CN113762575A - 输送线路径优化方法和装置 - Google Patents

输送线路径优化方法和装置 Download PDF

Info

Publication number
CN113762575A
CN113762575A CN202011406514.9A CN202011406514A CN113762575A CN 113762575 A CN113762575 A CN 113762575A CN 202011406514 A CN202011406514 A CN 202011406514A CN 113762575 A CN113762575 A CN 113762575A
Authority
CN
China
Prior art keywords
path optimization
conveying line
model
line path
optimization model
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
CN202011406514.9A
Other languages
English (en)
Other versions
CN113762575B (zh
Inventor
孙华
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 Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi 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 Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN202011406514.9A priority Critical patent/CN113762575B/zh
Publication of CN113762575A publication Critical patent/CN113762575A/zh
Application granted granted Critical
Publication of CN113762575B publication Critical patent/CN113762575B/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods

Landscapes

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

Abstract

本发明公开了一种输送线路径优化方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据输送线作业环境建立基于路段传输模型的输送线路径优化模型；其中，所述输送线路径优化模型包括以输送线整体流量为因变量的目标函数以及多个约束条件，所述目标函数的自变量为输送线上每一拣货箱的行经路段；对所述输送线路径优化模型进行求解，得到输送线整体流量最小时对应的每一拣货箱行经路段，从而实现输送线上每一拣货箱的路径优化。该实施方式能够通过基于路段传输模型建立的输送线路径优化模型实现输送线整体传输效率的最优。

