CN115759657A - 仓库搬运车调度方法及装置、计算机设备和可读存储介质 - Google Patents

仓库搬运车调度方法及装置、计算机设备和可读存储介质 Download PDF

Info

Publication number
CN115759657A
CN115759657A CN202211480913.9A CN202211480913A CN115759657A CN 115759657 A CN115759657 A CN 115759657A CN 202211480913 A CN202211480913 A CN 202211480913A CN 115759657 A CN115759657 A CN 115759657A
Authority
CN
China
Prior art keywords
order
scheduling
chromosome
idle
warehouse
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
Application number
CN202211480913.9A
Other languages
English (en)
Inventor
牛建伟
朱智
李青锋
谷宁波
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.)
Hangzhou Innovation Research Institute of Beihang University
Original Assignee
Hangzhou Innovation Research Institute of Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Innovation Research Institute of Beihang University filed Critical Hangzhou Innovation Research Institute of Beihang University
Priority to CN202211480913.9A priority Critical patent/CN115759657A/zh
Publication of CN115759657A publication Critical patent/CN115759657A/zh
Pending legal-status Critical Current

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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种仓库搬运车调度方法及装置、计算机设备和可读存储介质，涉及AGV调度技术领域。本申请在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，根据目标仓库中各个货位区域当前的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的已有订单产生状况及未来订单产生状况的目标调度策略，并按照目标调度策略对各个货位区域内的空闲搬运车进行跨区域调度，使目标仓库内不同货位区域各自配置的空闲运力可在时域上针对订单生成趋势实现运力供需平衡，以提升运输车调度前瞻性。

Description

仓库搬运车调度方法及装置、计算机设备和可读存储介质
技术领域
本申请涉及AGV(Automated Guided Vehicle，自动导引运输车)调度技术领域，具体而言，涉及一种仓库搬运车调度方法及装置、计算机设备和可读存储介质。
背景技术
随着科学技术的不断发展，自动导引运输车因其能够取代人工承担起仓库内物料搬运的职责，可在货位与仓库出入口之间对货物进行自动转移，逐渐成为仓库内实现自动化货物运输效果的重要设施。因此，自动导引运输车完成货物运输订单任务的效率会在一定程度上影响企业经济效益，而对自动导引运输车来说，运输车调度方案的优劣状况往往会在运输车执行订单任务的过程中严重影响订单任务的执行效率。
就目前而言，当今运输车调度方案是从静态求解订单分配问题的角度制定的。当今运输车调度方案通常是直接以当前已收集的未分配运输订单为基准，利用贪心算法(例如，最近车辆优先、订单先来先服务、最早订单截止时间优先，最长等待时间优先等算法原则)或启发式算法(例如，遗传算法、蚁群算法、模拟退火算法等)针对当前已收集的未分配运输订单进行运输车运力分配。值得注意的是，这类运输车调度方案在运输车调度过程中实质并不具备对未来订单状况的适用性，无法在时域上针对订单生成趋势实现运力供需平衡效果，不具有运力调度前瞻性。
发明内容
有鉴于此，本申请的目的在于提供一种仓库搬运车调度方法及装置、计算机设备和可读存储介质，能够结合仓库内不同货位区域的已有订单产生状况及未来订单产生状况，对仓库内不同货位区域的空闲运力进行跨区域调度，使同一仓库内不同货位区域各自配置的空闲运力能够在时域上有效适配订单生成趋势，从而在时域上针对仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，提升了运输车调度作业的调度前瞻性。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请提供一种仓库搬运车调度方法，所述方法包括：
在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，获取所述目标仓库中所有货位区域当前各自的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量；
根据所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略；
按照所述目标调度策略对所述目标仓库的各个货位区域内的空闲搬运车进行跨区域调度。
在可选的实施方式中，所述根据所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略的步骤，包括：
对所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量进行数据集成，得到与马尔可夫决策算法对应的初始决策状态参数集合；
根据各个货位区域内的每个空闲搬运车的搬运车编号，针对相邻货位区域之间的空闲搬运车调度动作，生成与马尔可夫决策算法对应的可实施调度动作集合；
将所述初始决策状态参数集合及所述可实施调度动作集合输入到预存的与马尔可夫决策算法对应的目标深度强化学习网络模型中，并调用所述目标深度强化学习网络模型以最大化长期回报奖励为优化目的进行调度策略求解，得到所述目标调度策略。
