CN115271596A - 一种货物装载方法、装置、设备和存储介质 - Google Patents
一种货物装载方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115271596A CN115271596A CN202210894525.9A CN202210894525A CN115271596A CN 115271596 A CN115271596 A CN 115271596A CN 202210894525 A CN202210894525 A CN 202210894525A CN 115271596 A CN115271596 A CN 115271596A
- Authority
- CN
- China
- Prior art keywords
- goods
- cargo
- loading
- parameter
- information
- 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.)
- Pending
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种货物装载方法、装置、设备和存储介质,所述方法包括:获取待装载货箱信息和货物信息;对不同的多个货箱进行降序排列,将不同的货物标记为横向货物或竖向货物,并将多个所述横向货物、多个所述竖向货物分别进行降序排列及编号;采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到第一最优解集;构建罚函数,通过罚函数对剔除所述第一最优解集中超过预设受压极限的解,得到第二最优解集,并以第二最优解集生成装箱结果。采用本发明实施例,能够通过模型计算得到货物装箱的高空间利用率的方案,为提高货箱空间利用率提供有效指导。
Description
技术领域
本发明涉及物流运输领域,尤其涉及一种货物装载方法、装置、设备和存储介质。
背景技术
随着现代电商经济的发展,物流运输行业蓬勃发展。针对规整的中件、大件、超大件货物运输装车,目前主流的方法是在考虑不超载重的情况下,依据不同的货物类型,依靠装载人员的装箱经验进行直立堆放和平卧堆放,由于货箱可装载容积固定而货物形状不定,存在货箱空间利用率低的缺点。
发明内容
本发明提供一种货物装载方法、装置、设备和存储介质,以解决现有技术依靠人为经验进行货物装箱导致货箱空间利用率低的技术问题,通过模型计算货物装箱方案,为提高货箱空间利用率提供有效指导。
为解决上述技术问题,本发明实施例提供一种货物装载方法,包括:
获取待装载货箱信息和货物信息,其中,所述待装载货箱信息至少包括货箱规格参数,所述货物信息至少包括放置方向参数、货物尺寸参数;
基于所述货箱规格参数对不同的多个货箱进行降序排列,基于所述放置方向参数将不同的货物标记为横向货物或竖向货物,并基于所述货物尺寸参数将多个所述横向货物、多个所述竖向货物分别进行降序排列及编号;
采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集;
基于所述待装载货箱信息和所述货物信息构建罚函数,通过所述罚函数剔除所述第一最优解集中超过预设受压极限的解,得到第二最优解集,并以所述第二最优解集生成装箱结果。
作为上述方案的改进,所述待装载货箱信息还包括运输配送成本参数;所述方法还包括:
基于所述运输配送成本参数计算所述第二最优解集中各个解对应的装箱成本,并从中筛选出最低装箱成本所对应的求解结果,以所述求解结果覆盖为所述装箱结果。
作为上述方案的改进,所述通过所述罚函数剔除所述第一最优解集中超过预设受压极限的解,具体为:
所述待装载货箱信息还包括装载车限重参数、货架重量参数,所述货物信息还包括货物重量参数、货物最大承压参数;
基于所述装载车限重参数、所述货架重量参数、所述货物重量参数以及所述货物最大承压参数构建罚函数;
设定所述受压极限为最底层货物的受压力值大于横向货物的货物最大承压参数或,运输车的受压力值大于所述装载车限重参数,其中,所述运输车的受压力值为货架重量与货箱内所有货物的重量之和。
作为上述方案的改进,所述采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集,包括:
S1、确定所述货物装载的染色体编码方案,设定终止迭代次数、交叉概率和变异概率,初始迭代次数设定为0;
