的人员排班时序输入到仿真系统中；
通过所述仿真系统进行仿真计算，从而输出所述初始的人员排班时序对应的总任务量和平均生产效率。
3.根据权利要求1所述的方法，其特征在于，基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度，包括：
通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，并对归一化处理结果进行加权求和，从而得到初始的人员排班时序的适应度。
4.根据权利要求3所述的方法，其特征在于，通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理，包括：
通过历史人员排班时序和/或历史仿真计算结果，分别得到峰值人数的值域、总工作时长的值域、总任务量的值域和平均生产效率的值域；
根据所述峰值人数的值域、所述总工作时长的值域、所述总任务量的值域和所述平均生产效率的值域，分别计算所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值；
根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率；
根据所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，以及，预设的所述峰值人数的修正值、所述总工作时长的修正值、所述总任务量的修正值和所述平均生产效率的修正值，并通过以e为底的指数函数对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行归一化处理。
5.根据权利要求4所述的方法，其特征在于，根据所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值，分别计算所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率，包括：
将所述峰值人数的平均值、所述总工作时长的平均值、所述总任务量的平均值和所述平均生产效率的平均值分别取倒数，从而得到所述峰值人数的斜率、所述总工作时长的斜率、所述总任务量的斜率和所述平均生产效率的斜率。
6.根据权利要求3所述的方法，其特征在于，所述峰值人数和所述总工作时长与所述适应度负相关，所述总任务量和所述平均生产效率与所述适应度正相关。
7.一种仓库内的人员排班调度装置，其特征在于，包括：
获取模块，用于获取初始的人员排班时序；其中，所述人员排班时序中的各个元素分别表示各个时间节点对应的人员数量；
优化模块，用于基于遗传算法、仿真计算和仿真评价函数，对所述初始的人员排班时序进行优化，输出最优的人员排班时序；
调度模块，用于根据所述最优的人员排班时序，对仓库内的人员排班进行调度；
所述优化模块还用于：
步骤1：根据所述初始的人员排班时序，计算所述初始的人员排班时序对应的峰值人数和总工作时长；
步骤2：基于仿真计算，对所述初始的人员排班时序进行求解，得到所述初始的人员排班时序对应的总任务量和平均生产效率；
步骤3：基于仿真评价函数，对所述初始的人员排班时序对应的峰值人数、总工作时长、总任务量和平均生产效率进行求解，得到所述初始的人员排班时序的适应度；
步骤4：对所述初始的人员排班时序进行交叉和变异，得到交叉变异后的人员排班时序；
步骤5：针对所述交叉变异后的人员排班时序，重复执行步骤1至步骤4，直到得到适应度最高的人员排班时序，输出所述适应度最高的人员排班时序。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202011034395.9A 2020-09-27 2020-09-27 一种仓库内的人员排班调度方法和装置 Active CN113743640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011034395.9A CN113743640B (zh) 2020-09-27 2020-09-27 一种仓库内的人员排班调度方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011034395.9A CN113743640B (zh) 2020-09-27 2020-09-27 一种仓库内的人员排班调度方法和装置

Publications (2)

Publication Number Publication Date
CN113743640A CN113743640A (zh) 2021-12-03
CN113743640B true CN113743640B (zh) 2023-09-26

Family

ID=78728050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011034395.9A Active CN113743640B (zh) 2020-09-27 2020-09-27 一种仓库内的人员排班调度方法和装置

Country Status (1)

Country Link
CN (1) CN113743640B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012064031A (ja) * 2010-09-16 2012-03-29 Ritsumeikan スケジューリング装置、コンピュータプログラム、及びデータ
CN104778532A (zh) * 2015-03-12 2015-07-15 科大国创软件股份有限公司 智能呼叫中心管理系统及智能排班控制方法
CN108256755A (zh) * 2018-01-09 2018-07-06 信雅达系统工程股份有限公司 一种基于单个员工同时胜任多岗位要求的排班方法
CN111160607A (zh) * 2019-11-28 2020-05-15 泰康保险集团股份有限公司 基于进化算法的医养机构排班方法、系统、设备及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012064031A (ja) * 2010-09-16 2012-03-29 Ritsumeikan スケジューリング装置、コンピュータプログラム、及びデータ
CN104778532A (zh) * 2015-03-12 2015-07-15 科大国创软件股份有限公司 智能呼叫中心管理系统及智能排班控制方法
CN108256755A (zh) * 2018-01-09 2018-07-06 信雅达系统工程股份有限公司 一种基于单个员工同时胜任多岗位要求的排班方法
CN111160607A (zh) * 2019-11-28 2020-05-15 泰康保险集团股份有限公司 基于进化算法的医养机构排班方法、系统、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Zhang Y et al..A dynamic optimization model for bus schedule design to mitigate the passenger waiting time by dispatching the bus platoon.《Proceedings of the American Control Conference》.2020,全文. *
章坚民.供电公司移动作业排班调度优化模型及算法.《电力系统自动化》.2013,全文. *

Also Published As

Publication number Publication date
CN113743640A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
CN113239317B (zh) 确定订单履约仓库的方法和装置
CN109961198B (zh) 关联信息生成方法和装置
CN110109901B (zh) 筛选目标对象的方法和装置
CN111371858B (zh) 群控设备识别方法、装置、介质及电子设备
CN108536650A (zh) 生成梯度提升树模型的方法和装置
CN109544076B (zh) 用于生成信息的方法和装置
CN109711871B (zh) 一种潜在客户确定方法、装置、服务器及可读存储介质
CN110554951A (zh) 一种埋点管理的方法和装置
CN113793081A (zh) 仓储监控方法、装置、计算机可读介质及电子设备
CN112231299B (zh) 一种特征库动态调整的方法和装置
CN113743640B (zh) 一种仓库内的人员排班调度方法和装置
CN112784212B (zh) 一种优化库存的方法和装置
CN110930101B (zh) 确定订单的配送时间的方法、装置、电子设备和可读介质
CN113762687B (zh) 一种仓库内的人员排班调度方法和装置
CN113139669B (zh) 多目标路线规划的方法、装置、电子设备和存储介质
CN110019531A (zh) 一种获取相似对象集合的方法和装置
US20230053859A1 (en) Method and apparatus for outputting information
CN113626175B (zh) 数据处理的方法和装置
CN112989276A (zh) 信息推送系统的评价方法和装置
CN112784213A (zh) 一种生成信息的方法和装置
CN112734314B (zh) 确定选品集合的方法和装置
CN112668949B (zh) 拣货的方法和装置
CN113762570B (zh) 一种拣货任务组单方法和装置
CN116358594B (zh) 一种车辆路径的规划方法和装置
CN113362097B (zh) 一种用户确定方法和装置

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