CN115759407A - 基于分拣系统的多维调度方案优化方法、系统和存储介质 - Google Patents
基于分拣系统的多维调度方案优化方法、系统和存储介质 Download PDFInfo
- Publication number
- CN115759407A CN115759407A CN202211452281.5A CN202211452281A CN115759407A CN 115759407 A CN115759407 A CN 115759407A CN 202211452281 A CN202211452281 A CN 202211452281A CN 115759407 A CN115759407 A CN 115759407A
- Authority
- CN
- China
- Prior art keywords
- sorting
- scheduling scheme
- scheme
- candidate
- scheduling
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于分拣系统的多维调度方案优化方法、系统和存储介质,所述方法包括:针对每一个分拣批次内的分拣订单和分拣包裹,根据分拣系统的调度维度随机生成多种调度方案;并通过各调度方案的适应度和多样性计算对调度方案进行收敛;再利用变邻域算子结合禁忌搜索算法对当前的调度方案进行优化,最终通过调度方案的优化迭代,得到最优调度方案集。本发明综合考虑了不同机器人的工作效率以及调度阶段中的相互配合,达成了优化目标;并且保证了优化方案的多样性和有效收敛;还提高了调度方案的质量和优化过程的收敛速度,在大规模数据集下具有更大的优势。
Description
技术领域
本发明涉及物流装备控制系统技术领域,尤其涉及一种基于分拣系统的多维调度方案优化方法、系统和存储介质。
背景技术
在物流的仓库作业过程中,分拣作业占成本的比重越来越大,约占仓库作业成本的55%。新型的轻小包裹高速分拣系统如图2所示,将包裹放置位置分为上件区域、分拣区域和装箱区域,并综合应用分拣搬运机器人和料箱搬运机器人,利用料箱搬运机器人将装箱区域空置的周转料箱从装箱区域搬运至分拣区域的分拣料口,利用分拣搬运机器人将上件区域待分拣的包裹从上件区域搬运至分拣区域中对应的周转料箱,再利用料箱搬运机器人将分拣区域内盛装有订单内所有包裹的周转料箱搬运至装箱区域。该系统可以基于需求变化而动态调整分拣系统规模,降低分拣作业设备损耗及能耗。
针对上述新型的轻小包裹高速分拣系统中的分拣调度问题,小规模场景中解的搜索空间小,采用搜索算法求得最优解;大规模场景中解的搜索空间呈指数上升,再有效时间内只能通过启发式算法求得近似最优解,目前常用的启发式搜索算法主要有遗传算法、粒子群算法和分散搜索算法等。
这些算法虽然能解决简单场景下的机器人调度问题,但还存在以下不足:现有的有关多个机器人调度问题研究大多只考虑机器人之间的简单配合,或者只是分别考虑单个机器人,未考虑在复杂场景下机器人之间是否容易配合,以及如何在不影响求解质量的情况下提高配合效率;现有的分拣机器人调度问题主要为一个或两个调度维度,随着调度维度上升,缺乏有效的解决思路和解决方法;现有的有关动态环境下的机器人调度问题研究大多都使用传统的启发式算法,虽然能一定程度上解决机器人调度问题,但是在求解过程中容易限于局部最优,即使加入一些变形策略,不仅求解精度提升有限,而且会降低算法收敛速度;现有的机器人调度求解算法在中小规模问题中表现较好,但是随着调度的规模和复杂度不断增大,算法性能逐渐降低。
发明内容
鉴于此,本发明实施例提供了一种基于分拣系统的多维调度方案优化方法、系统和存储介质,以消除或改善现有技术中存在的一个或更多个缺陷。
本发明的一个方面提供了一种基于分拣系统的多维调度方案优化方法,包括以下步骤:
多维调度方案形成步骤,分拣系统接收每一个分拣批次的分拣任务,根据所述分拣系统预先设定的调度维度,针对每一个分拣批次的分拣任务生成多种多维调度方案;分拣任务包括所需完成分拣的分拣订单信息和各分拣订单对应的一个以上分拣包裹信息;多维调度方案包括用于确定各分拣订单对应的周转料箱所要放置的分拣料口的分拣料口放置方案、用于确定搬运各周转料箱的料箱搬运机器人的料箱搬运机器人调度方案和用于确定搬运各分拣订单对应的各分拣包裹的分拣搬运机器人的分拣搬运机器人调度方案;候选调度方案种群形成步骤,统计每一个分拣批次中,分拣系统执行每一个多维调度方案所需的总分拣时间,根据执行每一个多维调度方案所需的总分拣时间选择可行的多维调度方案作为候选调度方案,形成该分拣批次的候选调度方案种群;参考集生成步骤,计算每一个分拣批次的候选调度方案种群中每一个候选调度方案的适应度和多样性,筛选适应度或多样性最优的预定数量的候选调度方案,作为该分拣批次的多维调度方案的参考集;多维调度方案优化步骤,针对每一个分拣批次的参考集中的每一候选调度方案,利用禁忌搜索算法对每一候选调度方案进行优化;在禁忌搜索算法迭代过程中,利用变邻域算子对候选调度方案进行变形,在变形后可行的多维调度方案中,选择参考集中各候选调度方案对应的最优的多维调度方案,形成最优调度方案集;确定当前得到的最优多维调度方案集是否满足设定的停止优化条件,若不满足,则将通过对当前参考集中的候选调度方案进行交叉重组构成新的多维调度方案,重新形成该分拣批次的候选调度方案种群,重复执行所述参考集生成步骤和所述多维调度方案优化步骤,直至得到的最优多维调度方案集满足停止优化条件,从而完成各分拣批次中多维调度方案的优化。
在本发明的一些实施例中,当分拣系统的多维调度方案的优化目标是最短分拣时间时,在所述多维调度方案优化步骤中,针对参考集中每一个候选调度方案对应的变形后可行的多维调度方案,计算执行每一个多维调度方案所需的总分拣时间,将所需总分拣时间最短的多维调度方案作为该候选调度方案对应的最优的多维调度方案;所述执行每一个多维调度方案所需的总分拣时间包括:料箱搬运机器人执行用于确定每一个分拣订单对应的周转料箱所要放置的分拣料口的分配方案所需的分拣时间,分拣搬运机器人执行用于确定每一个分拣搬运机器人负责分拣的每一个分拣订单对应的分拣包裹的分配方案所需的分拣时间,以及执行用于确定每一个料箱搬运机器人负责分拣的每一个分拣订单对应的周转料箱的分配方案所需的分拣时间之和。