S2、确定初始种群,所述不同的横放装箱方案作为第一父代种群,所述不同的竖放装箱方案作为第二父代种群;
S3、判断当前迭代次数是否等于终止迭代次数,若是,则进入步骤S7,否则,进入步骤S4;
S4、建立适应度函数,计算两个种群的每个染色体的适应度值;
S5、分别对所述两个种群中的染色体进行选择、交叉、变异,得到新一代的两个种群;
S6、将迭代次数加1并返回步骤S3;
S7、将两个种群每个染色体的适应度值降序排列,将两个种群的前m%的染色体作为最优个体,即得到第一最优解集。
为实现上述目的,本发明还提供了一种货物装载装置,包括:
信息输入模块,用于获取待装载货箱信息和货物信息,其中,所述待装载货箱信息至少包括货箱规格参数,所述货物信息至少包括放置方向参数、货物尺寸参数;
信息提取模块,用于基于所述货箱规格参数对不同的多个货箱进行降序排列,基于所述放置方向参数将不同的货物标记为横向货物或竖向货物,并基于所述货物尺寸参数将多个所述横向货物、多个所述竖向货物分别进行降序排列及编号;
算法求解模块,用于采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集;
函数求解模块,用于基于所述待装载货箱信息和所述货物信息构建罚函数,通过所述罚函数剔除所述第一最优解集中超过预设受压极限的解,得到第二最优解集,并以所述第二最优解集生成装箱结果。
作为上述方案的改进,所述待装载货箱信息还包括运输配送成本参数;所述货物装载装置还包括:
成本计算模块,用于基于所述运输配送成本参数计算所述第二最优解集中各个解对应的装箱成本,并从中筛选出最低装箱成本所对应的求解结果,以所述求解结果覆盖为所述装箱结果。
作为上述方案的改进,所述待装载货箱信息还包括装载车限重参数、货架重量参数,所述货物信息还包括货物重量参数、货物最大承压参数;所述函数求解模块,还用于:
基于所述装载车限重参数、所述货架重量参数、所述货物重量参数以及所述货物最大承压参数构建罚函数;
设定所述受压极限为最底层货物的受压力值大于横向货物的货物最大承压参数或,运输车的受压力值大于所述装载车限重参数,其中,所述运输车的受压力值为货架重量与货箱内所有货物的重量之和。
作为上述方案的改进,所述算法求解模块包括:
初始设定单元,用于确定所述货物装载的染色体编码方案,设定终止迭代次数、交叉概率和变异概率,初始迭代次数设定为0;
种群确定单元,用于确定初始种群,所述不同的横放装箱方案作为第一父代种群,所述不同的竖放装箱方案作为第二父代种群;
迭代判断单元,用于判断当前迭代次数是否等于终止迭代次数,若是,则进入适应度计算单元,否则,进入输出单元;
适应度计算单元,用于建立适应度函数,计算两个种群的每个染色体的适应度值;
选择进化单元,用于分别对所述两个种群中的染色体进行选择、交叉、变异,得到新一代的两个种群;
迭代计数单元,用于将迭代次数加1并返回迭代判断单元;
结果输出单元,用于将两个种群每个染色体的适应度值降序排列,将两个种群的前m%的染色体作为最优个体,即得到第一最优解集。
为实现上述目的,本发明还提供了一种货物装载设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述任意实施例所述的货物装载方法。
为实现上述目的,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有货物装载程序,所述货物装载程序被处理器执行时实现上述任意实施例所述的货物装载方法。
与现有技术相比,本发明实施提供的一种货物装载方法、装置、设备和存储介质具有以下有益效果:
本发明依据装箱分配思维,将待装载货物分为横向货物和竖向货物,使装箱问题得到简化,并通过分组遗传算法分别对不同的横向装箱方案和不同的竖向装箱方案进行计算求解,从而计算得到货物填充货箱的优选方案,解决现有技术依靠人为经验进行货物装箱导致货箱空间利用率低的技术问题,为提高待装载货箱空间利用率提供有效指导。本发明还考虑了货物的受压情况和货箱的受压情况,通过建立罚函数对超重的货物填充货箱的方案进行淘汰,保证后续货物运输的各项性能良好,提高可靠性。
附图说明
图1是本发明第一实施例提供的货物装载方法的流程示意图;
图2是本发明使用遗传算法求解第一装箱方案的解集的流程示意图;
图3是本发明提供的一种货物装载装置的结构示意图;