Description

输送线路径优化方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种输送线路径优化方法 和装置。
背景技术
智能仓储是物流过程的重要环节，决定着订单履行效率以及用户 服务质量，输送线作为具有节约用地、减轻劳动强度、避免货物损坏 或遗失、消除差错、降低储运损耗、有效地减少流动资金的积压、提 高物流效率等诸多优点的自动化智能设备，被广泛应用在自动化立体 仓库里。然而，随着电子商务的快速发展，订单数量的与日俱增，输 送线的堵塞问题已经成为影响商品出入库效率的关键问题之一。
实际上输送线的堵塞问题本质上是路径规划问题，所以对输送线 堵塞问题优化也通常将其转化为路径优化问题来解决，常用的处理手 段，是针对每个输送线上的拣货箱根据输送线的实时拥堵状况选择当 前状态下的最短路，采用的方法包括U型算法、A*算法和转化VRP(即 车辆路径规划)或TSP(旅行商)问题，采用启发式算法求解转化后 的问题。
当前处理输送线堵塞问题的方法，大多考虑的是当前拥堵条件下 的时间意义下的最短路，这样处理对输送线上每个拣货箱可能是最优 的，但是对整个输送线系统并非最优。同时，这种计算最短路方法无 法模拟输送线上堵塞排队后溢，路段的先进先出的一些现象，不能真 实反映实际情况。另外，将输送线堵塞问题转化为TSP或VRP问题， 本身没有考虑输送线的堵塞现象，而转化后TSP或VRP问题本身 NP-hard问题，求解比较困难，启发式算法得到解，并不能保证最优。 同时。现有输送线处理方法中，有些需要枚举输送线上的所有路径， 这针对大规模输送线系统，计算量较大，比较耗时。
因此，现有仓库输送线路径优化方法无法保证输送系统整体效率 的最优，容易造成输送线拥堵，影响商品的出入库效率，降低订单的 履行效率以及用户的服务质量。
发明内容
有鉴于此，本发明实施例提供一种输送线路径优化方法和装置， 能够通过基于路段传输模型建立的输送线路径优化模型实现输送线整 体传输效率的最优。
为实现上述目的，根据本发明的一个方面，提供了一种输送线路 径优化方法。
本发明实施例的输送线路径优化方法包括：根据输送线作业环境 建立基于路段传输模型的输送线路径优化模型；其中，所述输送线路 径优化模型包括以输送线整体流量为因变量的目标函数以及多个约束 条件，所述目标函数的自变量为输送线上每一拣货箱的行经路段；对 所述输送线路径优化模型进行求解，得到输送线整体流量最小时对应 的每一拣货箱行经路段，从而实现输送线上每一拣货箱的路径优化。
可选地，所述输送线路径优化模型基于路段传输模型来模拟拣货 箱在输送线堵塞时的排队后溢现象。
可选地，所述约束条件包括第一约束条件，其用于限制每一拣货 箱在输送线任一路段通行时不会滞留。
可选地，所述约束条件包括第二约束条件，其用于限制每一拣货 箱在输送线任一路段通行时符合先进先出规则。
可选地，所述输送线路径优化模型为非凸的混合整数规划模型， 所述对所述输送线路径优化模型进行求解包括：通过分支定界算法求 解所述输送线路径优化模型。
为实现上述目的，根据本发明的另一方面，提供了一种输送线路 径优化装置。
本发明实施例的输送线路径优化装置包括：建模单元，用于根据 输送线作业环境建立基于路段传输模型的输送线路径优化模型；其中， 所述输送线路径优化模型包括以输送线整体流量为因变量的目标函数 以及多个约束条件，所述目标函数的自变量为输送线上每一拣货箱的 行经路段；求解单元，用于对所述输送线路径优化模型进行求解，得 到输送线整体流量最小时对应的每一拣货箱行经路段，从而实现输送 线上每一拣货箱的路径优化。
可选地，所述输送线路径优化模型基于路段传输模型来模拟拣货 箱在输送线堵塞时的排队后溢现象；所述约束条件包括第一约束条件 和第二约束条件，第一约束条件用于限制每一拣货箱在输送线任一路 段通行时不会滞留，第二约束条件用于限制每一拣货箱在输送线任一 路段通行时符合先进先出规则。
可选地，所述输送线路径优化模型为非凸的混合整数规划模型， 所述求解单元进一步用于：通过分支定界算法求解所述输送线路径优 化模型。
为实现上述目的，根据本发明的又一方面，提供了一种电子设备。
本发明的一种电子设备包括：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，使得所述一个或多个处理器实现本发明所提供的输送线路 径优化方法。
为实现上述目的，根据本发明的再一方面，提供了一种计算机可 读存储介质。
本发明的一种计算机可读存储介质，其上存储有计算机程序，所 述程序被处理器执行时实现本发明所提供的输送线路径优化方法。
根据本发明的技术方案，上述发明中的实施例具有如下优点或有 益效果：本发明针对现有仓库输送线路径优化算法中仅考虑每个拣货 箱局部最优问题，提出了一种基于路段传输模型的输送线路径优化模 型，模型不仅模拟输送线上排队后溢和拣货箱滞留等问题，还考虑了 拣货箱的先进先出，模型以输送线整体流量最优为目标，采用路段传 输模型来模拟拣货箱在输送线堵塞时的排队后溢现象，同时考虑消除 拣货箱滞留问题和先进先出约束，另外，模型采用基于路段的变量构 建方式，来避路径变量的枚举。模型被构建成一个非凸的混合整数规 划模型，通过分支定界的算法来求解，得到每个拣货箱的输送线上最 优路径，实现输送线整体网络的最优，从而避免输送线上拣货箱的拥 堵，提高输送线的拣货效率。
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是本发明实施例中输送线路径优化方法的主要步骤示意图；
图2是本发明实施例中输送线各路段示意图；
图3是本发明实施例中输送线路径优化装置的组成部分示意图；
图4是根据本发明实施例可以应用于其中的示例性系统架构图；
图5是用来实现本发明实施例中输送线路径优化方法的电子设备 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。
需要指出的是，在不冲突的情况下，本发明的实施例以及实施例 中的技术特征可以相互结合。
图1是根据本发明实施例中输送线路径优化方法的主要步骤示意 图。
如图1所示，本发明实施例的输送线路径优化方法可具体按照如 下步骤执行：
步骤S101：根据输送线作业环境建立基于路段传输模型的输送线 路径优化模型；其中，所述输送线路径优化模型包括以输送线整体流 量为因变量的目标函数以及多个约束条件，所述目标函数的自变量为 输送线上每一拣货箱的行经路段。具体应用中，路段传输模型是一种 采用三角形基本图来模拟路段上流量流入和流出和排队后溢等现象模 型，它具有良好的捕获空间排队和冲击波传播特性，可用于输送线网 络中的流量传播。步骤S102：对所述输送线路径优化模型进行求解， 得到输送线整体流量最小时对应的每一拣货箱行经路段，从而实现输 送线上每一拣货箱的路径优化。
在本发明实施例中，所述输送线路径优化模型基于路段传输模型 (linktransmission model，可简写为LTM)来模拟拣货箱在输送线堵 塞时的排队后溢现象。路段传输模型由路段模型和节点模型构成，其 中路段模型主要针对车辆(本文中为拣货箱)流量和车辆密度进行建 模，上述流量指的是车辆或拣货箱数量函数(其是关于时间和空间位置的函数)对时间的偏微分。排队后溢是交通领域的用词，本意指的 是交通过饱和的一种具体形态，是车辆排队累积过程的某一阶段，对 于过饱和拓宽交叉口，当发生车辆排队溢出展宽段时，展宽段与路段 衔接处不同流向的车流发生阻滞，能够严重影响车辆的顺畅通行，该 用词在本文中用于表示拣货箱在输送线的类似拥堵状态。
所述约束条件包括第一约束条件(可以包括多个具体的约束条件)， 其用于限制每一拣货箱在输送线任一路段通行时不会滞留；所述约束 条件可以进一步包括第二约束条件(可以包括多个具体的约束条件)， 其用于限制每一拣货箱在输送线任一路段通行时符合先进先出规则 (即FIFO，First-In-First-Out)。
实际应用中，所述输送线路径优化模型可以是非凸的混合整数规 划模型，所述对所述输送线路径优化模型进行求解包括：通过分支定 界算法求解所述输送线路径优化模型。
以下将以一个具体实施例进行说明。