在本发明的一些实施例中,当分拣系统的多维调度方案的优化目标是最低分拣成本时,在所述多维调度方案优化步骤中,针对参考集中每一个候选调度方案对应的变形后可行的多维调度方案,计算执行每一个多维调度方案所需的总分拣成本,将所需总分拣成本最低的多维调度方案作为该候选调度方案对应的最优的多维调度方案;所述执行每一个多维调度方案所需的总分拣成本包括:各分拣搬运机器人的总派遣成本、各分拣搬运机器人执行分拣搬运机器人调度方案的总行驶成本、各料箱搬运机器人的总派遣成本,以及各料箱搬运机器人执行分拣料口放置方案和料箱搬运机器人调度方案的总行驶成本之和。
在本发明的一些实施例中,所述分拣系统预先设定的调度维度包括所述预先设置的所述分拣系统的调度维度包括执行分拣任务的分拣搬运机器人和料箱搬运机器人、该分拣任务中的分拣包裹和分拣订单的分拣过程和该分拣任务中每一个分拣订单对应的周转料箱放置的分拣料口;将所述分拣系统的分拣步骤分为分拣包裹段和分拣订单段,并结合所述分拣系统的调度维度,采用双段三层实数编码显示多维调度方案;
分拣包裹段的三层实数编码包括:分拣包裹的实数编码、负责搬运该分拣包裹的分拣搬运机器的实数编码和各分拣包裹所属的分拣订单的实数编码;分拣订单段的三层实数编码包括:分拣订单的实数编码、放置该分拣订单对应的周转料箱的分拣料口的实数编码和负责搬运该分拣订单对应的周转料箱的料箱搬运机器人的实数编码。
在本发明的一些实施例中,所述计算每一分拣批次的候选调度方案种群中每一候选调度方案的适应度的步骤,包括:在每一个分拣批次中,计算分拣系统采用各候选调度方案完成分拣任务的目标函数值,将目标函数值的倒数作为该候选调度方案的适应度。
在本发明的一些实施例中,所述计算每一个分拣批次的调度方案种群中每一个调度方案的多样性的步骤,包括:在每一个分拣批次的调度方案种群中,计算当前调度方案与另一个调度方案之间的相似性,并将相似性的对数作为两个调度方案的多样性距离;将当前调度方案与调度方案种群中其他所有调度方案之间的多样性距离的几何平均值作为当前调度方案在对应的分拣批次的调度方案种群中的多样性。
在本发明的一些实施例中,当前候选调度方案A与另一个候选调度方案B之间的相似性的计算公式为:
其中,packageAB表示两种候选调度方案中负责搬运同一分拣包裹的分拣搬运机器人相同的数目,boxAB表示两种候选调度方案中负责搬运同一分拣订单的料箱搬运机器人相同的数目,sortAB表示两种候选调度方案中同一分拣订单的周转料箱放置的分拣料口相同的数目,sizetask表示当前批次内分拣包裹的总数,sizeorder表示当前批次内分拣订单的总数,k1、k2和k3是常数,且k1+k2+k3=1。
在本发明的一些实施例中,所述利用禁忌搜索算法对每一候选调度方案进行优化的步骤,包括:
将所述参考集中的每一个候选调度方案作为禁忌搜索算法的初始调度方案,通过变邻域算子对初始调度方案进行变形,并将变形后的可行的多维调度方案添加至所述禁忌搜索算法产生的、与各初始调度方案对应的禁忌表中;确定是否满足所述禁忌搜索算法预先设置的停止条件,若没有满足,则在当前禁忌表中选择的最优的多维调度方案通过变邻域算子进行变形,并将变形后的可行的多维调度方案添加至对应的禁忌表中,直至满足所述禁忌搜索算法的停止条件,得到包括多个变形后的可行的多维调度方案的禁忌表;进而得到所述参考集中每一个候选调度方案对应的最优的多维调度方案,形成最优调度方案集。
本发明的另一方面提供了一种基于分拣系统的多维调度方案优化系统,包括处理器和存储器,其特征在于,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如上述基于分拣系统的多维调度方案优化方法中的任一项所述方法的步骤。
本发明的另一方面提供了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,该程序被处理器执行时实现如上述基于分拣系统的多维调度方案优化方法中的任一项所述方法的步骤。
本发明提供一种基于分拣系统的多维调度方案优化方法、系统和存储介质,针对当前批次内的分拣订单和分拣包裹,根据分拣系统的调度维度随机生成多种调度方案;将分拣过程分为两个阶段更贴近了分拣系统的实际生产活动,并从三个维度进行调度,综合考虑了不同机器人的工作效率以及调度阶段中的相互配合,从而达成优化目标,并且在迭代过程中采用精英保留策略保证了调度方案的优化过程中的多样性和有效收敛;再通过变邻域算子与禁忌搜索算法的结合改善了传统分散搜索算法的局部搜索能力,提高了调度方案的质量和优化过程的收敛速度,并且得到的调度方案具有较好的稳定性,在大规模数据集下具有更大的优势。
本发明的附加优点、目的,以及特征将在下面的描述中将部分地加以阐述,且将对于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。
本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。
图1为调度方案优化流程图;
图2为分拣系统结构图;
图3为本发明一实施例中的调度方案优化流程图;
图4为调度方案对应的两段三层编码示意图;
图5为交换算子作用于两段三层编码示意图;
图6为贪心算子作用于两段三层编码示意图;
图7为两段三层编码交叉重组示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在此,还需要说明的是,如果没有特殊说明,术语“连接”在本文不仅可以指直接连接,也可以表示存在中间物的间接连接。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
一种基于分拣系统的多维调度方案优化方法,调度方案应用于分拣系统,所述分拣系统如图2所示,工作区域包括上件区域、分拣区域和装箱区域,上件区域用于放置待分拣的分拣包裹,分拣区域中包括多个用于放置周转料箱的分拣料口,装箱区域用于打包属于同一个分拣订单的所有分拣包裹;硬件组成包括分拣搬运机器人、料箱搬运机器人和周转料箱;上述分拣系统应用的分拣场景为每一个分拣批次中包括一个以上分拣订单,每一个分拣订单对应一个以上分拣包裹,用于将属于同一个分拣订单的多个分拣包裹进行集中打包;上述分拣系统的分拣过程为:在每一个分拣批次中利用料箱搬运机器人将空置的周转料箱搬运至各分拣订单对应的分拣料口,再利用分拣搬运机器人将该分拣订单对应的分拣包裹搬运至该分拣订单对应的分拣料口上的周转料箱中,当该分拣订单对应的分拣包裹全部搬运至对应的周转料箱后,利用料箱搬运机器人将装载有该分拣订单对应的所有分拣包裹的周转料箱搬运至装箱区域,对该分拣订单的所有分拣包裹进行集中打包。