图4是本发明提供的另一种货物装载装置的结构示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明第一实施例提供的货物装载方法的流程示意图。该货物装载方法包括以下步骤S101至S103:
S101、获取待装载货箱信息和货物信息,其中,所述待装载货箱信息至少包括货箱规格参数,所述货物信息至少包括放置方向参数、货物尺寸参数;
具体地,输入不同待装配货箱的信息,至少包括,货箱规格参数Li*Wi*Hi,以上货箱信息由可由物流运输部门预先输入;输入不同待装配货物的信息至少包括,货物尺寸参数Lj*Wj*Hj、放置方向参数,其中放置方向可分为横向放置、竖向放置及不限放置方向,上述货物信息可由发货工厂或发货厂家在运输货物前输入。
S102、基于所述货箱规格参数对不同的多个货箱进行降序排列,基于所述放置方向参数将不同的货物标记为横向货物或竖向货物,并基于所述货物尺寸参数将多个所述横向货物、多个所述竖向货物分别进行降序排列及编号;
具体实施时,根据待装配货箱的尺寸参数,依据Li*Wi的大小,进行降序排列,横向放置的货物标记为横向货物并标记为0,竖向放置的货物标记为竖向货物并标记为1,不限放置方向的货物随机生成标记0或1。
具体的,根据待装配货物的尺寸参数Lj*Wj的大小,对横向货物进行降序排列,并编号为1、3、5、7...,对竖向货物进行降序排列,并编号为2、4、6、8...。
S103、采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集;
具体实施时,将标记为0的货物的长Lj平行于箱子的长Li,货物的宽Wj平行于箱子的宽Wi,货物的高Hj平行于箱子的高Hi装箱,构成横放装箱方案;将标记为1的货物的长Lj平行于箱子的长Li,货物的宽Wj平行于箱子的宽Wi,货物的高Hj平行于箱子的高Hi装箱,构成竖放装箱方案,接着采用遗传算法对横放装箱方案/竖向装箱方案遍历求解。可以理解的,货物装箱问题是典型的多条件约束下的三维装箱问题,本实施例通过将货物分为横向装箱和竖向装箱,将问题简化为二维装箱问题及一维堆叠层次问题的结合,可以使装箱问题得到简化,提高遗传算法初始种群的生成质量,节约计算资源。
S104、基于所述待装载货箱信息和所述货物信息构建罚函数,通过所述罚函数剔除所述第一最优解集中超过预设受压极限的解,得到第二最优解集,并以所述第二最优解集生成装箱结果。
可以理解的,考虑到在后续的运输过程中不破坏货物的各项性能,基于待装载货箱信息和货物信息建立罚函数,能够对第一最优解集中超过预设受压极限的解进行筛选,从而剔除超重的货物填充货箱的方案,保证后续货物运输的各项性能良好,提高可靠性。
本发明第二实施例还提供了一种货物装载方法,所述待装载货箱信息还包括运输配送成本参数;所述方法还包括:
S201、基于所述运输配送成本参数计算所述第二最优解集中各个解对应的装箱成本,并从中筛选出最低装箱成本所对应的求解结果,以所述求解结果覆盖为所述装箱结果。
具体的,根据装载货箱的运输配送成本参数,对第二最优解集中各个解对应的装箱成本进行计算,假设第二最优解集使用的A箱子数量为N1,B箱子数量为N2…,A箱子运输价格为S1,B箱子运输价格为S2…,则最低装箱成本即为min{∑N1i*S1i,∑N2i*S2i…},得到最低装箱成本所对应的求解结果,以所述求解结果覆盖为上述装箱结果。
在具体实施当中,通过罚函数剔除第一最优解集中超过预设受压极限的解,具体方法为:
所述待装载货箱信息还包括装载车限重参数、货架重量参数,所述货物信息还包括货物重量参数、货物最大承压参数;
基于所述装载车限重参数、所述货架重量参数、所述货物重量参数以及所述货物最大承压参数构建罚函数;
设定所述受压极限为最底层货物的受压力值大于横向货物的货物最大承压参数或,运输车的受压力值大于所述装载车限重参数,其中,所述运输车的受压力值为货架重量与货箱内所有货物的重量之和。
具体地,上述实施例中获取待装载货箱信息时,还包括货架重量参数Hi、装载车限重参数Ti,获取待装载货物信息时,还包括重量参数Gj、最大受压参数Tj和数量参数Nj。根据待装配货物的重量参数Gj、最大受压参数、数量参数Nj和待装配货箱的限重参数Ti和货架重量参数Hi,建立罚函数:
G(x)=∑Nj*Gj和K(x)=G(x)+H(x)+G(i),