本发明的目的针对现有输送线路径优化方法难以模拟输送线排队 后溢拥堵现象和很少考虑输送线整体流量等问题，提出一种基于路段 传输模型下的输送线路径优化算法，模型借助路段传输模型模拟输送 线拥堵排队后溢等现象，同时考虑输送线先进先出等现象，以输送线 整体拣货流量最优为衡量标准建立目标函数，同时采用拣货箱消除拣 货箱滞留和先进先出的约束，模型被写成非凸混合整数非线性规划模 型，模型通过分支定界算法来求解，通过模型求解获得输送线上每个 拣货箱的最优路径。具体技术方案如下:
第一，对输送线作业环境进行假设并建立数学模型；第二，考虑 基于路段传输模型的特征，同时以整体输送线流量最小作为目标函数； 第三，根据路段传输模型的特点，考虑消除拣货箱滞留约束和输送线 路段先进先出约束；第四，采用分支定界的算法求解相关数学模型； 第五，通过对模型求解，获得输送线上每个拣货箱的最优拣货路径， 从而保证整个输送线达到最优。为此，首先定义如下符号：
Figure BDA0002814441990000061
Figure BDA0002814441990000071
Figure BDA0002814441990000072
Figure BDA0002814441990000073
Figure BDA0002814441990000074
Figure BDA0002814441990000075
Figure BDA0002814441990000081
Figure BDA0002814441990000082
Figure BDA0002814441990000083
Figure BDA0002814441990000084
Figure BDA0002814441990000085
Figure BDA0002814441990000086
Figure BDA0002814441990000087
Figure BDA0002814441990000088
以下为消除滞留限制：
Figure BDA0002814441990000089
Figure BDA00028144419900000810
Figure BDA00028144419900000811
Figure BDA00028144419900000812
Figure BDA00028144419900000813
Figure BDA00028144419900000814
以下为FIFO限制：
Figure BDA00028144419900000815
Figure BDA00028144419900000816
Figure BDA00028144419900000817
Figure BDA00028144419900000818
Figure BDA00028144419900000819
Figure BDA00028144419900000820
Figure BDA0002814441990000091
Figure BDA0002814441990000092
Figure BDA0002814441990000093
Figure BDA0002814441990000094
Figure BDA0002814441990000095
Figure BDA0002814441990000096
Figure BDA0002814441990000097
目标函数(1)最小化网络系统最优流量，约束(2)表示到时刻 为止，路段a累计流出流量小于等于路段a在时刻t-τa时刻累计流入流 量；约束(3)表示到时刻t，路段a的流出流量小于路段a的流出能力； 约束(4)表示到时刻t为止，路段a累计流入流量不超过在时刻
Figure BDA00028144419900000910
为 止的累计流出数量加上停留在路段a拣选箱数量；约束(5)表示到时 刻t为止，路段a流入流量不超过路段a的流入通行能力；约束(6)表 示到时刻t为止，终点为s,从路段a的累计流出数量不超过到时刻t-τa为 止，终点为s，进入路段a的累计流入流量；约束(7)表示到时刻t为 止所有尾部节点是r的去往终点s的路段累计流量之和等于起点r终点s 之间的累计需求；约束(8)表示到时刻t为止，对于非起终点节点i来 说，通过节点i的累计流出流量等于通过该点的累计流入流量之和；约 束(9)表示到时刻t为止,路段a的流入流量是非负约束；约束(10)表 示到时刻t为止,路段a的流出流量是非负约束；约束(11)和约束(12) 表示非负约束和路段a的初始流量为0；约束(13)表示判断到时刻t为 止，路段a累计流出流量是否等于t-τa时刻，路段a的累计流入流量； 约束(14)表示判断时刻t,路段a的流出流量是否等于路段a的通行能力； 约束(15)表示判断时刻t,路段a的后续路段bj的累计流入量是否等于
Figure BDA0002814441990000098
时刻的累计流出量加上该路段的流量之和；约束(16)表示判断 时刻t,路段a的后续路段bj的流入量是否等于该时刻的流入能力。约束 (17)表示
Figure BDA0002814441990000099
为0-1组合形式只能用1+2|Γ(a)|；约束(18)表示0-1 限制；约束(19)表示为满足先进先出条件，路段a的累计流出量是累 计流入量的线性组合；约束(20)表示线性组合的系数之和等于1；约束(21)表示至多两个相邻的时间片段被描述线性组合；约束(22) 线性组合系数要求是非负的；约束(23)表示所有去往终点s，在时刻 进入r-s之间的路段a拣选箱流量等于路段a的流入量；约束(24)表 示所有去往终点s，在时刻t流出r-s之间的路段a拣选箱流量等于路段a 的流出量；约束(25)表示对于非起终点i，当时刻t来说，如果对r-s 之间的拣货箱m从r-s之间的路段a流出，那么它从路段a后续路段流出， 否则它不经过该节点；约束(26)表示某个拣选箱子不可能不同时刻 进入路段2次以上；约束(27)表示某个拣选箱子不可能不同时刻从 路段a流出2次以上；约束(28)表示某个拣选箱子不可能同一时刻进 入两条路段；约束(29)表示某个拣选箱子不可能同一时刻从两条路 段流出；约束(30)表示某个拣选箱子如果流入某条路段，它必流出 这条路段；约束(31)表示0-1约束。
从上面的模型可以看出，这是一个非凸的混合整数非线性规划模 型，下面用分支定界求解该模型，具体步骤如下：
第一步：初始化UB←+∞，LB←0和
Figure BDA0002814441990000101
设置产生一 个初始搜索树点α0，
Figure BDA0002814441990000102
和UT←{α0}以及选择一个ε＞0，这里 UT表示未搜索集合，
Figure BDA0002814441990000103
表示输入搜索树序列集合
第二步：如果UB-LB＞ε，根据α＝argminβ∈UT{LBβ+Pβ}选择分支点， 这里
Figure BDA0002814441990000104
pα表示搜索树点β的优先级参数，否则转第七步
第三步：初始化m←1，
第四步：当m＞0时，求解如下优化问题得到最优解u*,v*,z*和最优 值η*
Figure BDA0002814441990000105
s.t.(2)-(18)和(23)-(31)
Figure BDA0002814441990000106
这里
Figure BDA0002814441990000107
和
Figure BDA0002814441990000108
分别表示搜索树点β的进入路段时间的上界和下界， αβ表示搜索树β点的路段指标集合，tβ表示搜索树点β的时间指标， 置LBα←η*,uα,vα,zα←u*,v*,z*，m＝0
第五步：对每一个路段a∈A\As和时间片段t∈T检查
如果满足
Figure RE-GDA0002943959120000118
那么，Φα←Φα+{(a，t)}和m←m+1， 转第四步
第六步：执行子程序2，更新上下界
Figure RE-GDA0002943959120000119
对每一个α∈UT，这里UT是给定的FIFO模式下搜索树点集合，如 果LBα≥UB，那么UT←UT-{α}，转第二步，
第七步：置
Figure RE-GDA0002943959120000121
输出最优解(u*，v*，z*)
子程序1：FIFO条件识别