在可选的实施方式中，所述方法还包括：
针对所述目标仓库的每个货位区域，根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
在可选的实施方式中，针对单个货位区域，所述根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容的步骤，包括：
根据该货位区域的各个空闲搬运车的搬运车编号以及各个未分配订单的订单下发顺序进行染色体编码，得到预设数目条订单分配染色体，其中每条订单分配染色体由该货位区域的未分配订单数目个搬运车编号按照对应的订单下发顺序依次拼接得到；
计算与该货位区域对应的每条订单分配染色体的个体适应度值；
针对每条订单分配染色体，根据该订单分配染色体的个体适应度值对该订单分配染色体进行自然选择模拟，并对不符合自然选择的订单分配染色体进行染色体重编码；
按照预设的种群繁衍概率及种群变异概率对符合自然选择的多条订单分配染色体进行染色体迭代；
检测迭代得到的多条订单分配染色体是否符合预设的迭代终止条件，并在检测到所述迭代得到的多条订单分配染色体均符合所述迭代终止条件时，直接计算所述迭代得到的多条订单分配染色体各自的个体适应度值，否则返回所述计算与该货位区域对应的每条订单分配染色体的个体适应度值的步骤继续执行；
从符合所述迭代终止条件的所有订单分配染色体中筛选出最大适应度值的目标分配染色体，并按照所述目标分配染色体所表征的空闲搬运车与未分配订单之间的对应关系，为该货位区域的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
在可选的实施方式中，所述针对每条订单分配染色体，根据该订单分配染色体的个体适应度值对该订单分配染色体进行自然选择模拟的步骤，包括：
针对每个订单分配染色体，利用随机数生成算法生成与该订单分配染色体对应的随机适应度阈值；
将该订单分配染色体的个体适应度值与对应的随机适应度阈值进行比较；
若该订单分配染色体的个体适应度值大于对应的随机适应度阈值，则将该订单分配染色体作为符合自然选择的订单分配染色体；
若该订单分配染色体的个体适应度值小于或等于对应的随机适应度阈值，则将该订单分配染色体作为不符合自然选择的订单分配染色体。
在可选的实施方式中，所述按照预设的种群繁衍概率及种群变异概率对符合自然选择的多条订单分配染色体进行染色体迭代的步骤，包括：
按照所述种群繁衍概率在符合自然选择的多条订单分配染色体内随机选取至少一个待繁衍染色体组，其中每个待繁衍染色体组包括两条订单分配染色体；
针对每个待繁衍染色体组，将该待繁衍染色体组所包括的两条订单分配染色体中拼接位置对应的部分搬运车编号进行编号交换；
按照所述种群变异概率从完成染色体繁衍操作后的多条订单分配染色体中随机选取至少一条待变异分配染色体；
针对每条待变异分配染色体，对该待变异分配染色体所记录的部分搬运车编号进行编号调整。
第二方面，本申请提供一种仓库搬运车调度装置，所述装置包括：
仓库状况获取模块，用于在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，获取所述目标仓库中所有货位区域当前各自的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量；
调度策略求解模块，用于根据所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略；
运力跨区调度模块，用于按照所述目标调度策略对所述目标仓库的各个货位区域内的空闲搬运车进行跨区域调度。
在可选的实施方式中，所述装置还包括：
订单执行分配模块，用于针对所述目标仓库的每个货位区域，根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
第三方面，本申请提供一种计算机设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序，以实现前述实施方式中任意一项所述的仓库搬运车调度方法。
第四方面，本申请提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现前述实施方式中任意一项所述的仓库搬运车调度方法。
在此情况下，本申请实施例的有益效果包括以下内容：
本申请在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，根据目标仓库中各个货位区域当前的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的已有订单产生状况及未来订单产生状况的目标调度策略，而后按照目标调度策略对目标仓库的各个货位区域内的空闲搬运车进行跨区域调度，使目标仓库内不同货位区域各自配置的空闲运力能够在时域上有效应对已有订单及未来订单，从而在时域上针对仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，提升了运输车调度作业的调度前瞻性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的计算机设备的组成示意图；
图2为本申请实施例提供的储物仓库的场地分割示意图；
图3为本申请实施例提供的仓库搬运车调度方法的流程示意图之一；
图4为图3中的步骤S230包括的子步骤的流程示意图；
图5为本申请实施例提供的运输车跨区域调度动作的实施示意图；
图6为本申请实施例提供的仓库搬运车调度方法的流程示意图之二；
图7为图6中的步骤S240包括的子步骤的流程示意图；
图8为本申请实施例提供的仓库搬运车调度装置的组成示意图之一；
图9为本申请实施例提供的仓库搬运车调度装置的组成示意图之二。
图标：10-计算机设备；11-存储器；12-处理器；13-通信单元；100-仓库搬运车调度装置；110-仓库状况获取模块；120-调度策略求解模块；130-运力跨区调度模块；140-订单执行分配模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要理解的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互结合。
请结合参照图1及图2，其中图1是本申请实施例提供的计算机设备10的组成示意图，图2是本申请实施例提供的储物仓库的场地分割示意图。在本申请实施例中，所述计算机设备10能够对至少一个储物仓库内的多个自动导引运输车进行运力调度，使储物仓库内不同货位区域各自的空闲运力能够有效应对当前已有未分配运输订单及未来可能生成的运输订单，从而在时域上针对储物仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，以提升运输车调度作业的调度前瞻性。其中，所述计算机设备10可以是，但不限于，个人计算机、平板电脑、智能手机、服务器、笔记本电脑等。