其中,K(x)为所述待装载货箱的受压值,G(x)为货箱内所有货物重力之和,H(x)为货架重力之和,G(i)为最底下货物的重力。计算第一最优解集对应的各罚函数值G(X),当G(x)=∑Nj*Gj≥Tj或者K(x)=∑[G(x)+G(i)+H(x)]=∑[Nj*Gj+G(i)+H(x)]≥Ti时,剔除第一最优解集中超过预设受压极限的方案。
如图2所示,是本发明使用遗传算法求解第一最优解集的步骤,所述采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集,包括:
S1、确定所述货物装载的染色体编码方案,设定终止迭代次数、交叉概率和变异概率,初始迭代次数设定为0;
S2、确定初始种群,所述不同的横放装箱方案作为第一父代种群,所述不同的竖放装箱方案作为第二父代种群;
S3、判断当前迭代次数是否等于终止迭代次数,若是,则进入步骤S7,否则,进入步骤S4;
S4、建立适应度函数,计算两个种群的每个染色体的适应度值;
S5、分别对所述两个种群中的染色体进行选择、交叉、变异,得到新一代的两个种群;
S6、将迭代次数加1并返回步骤S3;
S7、将两个种群每个染色体的适应度值降序排列,将两个种群的前m%的染色体作为最优个体,即得到第一最优解集。
以遗传算法求解降序排列及编号后的多个所述横向货物装载入降序排列的多个所述货箱为例,具体实施过程如下:
假设有8个箱子的装箱问题,箱子大小是(0,1)之间的随机数,箱子大小为1,一个箱子可以装一个或者多个货物,但是所装货物的总大小不可超过箱子的体积。使用组合遗传算法对染色体编码方法编码该装箱问题的解法,染色体编码分为货物部分和组部分,货物编号分别是1到15(取单数,表示横向货物);该装箱问题的染色体可以写成A D B C E BA E:A D B C E;以上染色体表示货物1与13装在A,货物3装在D,货物5、11装在B,货物7在C,货物9、15在E,货物部分列出该染色体使用的箱子名称,设定终止迭代次数值为50,种群规模2000,交叉概率0.4,变异概率0.05。
建立适应度函数计算两个种群的每个染色体的适应度值,其中Fi是货箱中所有货物的大小之和,C是货箱的容量,k是常数,N是货箱的数量。假设大小分别为0.8、0.7、0.6、0.5、0.4、0.3、0.2、0.1,则染色体适应度的值为:
在确定新种群后,将将新种群的染色体两两配对形成新的父染色体对,进行交叉操作,为每对父染色体产生一个随机数,与交叉概率值比较是否交叉;限定交叉区域:在染色体物品部分随机选择两对交叉点,分别为父代染色体限定交叉区域;插入交叉区域基因:把第二个父代染色体的交叉区域基因插入到第一个父代染色体的第一个交叉点;对换两个父代染色体的角色,产生新的染色体后代,用新染色体替换父染色体。接着对新种群的染色体进行变异操作,形成新的染色体,用新染色体替换旧染色体。重复S3-S6的操作,直到迭代次数等于终止迭代次数值,将种群中的染色体的适应度值降序排列,将前m%的染色体作为最优个体,其中m可自行设定。将最优染色体个体解码,即得到本次计算的第一最优解集。
相应地,本发明实施例还提供了一种货物装载装置100,参见图3包括:
信息输入模块10,用于获取待装载货箱信息和货物信息,其中,所述待装载货箱信息至少包括货箱规格参数,所述货物信息至少包括放置方向参数、货物尺寸参数;
信息提取模块20,用于基于所述货箱规格参数对不同的多个货箱进行降序排列,基于所述放置方向参数将不同的货物标记为横向货物或竖向货物,并基于所述货物尺寸参数将多个所述横向货物、多个所述竖向货物分别进行降序排列及编号;
算法求解模块30,用于采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集;
函数求解模块40,用于基于所述待装载货箱信息和所述货物信息构建罚函数,通过所述罚函数对剔除所述第一最优解集中超过预设受压极限的解,得到第二最优解集,并以所述第二最优解集生成装箱结果。
图4所示,是本发明提供的另一种货物装载装置的结构示意图,所述货物装载装置100除了包括信息输入模块10、信息提取模块20、算法求解模块30和函数求解模块40,还包括:
成本计算模块50,用于基于所述运输配送成本参数计算所述第二最优解集中各个解对应的装箱成本,并从中筛选出最低装箱成本所对应的求解结果,以所述求解结果覆盖为所述装箱结果。
进一步地,所述待装载货箱信息还包括装载车限重参数、货架重量参数,所述货物信息还包括货物重量参数、货物最大承压参数;所述函数求解模块,还用于:
基于所述装载车限重参数、所述货架重量参数、所述货物重量参数以及所述货物最大承压参数构建罚函数;
设定所述受压极限为最底层货物的受压力值大于横向货物的货物最大承压参数或,运输车的受压力值大于所述装载车限重参数,其中,所述运输车的受压力值为货架重量与货箱内所有货物的重量之和。
进一步地,所述算法求解模块包括:
初始设定单元,用于确定所述货物装载的染色体编码方案,设定终止迭代次数、交叉概率和变异概率,初始迭代次数设定为0;
种群确定单元,用于确定初始种群,所述不同的横放装箱方案作为第一父代种群,所述不同的竖放装箱方案作为第二父代种群;
迭代判断单元,用于判断当前迭代次数是否等于终止迭代次数,若是,则进入适应度计算单元,否则,进入输出单元;
适应度计算单元,用于建立适应度函数,计算两个种群的每个染色体的适应度值;
选择进化单元,用于分别对所述两个种群中的染色体进行选择、交叉、变异,得到新一代的两个种群;
迭代计数单元,用于将迭代次数加1并返回迭代判断单元;
结果输出单元,用于将两个种群每个染色体的适应度值降序排列,将两个种群的前m%的染色体作为最优个体,即得到第一最优解集。
值得说明的是,具体的所述货物装载装置中各模块的工作过程可参考上述实施例所述的货物装载方法的工作过程,在此不再赘述。
相应地,本发明还提供了一种货物装载设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述任意实施例所述的货物装载方法。
相应地,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有车辆载重的检测程序,所述车辆载重的检测程序被处理器执行时实现如上述任一实施例所述的车辆载重的检测方法。
本发明实施例公开的一种货物装载方法、装置、设备和存储介质,根据装箱分配思维,将待装载货物分为横向货物和竖向货物,使装箱问题得到简化,并通过分组遗传算法分别对不同的横向装箱方案和不同的竖向装箱方案进行计算求解,从而计算得到货物填充货箱的优选方案,解决现有技术依靠人为经验进行货物装箱导致货箱空间利用率低的技术问题,为提高待装载货箱空间利用率提供有效指导。本发明还考虑了货物的受压情况和货箱的受压情况,通过建立罚函数对超重的货物填充货箱的方案进行淘汰,保证后续货物运输的各项性能良好,提高可靠性。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种货物装载方法,其特征在于,包括:
获取待装载货箱信息和货物信息,其中,所述待装载货箱信息至少包括货箱规格参数,所述货物信息至少包括放置方向参数、货物尺寸参数;
基于所述货箱规格参数对不同的多个货箱进行降序排列,基于所述放置方向参数将不同的货物标记为横向货物或竖向货物,并基于所述货物尺寸参数将多个所述横向货物、多个所述竖向货物分别进行降序排列及编号;
采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集;
基于所述待装载货箱信息和所述货物信息构建罚函数,通过所述罚函数剔除所述第一最优解集中超过预设受压极限的解,得到第二最优解集,并以所述第二最优解集生成装箱结果。
2.如权利要求1所述的货物装载方法,其特征在于,所述待装载货箱信息还包括运输配送成本参数;所述方法还包括:
基于所述运输配送成本参数计算所述第二最优解集中各个解对应的装箱成本,并从中筛选出最低装箱成本所对应的求解结果,以所述求解结果覆盖为所述装箱结果。
3.如权利要求1或2所述的货物装载方法,其特征在于,所述通过所述罚函数剔除所述第一最优解集中超过预设受压极限的解,具体为:
所述待装载货箱信息还包括装载车限重参数、货架重量参数,所述货物信息还包括货物重量参数、货物最大承压参数;
基于所述装载车限重参数、所述货架重量参数、所述货物重量参数以及所述货物最大承压参数构建罚函数;
设定所述受压极限为最底层货物的受压力值大于横向货物的货物最大承压参数或,运输车的受压力值大于所述装载车限重参数,其中,所述运输车的受压力值为货架重量与货箱内所有货物的重量之和。
4.如权利要求1所述的货物装载方法,其特征在于,所述采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集,包括:
S1、确定所述货物装载的染色体编码方案,设定终止迭代次数、交叉概率和变异概率,初始迭代次数设定为0;