第一步：初始化
Figure RE-GDA0002943959120000122
第二步：2.1对每一个路段a∈A\As和时间片段t∈T做如下：
通过
Figure RE-GDA0002943959120000123
和
Figure RE-GDA0002943959120000124
两 个式子检验
Figure RE-GDA0002943959120000125
和
Figure RE-GDA0002943959120000126
2.2如果对每个终点s∈S有
Figure RE-GDA0002943959120000127
或者
Figure RE-GDA0002943959120000128
那么得到 Φ(x)←Φ(x)+{(a，t)}，转2.1
子程序2：执行FIFO分支(α，uα，vα，zα)
第一步：初始化
Figure RE-GDA0002943959120000129
和
Figure RE-GDA00029439591200001210
第二步：从子程序1中得到Φ(xα)，Φα←Φ(xα)
第三步：
3.1如果
Figure RE-GDA00029439591200001211
那么DT←DT+{α}
3.2否则，对每一条路段a∈A\As和时间片段t∈T通过
Figure RE-GDA00029439591200001212
和
Figure RE-GDA00029439591200001213
得到
Figure RE-GDA00029439591200001214
和
Figure RE-GDA00029439591200001215
3.2.1如果(a，t)∈Φα，那么找最近的点
Figure RE-GDA00029439591200001216
到搜索树节点
Figure RE-GDA00029439591200001217
借助于 序列中距离，使得αβ＝a和tβ＝t，这里αβ和tβ分别表示与β相关的路段 和时间指标。
3.2.1.1如果这样的β节点不存在，那么产生三个节点
Figure RE-GDA00029439591200001218
置
Figure RE-GDA00029439591200001219
Figure RE-GDA0002943959120000131
和
Figure RE-GDA0002943959120000132
γ←γ+α0，
Figure RE-GDA0002943959120000133
3.2.1.2如果
Figure RE-GDA0002943959120000134
和
Figure RE-GDA0002943959120000135
那么产生三个点
Figure RE-GDA0002943959120000136
Figure RE-GDA0002943959120000137
置
Figure RE-GDA0002943959120000138
和
Figure RE-GDA0002943959120000139
γ←γ+α0，
Figure RE-GDA00029439591200001310
3.2.1.3如果
Figure RE-GDA00029439591200001311
和
Figure RE-GDA00029439591200001312
那么产生两个点
Figure RE-GDA00029439591200001313
和
Figure RE-GDA00029439591200001314
置
Figure RE-GDA00029439591200001315
和
Figure RE-GDA00029439591200001316
Figure RE-GDA00029439591200001317
γ←γ+α0，
Figure RE-GDA00029439591200001318
3.2.1.4如果
Figure RE-GDA00029439591200001319
和
Figure RE-GDA00029439591200001320
那么产生两个点
Figure RE-GDA00029439591200001321
和
Figure RE-GDA00029439591200001322
置
Figure RE-GDA00029439591200001323
和
Figure RE-GDA00029439591200001324
Figure RE-GDA00029439591200001325
γ←γ+α0，
Figure RE-GDA00029439591200001326
3.2.1.5否则γ←γ+{β}；
3.2.1.6置
Figure RE-GDA00029439591200001327
和产生两个点
Figure RE-GDA00029439591200001328
和
Figure RE-GDA00029439591200001329
置
Figure RE-GDA00029439591200001330
和
Figure RE-GDA00029439591200001331
Figure RE-GDA00029439591200001332
γ←γ+α0，
Figure RE-GDA00029439591200001333
下面将结合附图2，对本发明实施例中的技术方案进行清楚、完整 的描述。
考虑某个仓库的输送线网络，其中r1和r2是起点，s1和s2是终 点，路段r1-1和r2-4是起点路段，2-s1和3-s2是终点路段，网络参数 如下：假设一个时间长度为10s,自由流熟读为15m/s，后向传播速度为 5m/s，阻塞密度为0.133/米。假设共有31个拣货箱子，其中1-5号箱 子是从r1-s1,6-15号箱子是r1-s2,16-23号箱子是从r2-s1,24-31号箱子 是从r2-s2,整个模拟时长是300s。实例中的参数如下：
Figure BDA00028144419900001232
Figure BDA0002814441990000131
经过计算得到每个拣货箱的进入和流出路段时间和和最优路径
1-5号箱子：
Figure BDA0002814441990000132
Figure BDA0002814441990000141
6-15号箱子：
Figure BDA0002814441990000142
Figure BDA0002814441990000151
Figure BDA0002814441990000161
16号-23号箱子：
Figure BDA0002814441990000162
Figure BDA0002814441990000171
24号箱子到31号箱子：
Figure BDA0002814441990000172
Figure BDA0002814441990000181
Figure BDA0002814441990000191
在本发明实施例的技术方案中，针对现有仓库输送线路径优化算 法中仅考虑每个拣货箱局部最优问题，提出了一种基于路段传输模型 的输送线路径优化模型，模型不仅模拟输送线上排队后溢和拣货箱滞 留等问题，还考虑了拣货箱的先进先出，模型以输送线整体流量最优 为目标，采用路段传输模型来模拟拣货箱在输送线堵塞时的排队后溢 现象，同时考虑消除拣货箱滞留问题和先进先出约束，另外，模型采 用基于路段的变量构建方式，来避路径变量的枚举。模型被构建成一 个非凸的混合整数规划模型，通过分支定界的算法来求解，得到每个 拣货箱的输送线上最优路径，实现输送线整体网络的最优，从而避免 输送线上拣货箱的拥堵，提高输送线的拣货效率。
需要说明的是，对于前述的各方法实施例，为了便于描述，将其 表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并 不受所描述的动作顺序的限制，某些步骤事实上可以采用其它顺序进 行或者同时进行。此外，本领域技术人员也应该知悉，说明书中所描 述的实施例均属于优选实施例，所涉及的动作和模块并不一定是实现 本发明所必须的。
为便于更好的实施本发明实施例的上述方案，下面还提供用于实 施上述方案的相关装置。