在此过程中，同一个储物仓库所具有的货位场地可根据货物存放规格类型划分为多个货位区域，使每个货位区域可对应存取至少一种规格品种的货物，如图2所示的4个货位区域g1、g2、g3和g4，货位区域g1和货位区域g2相邻设置，货位区域g2和货位区域g4相邻设置，货位区域g3和货位区域g1相邻设置，货位区域g3和货位区域g4相邻设置。所述储物仓库的每个货位区域内存在多个用于存放货物的货位，每个货位区域存在的自动导引运输车能够在多个货位之间的巷道内移动，以针对每个货位实现货物存取作业。
其中，所述储物仓库内在靠近入库口和出库口的位置处分别设置货物暂存位，当待入库货物在被放置在靠近入库口的货物暂存位内时，自动导引运输车从货物暂存位取走货物后送往对应的货位，即可视为一次完整的货物入库运输订单任务，而待出库货物由自动导引运输车从储物仓库的对应货位运送至靠近出库口的货物暂存位，然后由人工或者分拣装置从该货物暂存位取走待出库货物，即可视为一次完整的货物出库运输订单任务。
对自动导引运输车来说，自动导引运输车执行一次完整的货物出(入)库运输订单任务可以分为取货和放货两个步骤，不考虑升降托盘的时间消耗和能量消耗，一个运输订单任务的时间消耗可由取货和放货的总时间求和得到，如果同一储物仓库内所有自动导引运输车的运输速度保持一致，则可以用运输车取货和运输车放货的运输总距离和值近似替代运输订单任务的完成时间。
在本申请实施例中，所述计算机设备10可以包括存储器11、处理器12、通信单元13及仓库搬运车调度装置100。其中，所述存储器11、所述处理器12及所述通信单元13各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，所述存储器11、所述处理器12及所述通信单元13这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
在本申请实施例中，所述存储器11可以是，但不限于，随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory，EEPROM)等。其中，所述存储器11用于存储计算机程序，所述处理器12在接收到执行指令后，可相应地执行所述计算机程序。
在本实施例中，所述处理器12可以是一种具有信号的处理能力的集成电路芯片。所述处理器12可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)及网络处理器(Network Processor，NP)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件中的至少一种。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
在本实施例中，所述通信单元13用于通过网络建立所述计算机设备10与其他电子设备之间的通信连接，并通过所述网络收发数据，其中所述网络包括有线通信网络及无线通信网络。例如，所述计算机设备10可以通过所述通信单元13与储物仓库内各个订单管理设备、自动导引运输车或货位通信连接，以确定该储物仓库内各个货位区域内的所有自动导引运输车是否正在执行运输订单任务，该储物仓库内各个货位区域内的所有货位是否被占用，该储物仓库内各个货位区域内的订单生成速率、已生成运输订单是否被分配给自动导引运输车以执行对应的运输订单内容。在本实施例的一种实施方式中，所述订单管理设备可与所述计算机设备10集成在一起。
在本申请实施例中，所述仓库搬运车调度装置100可以包括至少一个能够以软件或固件的形式存储于所述存储器11中或者固化在所述计算机设备10的操作系统中的软件功能模块。所述处理器12可用于执行所述存储器11存储的可执行模块，例如所述仓库搬运车调度装置100所包括的软件功能模块及计算机程序等。所述计算机设备10可以通过所述仓库搬运车调度装置100结合仓库内不同货位区域的已有订单产生状况及未来订单产生状况，对仓库内不同货位区域的空闲运力进行跨区域调度，使同一仓库内不同货位区域各自配置的空闲运力能够在时域上有效适配订单生成趋势，从而在时域上针对仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，提升运输车调度作业的调度前瞻性。
可以理解的是，图1所示的框图仅为所述计算机设备10的一种组成示意图，所述计算机设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
在本申请中，为确保所述计算机设备10能够使同一仓库内不同货位区域各自配置的空闲运力在时域上有效适配订单生成趋势，从而在时域上针对仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，提升运输车调度作业的调度前瞻性，本申请实施例提供一种仓库搬运车调度方法实现前述目的。下面对本申请提供的仓库搬运车调度方法进行详细描述。
请参照图3，图3是本申请实施例提供的仓库搬运车调度方法的流程示意图之一。在本申请实施例中，所述仓库搬运车调度方法可以包括步骤S210～步骤S230。
步骤S210，在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，获取目标仓库中所有货位区域当前各自的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量。
在本实施例中，所述运输订单生成事件用于表征所述目标仓库内新生成有待执行运输订单，所述运输订单完成事件用于表征所述目标仓库内被执行运输订单已被执行完成。所述计算机设备10可通过检测目标仓库内是否发生运输订单生成事件或运输订单完成事件，以确定所述目标仓库的运输订单生成状况或运输订单执行状况是否发生变动。
所述计算机设备10在检测到所述目标仓库的运输订单生成事件或运输订单完成事件的情况下，将对应获取所述目标仓库当前的仓库运输环境信息，以开始对所述目标仓库内各货位区域的空闲运力进行动态调度，使所述目标仓库内各货位区域配置的空闲运力能够有效应对当前已有未分配运输订单及未来可能生成的运输订单。其中，所述仓库运输环境信息可以包括所述目标仓库在不同货位区域处分别对应的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，其中所述未分配订单数目为对应货位区域内的已有未分配运输订单的订单数目，所述订单生成速率为对应货位区域在短期时间内的运输订单生成速率，所述已存货物数量为对应货位区域内的被占用货位的货位数目。
