CN116823124B - 一种集中式多层货架四向车调度系统及方法 - Google Patents

Abstract

本发明涉及货架负载均衡技术领域，提出了一种集中式多层货架四向车调度系统及方法，该系统包括：参数采集模块，用于获取每个仓位的货物重量；负载分数计算模块，用于根据货物重量，计算每个仓位的负载分数，生成按单位时间间隔线性存储的负载分数表；调度模块，用于根据负载分数表，生成每个仓位到其他任意一个仓位的调度概率，基于调度概率以最小化虚拟总路径为目标，确定调度策略。本发明将采集到的每个仓位的货物重量转换为负载分数并纳入到四向车调度的目标量中，以最小化虚拟总路径来确定调度策略，通过将多层货架负载均衡的过程融合在了四向车的调度过程中，解决了现有技术中货架负载均衡存在的成本高、效率低的问题。

Description

一种集中式多层货架四向车调度系统及方法

技术领域

本发明涉及货架负载均衡技术领域，尤其是一种集中式多层货架四向车调度系统及方法。

背景技术

集中式多层货架是一种用于存储和管理物品的系统。该系统由多个层级组成，每个层级上可以有多个货架，用于放置物品。然而，由于集中式多层货架在实际使用过程中因为四向车的调度算法或者货架入库习惯，货架可能出现负载不平衡现象，即某些货架上的货物较多某些货架上的货物较少，导致某些货架的负担过重，长时间的负担过重会影响货架的稳定性和使用寿命。因此，利用合适的手段均衡货架的负载可以提高货架系统的稳定性和使用效率，确保各个货架的负载在合理范围内，并延长货架的使用寿命。

现常用货架负载均衡方法为通过重量传感器或其他货架监测设备来获取与货架负载有关的数据，以所采集到的数据为判断依据将一部分负载从过载的货架转移到负载较轻的货架上，以达到负载均衡的效果。但在负载转移步骤中，现有方法采用人工或四向车以指定任务形式进行转移，具体为检测到某些区域负载过重，控制台向工作人员发出指令，工作人员使用设备将货物按照需求进行转移，这一方式存在成本高的缺陷。若在转移过程中指定四向车进行转移，则会先停止四向车原有的调度计划，待实施完货物转移后再恢复原有调度，这一方式存在效率低的缺陷。

发明内容

为解决上述现有技术问题，本发明提供一种集中式多层货架四向车调度系统及方法，旨在解决现有技术中货架负载均衡存在的成本高、效率低的问题。

本发明的第一方面，提供了一种集中式多层货架四向车调度系统，包括：

参数采集模块；

负载分数计算模块；

调度模块；

其中，所述参数采集模块用于获取每个仓位的货物重量；

其中，所述负载分数计算模块用于根据所述货物重量，计算每个仓位的负载分数，生成按单位时间间隔线性存储的负载分数表；

其中，所述调度模块用于根据所述负载分数表，生成每个仓位到其他任意一个仓位的调度概率，基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

可选的，所述负载分数计算模块，具体包括：

负载分数计算单元；

负载分数表生成单元；

其中，所述负载分数计算单元用于基于所述货物重量和超载阈值，确定超负载比例，并根据超负载比例在预设等级分数列表中的等级，获得负载分数；

其中，所述负载分数表生成单元用于每隔单位时间将获得的每个仓位的负载分数线性存储至所述仓位对应的负载分数表中。

可选的，所述超负载比例和所述负载分数的表达式，具体为：

其中，为超负载比例，/>为货物重量与超载阈值的差值，/>为第N个仓位的货物重量，/>为超载阈值，/>为负载分数。

可选的，所述调度模块，具体包括：

数据读取子模块；

优化子模块；

其中，所述数据读取子模块用于读取负载分数表中的有效负载分数，所述有效负载分数为负载分数表中最新的若干个负载分数；

其中，所述优化子模块用于根据有效负载分数，生成每个仓位到其他任意一个仓位的调度概率，并基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

可选的，所述优化子模块，具体包括：

虚拟路径计算单元；

问题求解启发单元；

其中，虚拟路径计算单元用于根据每个仓位到其他任意一个仓位的有效负载分数和欧氏距离，计算每个仓位到其他任意一个仓位的虚拟路径距离；

其中，问题求解启发单元用于基于每个仓位到其他任意一个仓位的虚拟路径距离，确定每个仓位到其他任意一个仓位的调度概率。

可选的，所述虚拟路径距离和所述调度概率的表达式，具体为：

其中，为仓位/>到仓位/>的虚拟路径距离，/>为仓位/>和仓位/>的有效负载分数的平均值，/>为仓位/>和仓位/>的欧式距离，/>为从仓位/>到仓位/>的调度概率，/>和/>为超参数，/>为仓位/>到仓位/>的信息素，N为仓位数量，k为第k个仓位，τik为仓位i到仓位k的信息素。