请参阅图3所示，本发明实施例提供的输送线路径优化装置300 可以包括：建模单元301，用于根据输送线作业环境建立基于路段传输 模型的输送线路径优化模型；其中，所述输送线路径优化模型包括以 输送线整体流量为因变量的目标函数以及多个约束条件，所述目标函 数的自变量为输送线上每一拣货箱的行经路段；求解单元302，用于对 所述输送线路径优化模型进行求解，得到输送线整体流量最小时对应 的每一拣货箱行经路段，从而实现输送线上每一拣货箱的路径优化。
在本发明实施例中，所述输送线路径优化模型基于路段传输模型 来模拟拣货箱在输送线堵塞时的排队后溢现象；所述约束条件包括第 一约束条件和第二约束条件，第一约束条件用于限制每一拣货箱在输 送线任一路段通行时不会滞留，第二约束条件用于限制每一拣货箱在 输送线任一路段通行时符合先进先出规则。
实际应用中，所述输送线路径优化模型为非凸的混合整数规划模 型，所述求解单元302可进一步用于：通过分支定界算法求解所述输 送线路径优化模型。
在本发明实施例的技术方案中，针对现有仓库输送线路径优化算 法中仅考虑每个拣货箱局部最优问题，提出了一种基于路段传输模型 的输送线路径优化模型，模型不仅模拟输送线上排队后溢和拣货箱滞 留等问题，还考虑了拣货箱的先进先出，模型以输送线整体流量最优 为目标，采用路段传输模型来模拟拣货箱在输送线堵塞时的排队后溢 现象，同时考虑消除拣货箱滞留问题和先进先出约束，另外，模型采 用基于路段的变量构建方式，来避路径变量的枚举。模型被构建成一 个非凸的混合整数规划模型，通过分支定界的算法来求解，得到每个 拣货箱的输送线上最优路径，实现输送线整体网络的最优，从而避免 输送线上拣货箱的拥堵，提高输送线的拣货效率。
图4示出了可以应用本发明实施例的输送线路径优化方法或输送 线路径优化装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网 络404和服务器405(此架构仅仅是示例，具体架构中包含的组件可以 根据申请具体情况调整)。网络404用以在终端设备401、402、403 和服务器405之间提供通信链路的介质。网络404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。
用户可以使用终端设备401、402、403通过网络404与服务器405 交互，以接收或发送消息等。终端设备401、402、403上可以安装有 各种通讯客户端应用，例如路径优化应用(仅为示例)。
终端设备401、402、403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405可以是提供各种服务的服务器，例如对用户利用终端 设备401、402、403所操作的路径优化应用提供支持的后台服务器(仅 为示例)。后台服务器405可以对接收到的路径优化请求等进行处理， 并将处理结果(例如每一拣货车应行经的路段--仅为示例)反馈给终端 设备401、402、403。
需要说明的是，本发明实施例所提供的输送线路径优化方法一般 由服务器405执行，相应地，输送线路径优化装置一般设置于服务器 405中。
应该理解，图4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。
本发明还提供了一种电子设备。本发明实施例的电子设备包括： 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，使得所述一个或多个处 理器实现本发明所提供的输送线路径优化方法。
下面参考图5，其示出了适于用来实现本发明实施例的电子设备的 计算机系统500的结构示意图。图5示出的电子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5所示，计算机系统500包括中央处理单元(CPU)501，其 可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508 加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作 和处理。在RAM503中，还存储有计算机系统500操作所需的各种程序和数据。CPU501、ROM 502以及RAM 503通过总线504彼此相连。 输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506； 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507；包括硬盘等的存储部分508；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509。通信部分509经由诸如因 特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。 可拆卸介质511，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510上，以便从其上读出的计算机程序根据需要被 安装入存储部分508。
特别地，根据本发明公开的实施例，上文的主要步骤图描述的过 程可以被实现为计算机软件程序。例如，本发明实施例包括一种计算 机程序产品，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主要步骤图所示的方法的程序代码。在上述实施 例中，该计算机程序可以通过通信部分509从网络上被下载和安装， 和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元501 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。在本发明中，计算机可 读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、光信号或上述任意合适的组合。计 算机可读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、 方法和计算机程序产品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，这根据所涉及的功能而定。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单元可以通过软件的方式实现， 也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中， 例如，可以描述为：一种处理器包括建模单元和求解单元。其中，这 些单元的名称在某种情况下并不构成对该单元本身的限定，例如，建 模单元还可以被描述为“向求解单元提供输送线路径优化模型的单元”。
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的。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该设备执行时，使得该设备执 行的步骤包括：根据输送线作业环境建立基于路段传输模型的输送线 路径优化模型；其中，所述输送线路径优化模型包括以输送线整体流 量为因变量的目标函数以及多个约束条件，所述目标函数的自变量为 输送线上每一拣货箱的行经路段；对所述输送线路径优化模型进行求 解，得到输送线整体流量最小时对应的每一拣货箱行经路段，从而实现输送线上每一拣货箱的路径优化。
在本发明实施例的技术方案中，针对现有仓库输送线路径优化算 法中仅考虑每个拣货箱局部最优问题，提出了一种基于路段传输模型 的输送线路径优化模型，模型不仅模拟输送线上排队后溢和拣货箱滞 留等问题，还考虑了拣货箱的先进先出，模型以输送线整体流量最优 为目标，采用路段传输模型来模拟拣货箱在输送线堵塞时的排队后溢 现象，同时考虑消除拣货箱滞留问题和先进先出约束，另外，模型采 用基于路段的变量构建方式，来避路径变量的枚举。模型被构建成一 个非凸的混合整数规划模型，通过分支定界的算法来求解，得到每个 拣货箱的输送线上最优路径，实现输送线整体网络的最优，从而避免 输送线上拣货箱的拥堵，提高输送线的拣货效率。
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 (10)