该调度方案优化方法如图1所示,包括步骤S110-S150:
步骤S110为多维调度方案形成步骤,分拣系统接收每一个分拣批次的分拣任务,根据所述分拣系统预先设定的调度维度,针对每一个分拣批次的分拣任务生成多种多维调度方案;分拣任务包括所需完成分拣的分拣订单信息和各分拣订单对应的一个以上分拣包裹信息;多维调度方案包括用于确定各分拣订单对应的周转料箱所要放置的分拣料口的分拣料口放置方案、用于确定搬运各周转料箱的料箱搬运机器人的料箱搬运机器人调度方案和用于确定搬运各分拣订单对应的各分拣包裹的分拣搬运机器人的分拣搬运机器人调度方案;
上述步骤S110中,分拣系统预先设置的调度维度包括执行分拣任务的分拣搬运机器人和料箱搬运机器人、该分拣任务中的分拣包裹和分拣订单的分拣过程和该分拣任务中每一个分拣订单对应的周转料箱放置的分拣料口;在分拣系统的每一多维调度方案的执行过程包括分拣包裹阶段和分拣订单阶段,分拣包裹阶段的分拣过程包括:利用料箱搬运机器人根据料箱搬运机器人调度方案,从装箱区域搬运并根据分拣料口放置方案,将各分拣订单对应的空置的周转料箱搬运至分拣区域对应的分拣料口上;分拣订单阶段的分拣过程为:利用分拣搬运机器人根据分拣搬运机器人调度方案将属于各分拣订单的分拣包裹搬运至分拣区域中各分拣订单对应的周转料箱中;最后再利用料箱搬运机器人根据料箱搬运机器人调度方案,将装载有每一分拣订单对应的所有分拣包裹的周转料箱从分拣料口搬运至装箱区域,从而完成该分拣订单对应的所有分拣包裹的集中打包装箱。
一个实施例中,采用实数编码的方式应用于上述分拣系统的调度方案优化问题,将所述分拣系统的分拣步骤分为分拣包裹段和分拣订单段,并结合所述分拣系统的调度维度,对分拣系统中的分拣搬运机器人、料箱搬运机器人和分拣料口分别进行实数编码;并根据分拣系统中每一个分拣批次中的分拣任务,将分拣订单和分拣包裹进行实数编码。利用上述实数编码结合每一种调度方案中各分拣订单、负责搬运各分拣订单对应的周转料箱的料箱搬运机器人和各分拣订单对应的分拣料口之间的对应关系,以及各分拣包裹、负责搬运各分拣包裹的分拣搬运机器人和各分拣包裹所属的分拣订单之间的对应关系,创建各调度方案对应的两段三层编码,如图4所示,其中,分拣包裹段的三层实数编码包括根据多维调度方案相互对应的分拣包裹码序列、分拣搬运机器人码序列和分拣订单码序列,其中每一个分拣包裹码对应一个分拣搬运机器人码和一个分拣订单码,分别表示分拣包裹的实数编码、负责搬运该分拣包裹的分拣搬运机器的实数编码和该分拣包裹所属的分拣订单的实数编码;分拣订单段的三层实数编码包括根据多维调度方案相互对应的分拣订单码序列、分拣料口码序列和料箱搬运机器人码序列,其中每一个分拣订单码对应一个料箱搬运机器人和一个分拣料口码,分别表示分拣订单的实数编码、放置该分拣订单对应的周转料箱的分拣料口的实数编码和负责搬运该分拣订单对应的周转料箱的料箱搬运机器人的实数编码。
步骤S120为候选调度方案种群形成步骤,统计每一个分拣批次中,分拣系统执行每一个多维调度方案所需的总分拣时间,根据执行每一个多维调度方案所需的总分拣时间选择可行的多维调度方案作为候选调度方案,形成该分拣批次的候选调度方案种群;
上述步骤S120中,所述可行的多维调度方案为所需的总分拣时间小于预设的当前分拣批次的分拣时间阈值的多维调度方案。所述分拣系统执行每一多维调度方案所需的总分拣时间,包括:料箱搬运机器人根据料箱搬运机器人调度方案和分拣料口放置方案将各分拣订单对应的周转料箱搬运并放置在对应的分拣料口所需的分拣时间,分拣搬运机器人根据分拣搬运机器人调度方案将各分拣包裹搬运至分拣料口上所属的分拣订单对应的周转料箱所需的分拣时间,料箱搬运机器人根据料箱搬运机器人调度方案和分拣料口放置方案将各分拣料口上的装载有各分拣订单对应的所有分拣包裹的周转料箱搬运至装箱区域所需的分拣时间之和。
一个实施例中,为了方便计算采用每一多维调度方案完成对应的分拣任务所需的总分拣时间,预先设置分拣系统的执行分拣任务过程中的基础条件,包括:(1)分拣搬运机器人和料箱搬运机器人匀速行驶,车速不会受到空载或负载的影响;(2)理论分拣完成时间与实际分拣完成时间相同,不考虑延时;(3)分拣搬运机器人和料箱搬运机器人的上一任务执行结束,立即执行下一任务,不回到初始位置;(4)一个周转料箱可以装载一个分拣订单内的所有分拣包裹;(5)分拣搬运机器人在上货区域无需等待,直接装载包裹;(6)不考虑分拣搬运机器人装载包裹和卸载包裹的耗时;(7)不考虑料箱搬运机器人装载周转料箱和卸载周转料箱的耗时;(8)在执行分拣任务的零点状态,分拣区域内无任何分拣搬运机器人、料箱搬运机器人和周转料箱。
为了分拣系统可以利用各多维调度方案完成对应的分拣任务,设置各多维调度方案执行过程中的限制条件,包括:(1)只有在一个分拣订单对应的周转料箱放置于对应的分拣料口之后,分拣搬运机器人才开始分拣该分拣订单对应的各分拣包裹,即其中WTq表示从零点状态到分拣搬运机器人在上货区域开始装载分拣包裹q的等待时长,WTo表示从零点状态到分拣订单o开始分拣的等待时长,SO={q1o,q2o,…,qno},qio∈Q,表示分拣订单o包含多个分拣任务;(2)只有在属于一个分拣订单的全部分拣包裹都搬运至对应的周转料箱后,料箱搬运机器人才可是分拣该分拣订单对应的周转料箱,即 其中WFTo表示从零点状态到料箱搬运机器人开始将分拣订单o的周转料箱搬运至装箱区域的等待时长;(3)使用上货区域的同一个上货台的分拣包裹必须按照供包顺序及逆行分拣,即其中Sh={q1h,q2h,…,qnh},qih∈Q表示上货台h的供包序列,分拣包裹按供包顺序进行分拣,H={1,2,3,…,h}表示上件区域内上货台集合;(4)分拣搬运机器人必须按照分拣包裹的顺序执行分拣,只有当前分拣包裹执行结束后才能开始执行下一分拣包裹,即其中表示分拣搬运机器人kd的分拣包裹执行序列,KD表示分拣搬运机器人集合,kd为任意一辆分拣搬箱搬运机器人;(5)料箱搬运机器人必须按照分拣订单的顺序执行分拣,只有当前分拣订单分拣结束后才能开始分拣下一分拣订单,即 其中表示料箱搬运机器人kc的分拣包裹执行序列,Kc表示分拣搬运机器人集合,kd为任意一辆分拣搬箱搬运机器人;(6)一个分拣包裹仅被一个分拣搬运机器人执行一次,即 其中表示任务q包裹是否由分拣搬运机器人kd搬运,是为1,否为0;(7)一个分拣订单仅被一个料箱搬运机器人执行一次,即其中表示订单o的周转料箱是否由料箱搬运机器kc搬运,是为1,否为0;(8)一个分拣订单的周转料箱仅被放置在一个分拣料口,即其中 表示订单o的周转料箱是否被放置于分拣料口r,是为1,否为0。