S2、确定初始种群,所述不同的横放装箱方案作为第一父代种群,所述不同的竖放装箱方案作为第二父代种群;
S3、判断当前迭代次数是否等于终止迭代次数,若是,则进入步骤S7,否则,进入步骤S4;
S4、建立适应度函数,计算两个种群的每个染色体的适应度值;
S5、分别对所述两个种群中的染色体进行选择、交叉、变异,得到新一代的两个种群;
S6、将迭代次数加1并返回步骤S3;
S7、将两个种群每个染色体的适应度值降序排列,将两个种群的前m%的染色体作为最优个体,即得到第一最优解集。
5.一种货物装载装置,其特征在于,所述装置包括:
信息输入模块,用于获取待装载货箱信息和货物信息,其中,所述待装载货箱信息至少包括货箱规格参数,所述货物信息至少包括放置方向参数、货物尺寸参数;
信息提取模块,用于基于所述货箱规格参数对不同的多个货箱进行降序排列,基于所述放置方向参数将不同的货物标记为横向货物或竖向货物,并基于所述货物尺寸参数将多个所述横向货物、多个所述竖向货物分别进行降序排列及编号;
算法求解模块,用于采用遗传算法,对降序排列及编号后的多个所述横向货物/多个所述竖向货物装载入降序排列的多个所述货箱得到的初始种群进行遍历求解,得到货物填充货箱的第一最优解集;
函数求解模块,用于基于所述待装载货箱信息和所述货物信息构建罚函数,通过所述罚函数剔除所述第一最优解集中超过预设受压极限的解,得到第二最优解集,并以所述第二最优解集生成装箱结果。
6.如权利要求5所述的货物装载装置,其特征在于,所述待装载货箱信息还包括运输配送成本参数;所述货物装载装置还包括:
成本计算模块,用于基于所述运输配送成本参数计算所述第二最优解集中各个解对应的装箱成本,并从中筛选出最低装箱成本所对应的求解结果,以所述求解结果覆盖为所述装箱结果。
7.如权利要求5或6所述的货物装载装置,其特征在于,所述待装载货箱信息还包括装载车限重参数、货架重量参数,所述货物信息还包括货物重量参数、货物最大承压参数;所述函数求解模块,还用于:
基于所述装载车限重参数、所述货架重量参数、所述货物重量参数以及所述货物最大承压参数构建罚函数;
设定所述受压极限为最底层货物的受压力值大于横向货物的货物最大承压参数或,运输车的受压力值大于所述装载车限重参数,其中,所述运输车的受压力值为货架重量与货箱内所有货物的重量之和。
8.如权利要求5所述的货物装载装置,其特征在于,所述算法求解模块包括:
初始设定单元,用于确定所述货物装载的染色体编码方案,设定终止迭代次数、交叉概率和变异概率,初始迭代次数设定为0;
种群确定单元,用于确定初始种群,所述不同的横放装箱方案作为第一父代种群,所述不同的竖放装箱方案作为第二父代种群;
迭代判断单元,用于判断当前迭代次数是否等于终止迭代次数,若是,则进入适应度计算单元,否则,进入输出单元;
适应度计算单元,用于建立适应度函数,计算两个种群的每个染色体的适应度值;
选择进化单元,用于分别对所述两个种群中的染色体进行选择、交叉、变异,得到新一代的两个种群;
迭代计数单元,用于将迭代次数加1并返回迭代判断单元;
结果输出单元,用于将两个种群每个染色体的适应度值降序排列,将两个种群的前m%的染色体作为最优个体,即得到第一最优解集。
9.一种货物装载设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的货物装载方法。
10.一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上存储有货物装载程序,所述货物装载程序被处理器执行时实现如权利要求1至4中任一项所述的货物装载方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894525.9A CN115271596A (zh) | 2022-07-27 | 2022-07-27 | 一种货物装载方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894525.9A CN115271596A (zh) | 2022-07-27 | 2022-07-27 | 一种货物装载方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115271596A true CN115271596A (zh) | 2022-11-01 |
Family