1.一种输送线路径优化方法，其特征在于，包括：
根据输送线作业环境建立基于路段传输模型的输送线路径优化模型；其中，所述输送线路径优化模型包括以输送线整体流量为因变量的目标函数以及多个约束条件，所述目标函数的自变量为输送线上每一拣货箱的行经路段；
对所述输送线路径优化模型进行求解，得到输送线整体流量最小时对应的每一拣货箱行经路段，从而实现输送线上每一拣货箱的路径优化。
2.根据权利要求1所述的方法，其特征在于，所述输送线路径优化模型基于路段传输模型来模拟拣货箱在输送线堵塞时的排队后溢现象。
3.根据权利要求2所述的方法，其特征在于，所述约束条件包括第一约束条件，其用于限制每一拣货箱在输送线任一路段通行时不会滞留。
4.根据权利要求3所述的方法，其特征在于，所述约束条件包括第二约束条件，其用于限制每一拣货箱在输送线任一路段通行时符合先进先出规则。
5.根据权利要求4所述的方法，其特征在于，所述输送线路径优化模型为非凸的混合整数规划模型，所述对所述输送线路径优化模型进行求解包括：通过分支定界算法求解所述输送线路径优化模型。
6.一种输送线路径优化装置，其特征在于，包括：
建模单元，用于根据输送线作业环境建立基于路段传输模型的输送线路径优化模型；其中，所述输送线路径优化模型包括以输送线整体流量为因变量的目标函数以及多个约束条件，所述目标函数的自变量为输送线上每一拣货箱的行经路段；
求解单元，用于对所述输送线路径优化模型进行求解，得到输送线整体流量最小时对应的每一拣货箱行经路段，从而实现输送线上每一拣货箱的路径优化。
7.根据权利要求6所述的装置，其特征在于，所述输送线路径优化模型基于路段传输模型来模拟拣货箱在输送线堵塞时的排队后溢现象；所述约束条件包括第一约束条件和第二约束条件，第一约束条件用于限制每一拣货箱在输送线任一路段通行时不会滞留，第二约束条件用于限制每一拣货箱在输送线任一路段通行时符合先进先出规则。
8.根据权利要求7所述的装置，其特征在于，所述输送线路径优化模型为非凸的混合整数规划模型，所述求解单元进一步用于：通过分支定界算法求解所述输送线路径优化模型。
9.一种电子设备，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，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读存储介质，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1-4中任一所述的方法。
CN202011406514.9A 2020-12-02 2020-12-02 输送线路径优化方法和装置 Active CN113762575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011406514.9A CN113762575B (zh) 2020-12-02 2020-12-02 输送线路径优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011406514.9A CN113762575B (zh) 2020-12-02 2020-12-02 输送线路径优化方法和装置