在上述分拣系统的基础条件和限制条件下,该分拣系统利用每一种多维调度方案完成对应的分拣任务的过程中,以分拣料口分配方案locatero、分拣搬运机器人分配方案和料箱搬运机器人分配方案作为决策变量的总分拣时间计算模型为:
Z时间=Z1+Z2+Z3,其中Z时间表示完成该分拣任务所需的总分拣时间,Z1=∑o∈o CTo表示根据分拣料口分配方案locatero将该分拣批次中所有分拣订单的周转料箱搬运至对应的周转料口的所需时间,Z2=∑q∈Q CTq表示根据分拣搬运机器人分配方案将该分拣批次中的所有分拣包裹搬运至对应的周转料箱的所需时间,Z3=∑o∈OBTo表示根据料箱搬运机器人分配方案将该分拣批次中的所有分拣订单对应的周转料箱从分拣料口搬运至装箱区域所需时间;其中,O={1,2,3,…,o}表示一个分拣批次中所有分拣订单的集合,Q={1,2,3,…,q}表示一个批次中所有分拣包裹集合,CTo表示料箱搬运机器人将分拣订单o的周转料箱搬运至对应的分拣料口所需时长,CTq表示分拣搬运机器人将分拣包裹q搬运至对应的周转料箱所需时长,BTo表示分拣订单o对应的周转料箱从分拣料口搬运至装箱区域所需时长;
通过上述总分拣时间计算模型,计算采用每一多维调度方案完成对应的分拣任务所需的总分拣时间,并将各分拣批次中完成分拣任务的指定时长FT<=Tr作为预设的当前分拣批次的分拣时间阈值,完成对应的分拣任务所需的总分拣时间Z时间小于预设的当前分拣批次的分拣时间阈值Tr的多维调度方案为可行的多维调度方案,根据执行选择可行的多维调度方案作为候选调度方案,形成该分拣批次的候选调度方案种群;并利用两段三层编码,显示候选调度方案种群中的候选调度方案。
步骤S130为参考集生成步骤,计算每一个分拣批次的候选调度方案种群中每一个候选调度方案的适应度和多样性,筛选适应度或多样性最优的预定数量的候选调度方案,作为该分拣批次的多维调度方案的参考集;
上述步骤S130中,根据适应度从大到小和多样性从大到小的顺序,在候选调度方案种群中选取适应度最高的一定数量的候选调度方案和多样性距离最大的一定数量的候选调度方案,构成分拣系统的多维调度方案的参考集。所述计算每一个分拣批次的候选调度方案种群中每一个候选调度方案的适应度的步骤,包括:在每一个分拣批次中,计算分拣系统采用各候选调度方案完成分拣任务的目标函数值,将目标函数值的倒数作为该候选调度方案的适应度。每一个候选调度方案的适应度的计算公式为其中fi表示第i个候选调度方案的适应度,zi表示第i个候选调度方案的目标函数值;当分拣系统的多维调度方案的优化目标是最短分拣时间时,将分拣系统执行各候选调度方案所需的总分拣时间作为该候选调度方案的目标函数值;当分拣系统的多维调度方案的优化目标是最低分拣成本时,将分拣系统执行各候选调度方案所需的总分拣成本作为该候选调度方案的目标函数值。
上述步骤S130中,分拣系统执行各多维调度方案所需的总分拣成本包括:各分拣搬运机器人的总派遣成本、各分拣搬运机器人执行分拣搬运机器人调度方案的总行驶成本、各料箱搬运机器人的总派遣成本,以及各料箱搬运机器人执行分拣料口放置方案和料箱搬运机器人调度方案的总行驶成本之和;各多维调度方案所需的总分拣成本。分拣系统执行各多维调度方案所需的总分拣时间包括料箱搬运机器人执行用于确定每一个分拣订单对应的周转料箱所要放置的分拣料口的分配方案所需的分拣时间,分拣搬运机器人执行用于确定每一个分拣搬运机器人负责分拣的每一个分拣订单对应的分拣包裹的分配方案所需的分拣时间,以及执行用于确定每一个料箱搬运机器人负责分拣的每一个分拣订单对应的周转料箱的分配方案所需的分拣时间之和。
一个实施例中,分拣系统执行各多维调度方案所需的根据上述计算分拣系统执行多维调度方案所需的总分拣时间的实施例中预先设置的分拣系统的执行分拣任务过程中的基础条件和限制条件,该分拣系统利用每一种候选调度方案完成对应的分拣任务的过程中,以分拣料口分配方案locatero、分拣搬运机器人分配方案和料箱搬运机器人分配方案作为决策变量,分拣系统执行各多维调度方案所需的总分拣时间的计算模型为:Z时间=Z1+Z2+Z3,所需的总分拣成本的计算模型为:Z成本=Z1+Z2+Z3+Z4;其中,Z成本表示完成该分拣任务所需的总分拣成本, 表示根据分拣搬运机器人分配方案各分拣搬运机器人的总派遣成本;表示根据料箱搬运机器人分配方案各料箱搬运机器人的总派遣成本; 表示各分拣搬运机器人执行分拣搬运机器人分配方案的总行驶成本;表示各料箱搬运机器人执行分拣料口分配方案locatero和料箱搬运机器人分配方案的总行驶成本;其中O={1,2,3,…,o}表示一个分拣批次中所有分拣订单的集合,Q={1,2,3,…,q}表示一个批次中所有分拣包裹集合,fix_costc表示料箱搬运机器人的派遣成本;var_costc表示料箱搬运机器人的单位行驶距离成本;fix_costd表示分拣搬运机器人的派遣成本;var_costd表示分拣搬运机器人的单位行驶距离成本。
所述计算每一分拣批次的候选调度方案种群中每一候选调度方案的多样性的步骤,包括:在每一个分拣批次的候选调度方案种群中,计算当前候选调度方案与另一个候选调度方案之间的相似性,并将相似性的对数作为两个候选调度方案的多样性距离;将当前候选调度方案与候选调度方案种群中其他所有候选调度方案之间的多样性距离的几何平均值作为当前候选调度方案在对应的分拣批次的候选调度方案种群中的多样性。每一个候选调度方案的在该候选调度方案种群中的多样性的计算过程包括:计算当前候选调度方案A与另一个候选调度方案B这两种调度方案的相似性,其计算公式为:
其中,packageAB表示两种候选调度方案中负责搬运同一分拣包裹的分拣搬运机器人相同的数目,boxAB表示两种候选调度方案中负责搬运同一分拣订单的料箱搬运机器人相同的数目,sortAB表示两种候选调度方案中同一分拣订单的周转料箱放置的分拣料口相同的数目,sizetask表示当前批次内分拣包裹的总数,sizeorder表示当前批次内分拣订单的总数,k1、k2和k3是常数,且k1+k2+k3=1。
再基于两种候选调度方案的相似性计算两种调度方案的多样性距离;通过取对数,放大多样性距离大的数而压缩多样性距离小的数,从而提出多样性距离较大的多维调度方案,对应的A和B两种候选调度方案的多样性距离的计算公式为:
根据上述两种候选调度方案之间的多样性距离的计算过程,计算当前候选调度方案A与所述候选调度方案种群中其他所有候选调度方案之间的多样性距离;并将当前候选调度方案A与所述候选调度方案种群中其他所有候选调度方案之间的多样性距离的几何平均值作为当前候选调度方案所在的候选调度方案种群中的多样性,对应的当前调度方案A在所述调度方案种群中的多样性的计算公式为:
其中N为种群规模的预设值,i,j表示调度方案种群中的调度方案
一个实施例中,利用上述实施例中的两段三层编码显示候选调度方案种群中的每一个候选调度方案,从而通过计算两段三层编码的多样性反应对应的各调度方案的多样性,当前实施例中,分拣系统的分拣系统的调度方案优化方法如图3所示,通过选取一定数量的适应度最高的两段三层编码对应的调度方案和一定数量的多样性距离最大的两段三层编码对应的调度方案作为参考集。
步骤S140为多维调度方案优化步骤,针对每一个分拣批次的参考集中的每一候选调度方案,利用禁忌搜索算法对每一候选调度方案进行优化;在禁忌搜索算法迭代过程中,利用变邻域算子对候选调度方案进行变形,在变形后可行的多维调度方案中,选择参考集中各候选调度方案对应的最优的多维调度方案,形成最优调度方案集;
上述步骤S140中,利用禁忌搜索算法对每一候选调度方案进行优化的步骤,包括:将所述参考集中的每一个候选调度方案作为禁忌搜索算法的初始调度方案,通过变邻域算子对初始调度方案进行变形,并将变形后的可行的多维调度方案添加至所述禁忌搜索算法产生的、与各初始调度方案对应的禁忌表中;确定是否满足所述禁忌搜索算法预先设置的停止条件,若没有满足,则在当前禁忌表中选择的最优的多维调度方案通过变邻域算子进行变形,并将变形后的可行的多维调度方案添加至对应的禁忌表中,直至满足所述禁忌搜索算法的停止条件,得到包括多个变形后的可行的多维调度方案的禁忌表;进而得到所述参考集中每一个候选调度方案对应的最优的多维调度方案,形成最优调度方案集。其中,当分拣系统的多维调度方案的优化目标是最短分拣时间时,针对参考集中每一个候选调度方案对应的变形后可行的多维调度方案,计算执行每一个多维调度方案所需的总分拣时间,将所需总分拣时间最短的多维调度方案作为该候选调度方案对应的最优的多维调度方案;其中执行多维调度方案所需的总分拣时间的计算模型为:Z时间=Z1+Z2+Z3,对应的以最短分拣时间为目标的优化模型为: 当分拣系统的多维调度方案的优化目标是最低分拣成本时,针对参考集中每一个候选调度方案对应的变形后可行的多维调度方案,计算执行每一个多维调度方案所需的总分拣成本,将所需总分拣成本最低的多维调度方案作为该候选调度方案对应的最优的多维调度方案;其中执行多维调度方案所需的总分拣成本的计算模型为:Z成本=Z1+Z2+Z3+Z4,对应的以最低分拣成本为目标的优化模型为:
一个实施例中,所述变邻域算子包括交换算子和贪心算子,当分拣系统的调度方案的优化目标是最短分拣时间时,采用交换算子对调度方案进行变形;当分拣系统的调度方案的优化目标是最低分拣成本时,采用交换算子和贪心算子对调度方案进行变形。在当前实施例中,利用两段三层编码显示参考集中的候选调度方案,利用交换算子对每一候选调度方案进行变形的具体步骤包括:利用交换算子作用于两段三层编码中的分拣搬运机器人码序列和料箱搬运机器人码序列,随机选择两个分拣搬运机器人码,如果两个码的编号不同,则进行交换,料箱搬运机器人码也是同样操作,从而完成对该两段三层编码的修改。如图5所示,选择分拣搬运机器人码序列中执行3号和10号分拣任务的3号和4号分拣搬运机器人,两个分拣搬运机器人编号不同,将两个分拣搬运机器人执行的分拣任务交换;选择料箱搬运机器人码序列中执行3号和5号订单的1号和2号料箱搬运机器人,两个料箱搬运机器人编号不同,将两个料箱搬运机器人执行的分拣订单交换,从而完成对该两段三层编码的修改。利用贪心算子对每一个候选调度方案进行变形的具体步骤包括:利用贪心算子作用于两段三层编码中的分拣搬运机器人码序列和料箱搬运机器人码序列,去除当前两段三层编码除中执行任务数最少的分拣搬运机器人和执行订单数最少的料箱搬运机器人,将余下的分拣任务和分拣订单重新随机分配给两段三层编码中的其他分拣机器人,从而完成对当前两段三层编码的修改。如图6所示,4号分拣搬运机器人和3号料箱搬运机器人执行任务数最少,将4号分拣搬运机器人执行的10号分拣包裹分配给3号分拣搬运机器人,将3号料箱搬运机器人执行的5号分拣订单重新分配给1号料箱搬运机器人,从而完成对当前两段三层编码的修改。
在当前实施例中,利用变邻域算子结合禁忌搜索算法对参考集中的候选调度方案对应的两段三层编码进行优化的过程如图3所示,遍历当前参考集中的所有候选调度方案对应的两段三层编码,将两段三层编码作为禁忌搜索算法的初始解,通过变邻域算子对初始解进行变形,根据该变形后的多维调度方案的总分拣时间选择可行的多维调度方案,将可行的多维调度方案对应的两段三层编码作为可行解添加至禁忌表中,判断当前是否满足禁忌搜索算法的停止条件,若没有,则迭代利用变邻域算子对当前解进行变形,并将可行的多维调度方案对应的两段三层编码作为可行解添加至禁忌表中,直至达成禁忌搜索算法的停止条件,得到包括多个改进解的禁忌表;在禁忌表中选择最优的多维调度方案对应的两段三层编码作为最优解,并利用最优解的两段三层编码替换对应的作为初始解的参考集中两段三层编码从而完成对参考集中候选调度方案对应的两段三层编码的优化,形成最优编码集。
上述变邻域算子结合禁忌搜索算法对候选调度方案的调整,通过实数编码对分拣模型中的分拣搬运机器人、料箱搬运机器人和分拣料口的编码,以及对当前批次内分拣订单和分拣包裹的编码,有利于寻找方案可行约束条件下的最佳排列组合;并且通过变邻域算子对调度方案的优化,改善了局部搜索能力,提高了求解质量和算法收敛速度,得到的调度方案具有较好的稳定性,在大规模数据集下具有更大的优势。
步骤S150为,确定当前得到的最优多维调度方案集是否满足设定的停止优化条件,若不满足,则将通过对当前参考集中的候选调度方案进行交叉重组构成新的多维调度方案,重新形成该分拣批次的候选调度方案种群,重复执行所述参考集生成步骤和所述多维调度方案优化步骤,直至得到的最优多维调度方案集满足停止优化条件,从而完成各分拣批次中多维调度方案的优化。