可选的，所述优化子模块，还包括：

监督启发单元；

其中，所述监督启发单元用于基于每个仓位到其他任意一个仓位的调度概率，根据每个仓位和两个相邻仓位的前一调度步骤，确定每个仓位的当前调度步骤。

可选的，根据每个仓位和两个相邻仓位的前一调度步骤，确定每个仓位的当前调度步骤的表达式，具体为：

其中，代表第/>步仓位/>的解，/>和/>为仓位/>和/>的第/>步的解，仓位/>和/>与仓位/>相邻，/>为0-1的随机值。

可选的，所述优化子模块，还包括：

本地搜索单元；

问题求解单元；

其中，所述本地搜索单元用于在当前调度路径中反转任意一对不相邻的两个仓位以获取新调度路径；

其中，所述问题求解单元用于根据虚拟总路径，判断当前调度路径和新调度路径中的较短路径，循环执行获取新调度路径与较短路径判断，直至获得最短调度路径作为最终的调度策略；

其中，虚拟总路径的表达式，具体为：

其中，为虚拟总路径，/>为仓位/>和仓位/>的有效负载分数的平均值，/>为仓位/>和仓位/>的欧式距离，/>为判断函数。

本发明的第二方面，提供了一种集中式多层货架四向车调度方法，包括：

获取每个仓位的货物重量；

根据所述货物重量，计算每个仓位的负载分数，生成按单位时间间隔线性存储的负载分数表；

根据所述负载分数表，生成每个仓位到其他任意一个仓位的调度概率，基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

本发明的有益效果在于：提出了一种集中式多层货架四向车调度系统及方法，将采集到的每个仓位的货物重量转换为负载分数，将负载分数纳入到四向车调度的目标量中，提出了虚拟路径长度，并以最小化虚拟总路径来确定调度策略，通过将多层货架负载均衡的过程融合在了四向车的调度过程中，解决了现有技术中货架负载均衡存在的成本高、效率低的问题。

附图说明

图1为本发明所提供的集中式多层货架四向车调度系统的结构示意图；

图2为本发明所提供的集中式多层货架四向车调度方法的流程示意图。

附图标记：

10-参数采集模块；20-负载分数计算模块；30-调度模块。

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做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。

实施例1：

参照图1，图1为本发明实施例提供的一种集中式多层货架四向车调度系统的结构示意图。

如图1所示，一种集中式多层货架四向车调度系统，包括：参数采集模块10、负载分数计算模块20和调度模块30。

需要说明的是，所述参数采集模块10用于获取每个仓位的货物重量；所述负载分数计算模块20用于根据所述货物重量，计算每个仓位的负载分数，生成按单位时间间隔线性存储的负载分数表；所述调度模块30用于根据所述负载分数表，生成每个仓位到其他任意一个仓位的调度概率，基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

具体而言，参数采集模块10获取安装在每个仓位下方的重量传感器采集的对应仓位的货物重量，其中/>为仓位的总个数，将每个仓位的货物重量传输至负载分数计算模块20，由负载分数计算模块20根据货物重量，计算获得负载分数用以衡量每个仓位的超负载状态，并按单位时间间隔对每个仓位的超负载状态进行线性存储，最后，由调度模块30根据每个仓位的超负载状态，生成每个仓位到其他任意一个仓位的调度概率，以最小化虚拟路径为目标，确定调度策略，该调度策略被发送至四向车，由四向车执行调度策略对应的负载均衡。

现有货架负载均衡通常采用以路径最短为目标量的四向车调度方法，由于货架每个仓位的位置是固定的，那么仓位离入库口的距离也就固定了，离入库口近的仓位必然会较离入库口远的仓位会长时间堆积更多的货物。久而久之，离入库口近的仓位其承重结构会因负载过重而发生损耗，从而引发仓位坍塌的风险。本实施例中，在进行货架负载均衡的过程中，不仅仅考虑路径最短，还考虑了每个仓位的超负载情况，将每个仓位的超负载情况纳入到四向车调度的目标量中，即，将路径最短替换为虚拟路径最短，实现对货架负载均衡过程中的多个因素的考量，以此实现更科学、更安全的货架负载均衡方案。