ID=83772128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210894525.9A Pending CN115271596A (zh) | 2022-07-27 | 2022-07-27 | 一种货物装载方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271596A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739482A (zh) * | 2023-08-15 | 2023-09-12 | 宁波安得智联科技有限公司 | 订单装箱方法、设备及计算机可读存储介质 |
-
2022
- 2022-07-27 CN CN202210894525.9A patent/CN115271596A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739482A (zh) * | 2023-08-15 | 2023-09-12 | 宁波安得智联科技有限公司 | 订单装箱方法、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085385B (zh) | 基于订单的稳定混箱垛型供箱序列的生成系统及其方法 | |
Ramos et al. | A new load balance methodology for container loading problem in road transportation | |
CN109447311A (zh) | 基于遗传算法的适配装箱方法、装置、设备和存储介质 | |
CN110443549B (zh) | 一种物流仓库中物品的装箱方案生成方法及系统 | |
CN113627642B (zh) | 基于自适应大规模邻域搜索算法的堆垛机路径优化方法 | |
CN112001535A (zh) | 物流装箱方法、装置、设备及存储介质 | |
CN112990528A (zh) | 一种物流运输配载管理方法及装置 | |
CN109948991A (zh) | 一种智能装箱方法、设备及存储介质 | |
CN115271596A (zh) | 一种货物装载方法、装置、设备和存储介质 | |
CN110077772B (zh) | 组托盘方法及其应用 | |
CN109165778B (zh) | 应用于长物料存储的悬臂梁式立体仓库货位分配方法 | |
CN110705765B (zh) | 基于遗传算法和启发式策略的电商订单装箱优化方法 | |
CN107977756A (zh) | 解决三维装箱问题的三叉树规划计算方法 | |
KR20130020343A (ko) | 컨테이너에서의 무게중심을 고려한 박스 적재 방법 | |
CN107909228A (zh) | 基于模因计算的动态车辆收发货路径规划方法及装置 | |
CN111311145A (zh) | 一种铁路货运智能装配方法 | |
EP3300083B1 (en) | Method of determining conditions for accommodating radioactive waste in container and radioactive waste accommodating method | |
CN112288376A (zh) | 货物装载方案生成方法、装置、设备及可读存储介质 | |
CN111860837A (zh) | 装箱问题的处理方法、装置及计算机可读存储介质 | |
CN112508493A (zh) | 用于线上采购平台的货物管理方法和系统 | |
CN110228640B (zh) | 一种多规格板件打包方法 | |
CN112874927B (zh) | 物流包装箱箱型推荐方法 | |
CN115496453B (zh) | 货物配载方法、装置、电子设备及存储介质 | |
CN114229135B (zh) | 确定货物包装方式的方法、装置及存储介质和电子设备 | |
CN114275561B (zh) | 一种厢式货车多批次货物装载方法及应用 |
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 |