步骤S220，根据目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略。
在本实施例中，所述计算机设备10处可存储有基于DQN(Deep Q Networ)深度网络架构训练得到的与马尔可夫决策算法匹配的目标深度强化学习网络模型。所述计算机设备10可在获取到的所述目标仓库中各个货位区域当前的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量的基础上，调用所述目标深度强化学习网络模型以保证各个货位区域的空闲运力能够匹配对应货位区域内已有未分配运输订单以及未来可能出现的运输订单为求解目的，针对所述目标仓库的相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到由至少一种空闲搬运车调度动作组成的目标调度策略，使所述目标调度策略所对应的具体空闲搬运车调度动作能够确保各个货位区域的最终空闲运力能够有效应对已有订单产生状况及未来订单产生状况，从而在时域上针对目标仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，以提升运输车调度作业的调度前瞻性。其中，所述空闲搬运车调度动作用于表征同一目标仓库内相邻两个货位区域中从货位区域1向货位区域2调度一辆空闲运输车，所述空闲搬运车调度动作可以基于搬运车就近选取原则从所述货位区域1中选取距离货位区域2最近的一辆空闲运输车。
可选地，请参照图4，图4是图3中的步骤S230包括的子步骤的流程示意图。在本申请实施例中，所述步骤S230可以包括子步骤S231～子步骤S234，以有效求解出能够确保最终配置的空闲运力在时域上针对目标仓库内不同货位区域的订单生成趋势分别实现运力供需平衡的目标调度策略。
子步骤S221，对目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量进行数据集成，得到与马尔可夫决策算法对应的初始决策状态参数集合。
在本实施例中，所述初始决策状态参数集合可以由多个货位区域各自对应的初始决策状态参数多元组集合形成，每个货位区域的初始决策状态参数多元组可由该货位区域当前的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量构建多元组的方式得到，此时单个初始决策状态参数多元组可采用如下式子进行表示：
<APgt，OPgt，Ngt>；
其中，APgt用于表示第g个货位区域在第t时刻的搬运车总数目和空闲搬运车数目；OPgt用于表示第g个货位区域在第t时刻的未分配订单数目和订单生成速率；Ngt用于表示第g个货位区域在第t时刻的已存货物数量，其数值越大则表明对应货位区域的订单新增概率越大，且需要的空闲运力越多。
子步骤S222，根据各个货位区域内的每个空闲搬运车的搬运车编号，针对相邻货位区域之间的空闲搬运车调度动作，生成与马尔可夫决策算法对应的可实施调度动作集合。
在本实施例中，对目标仓库的相邻两个货位区域之间的空闲搬运车调度动作可采用如下二元组进行表示：
<Gi，Gj>；
其中，该二元组可用于表示从第i个货位区域Gi调度一辆空闲搬运车给第j个货位区域Gj，以填补第j个货位区域Gj潜在的运力空缺。
所述计算机设备10处可存储有目标仓库所涉及的多个自动导引搬运车的搬运车编号，并有效确定所述目标仓库中所有货位区域各自的每个空闲搬运车的搬运车编号，而后所述计算机设备10将基于搬运车就近选取原则对上述空闲搬运车调度动作进行多元组扩展，得到涉及相邻两个货位区域的针对空闲搬运车的可实施调度动作。此时，单个可实施调度动作可采用如下三元组进行表示：
<Gi，Gj，AGVk〉；
其中，该三元组可用于表示从第i个货位区域Gi调度搬运车编号为k的空闲搬运车AGVk给第j个货位区域Gj，以填补第j个货位区域Gj潜在的运力空缺，此时尽管空闲搬运车AGVk在物理上仍然处于第i个货位区域Gj的区域范围内，但从逻辑上来看空闲搬运车AGVk只能参与到第j个货位区域Gj内的已有未分配运输订单和未来可有运输订单的运力匹配过程中。
由此，所述计算机设备10可针对目标仓库中任意相邻两个货位区域，生成匹配的针对空闲搬运车的可实施调度动作，而后将所有可实施调度动作集合在一起，使对应得到的可实施调度动作集合能够有效表征目标仓库当前可实施的所有空闲搬运车跨区域调度操作。
以图5所示的运输车跨区域调度动作的实施示意图为例：图5(a)所示的货位区域g1和货位区域g2各自以自身的空闲搬运车针对当前已存在的未分配订单进行匹配，此时货位区域g1中还会存在一辆空闲搬运车，而货位区域g2即将产生新订单；此时针对图5(a)的场景可存在一个空闲搬运车调度动作，即得到图5(b)所示的从货位区域g1处调度一辆空闲搬运车到货位区域g2去执行即将产生的订单，而后得到图5(c)所示的空闲搬运车跨区调度动作的动作执行结果。
子步骤S223，将初始决策状态参数集合及可实施调度动作集合输入到预存的与马尔可夫决策算法对应的目标深度强化学习网络模型中，并调用目标深度强化学习网络模型以最大化长期回报奖励为优化目的进行调度策略求解，得到目标调度策略。
在本实施例中，马尔可夫决策算法在所述目标深度强化学习网络模型中的具体决策过程可采用如下式子进行表示：
<S，A，P，γ，R，π>；
其中，S用于表征上述初始决策状态参数集合；A用于表征上述可实施调度动作集合；P用于表征执行上述可实施调度动作时，上述初始决策状态参数集合转变成另外一种决策状态参数集合的概率；γ用于表征折现因子其值处于0～1之间，越接近1则表示目标深度强化学习网络模型越考虑长期受益，越接近0则越考虑短期受益；R用于表征执行上述可实施调度动作时，上述初始决策状态参数集合转变成另外一种决策状态参数集合所带来的回报奖励；π用于表征调度策略，属于上述初始决策状态参数集合与上述可实施调度动作集合之间的映射关系。
在此情况下，所述计算机设备10可通过将所述目标仓库当前对应的初始决策状态参数集合及可实施调度动作集合输入到目标深度强化学习网络模型中，而后以最大化长期回报奖励为优化目的调用目标深度强化学习网络模型进行调度策略求解，得到能够确保最终配置的空闲运力在时域上针对目标仓库内不同货位区域的订单生成趋势分别实现运力供需平衡的目标调度策略。
由此，本申请可通过执行上述子步骤S221～子步骤S223，有效求解出能够确保最终配置的空闲运力在时域上针对目标仓库内不同货位区域的订单生成趋势分别实现运力供需平衡的目标调度策略。
步骤S230，按照目标调度策略对目标仓库的各个货位区域内的空闲搬运车进行跨区域调度。