在优选的实施例中，所述负载分数计算模块20模块，具体包括：负载分数计算单元和负载分数表生成单元。

需要说明的是，所述负载分数计算单元用于基于所述货物重量和超载阈值，确定超负载比例，并根据超负载比例在预设等级分数列表中的等级，获得负载分数；所述负载分数表生成单元用于每隔单位时间将获得的每个仓位的负载分数线性存储至所述仓位对应的负载分数表中。

具体而言，负载分数计算单元先根据预先设置的超载阈值，计算仓位货物与超载阈值的差，/>，再计算超负载比例/>，判断超负载比例处于哪个等级：

等级越高代表仓位承受的负载越多，待判断完成后将判断结果按照单位时间间隔存储在每个仓位的线性表中，即每隔单位时间（例如10分钟）通过该模块对所有的仓位负载进行一次判断，在存储的工程中将等级转换为分数，为0.1分，/>和/>为/>分，/>为1分。即，将负载分数的转换表达式定义为：

其中，为超负载比例，/>为货物重量与超载阈值的差值，/>为第N个仓位的货物重量，/>为超载阈值，/>为负载分数。

本实施例中，在计算每个仓位的负载分数时，通过获取采集的当前仓位的货物重量与预设的超载阈值，计算货物重量与超载阈值的差与超载阈值的比例作为超负载比例，再判断该超负载比例所处超负载情况的等级，并为每个等级赋予对应的分数，由此，获得每个仓位的负载分数，实现对每个仓位的超负载程度进行数值化衡量，进而在利用负载分数进行货架负载均衡时，考虑每个仓位的超负载程度，而非负载重量，能够为货架负载均衡选取更合理的参考因素。

在优选的实施例中，所述调度模块30，具体包括：数据读取子模块和优化子模块。

需要说明的是，所述数据读取子模块用于读取负载分数表中的有效负载分数，所述有效负载分数为负载分数表中最新的若干个负载分数；所述优化子模块用于根据有效负载分数，生成每个仓位到其他任意一个仓位的调度概率，并基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

需要说明的是，数据读取子模块首先读取每个仓位对应负载分数表中的负载分数，其中/>，即每个仓位所计算的最新的3个分数，再从负载分数表的负载分数中选取有效负载分数，即，最新的3个分数/>。在此之后，优化子模块考虑每个仓位到其他任意一个仓位的调度概率，并基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

其中，虚拟总路径的表达式，具体为：

其中，为本发明提出的虚拟总路径，当中将仓位的负载分数作为权重，具体而言，/>为仓位/>和仓位/>的负载分数即/>和/>的平均值。/>为判断函数，具体为：

其中，为仓位/>和仓位/>的欧式距离，具体为：/>。

本实施例中，以虚拟总路径为目标启用调度模块30的优化子模块进行调度，优化子模块基于虚拟总路径/>最小生成货架负载均衡的调度策略，而非基于传统方案采用的路径最短，进而实现对货架负载均衡过程中的多个因素的考量（欧氏距离与负载分数），以此实现更科学、更安全的货架负载均衡方案。

具体而言，所述优化子模块，包括：虚拟路径计算单元、问题求解启发单元。需要说明的是，虚拟路径计算单元用于根据每个仓位到其他任意一个仓位的有效负载分数和欧氏距离，计算每个仓位到其他任意一个仓位的虚拟路径距离；问题求解启发单元用于基于每个仓位到其他任意一个仓位的虚拟路径距离，确定每个仓位到其他任意一个仓位的调度概率。

其中，所述虚拟路径距离和所述调度概率的表达式，具体为：

本实施例中，问题求解启发单元采用蚁群优化算法，来根据虚拟路径距离计算每条路径的调度概率。其中，为仓位/>到仓位/>的虚拟距离，/>为仓位/>和仓位/>的有效负载分数的平均值，/>为仓位/>和仓位/>的欧式距离，/>为从仓位/>到仓位/>的调度概率，/>和/>为超参数，/>为仓位/>到仓位/>的信息素，N为仓位数量，k为第k个仓位，τik为仓位i到仓位k的信息素，在本实施例中，/>为仓位/>到仓位/>的路径使用次数。

具体而言，所述优化子模块，还包括：监督启发单元。需要说明的是，所述监督启发单元用于基于每个仓位到其他任意一个仓位的调度概率，根据每个仓位和两个相邻仓位的前一调度步骤，确定每个仓位的当前调度步骤。