一个实施例中,预先设置分拣系统的多维调度方案优化过程中的迭代次数阈值和历史最优调度方案集的重复频率预设值;设定的停止优化条件包括:当前得到的最优调度方案集的迭代次数大于或等于迭代次数阈值,以及当前得到的最优调度方案集的重复频率大于或等于历史最优调度方案集的重复频率预设值。
上述实施例中,基于分拣系统的多维调度方案优化的迭代过程如图3所示,根据迭代次数以及历史最优解重复频率来判断算法是否结束,如果当前得到的最优调度方案集的迭代次数小于迭代次数阈值,并且当前得到的最优调度方案集的重复频率小于历史最优调度方案集的重复频率预设值,则将通过对当前参考集中的候选调度方案进行交叉重组形成的新的调度方案集作为调度方案种群,迭代重复执行参考集生成步骤和调度方案优化步骤,直至当前得到的最优调度方案集的迭代次数大于或等于迭代次数阈值或者当前得到的最优调度方案集的重复频率大于或等于历史最优解重复频率达到预设值,则完成多维调度方案的优化,输出最后依次迭代中的最优调度方案集。
上述实施例中,采用两段三层编码显示多维调度方案时,最终输出对应最优调度方案集的最优编码集。
一个实施例中,所述对当前参考集中的候选调度方案进行交叉重组形成的新的多维调度方案的步骤,包括:针对步骤S130中形成的参考集,通过遗传算法中的精英保留策略对参考集进行更新,包括以下步骤:在参考集中随机选择两个候选调度方案作为一个多维调度方案对,并设定该多维调度方案对的切割点;在两个候选调度方案中沿相同位置的切割点进行切割,并将切割后的多维调度方案进行交叉重组,形成新的多维调度方案对;为了保证候选调度方案种群的收敛性,在经过交叉重组形成的新的调度方案对中,采用精英保留策略选择可行的优化目标最优的一定数量的多维调度方案作为下一次迭代的多维调度方案优化过程中的候选调度方案种群。
在当前实施例中,采用两段三层编码显示参考集中的候选调度方案,对于参考集中候选调度方案对应的两段三层编码的交叉重组如图7所示,在参考集中选取两个候选调度方案对应的两段三层编码M和L作为一个编码对,随机计算任务码切割点t1,t1∈[1,sizetask-1]和订单码切割点t2,t2∈[1,sizeorder-1]。将编码M分拣包裹段前t1位置、分拣订单段前t2位置与编码L分拣包裹段后t1位置、分拣订单段后t2位置结合;编码L分拣包裹段前t1位置、分拣订单段前t2位置与编码M分拣包裹段后t1位置、分拣订单段后t2位置结合,形成一个新的编码对。在参考系中随机选取的编码对并经过交叉重组形成新的编码对,最多可以从参考集B中选取编码对,只要保证候选调度方案种群规模即可在新生成个编码对中,利用精英保留策略在可行的多维调度方案中基于多维调度方案的优化目标选择适应度最优的N个两段三层编码对应的候选调度方案作为新的候选调度方案种群。其中B表示参考集中两段三层编码子集的数量。
上述利用参考集中调度方案的交叉重组,对调度方案种群进行更新,保证了调度方案优化过程中的多样性和有效收敛。
与上述方法相应地,本发明还提供了一种基于分拣系统的多维调度方案优化系统,该系统包括计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该调度方案优化系统实现如前所述方法的步骤。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时以实现前述基于分拣系统的调度方案优化方法的步骤。该计算机可读存储介质可以是有形存储介质,诸如随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、软盘、硬盘、可移动存储盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
本领域普通技术人员应该可以明白,结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法,能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
本发明中,针对一个实施方式描述和/或例示的特征,可以在一个或更多个其它实施方式中以相同方式或以类似方式使用,和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、变形等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于分拣系统的多维调度方案优化方法,其特征在于,包括以下步骤:
多维调度方案形成步骤,分拣系统接收每一个分拣批次的分拣任务,根据所述分拣系统预先设定的调度维度,针对每一个分拣批次的分拣任务生成多种多维调度方案;分拣任务包括所需完成分拣的分拣订单信息和各分拣订单对应的一个以上分拣包裹信息;多维调度方案包括用于确定各分拣订单对应的周转料箱所要放置的分拣料口的分拣料口放置方案、用于确定搬运各周转料箱的料箱搬运机器人的料箱搬运机器人调度方案和用于确定搬运各分拣订单对应的各分拣包裹的分拣搬运机器人的分拣搬运机器人调度方案;
候选调度方案种群形成步骤,统计每一个分拣批次中,分拣系统执行每一个多维调度方案所需的总分拣时间,根据执行每一个多维调度方案所需的总分拣时间选择可行的多维调度方案作为候选调度方案,形成该分拣批次的候选调度方案种群;
参考集生成步骤,计算每一个分拣批次的候选调度方案种群中每一个候选调度方案的适应度和多样性,筛选适应度或多样性最优的预定数量的候选调度方案,作为该分拣批次的多维调度方案的参考集;
多维调度方案优化步骤,针对每一个分拣批次的参考集中的每一候选调度方案,利用禁忌搜索算法对每一候选调度方案进行优化;在禁忌搜索算法迭代过程中,利用变邻域算子对候选调度方案进行变形,在变形后可行的多维调度方案中,选择参考集中各候选调度方案对应的最优的多维调度方案,形成最优调度方案集;
确定当前得到的最优多维调度方案集是否满足设定的停止优化条件,若不满足,则将通过对当前参考集中的候选调度方案进行交叉重组构成新的多维调度方案,重新形成该分拣批次的候选调度方案种群,重复执行所述参考集生成步骤和所述多维调度方案优化步骤,直至得到的最优多维调度方案集满足停止优化条件,从而完成各分拣批次中多维调度方案的优化。