在本实施例中，当所述计算机设备10针对所述目标仓库求解出能够在时域上针对目标仓库内不同货位区域的订单生成趋势分别实现运力供需平衡的目标调度策略后，会按照所述目标调度策略对目标仓库的各个货位区域内的空闲搬运车进行跨区域调度，使调度后的各个货位区域内的实际空闲搬运车的空闲运力能够与所述目标调度策略保持一致，同时目标仓库内不同货位区域各自配置的空闲运力能够在时域上有效应对已有订单及未来订单，从而在时域上针对仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，提升了运输车调度作业的调度前瞻性。
由此，本申请可通过执行上述步骤S210～步骤S230，结合仓库内不同货位区域的已有订单产生状况及未来订单产生状况，对仓库内不同货位区域的空闲运力进行跨区域调度，使同一仓库内不同货位区域各自配置的空闲运力能够在时域上有效适配订单生成趋势，从而在时域上针对仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，提升了运输车调度作业的调度前瞻性。
可选地，请参照图6，图6是本申请实施例提供的仓库搬运车调度方法的流程示意图之二。在本申请实施例中，与图3所示的仓库搬运车调度方法相比，图6所示的仓库搬运车调度方法还可以包括步骤S240，以在目标仓库下的每个货位区域内针对当前存在的未分配订单分别分配合适的空闲搬运车进行订单任务执行操作。
步骤S240，针对目标仓库的每个货位区域，根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
在本实施例中，所述计算机设备10在为目标仓库的每个货位区域配置了能够有效应对已有订单产生状况及未来订单产生状况的空闲运力后，可利用遗传算法、蚁群算法或模拟退火算法在每个货位区域内求解订单搬运车匹配问题的局部最优解，从而对同一储物仓库内不同货位区域的空闲运力进行合理安排，以提升整个储物仓库内不同货位区域的订单执行效率。
由此，本申请可通过执行上述步骤S240，在目标仓库下的每个货位区域内针对当前存在的未分配订单分别分配合适的空闲搬运车进行订单任务执行操作，以提升整个储物仓库内不同货位区域的订单执行效率。
可选地，请参照图7，图7是图6中的步骤S240包括的子步骤的流程示意图。在本申请实施例中，所述步骤S240可以包括子步骤S241～子步骤S247，以利用遗传算法在单个货位区域内求解订单搬运车匹配问题的局部最优解，从而对同一储物仓库内不同货位区域的空闲运力进行合理安排，以提升整个储物仓库内对应货位区域的订单执行效率。
子步骤S241，根据该货位区域的各个空闲搬运车的搬运车编号以及各个未分配订单的订单下发顺序进行染色体编码，得到预设数目条订单分配染色体，其中每条订单分配染色体由该货位区域的未分配订单数目个搬运车编号按照对应的订单下发顺序依次拼接得到。
在本实施例中，对同一货位区域生成的预设数目条订单分配染色体来说，这多条订单分配染色体互不相同，每条订单分配染色体由该货位区域的多个搬运车编号按照该货位区域的未分配订单各自的订单下发顺序依次拼接得到，即每条订单分配染色体记录的搬运车编号总数目即为对应货位区域的未分配订单数目，单条订单分配染色体记录的每个搬运车编号即为该订单分配染色体的一个基因数值，单条订单分配染色体记录的每个搬运车编号单独对应一个未分配订单的订单下发顺序，此时该订单下发顺序即对应该订单分配染色体的一个基因位置。
子步骤S242，计算与该货位区域对应的每条订单分配染色体的个体适应度值。
在本实施例中，所述计算机设备10可基于传统遗传算法记录的适应度计算方式，分别针对生成的每条订单分配染色体单独计算对应的个体适应度值。
子步骤S243，针对每条订单分配染色体，根据该订单分配染色体的个体适应度值对该订单分配染色体进行自然选择模拟，并对不符合自然选择的订单分配染色体进行染色体重编码。
在本实施例中，当所述计算机设备10计算出某个货位区域所对应的多条订单分配染色体的个体适应度值后，会针对每条订单分配染色体根据对应的个体适应度值进行自然选择模拟，以确定该订单分配染色体当前是否符合自然选择，而后针对不符合自然选择的订单分配染色体，参照上述步骤S241重构一个继承该订单分配染色体的染色体序号的新订单分配染色体，并采用新订单分配染色体替换不符合自然选择的该订单分配染色体，接着计算新订单分配染色体的个体适应度值进行自然选择模拟，直至得到继承前述染色体序号且符合自然选择的新订单分配染色体，此时该货位区域所对应的多条订单分配染色体均符合自然选择。
其中，所述针对每条订单分配染色体，根据该订单分配染色体的个体适应度值对该订单分配染色体进行自然选择模拟的步骤，可以包括：
针对每个订单分配染色体，利用随机数生成算法生成与该订单分配染色体对应的随机适应度阈值；
将该订单分配染色体的个体适应度值与对应的随机适应度阈值进行比较；
若该订单分配染色体的个体适应度值大于对应的随机适应度阈值，则将该订单分配染色体作为符合自然选择的订单分配染色体；
若该订单分配染色体的个体适应度值小于或等于对应的随机适应度阈值，则将该订单分配染色体作为不符合自然选择的订单分配染色体。
由此，本申请可通过执行上述子步骤S234的具体步骤流程，有效检测生成出的订单分配染色体是否符合自然选择。
子步骤S244，按照预设的种群繁衍概率及种群变异概率对符合自然选择的多条订单分配染色体进行染色体迭代。
在本实施例中，所述计算机设备10在得到符合自然选择的多条订单分配染色体后，会按照所述种群繁衍概率对这多条订单分配染色体进行染色体繁衍，而后按照所述种群变异概率对染色体繁衍后的这多条订单分配染色体进行基因数据突变处理，以实现对这多条订单分配染色体的染色体迭代处理，完成对该货位区域的染色体繁衍换代操作。
在此过程中，所述按照预设的种群繁衍概率及种群变异概率对符合自然选择的多条订单分配染色体进行染色体迭代的步骤，可以包括：
按照所述种群繁衍概率在符合自然选择的多条订单分配染色体内随机选取至少一个待繁衍染色体组，其中每个待繁衍染色体组包括两条订单分配染色体；
针对每个待繁衍染色体组，将该待繁衍染色体组所包括的两条订单分配染色体中拼接位置对应的部分搬运车编号进行编号交换；
按照所述种群变异概率从完成染色体繁衍操作后的多条订单分配染色体中随机选取至少一条待变异分配染色体；
针对每条待变异分配染色体，对该待变异分配染色体所记录的部分搬运车编号进行编号调整。
其中，可通过在单个待繁衍染色体组内的两个订单分配染色体中随机选定需要进行基因数据(搬运车编号)交换的某个或某几个基因拼接位置，其中两个订单分配染色体中需要交换搬运车编号的基因拼接位置保持一致，而后将两个搬运车编号中对应基因拼接位置的部分搬运车编号进行编号交换，得到两个新订单分配染色体，从而完成对该待繁衍染色体组的染色体繁衍操作。
上述编号调整操作可以是选取对应货位区域内未被利用到所属待变异分配染色体的搬运车编号，对该待变异分配染色体的部分搬运车编号进行调整；上市编号调整操作也可以是在所属待变异分配染色体内选取部分搬运车编号进行基因拼接位置交换，以调整该待变异分配染色体所记录的各个搬运车编号与未分配订单的对应关系。