其中，监督启发单元采用花授粉算法，来根据每个仓位到其他任意一个仓位的调度概率，确定仓位的调度步骤。其中，根据每个仓位和两个相邻仓位的前一调度步骤，确定每个仓位的当前调度步骤的表达式，具体为：

其中，代表第/>步仓位/>的解，/>和/>为仓位/>和/>的第/>步的解，仓位/>和/>与仓位/>相邻，/>为0-1的随机值。

具体而言，所述优化子模块，还包括：本地搜索单元和问题求解单元。需要说明的是，所述本地搜索单元用于在当前调度路径中反转任意一对不相邻的两个仓位以获取新调度路径；所述问题求解单元用于根据虚拟总路径，判断当前调度路径和新调度路径中的较短路径，循环执行获取新调度路径与较短路径判断，直至获得最短调度路径作为最终的调度策略。

其中，本地搜索单元采用2-opt算法，首先，确定初始路径；这个初始路径可以是任意的，例如简单地按顺序连接所有仓位。然后，对于路径上的每一对不相邻的仓位，计算通过反转两个仓位之间的边而获得新路径。最后，比较新路径和当前路径的质量。如果新路径更短，则更新当前路径为新路径，并重复获得新路径和路径比较，直至不能找到更短的路径为止。并在获得最短路径之后，将最短路径作为调度策略下发给四向车，并将解（，/>，/>）回传给监督启发子单元用于迭代优化。

其中，虚拟总路径的表达式，具体为：

其中，为虚拟总路径，/>为仓位/>和仓位/>的有效负载分数的平均值，/>为仓位/>和仓位/>的欧式距离，/>为判断函数。

由此，本实施例提出了一种集中式多层货架四向车调度系统，将采集到的每个仓位的货物重量转换为负载分数，将负载分数纳入到四向车调度的目标量中，提出了虚拟路径长度，并以最小化虚拟总路径来确定调度策略，通过将多层货架负载均衡的过程融合在了四向车的调度过程中，解决了现有技术中货架负载均衡存在的成本高、效率低的问题。

参照图2，图2为本发明实施例提供的一种集中式多层货架四向车调度方法的流程示意图。

如图2所示，一种集中式多层货架四向车调度方法，包括步骤：

S1：获取每个仓位的货物重量；

S2：根据所述货物重量，计算每个仓位的负载分数，生成按单位时间间隔线性存储的负载分数表；

S3：根据所述负载分数表，生成每个仓位到其他任意一个仓位的调度概率，基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

本实施例中，通过将采集到的每个仓位的货物重量转换为负载分数，将负载分数纳入到四向车调度的目标量中，提出了虚拟路径长度，并以最小化虚拟总路径来确定调度策略，通过将多层货架负载均衡的过程融合在了四向车的调度过程中，解决了现有技术中货架负载均衡存在的成本高、效率低的问题。

本申请集中式多层货架四向车调度方法的具体实施方式与上述集中式多层货架四向车调度系统各实施例基本相同，在此不再赘述。

在本发明的实施例的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“中心”、“顶”、“底”、“顶部”、“底部”、“内”、“外”、“内侧”、“外侧”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。其中，“里侧”是指内部或围起来的区域或空间。“外围”是指某特定部件或特定区域的周围的区域。

在本发明的实施例的描述中，术语“第一”、“第二”、“第三”、“第四”仅用以描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“组装”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。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发明中的具体含义。

在本发明的实施例的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在本发明的实施例的描述中，需要理解的是，“-”和“~”表示的是两个数值之同的范围，并且该范围包括端点。例如：“A-B”表示大于或等于A，且小于或等于B的范围。“A~B”表示大于或等于A，且小于或等于B的范围。

在本发明的实施例的描述中，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种集中式多层货架四向车调度系统，其特征在于，包括：

参数采集模块；

负载分数计算模块；

调度模块；

其中，所述参数采集模块用于获取每个仓位的货物重量；

其中，所述负载分数计算模块用于根据所述货物重量，计算每个仓位的负载分数，生成按单位时间间隔线性存储的负载分数表；其中，所述负载分数计算模块，具体包括：

负载分数计算单元；

负载分数表生成单元；

其中，所述负载分数计算单元用于基于所述货物重量和超载阈值，确定超负载比例，并根据超负载比例在预设等级分数列表中的等级，获得负载分数；

其中，所述负载分数表生成单元用于每隔单位时间将获得的每个仓位的负载分数线性存储至所述仓位对应的负载分数表中；

其中，所述超负载比例和所述负载分数的表达式，具体为：

；

；

；

其中，为第i个仓位的超负载比例，/>为第i个仓位的货物重量与超载阈值的差值，/>为第i个仓位的货物重量，/>为超载阈值，/>为第i个仓位的负载分数，一共有N个仓位；

