CN115796411A - 基于自定义循点聚簇的仓库拣货路径优化方法及系统 - Google Patents
基于自定义循点聚簇的仓库拣货路径优化方法及系统 Download PDFInfo
- Publication number
- CN115796411A CN115796411A CN202211102138.3A CN202211102138A CN115796411A CN 115796411 A CN115796411 A CN 115796411A CN 202211102138 A CN202211102138 A CN 202211102138A CN 115796411 A CN115796411 A CN 115796411A
- Authority
- CN
- China
- Prior art keywords
- order
- picking
- point
- goods
- path
- 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
Landscapes
- Warehouses Or Storage Devices (AREA)
Abstract
本发明涉及一种基于自定义循点聚簇的仓库拣货路径优化方法,包括导入订单数据并进行预处理,其中所述订单数据包括订单号及货位编码;根据所述订单数据预设每个拣货单包含的订单数量,并根据订单号及货位编码确定距离矩阵;根据距离矩阵通过自定义循点聚簇算法确定最优拣货路径,其中最优拣货路径为所有拣货单总路径之和最小;根据最优拣货路径生成拣货单。本发明通过路径优化后的拣货线路尽可能的把货位临近的订单分配在一起进行拣选,使每个拣货人员所需要拣货的货架都尽量集中,并将拣货单包含的所有货品按照货柜顺序依次寻找并按照订单号分类,拣货人员只需要行走一次,尽可能减少所有拣货人员总的拣货路径,提升仓库拣货整体效率。
Description
技术领域
本发明涉及仓储物流技术领域,尤其是指一种基于自定义循点聚簇的仓库拣货路径优化方法及系统。
背景技术
在电商物流仓库中,货物分布在不同的货架中,当消费者在电商平台下单购物后,订单会流入到仓库系统中由仓库人员开始拣货。作为订单处理核心环节的拣货作业在仓库作业中耗时最长、耗力最多,行走距离会极大的直接影响到拣货人员的拣货效率。当订单数量比较大时,仓库会将多个订单合并为一个拣货单一起进行拣货,但传统的仓库拣货方法通常是按照订单去找齐订单所有货品再处理下一个订单,这就使拣货人员大量重复经过相同货柜,增加了拣货总路径,导致拣货效率低下。
因此,迫切需要提出一种仓库拣货路径优化方法以解决上述存在的技术问题。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中存在的拣货总路程长、拣货效率低的问题,提出一种基于自定义循点聚簇的仓库拣货路径优化方法及系统。
为解决上述技术问题,本发明提供了一种基于自定义循点聚簇的仓库拣货路径优化方法,包括以下步骤:
S1、导入订单数据并进行预处理,其中所述订单数据包括订单号及货位编码;
S2、根据所述订单数据预设每个拣货单包含的订单数量,并根据订单号及货位编码确定距离矩阵;
S3、根据距离矩阵通过自定义循点聚簇算法寻找簇点,判断簇点的数量是否达到拣货单的订单数量,若判断为是,则通过每个聚簇完成的簇团生成单个拣货单的拣货路径,若判断结果为否,则一次补满拣货单的订单数量的簇点,通过每个聚簇完成的簇团生成单个拣货单的拣货路径;
S4、根据所有拣货路径计算得到最优拣货路径,根据最优拣货路径生成拣货单,其中最优拣货路径为所有拣货单总路径之和最小。
在本发明的一个实施例中,所述S1中导入订单数据通过读取包含订单号及货位编码的文件,其中,订单数据中每个订单号都包含至少一个货品,每个货品对应一个货柜号,货位编码表示货品位置信息。
在本发明的一个实施例中,所述S1中对订单数据进行预处理的方法包括:
每个拣货人员的拣货距离为需要经过的最大货位编码减去最小货位编码。
对每个订单号都只保留多个货品中对应货位编码的最大值和最小值,若订单只有一个货品,则其最大值和最小值相同。
在本发明的一个实施例中,所述S2中根据所述订单数据预设每个拣货单包含的订单数量的方法包括:
预设每个拣货单包含的订单数量,其中,每份订单数据生成m个拣货单,每个拣货单包含n个订单。
在本发明的一个实施例中,所述S2中根据订单号及货位编码确定距离矩阵的方法包括:
距离矩阵包括订单号、最大货位编码和最小货位编码,将距离矩阵表示成坐标为最大货位编码和最小货位编码的二维坐标图,其中每个拣货单的拣货路径为其包含的n个订单所有的货位编码中最大货位编码减去最小货位编码的值。
在本发明的一个实施例中,所述S3中使用自定义循点聚簇算法生成拣货路径的方法包括:
S31、每个拣货单的总路径为其包含的n个订单的所有货位编码中最大货位编码减去最小货位编码的值;
S32、自定义循点聚簇算法使用欧氏距离在上一个找到的点的右下方寻找距其最近的点聚簇,再根据新找到的点重复以上步骤,直到找满n个点结束;
S33、使用自定义循点聚簇算法找到所有满足条件的簇,其中满足条件的簇的特征均是第一个点为起始点,其余n-1个点均在起始点的右下方,若在循点聚簇过程中某个点右下方没有满足条件的点,即寻找不满n个点,则从最后一个找到的点的周围按照欧氏距离寻找最近的点并排序,一次补满n个点;
S34、每个聚簇完成的簇团,簇团所有点坐标中最大货位编码和最小货位编码的差值为单个拣货单的拣货路径,簇团包含的所有点即为对应的拣货单的所有订单号;
S35、所有拣货单拣货路径之和为总的拣货路径,根据总的拣货路径确定最优拣货路径。
在本发明的一个实施例中,所述S32中欧氏距离为其中,x1和y1分别为第1个订单号的最小货位编码和最大货位编码,x2和y2分别为第2个订单号的最小货位编码和最大货位编码,并且其始终向起始点的右下方聚簇。
此外,本发明还提供一种基于自定义循点聚簇的仓库拣货路径优化系统,包括:
数据处理模块,所述数据处理模块用于导入订单数据并进行预处理,其中所述订单数据包括订单号及货位编码;
距离矩阵确定模块,根据所述订单数据预设每个拣货单包含的订单数量,所述距离矩阵确定模块用于根据订单号及货位编码确定距离矩阵;
自定义循点聚簇模块,所述自定义循点聚簇模块用于根据距离矩阵通过自定义循点聚簇算法寻找簇点,判断簇点的数量是否达到拣货单的订单数量,若判断为是,则通过每个聚簇完成的簇团生成单个拣货单的拣货路径,若判断结果为否,则一次补满拣货单的订单数量的簇点,通过每个聚簇完成的簇团生成单个拣货单的拣货路径;
拣货单生成模块,所述拣货单生成模块用于根据所有拣货路径计算得到最优拣货路径,根据最优拣货路径生成拣货单,其中最优拣货路径为所有拣货单总路径之和最小。
在本发明的一个实施例中,所述距离矩阵确定模块根据订单号及货位编码确定距离矩阵的方法包括:
距离矩阵包括订单号、最大货位编码和最小货位编码,将距离矩阵表示成坐标为最大货位编码和最小货位编码的二维坐标图,其中每个拣货单的拣货路径为其包含的n个订单所有的货位编码中最大货位编码减去最小货位编码的值。
在本发明的一个实施例中,所述自定义循点聚簇模块使用自定义循点聚簇算法生成拣货路径的方法包括:
每个拣货单的总路径为其包含的n个订单的所有货位编码中最大货位编码减去最小货位编码的值;
自定义循点聚簇算法使用欧氏距离在上一个找到的点的右下方寻找距其最近的点聚簇,再根据新找到的点重复以上步骤,直到找满n个点结束;
使用自定义循点聚簇算法找到所有满足条件的簇,其中满足条件的簇的特征均是第一个点为起始点,其余n-1个点均在起始点的右下方,若在循点聚簇过程中某个点右下方没有满足条件的点,即寻找不满n个点,则从最后一个找到的点的周围按照欧氏距离寻找最近的点并排序,一次补满n个点;
每个聚簇完成的簇团,簇团所有点坐标中最大货位编码和最小货位编码的差值为单个拣货单的拣货路径,簇团包含的所有点即为对应的拣货单的所有订单号;
所有拣货单拣货路径之和为总的拣货路径,根据总的拣货路径确定最优拣货路径。
本发明的上述技术方案相比现有技术具有以下优点:
本发明通过路径优化后的拣货线路尽可能的把货位临近的订单分配在一起进行拣选,使每个拣货人员所需要拣货的货架都尽量集中,并将拣货单包含的所有货品按照货柜顺序依次寻找并按照订单号分类,拣货人员只需要行走一次,尽可能减少所有拣货人员总的拣货路径,提升仓库拣货整体效率。
附图说明
图1是本发明实施例提出的一种基于自定义循点聚簇的仓库拣货路径优化方法流程图。
图2是本发明方法以订单数据的前9项为例进行预处理的示意图。
图3是本发明方法将距离矩阵表示成坐标为最大货位编码和最小货位编码的二维坐标图。
图4是本发明使用自定义循点聚簇算法找到的簇团示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参照图1所示,本发明公开了一种基于自定义循点聚簇的仓库拣货路径优化方法,包括以下步骤:
S1、导入订单数据并进行预处理,其中所述订单数据包括订单号及货位编码;
S2、根据所述订单数据预设每个拣货单包含的订单数量,并根据订单号及货位编码确定距离矩阵;
S3、根据距离矩阵通过自定义循点聚簇算法寻找簇点,判断簇点的数量是否达到拣货单的订单数量,若判断为是,则通过每个聚簇完成的簇团生成单个拣货单的拣货路径,若判断结果为否,则一次补满拣货单的订单数量的簇点,通过每个聚簇完成的簇团生成单个拣货单的拣货路径;
S4、根据所有拣货路径计算得到最优拣货路径,根据最优拣货路径生成拣货单,其中最优拣货路径为所有拣货单总路径之和最小。
在本发明实施例公开的一种基于自定义循点聚簇的仓库拣货路径优化方法中,S1通过读取包含订单号及货位编码的Excel表格导入订单数据,其中,订单数据中每个订单号都包含至少一个货品,每个货品对应一个货柜号,货位编码同时代表货品位置信息。每个拣货人员的拣货路径距离为需要经过的所有货位中最大货位编码减去最小货位编码。对每个订单号都只保留多个货品中对应货位编码的最大值和最小值,若订单只有一个货品,则其最大值和最小值相同。如图2选取导入订单数据的前9项进行数据预处理结果。
在本发明实施例公开的一种基于自定义循点聚簇的仓库拣货路径优化方法中,S2中预设每个拣货单包含的订单数量,其中,每份订单数据生成m个拣货单,每个拣货单包含n个订单。
在本发明实施例公开的一种基于自定义循点聚簇的仓库拣货路径优化方法中,S2中距离矩阵由订单号、最大货位编码和最小货位编码组成,将距离矩阵表示成坐标为最大货位编码和最小货位编码的二维坐标图。如图3所示的二维坐标图中每个点代表着对应订单号的最小货位编码和最大货位编码坐标,第i个订单号的坐标表示为(xi,yi),其中,xi表示第i个订单号的最小货位编码的值,yi表示第i个订单号的最大货位编码的值。应当注意的是,当多个订单的最大货位编码和最小货位编码相同时,它们的坐标会重合显示。而每个拣货单的拣货路径为其包含的n个订单所有的货位编码中最大货位编码减去最小货位编码的值。
在本发明实施例公开的一种基于自定义循点聚簇的仓库拣货路径优化方法中,S3中根据距离矩阵通过自定义循点聚簇算法确定最优拣货路径的方法包括:
S31、每个拣货单的总路径为:其包含的n个订单的所有货位编码中最大货位编码减去最小货位编码的值;
S32、通过自定义循点聚簇算法,该算法使用欧氏距离,在上一个找到的点的右下方,寻找距其最近的点聚簇,再根据新找到的点重复以上步骤,直到找满n个点结束,其中欧氏距离使用其中,x1和y1分别为第1个订单号的最小货位编码和最大货位编码,x2和y2分别为第2个订单号的最小货位编码和最大货位编码。如图4,其始终向起始点的右下方聚簇,这使起始点的坐标就代表了其拣货单最小货位编码和最大货位编码,每个簇只需要计算起始点坐标的差值,相比于传统的动态路径规划,不需要重复计算簇团内其余点,实现了生成路径消耗时间和路径长度之间的平衡;
S33、使用上述算法找到所有满足条件的簇,其中满足条件的簇的特征都应是第一个点为起始点,其余n-1个点都在起始点的右下方;
S34、若在循点聚簇过程中某个点右下方没有满足条件的点,即寻找不满n个点,则从最后一个找到的点的周围按照欧氏距离寻找最近的点并排序,一次补满n个点;
S35、每个聚簇完成的簇团,其包含的所有点即为对应的拣货单的所有订单号;
S36、单个拣货单的拣货路径为:簇团所有点坐标中最大货位编码和最小货位编码的差值;
S37、总的拣货路径为:所有拣货单拣货路径之和。
在本发明实施例公开的一种基于自定义循点聚簇的仓库拣货路径优化方法中,S4中根据S35聚簇结果得到的m个簇团,分别匹配原始订单数据中对应着订单号及货位编码,生成m个包含订单号及货位编码的拣货单。
下面对本发明实施例公开的一种基于自定义循点聚簇的仓库拣货路径优化系统进行介绍,下文描述的一种基于自定义循点聚簇的仓库拣货路径优化系统与上文描述的一种基于自定义循点聚簇的仓库拣货路径优化方法可相互对应参照。
本发明实施例还提供一种基于自定义循点聚簇的仓库拣货路径优化系统,包括:
数据处理模块,所述数据处理模块用于导入订单数据并进行预处理,其中所述订单数据包括订单号及货位编码;
距离矩阵确定模块,根据所述订单数据预设每个拣货单包含的订单数量,所述距离矩阵确定模块用于根据订单号及货位编码确定距离矩阵;
自定义循点聚簇模块,所述自定义循点聚簇模块用于根据距离矩阵通过自定义循点聚簇算法寻找簇点,判断簇点的数量是否达到拣货单的订单数量,若判断为是,则通过每个聚簇完成的簇团生成单个拣货单的拣货路径,若判断结果为否,则一次补满拣货单的订单数量的簇点,通过每个聚簇完成的簇团生成单个拣货单的拣货路径;