由此，本申请可通过执行上述子步骤S244的具体步骤流程，完成对该货位区域的染色体繁衍换代操作。
子步骤S245，检测迭代得到的多条订单分配染色体是否符合预设的迭代终止条件。
其中，所述迭代终止条件可以是针对所述染色体繁衍换代操作配置的迭代次数(例如，5次)；所述迭代终止条件也可以是要求迭代出的多条订单分配染色体的个体适应度之间的适应度均值/适应度方差/适应度标准差是否超过预设数值；所述迭代终止条件还可以是要求迭代出的多条订单分配染色体中存在由特定搬运车编号组成的订单分配染色体；其中所述迭代终止条件可由所述计算机设备10的操作人员根据需要进行不同的配置。
所述计算机设备10可通过将迭代出的多条订单分配染色体与所述迭代终止条件进行匹配，以检测迭代出的多条订单分配染色体是否符合所述迭代终止条件；其中，若迭代出的多条订单分配染色体与所述迭代终止条件匹配成功，即表明所述迭代出的多条订单分配染色体符合所述迭代终止条件，此时所述计算机设备10将对应执行子步骤S246；若迭代出的多条订单分配染色体与所述迭代终止条件匹配失败，即表明所述迭代出的多条订单分配染色体不符合所述迭代终止条件，所述迭代出的多条订单分配染色体需要再次进行染色体迭代，此时所述计算机设备10将对应跳转到上述子步骤S242继续执行子步骤S242～步骤S245，直至最终迭代出的多条订单分配染色体符合所述迭代终止条件为止。
子步骤S246，直接计算迭代得到的多条订单分配染色体各自的个体适应度值。
子步骤S247，从符合迭代终止条件的所有订单分配染色体中筛选出最大适应度值的目标分配染色体，并按照目标分配染色体所表征的空闲搬运车与未分配订单之间的对应关系，为该货位区域的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
在本实施例中，所述目标分配染色体所表征的空闲搬运车与未分配订单之间的对应关系即为所述目标分配染色体在每个未分配订单的订单下发顺序处所对应的空闲搬运车的搬运车编号，而后所述计算机设备10会将所述目标分配染色体所表征的空闲搬运车与未分配订单之间的对应关系，作为对应货位区域内求解订单搬运车匹配问题的局部最优解，而后按照该目标分配染色体为该货位区域的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容，从而对同一储物仓库内不同货位区域的空闲运力进行合理安排。
由此，本申请可通过执行上述子步骤S241～子步骤S247，利用遗传算法在单个货位区域内求解订单搬运车匹配问题的局部最优解，从而对同一储物仓库内不同货位区域的空闲运力进行合理安排，以提升整个储物仓库内对应货位区域的订单执行效率。
在本申请中，为确保所述计算机设备10能够有效执行上述仓库搬运车调度方法，本申请通过对存储在所述计算机设备10处的仓库搬运车调度装置100进行功能模块划分的方式实现前述功能。下面对本申请提供的应用于上述计算机设备10的仓库搬运车调度装置100的具体组成进行相应描述。
请参照图8，图8是本申请实施例提供的仓库搬运车调度装置100的组成示意图之一。在本申请实施例中，所述仓库搬运车调度装置100可以包括仓库状况获取模块110、调度策略求解模块120及运力跨区调度模块130。
仓库状况获取模块110，用于在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，获取目标仓库中所有货位区域当前各自的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量。
调度策略求解模块120，用于根据目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略。
运力跨区调度模块130，用于按照目标调度策略对所述目标仓库的各个货位区域内的空闲搬运车进行跨区域调度。
可选地，请参照图9，图9是本申请实施例提供的仓库搬运车调度装置100的组成示意图之二。在本申请实施例中，所述仓库搬运车调度装置100还可以包括订单执行分配模块140。
订单执行分配模块140，用于针对目标仓库的每个货位区域，根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
需要说明的是，本申请实施例所提供的仓库搬运车调度装置100，其基本原理及产生的技术效果与前述的仓库搬运车调度方法相同。为简要描述，本实施例部分未提及之处，可参考上述的针对仓库搬运车调度方法的描述内容。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的实施例的装置、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，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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。本申请提供的各项功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例记载方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，在本申请实施例提供的一种仓库搬运车调度方法及装置、计算机设备和可读存储介质中，本申请在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，根据目标仓库中各个货位区域当前的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的已有订单产生状况及未来订单产生状况的目标调度策略，而后按照目标调度策略对目标仓库的各个货位区域内的空闲搬运车进行跨区域调度，使目标仓库内不同货位区域各自配置的空闲运力能够在时域上有效应对已有订单及未来订单，从而在时域上针对仓库内不同货位区域的订单生成趋势分别实现运力供需平衡，提升了运输车调度作业的调度前瞻性。
以上所述，仅为本申请的各种实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应当以权利要求的保护范围为准。

Claims (10)

1.一种仓库搬运车调度方法，其特征在于，所述方法包括：
在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，获取所述目标仓库中所有货位区域当前各自的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量；