2.根据权利要求1所述的方法,其特征在于,当分拣系统的多维调度方案的优化目标是最短分拣时间时,在所述多维调度方案优化步骤中,针对参考集中每一个候选调度方案对应的变形后可行的多维调度方案,计算执行每一个多维调度方案所需的总分拣时间,将所需总分拣时间最短的多维调度方案作为该候选调度方案对应的最优的多维调度方案;所述执行每一个多维调度方案所需的总分拣时间包括:料箱搬运机器人执行用于确定每一个分拣订单对应的周转料箱所要放置的分拣料口的分配方案所需的分拣时间,分拣搬运机器人执行用于确定每一个分拣搬运机器人负责分拣的每一个分拣订单对应的分拣包裹的分配方案所需的分拣时间,以及执行用于确定每一个料箱搬运机器人负责分拣的每一个分拣订单对应的周转料箱的分配方案所需的分拣时间之和。
3.根据权利要求1所述的方法,其特征在于,当分拣系统的多维调度方案的优化目标是最低分拣成本时,在所述多维调度方案优化步骤中,针对参考集中每一个候选调度方案对应的变形后可行的多维调度方案,计算执行每一个多维调度方案所需的总分拣成本,将所需总分拣成本最低的多维调度方案作为该候选调度方案对应的最优的多维调度方案;所述执行每一个多维调度方案所需的总分拣成本包括:各分拣搬运机器人的总派遣成本、各分拣搬运机器人执行分拣搬运机器人调度方案的总行驶成本、各料箱搬运机器人的总派遣成本,以及各料箱搬运机器人执行分拣料口放置方案和料箱搬运机器人调度方案的总行驶成本之和。
4.根据权利要求1所述的方法,其特征在于,所述分拣系统预先设定的调度维度包括所述预先设置的所述分拣系统的调度维度包括执行分拣任务的分拣搬运机器人和料箱搬运机器人、该分拣任务中的分拣包裹和分拣订单的分拣过程和该分拣任务中每一个分拣订单对应的周转料箱放置的分拣料口;将所述分拣系统的分拣步骤分为分拣包裹段和分拣订单段,并结合所述分拣系统的调度维度,采用双段三层实数编码显示多维调度方案;
分拣包裹段的三层实数编码包括:分拣包裹的实数编码、负责搬运该分拣包裹的分拣搬运机器的实数编码和各分拣包裹所属的分拣订单的实数编码;
分拣订单段的三层实数编码包括:分拣订单的实数编码、放置该分拣订单对应的周转料箱的分拣料口的实数编码和负责搬运该分拣订单对应的周转料箱的料箱搬运机器人的实数编码。
5.根据权利要求1所述的方法,其特征在于,所述计算每一分拣批次的候选调度方案种群中每一候选调度方案的适应度的步骤,包括:
在每一个分拣批次中,计算分拣系统采用各候选调度方案完成分拣任务的目标函数值,将目标函数值的倒数作为该候选调度方案的适应度。
6.根据权利要求1所述的方法,其特征在于,所述计算每一分拣批次的候选调度方案种群中每一候选调度方案的多样性的步骤,包括:
在每一个分拣批次的候选调度方案种群中,计算当前候选调度方案与另一个候选调度方案之间的相似性,并将相似性的对数作为两个候选调度方案的多样性距离;
将当前候选调度方案与候选调度方案种群中其他所有候选调度方案之间的多样性距离的几何平均值作为当前候选调度方案在对应的分拣批次的候选调度方案种群中的多样性。
8.根据权利要求1所述的方法,其特征在于,所述利用禁忌搜索算法对每一候选调度方案进行优化的步骤,包括:
将所述参考集中的每一个候选调度方案作为禁忌搜索算法的初始调度方案,通过变邻域算子对初始调度方案进行变形,并将变形后的可行的多维调度方案添加至所述禁忌搜索算法产生的、与各初始调度方案对应的禁忌表中;
确定是否满足所述禁忌搜索算法预先设置的停止条件,若没有满足,则在当前禁忌表中选择的最优的多维调度方案通过变邻域算子进行变形,并将变形后的可行的多维调度方案添加至对应的禁忌表中,直至满足所述禁忌搜索算法的停止条件,得到包括多个变形后的可行的多维调度方案的禁忌表;进而得到所述参考集中每一个候选调度方案对应的最优的多维调度方案,形成最优调度方案集。
9.一种基于分拣系统的多维调度方案优化系统,其特征在于,包括处理器和存储器,其特征在于,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如权利要求1至8中任一项所述方法的步骤。
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,该程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211452281.5A CN115759407B (zh) | 2022-11-18 | 2022-11-18 | 基于分拣系统的多维调度方案优化方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211452281.5A CN115759407B (zh) | 2022-11-18 | 2022-11-18 | 基于分拣系统的多维调度方案优化方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115759407A true CN115759407A (zh) | 2023-03-07 |
CN115759407B CN115759407B (zh) | 2023-08-01 |
Family
ID=85333068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211452281.5A Active CN115759407B (zh) | 2022-11-18 | 2022-11-18 | 基于分拣系统的多维调度方案优化方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759407B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116540743A (zh) * | 2023-07-04 | 2023-08-04 | 北京邮电大学 | 高速分拣机器人集中式调度实时路径规划方法及装置 |
CN116542493A (zh) * | 2023-07-04 | 2023-08-04 | 北京邮电大学 | 高速分拣机器人集中式调度实时任务分配方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001022726A (ja) * | 1999-07-08 | 2001-01-26 | Fujitsu Ltd | タブー探索装置 |
CN109146163A (zh) * | 2018-08-07 | 2019-01-04 | 上海大学 | 自动分拣系统分拣距离的优化方法、设备及存储介质 |
CN113359702A (zh) * | 2021-05-11 | 2021-09-07 | 浙江工业大学 | 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法 |