Publications (2)

Publication Number Publication Date
CN113762575A true CN113762575A (zh) 2021-12-07
CN113762575B CN113762575B (zh) 2024-05-21

Family

ID=78786167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011406514.9A Active CN113762575B (zh) 2020-12-02 2020-12-02 输送线路径优化方法和装置

Country Status (1)

Country Link
CN (1) CN113762575B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117775741A (zh) * 2024-01-25 2024-03-29 苏州纵苇科技有限公司 设备移动方法、装置、设备、存储介质和程序产品

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040158396A1 (en) * 2003-02-10 2004-08-12 Samsung Electronics Co., Ltd. Material control system
JP2005053703A (ja) * 1999-06-28 2005-03-03 Jfe Engineering Kk 物流フロー最適化システム及び物流フロー最適化方法
CN104900070A (zh) * 2015-05-18 2015-09-09 东莞理工学院 一种交叉路口车流建模及自适应控制方法及系统
CN104969274A (zh) * 2013-02-01 2015-10-07 日立汽车系统株式会社 行驶控制装置和行驶控制系统
CN105745515A (zh) * 2013-09-15 2016-07-06 通腾导航技术股份有限公司 产生优化交通流量的路线
CN105841709A (zh) * 2016-03-22 2016-08-10 吉林大学 一种汽车行驶路径规划方法
CN106504536A (zh) * 2016-12-09 2017-03-15 华南理工大学 一种交通小区协调优化方法
CN106548645A (zh) * 2016-11-03 2017-03-29 济南博图信息技术有限公司 基于深度学习的车辆路径寻优方法及系统
CN106934580A (zh) * 2017-03-21 2017-07-07 北京京东尚科信息技术有限公司 库存控制方法以及装置
CN107111937A (zh) * 2014-10-06 2017-08-29 马克·R·汉娜 用于交通流量优化的受管理使用权系统
CN107179769A (zh) * 2017-06-06 2017-09-19 泉州装备制造研究所 一种基于实时调度仿真和排队论的agv数量配置方法
CN107816996A (zh) * 2017-10-31 2018-03-20 上海海事大学 时变环境下agv流时空干涉检测与规避方法
CN108491971A (zh) * 2018-03-20 2018-09-04 北京交通大学 基于出行计划的三维地图的最优路径规划方法
CN109032149A (zh) * 2018-10-12 2018-12-18 盐城工学院 一种基于栅格地图的多移动机器人平衡防死锁路径规划方法
CN109447317A (zh) * 2018-09-21 2019-03-08 江苏大学 一种基于多人同时拣货的仓库最短路径优化方法
CN109804394A (zh) * 2016-09-13 2019-05-24 亚马逊技术有限公司 基于机器人流量密度的引导
CN109919345A (zh) * 2017-12-12 2019-06-21 北京京东尚科信息技术有限公司 拣货路径规划方法与装置
US20190265703A1 (en) * 2018-02-26 2019-08-29 Nvidia Corporation Systems and methods for computer-assisted shuttles, buses, robo-taxis, ride-sharing and on-demand vehicles with situational awareness
CN110530388A (zh) * 2019-09-05 2019-12-03 苏宁云计算有限公司 多agv的路径规划方法及系统
CN110857856A (zh) * 2018-08-22 2020-03-03 阿里巴巴集团控股有限公司 路线规划方法及系统
CN111566709A (zh) * 2017-11-30 2020-08-21 大众汽车股份公司 用于预测和最大化交通流量的系统和方法
CN111768629A (zh) * 2019-11-04 2020-10-13 北京京东乾石科技有限公司 车辆调度方法、装置和系统
CN111832802A (zh) * 2020-04-15 2020-10-27 北京旷视机器人技术有限公司 控制货品搬运车辆的方法、装置、系统、设备及介质