根据所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略；
按照所述目标调度策略对所述目标仓库的各个货位区域内的空闲搬运车进行跨区域调度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略的步骤，包括：
对所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量进行数据集成，得到与马尔可夫决策算法对应的初始决策状态参数集合；
根据各个货位区域内的每个空闲搬运车的搬运车编号，针对相邻货位区域之间的空闲搬运车调度动作，生成与马尔可夫决策算法对应的可实施调度动作集合；
将所述初始决策状态参数集合及所述可实施调度动作集合输入到预存的与马尔可夫决策算法对应的目标深度强化学习网络模型中，并调用所述目标深度强化学习网络模型以最大化长期回报奖励为优化目的进行调度策略求解，得到所述目标调度策略。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
针对所述目标仓库的每个货位区域，根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
4.根据权利要求3所述的方法，其特征在于，针对单个货位区域，所述根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容的步骤，包括：
根据该货位区域的各个空闲搬运车的搬运车编号以及各个未分配订单的订单下发顺序进行染色体编码，得到预设数目条订单分配染色体，其中每条订单分配染色体由该货位区域的未分配订单数目个搬运车编号按照对应的订单下发顺序依次拼接得到；
计算与该货位区域对应的每条订单分配染色体的个体适应度值；
针对每条订单分配染色体，根据该订单分配染色体的个体适应度值对该订单分配染色体进行自然选择模拟，并对不符合自然选择的订单分配染色体进行染色体重编码；
按照预设的种群繁衍概率及种群变异概率对符合自然选择的多条订单分配染色体进行染色体迭代；
检测迭代得到的多条订单分配染色体是否符合预设的迭代终止条件，并在检测到所述迭代得到的多条订单分配染色体均符合所述迭代终止条件时，直接计算所述迭代得到的多条订单分配染色体各自的个体适应度值，否则返回所述计算与该货位区域对应的每条订单分配染色体的个体适应度值的步骤继续执行；
从符合所述迭代终止条件的所有订单分配染色体中筛选出最大适应度值的目标分配染色体，并按照所述目标分配染色体所表征的空闲搬运车与未分配订单之间的对应关系，为该货位区域的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
5.根据权利要求4所述的方法，其特征在于，所述针对每条订单分配染色体，根据该订单分配染色体的个体适应度值对该订单分配染色体进行自然选择模拟的步骤，包括：
针对每个订单分配染色体，利用随机数生成算法生成与该订单分配染色体对应的随机适应度阈值；
将该订单分配染色体的个体适应度值与对应的随机适应度阈值进行比较；
若该订单分配染色体的个体适应度值大于对应的随机适应度阈值，则将该订单分配染色体作为符合自然选择的订单分配染色体；
若该订单分配染色体的个体适应度值小于或等于对应的随机适应度阈值，则将该订单分配染色体作为不符合自然选择的订单分配染色体。
6.根据权利要求4所述的方法，其特征在于，所述按照预设的种群繁衍概率及种群变异概率对符合自然选择的多条订单分配染色体进行染色体迭代的步骤，包括：
按照所述种群繁衍概率在符合自然选择的多条订单分配染色体内随机选取至少一个待繁衍染色体组，其中每个待繁衍染色体组包括两条订单分配染色体；
针对每个待繁衍染色体组，将该待繁衍染色体组所包括的两条订单分配染色体中拼接位置对应的部分搬运车编号进行编号交换；
按照所述种群变异概率从完成染色体繁衍操作后的多条订单分配染色体中随机选取至少一条待变异分配染色体；
针对每条待变异分配染色体，对该待变异分配染色体所记录的部分搬运车编号进行编号调整。
7.一种仓库搬运车调度装置，其特征在于，所述装置包括：
仓库状况获取模块，用于在检测到目标仓库的运输订单生成事件或运输订单完成事件的情况下，获取所述目标仓库中所有货位区域当前各自的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量；
调度策略求解模块，用于根据所述目标仓库中各个货位区域的搬运车总数目、空闲搬运车数目、未分配订单数目、订单生成速率及已存货物数量，基于马尔可夫决策算法针对相邻货位区域之间的空闲搬运车调度动作进行调度策略求解，得到符合各个货位区域的订单产生状况的目标调度策略；
运力跨区调度模块，用于按照所述目标调度策略对所述目标仓库的各个货位区域内的空闲搬运车进行跨区域调度。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
订单执行分配模块，用于针对所述目标仓库的每个货位区域，根据该货位区域当前存在的各个空闲搬运车的搬运车编号，为该货位区域当前存在的每个未分配订单分别分配一个空闲搬运车执行对应的运输订单内容。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序，以实现权利要求1-6中任意一项所述的仓库搬运车调度方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-6中任意一项所述的仓库搬运车调度方法。
CN202211480913.9A 2022-11-24 2022-11-24 仓库搬运车调度方法及装置、计算机设备和可读存储介质 Pending CN115759657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211480913.9A CN115759657A (zh) 2022-11-24 2022-11-24 仓库搬运车调度方法及装置、计算机设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211480913.9A CN115759657A (zh) 2022-11-24 2022-11-24 仓库搬运车调度方法及装置、计算机设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN115759657A true CN115759657A (zh) 2023-03-07

Family