CN113656156A (zh) * | 2021-07-30 | 2021-11-16 | 哈尔滨工业大学 | 一种基于禁忌搜索算法和遗传算法结合的调度优化方法 |
CN114358233A (zh) * | 2021-12-01 | 2022-04-15 | 合肥工业大学智能制造技术研究院 | 基于双混合粒子群的多agv路径规划问题优化方法及系统 |
CN115293670A (zh) * | 2022-06-20 | 2022-11-04 | 清华大学 | 基于混合元启发式算法的自动配送中心订单分拣方法 |
-
2022
- 2022-11-18 CN CN202211452281.5A patent/CN115759407B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001022726A (ja) * | 1999-07-08 | 2001-01-26 | Fujitsu Ltd | タブー探索装置 |
CN109146163A (zh) * | 2018-08-07 | 2019-01-04 | 上海大学 | 自动分拣系统分拣距离的优化方法、设备及存储介质 |
CN113359702A (zh) * | 2021-05-11 | 2021-09-07 | 浙江工业大学 | 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法 |
CN113656156A (zh) * | 2021-07-30 | 2021-11-16 | 哈尔滨工业大学 | 一种基于禁忌搜索算法和遗传算法结合的调度优化方法 |
CN114358233A (zh) * | 2021-12-01 | 2022-04-15 | 合肥工业大学智能制造技术研究院 | 基于双混合粒子群的多agv路径规划问题优化方法及系统 |
CN115293670A (zh) * | 2022-06-20 | 2022-11-04 | 清华大学 | 基于混合元启发式算法的自动配送中心订单分拣方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116540743A (zh) * | 2023-07-04 | 2023-08-04 | 北京邮电大学 | 高速分拣机器人集中式调度实时路径规划方法及装置 |
CN116542493A (zh) * | 2023-07-04 | 2023-08-04 | 北京邮电大学 | 高速分拣机器人集中式调度实时任务分配方法及装置 |
CN116540743B (zh) * | 2023-07-04 | 2023-09-29 | 北京邮电大学 | 高速分拣机器人集中式调度实时路径规划方法及装置 |
CN116542493B (zh) * | 2023-07-04 | 2023-10-10 | 北京邮电大学 | 高速分拣机器人集中式调度实时任务分配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115759407B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115759407A (zh) | 基于分拣系统的多维调度方案优化方法、系统和存储介质 | |
CN107506956B (zh) | 基于改进粒子群算法供应链生产运输协同调度方法及系统 | |
US20220063915A1 (en) | Goods sorting method and goods sorting system | |
CN107480922B (zh) | 两端式同轨双车运行模式下货位分配调度模型建立方法 | |
CN108550007A (zh) | 一种制药企业自动化立体仓库的货位优化方法及系统 | |
CN112561194B (zh) | 一种混合流水车间生产与物流集成调度方法及系统 | |
Jiang et al. | Picking-replenishment synchronization for robotic forward-reserve warehouses | |
CN109597304A (zh) | 基于人工蜂群算法的模具库智能分区存储方法 | |
CN113968445B (zh) | 一种轻小件高速分拣控制方法、系统及装置 | |
CN113822588B (zh) | 基于离散的人工蜂群进化的自动导向车辆调度方法 | |
CN114331220A (zh) | 基于订单动态优先级的乘用车运输车辆调度方法及装置 | |
CN109823757A (zh) | 一种板件出库方法、系统及存储介质 | |
CN115730789A (zh) | 分类存储下的asrs任务调度与货位分配方法及系统 | |
CN113792933A (zh) | 一种车间布局优化方法、装置、电子设备及存储介质 | |
CN111056210B (zh) | 料箱位置调整方法及装置、仓储系统、介质和电子设备 | |
CN113050644A (zh) | 基于迭代贪婪进化的agv调度方法 | |
CN111144802B (zh) | 一种融合agv与机械臂的智能仓储发货方法 | |
CN112989696A (zh) | 一种基于移动机器人的自动拣选系统货位优化方法及系统 | |
CN116797121A (zh) | 一种基于AGVs的智能仓储批量分拣优化方法 | |
CN115293670A (zh) | 基于混合元启发式算法的自动配送中心订单分拣方法 | |
CN115032952A (zh) | 一种基于分化转移策略的船用关重件加工生产车间集成调度差分进化控制方法、装置及系统 | |
CN116542493B (zh) | 高速分拣机器人集中式调度实时任务分配方法及装置 | |
CN116502976B (zh) | 一种多式联运枢纽工艺布局方法及系统 | |
CN115099755B (zh) | 一种即时物流订单拆分方法及装置 | |
CN117151440B (zh) | 一种机器组策略选择的仓储分配方法及系统 |
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 |