拣货单生成模块,所述拣货单生成模块用于根据所有拣货路径计算得到最优拣货路径,根据最优拣货路径生成拣货单,其中最优拣货路径为所有拣货单总路径之和最小。
在本发明的一个实施例中,所述距离矩阵确定模块根据订单号及货位编码确定距离矩阵的方法包括:
距离矩阵包括订单号、最大货位编码和最小货位编码,将距离矩阵表示成坐标为最大货位编码和最小货位编码的二维坐标图,其中每个拣货单的拣货路径为其包含的n个订单所有的货位编码中最大货位编码减去最小货位编码的值。
在本发明的一个实施例中,所述自定义循点聚簇模块使用自定义循点聚簇算法生成拣货路径的方法包括:
每个拣货单的总路径为其包含的n个订单的所有货位编码中最大货位编码减去最小货位编码的值;
自定义循点聚簇算法使用欧氏距离在上一个找到的点的右下方寻找距其最近的点聚簇,再根据新找到的点重复以上步骤,直到找满n个点结束;
使用自定义循点聚簇算法找到所有满足条件的簇,其中满足条件的簇的特征均是第一个点为起始点,其余n-1个点均在起始点的右下方,若在循点聚簇过程中某个点右下方没有满足条件的点,即寻找不满n个点,则从最后一个找到的点的周围按照欧氏距离寻找最近的点并排序,一次补满n个点;
每个聚簇完成的簇团,簇团所有点坐标中最大货位编码和最小货位编码的差值为单个拣货单的拣货路径,簇团包含的所有点即为对应的拣货单的所有订单号;
所有拣货单拣货路径之和为总的拣货路径,根据总的拣货路径确定最优拣货路径。
本实施例的基于自定义循点聚簇的仓库拣货路径优化系统用于实现前述的基于自定义循点聚簇的仓库拣货路径优化方法,因此该系统的具体实施方式可见前文中的基于自定义循点聚簇的仓库拣货路径优化方法的实施例部分,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再展开介绍。
另外,由于本实施例的基于自定义循点聚簇的仓库拣货路径优化系统用于实现前述的基于自定义循点聚簇的仓库拣货路径优化方法,因此其作用与上述方法的作用相对应,这里不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于自定义循点聚簇的仓库拣货路径优化方法,其特征在于,包括以下步骤:
S1、导入订单数据并进行预处理,其中所述订单数据包括订单号及货位编码;
S2、根据所述订单数据预设每个拣货单包含的订单数量,并根据订单号及货位编码确定距离矩阵;
S3、根据距离矩阵通过自定义循点聚簇算法寻找簇点,判断簇点的数量是否达到拣货单的订单数量,若判断为是,则通过每个聚簇完成的簇团生成单个拣货单的拣货路径,若判断结果为否,则一次补满拣货单的订单数量的簇点,通过每个聚簇完成的簇团生成单个拣货单的拣货路径;
S4、根据所有拣货路径计算得到最优拣货路径,根据最优拣货路径生成拣货单,其中最优拣货路径为所有拣货单总路径之和最小。
2.根据权利要求1所述的基于自定义循点聚簇的仓库拣货路径优化方法,其特征在于,所述S1中导入订单数据通过读取包含订单号及货位编码的文件,其中,订单数据中每个订单号都包含至少一个货品,每个货品对应一个货柜号,货位编码表示货品位置信息。
3.根据权利要求1所述的基于自定义循点聚簇的仓库拣货路径优化方法,其特征在于,所述S1中对订单数据进行预处理的方法包括:
每个拣货人员的拣货距离为需要经过的最大货位编码减去最小货位编码。
对每个订单号都只保留多个货品中对应货位编码的最大值和最小值,若订单只有一个货品,则其最大值和最小值相同。
4.根据权利要求3所述的基于自定义循点聚簇的仓库拣货路径优化方法,其特征在于,所述S2中根据所述订单数据预设每个拣货单包含的订单数量的方法包括:
预设每个拣货单包含的订单数量,其中,每份订单数据生成m个拣货单,每个拣货单包含n个订单。
5.根据权利要求4所述的基于自定义循点聚簇的仓库拣货路径优化方法,其特征在于,所述S2中根据订单号及货位编码确定距离矩阵的方法包括:
距离矩阵包括订单号、最大货位编码和最小货位编码,将距离矩阵表示成坐标为最大货位编码和最小货位编码的二维坐标图,其中每个拣货单的拣货路径为其包含的n个订单所有的货位编码中最大货位编码减去最小货位编码的值。
6.根据权利要求1或5所述的基于自定义循点聚簇的仓库拣货路径优化方法,其特征在于,所述S3中使用自定义循点聚簇算法生成拣货路径的方法包括:
S31、每个拣货单的总路径为其包含的n个订单的所有货位编码中最大货位编码减去最小货位编码的值;
S32、自定义循点聚簇算法使用欧氏距离在上一个找到的点的右下方寻找距其最近的点聚簇,再根据新找到的点重复以上步骤,直到找满n个点结束;
S33、使用自定义循点聚簇算法找到所有满足条件的簇,其中满足条件的簇的特征均是第一个点为起始点,其余n-1个点均在起始点的右下方,若在循点聚簇过程中某个点右下方没有满足条件的点,即寻找不满n个点,则从最后一个找到的点的周围按照欧氏距离寻找最近的点并排序,一次补满n个点;
S34、每个聚簇完成的簇团,簇团所有点坐标中最大货位编码和最小货位编码的差值为单个拣货单的拣货路径,簇团包含的所有点即为对应的拣货单的所有订单号;
S35、所有拣货单拣货路径之和为总的拣货路径。
8.一种基于自定义循点聚簇的仓库拣货路径优化系统,其特征在于,包括:
数据处理模块,所述数据处理模块用于导入订单数据并进行预处理,其中所述订单数据包括订单号及货位编码;
距离矩阵确定模块,根据所述订单数据预设每个拣货单包含的订单数量,所述距离矩阵确定模块用于根据订单号及货位编码确定距离矩阵;
自定义循点聚簇模块,所述自定义循点聚簇模块用于根据距离矩阵通过自定义循点聚簇算法寻找簇点,判断簇点的数量是否达到拣货单的订单数量,若判断为是,则通过每个聚簇完成的簇团生成单个拣货单的拣货路径,若判断结果为否,则一次补满拣货单的订单数量的簇点,通过每个聚簇完成的簇团生成单个拣货单的拣货路径;
拣货单生成模块,所述拣货单生成模块用于根据所有拣货路径计算得到最优拣货路径,根据最优拣货路径生成拣货单,其中最优拣货路径为所有拣货单总路径之和最小。
9.根据权利要求8所述的基于自定义循点聚簇的仓库拣货路径优化系统,其特征在于,所述距离矩阵确定模块根据订单号及货位编码确定距离矩阵的方法包括:
距离矩阵包括订单号、最大货位编码和最小货位编码,将距离矩阵表示成坐标为最大货位编码和最小货位编码的二维坐标图,其中每个拣货单的拣货路径为其包含的n个订单所有的货位编码中最大货位编码减去最小货位编码的值。
10.根据权利要求9所述的基于自定义循点聚簇的仓库拣货路径优化系统,其特征在于,所述自定义循点聚簇模块使用自定义循点聚簇算法生成拣货路径的方法包括:
每个拣货单的总路径为其包含的n个订单的所有货位编码中最大货位编码减去最小货位编码的值;
自定义循点聚簇算法使用欧氏距离在上一个找到的点的右下方寻找距其最近的点聚簇,再根据新找到的点重复以上步骤,直到找满n个点结束;
使用自定义循点聚簇算法找到所有满足条件的簇,其中满足条件的簇的特征均是第一个点为起始点,其余n-1个点均在起始点的右下方,若在循点聚簇过程中某个点右下方没有满足条件的点,即寻找不满n个点,则从最后一个找到的点的周围按照欧氏距离寻找最近的点并排序,一次补满n个点;
每个聚簇完成的簇团,簇团所有点坐标中最大货位编码和最小货位编码的差值为单个拣货单的拣货路径,簇团包含的所有点即为对应的拣货单的所有订单号;
所有拣货单拣货路径之和为总的拣货路径,根据总的拣货路径确定最优拣货路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211102138.3A CN115796411A (zh) | 2022-09-09 | 2022-09-09 | 基于自定义循点聚簇的仓库拣货路径优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211102138.3A CN115796411A (zh) | 2022-09-09 | 2022-09-09 | 基于自定义循点聚簇的仓库拣货路径优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115796411A true CN115796411A (zh) | 2023-03-14 |
Family
ID=85431876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211102138.3A Pending CN115796411A (zh) | 2022-09-09 | 2022-09-09 | 基于自定义循点聚簇的仓库拣货路径优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115796411A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408410A (zh) * | 2023-12-15 | 2024-01-16 | 广州平云小匠科技股份有限公司 | 仓储货物的拣货路径规划方法、设备及存储介质 |