ID=85336928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211480913.9A Pending CN115759657A (zh) 2022-11-24 2022-11-24 仓库搬运车调度方法及装置、计算机设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN115759657A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579586A (zh) * 2023-07-11 2023-08-11 浙江菜鸟供应链管理有限公司 资源调度方法、装置以及系统
CN118195447A (zh) * 2024-04-09 2024-06-14 暨南大学 工业园区产成品的仓储输送联合决策方法和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116579586A (zh) * 2023-07-11 2023-08-11 浙江菜鸟供应链管理有限公司 资源调度方法、装置以及系统
CN116579586B (zh) * 2023-07-11 2024-01-09 浙江菜鸟供应链管理有限公司 资源调度方法、装置以及系统
CN118195447A (zh) * 2024-04-09 2024-06-14 暨南大学 工业园区产成品的仓储输送联合决策方法和存储介质
CN118195447B (zh) * 2024-04-09 2024-08-06 暨南大学 工业园区产成品的仓储输送联合决策方法和存储介质

Similar Documents

Publication Publication Date Title
CN115759657A (zh) 仓库搬运车调度方法及装置、计算机设备和可读存储介质
Kim et al. A note on a dynamic space-allocation method for outbound containers
Bilgen Application of fuzzy mathematical programming approach to the production allocation and distribution supply chain network problem
Woo et al. Estimating the space requirement for outbound container inventories in port container terminals
Chan et al. Bi-objective optimization of three echelon supply chain involving truck selection and loading using NSGA-II with heuristics algorithm
CN109255481B (zh) 一种分布式库存调度系统及改进方法
CN102637272B (zh) 热轧板坯前库剩余板坯的分配方法及装置
Zäpfel et al. Warehouse sequencing in the steel supply chain as a generalized job shop model
Elbek et al. A variable neighborhood search for the multi-period collection of recyclable materials
Zeng et al. Optimizing berth allocation and storage space in direct transshipment operations at container terminals
Azab et al. The block relocation problem with appointment scheduling
CN110705946A (zh) 货物配装方法及货物配装系统
Azab et al. Coordinating truck appointments with container relocations and retrievals in container terminals under partial appointments information
Won et al. Workload-based yard-planning system in container terminals
CN115392838A (zh) 仓库货物出入库控制方法、装置及仓储系统
CN115619198B (zh) 库位移动规划方法、装置、电子设备及存储介质
Vahedi-Nouri et al. Bi-objective collaborative electric vehicle routing problem: Mathematical modeling and matheuristic approach
Guo et al. Storage assignment for newly arrived items in forward picking areas with limited open locations
CN115271573A (zh) 货物配送方法、装置、计算机设备和存储介质
CN114548880A (zh) 物流规划方法、设备、装置和存储介质
Wang et al. Storage space allocation of inbound container in railway container terminal
Ariafar et al. Application of Fuzzy Optimization to Production‐Distribution Planning in Supply Chain Management
Ho Combining analytic hierarchy process and goal programming for logistics distribution network design
Shoaee et al. Clusters of floor locations-allocation of stores to cross-docking warehouse considering satisfaction and space using MOGWO and NSGA-II algorithms
Aktas et al. Penalty and reward contracts between a manufacturer and its logistics service provider

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