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005053703A (ja) * 1999-06-28 2005-03-03 Jfe Engineering Kk 物流フロー最適化システム及び物流フロー最適化方法
US20040158396A1 (en) * 2003-02-10 2004-08-12 Samsung Electronics Co., Ltd. Material control system
CN104969274A (zh) * 2013-02-01 2015-10-07 日立汽车系统株式会社 行驶控制装置和行驶控制系统
CN105745515A (zh) * 2013-09-15 2016-07-06 通腾导航技术股份有限公司 产生优化交通流量的路线
CN107111937A (zh) * 2014-10-06 2017-08-29 马克·R·汉娜 用于交通流量优化的受管理使用权系统
CN104900070A (zh) * 2015-05-18 2015-09-09 东莞理工学院 一种交叉路口车流建模及自适应控制方法及系统
CN105841709A (zh) * 2016-03-22 2016-08-10 吉林大学 一种汽车行驶路径规划方法
CN109804394A (zh) * 2016-09-13 2019-05-24 亚马逊技术有限公司 基于机器人流量密度的引导
CN106548645A (zh) * 2016-11-03 2017-03-29 济南博图信息技术有限公司 基于深度学习的车辆路径寻优方法及系统
CN106504536A (zh) * 2016-12-09 2017-03-15 华南理工大学 一种交通小区协调优化方法
CN106934580A (zh) * 2017-03-21 2017-07-07 北京京东尚科信息技术有限公司 库存控制方法以及装置
CN107179769A (zh) * 2017-06-06 2017-09-19 泉州装备制造研究所 一种基于实时调度仿真和排队论的agv数量配置方法
CN107816996A (zh) * 2017-10-31 2018-03-20 上海海事大学 时变环境下agv流时空干涉检测与规避方法
CN111566709A (zh) * 2017-11-30 2020-08-21 大众汽车股份公司 用于预测和最大化交通流量的系统和方法
CN109919345A (zh) * 2017-12-12 2019-06-21 北京京东尚科信息技术有限公司 拣货路径规划方法与装置
US20190265703A1 (en) * 2018-02-26 2019-08-29 Nvidia Corporation Systems and methods for computer-assisted shuttles, buses, robo-taxis, ride-sharing and on-demand vehicles with situational awareness
CN108491971A (zh) * 2018-03-20 2018-09-04 北京交通大学 基于出行计划的三维地图的最优路径规划方法
CN110857856A (zh) * 2018-08-22 2020-03-03 阿里巴巴集团控股有限公司 路线规划方法及系统
CN109447317A (zh) * 2018-09-21 2019-03-08 江苏大学 一种基于多人同时拣货的仓库最短路径优化方法
CN109032149A (zh) * 2018-10-12 2018-12-18 盐城工学院 一种基于栅格地图的多移动机器人平衡防死锁路径规划方法
CN110530388A (zh) * 2019-09-05 2019-12-03 苏宁云计算有限公司 多agv的路径规划方法及系统
CN111768629A (zh) * 2019-11-04 2020-10-13 北京京东乾石科技有限公司 车辆调度方法、装置和系统
CN111832802A (zh) * 2020-04-15 2020-10-27 北京旷视机器人技术有限公司 控制货品搬运车辆的方法、装置、系统、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JIANCHENG LONG等: ""Link-Based System Optimum Dynamic Traffic Assignment Problems in General Networks"", 《OPERATIONS RESEARCH》, vol. 67, no. 1, pages 1 - 16 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117775741A (zh) * 2024-01-25 2024-03-29 苏州纵苇科技有限公司 设备移动方法、装置、设备、存储介质和程序产品

Also Published As

Publication number Publication date
CN113762575B (zh) 2024-05-21

Similar Documents

Publication Publication Date Title
CN113673932B (zh) 一种物流网络规划方法和装置
CN108492068B (zh) 用于路径规划的方法和装置
CN110371548B (zh) 一种货物入库方法和装置
CN111723999B (zh) 配送路线的确定方法、装置、设备及存储介质
WO2020164319A1 (zh) 一种拣货方法和装置
CN110276466B (zh) 一种确定配送网络中建包集群的方法和装置
CN112184100A (zh) 物品库存监控方法、装置、电子设备和计算机可读介质
CN111044062B (zh) 路径规划、推荐方法和装置
CN111667085A (zh) 物流路由网络的确定方法、装置、介质及电子设备
CN110796400B (zh) 一种缓存货物的方法和装置
CN113222205B (zh) 一种路径规划的方法和装置
CN113762575B (zh) 输送线路径优化方法和装置
CN110871980B (zh) 储位分类方法和装置
CN107085754B (zh) 信息输出方法和装置
CN113077106B (zh) 一种基于时间窗的物品运输方法和装置
CN112785212A (zh) 一种运输设备管理方法和装置
CN113255950B (zh) 一种优化物流网络的方法和装置
CN112116120B (zh) 物流路径规划方法和装置
WO2023226459A1 (zh) 冷链物流车辆的调度方法及相关设备
CN111860918A (zh) 配送方法及装置、电子设备和计算机可读介质
CN112529346B (zh) 任务分配方法和装置
CN113065820A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN111144602B (zh) 一种车辆调度方法和装置
CN112785213A (zh) 一种仓库拣货单的组建方法和装置
CN112441364A (zh) 一种自动化仓库的容器入库或回库方法和装置

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