-
2022
- 2022-09-09 CN CN202211102138.3A patent/CN115796411A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408410A (zh) * | 2023-12-15 | 2024-01-16 | 广州平云小匠科技股份有限公司 | 仓储货物的拣货路径规划方法、设备及存储介质 |
CN117408410B (zh) * | 2023-12-15 | 2024-03-15 | 广州平云小匠科技股份有限公司 | 仓储货物的拣货路径规划方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110111048B (zh) | 仓储系统中的订单任务调度方法 | |
US20170039304A1 (en) | Method and apparatus for providing pallet loading guide | |
JP6650508B2 (ja) | 倉庫管理システム及び倉庫管理方法 | |
Kim et al. | Item assignment problem in a robotic mobile fulfillment system | |
CN110751441A (zh) | 一种优化物流仓储系统中储位的方法及装置 | |
CN109242184B (zh) | 一种基于层次聚类的订单拣货优化方法 | |
Ehtesham Rasi et al. | A multi-objective optimization model for sustainable supply chain network with using genetic algorithm | |
CN112488386B (zh) | 基于分布熵多目标粒子群的物流车辆配送规划方法及系统 | |
CN109447557A (zh) | 物流调度方法及装置、计算机可读存储介质 | |
CN116341765B (zh) | 一种订单自动寻源和拆分方法及系统 | |
CN115796411A (zh) | 基于自定义循点聚簇的仓库拣货路径优化方法及系统 | |
CN116203959A (zh) | 基于hac算法的机器人路径规划方法及系统 | |
CN113313285A (zh) | 多约束条件的车辆路径优化方法、系统、存储介质及设备 | |
CN113762563A (zh) | 基于订单灰色关联分析的仓储货位优化布局方法及系统 | |
CN110615226B (zh) | 储位分配方法、装置以及计算机可读存储介质 | |
CN113435805B (zh) | 物品存储信息确定方法、装置、设备和存储介质 | |
CN116796910B (zh) | 基于货物分配策略的订单分批优化方法 | |
US20240140713A1 (en) | Information processing device, information processing method, computer program product, and information processing system | |
CN116664053B (zh) | 一种商品库存管理方法 | |
CN114186903A (zh) | 仓库选品方法、装置、计算机设备和存储介质 | |
JP7386010B2 (ja) | 出荷作業支援システム、その方法、及びコンピュータプログラム | |
CN115829469A (zh) | 一种仓储物流转运方法 | |
Kang | An order picking algorithm for vertically stacked and top-retrieval storage systems | |
CN115439064B (zh) | 面向订单聚合的拣货路径动态优化方法及系统 | |
CN117151594B (zh) | 一种分拣站库存箱分配方法、装置和电子设备 |
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 |