其中，所述调度模块用于根据所述负载分数表，生成每个仓位到其他任意一个仓位的调度概率，基于所述调度概率以最小化虚拟总路径为目标，确定调度策略；

其中，所述调度概率的表达式，具体为：

；

其中，为仓位/>到仓位/>的虚拟路径距离，/>为从仓位/>到仓位/>的调度概率，/>和为超参数，/>为仓位/>到仓位/>的信息素，该信息素为仓位/>到仓位/>的路径的使用次数。

2.根据权利要求1所述的集中式多层货架四向车调度系统，其特征在于，所述调度模块，具体包括：

数据读取子模块；

优化子模块；

其中，所述数据读取子模块用于读取负载分数表中的有效负载分数，所述有效负载分数为负载分数表中最新的若干个负载分数；

其中，所述优化子模块用于根据有效负载分数，生成每个仓位到其他任意一个仓位的调度概率，并基于所述调度概率以最小化虚拟总路径为目标，确定调度策略。

3.根据权利要求2所述的集中式多层货架四向车调度系统，其特征在于，所述优化子模块，具体包括：

虚拟路径计算单元；

问题求解启发单元；

其中，虚拟路径计算单元用于根据每个仓位到其他任意一个仓位的有效负载分数和欧氏距离，计算每个仓位到其他任意一个仓位的虚拟路径距离；

其中，问题求解启发单元用于基于每个仓位到其他任意一个仓位的虚拟路径距离，确定每个仓位到其他任意一个仓位的调度概率。

4.根据权利要求3所述的集中式多层货架四向车调度系统，其特征在于，所述虚拟路径距离的表达式，具体为：

；

其中，为仓位/>到仓位/>的虚拟路径距离，/>为仓位/>和仓位/>的有效负载分数的平均值，/>为仓位/>和仓位/>的欧氏距离。

5.根据权利要求2所述的集中式多层货架四向车调度系统，其特征在于，所述优化子模块，还包括：

监督启发单元；

其中，所述监督启发单元用于采用花授粉算法，基于每个仓位到其他任意一个仓位的调度概率，根据每个仓位和两个相邻仓位的前一调度步骤，确定每个仓位的当前调度步骤。

6.根据权利要求5所述的集中式多层货架四向车调度系统，其特征在于，根据每个仓位和两个相邻仓位的前一调度步骤，确定每个仓位的当前调度步骤的表达式，具体为：

；

其中，代表第/>步仓位/>的花授粉算法解，/>和/>为仓位/>和/>的第/>步的花授粉算法解，仓位/>和/>与仓位/>相邻，/>为0-1的随机值。

7.根据权利要求5所述的集中式多层货架四向车调度系统，其特征在于，所述优化子模块，还包括：

本地搜索单元；

问题求解单元；

其中，所述本地搜索单元用于在当前调度路径中反转任意一对不相邻的两个仓位以获取新调度路径；

其中，所述问题求解单元用于根据虚拟总路径，判断当前调度路径和新调度路径中的较短路径，循环执行获取新调度路径与较短路径判断，直至获得最短调度路径作为最终的调度策略；

其中，虚拟总路径的表达式，具体为：

；

；

其中，为虚拟总路径，/>为仓位/>和仓位/>的有效负载分数的平均值，/>为仓位/>和仓位/>的欧氏距离，/>为判断函数。

8.一种集中式多层货架四向车调度方法，其特征在于，包括：

获取每个仓位的货物重量；

根据所述货物重量，计算每个仓位的负载分数，生成按单位时间间隔线性存储的负载分数表；具体包括：

基于所述货物重量和超载阈值，确定超负载比例，并根据超负载比例在预设等级分数列表中的等级，获得负载分数；

每隔单位时间将获得的每个仓位的负载分数线性存储至所述仓位对应的负载分数表中；

其中，所述超负载比例和所述负载分数的表达式，具体为：

；

；

；

其中，为第i个仓位的超负载比例，/>为第i个仓位的货物重量与超载阈值的差值，/>为第i个仓位的货物重量，/>为超载阈值，/>为第i个仓位的负载分数，一共有N个仓位；

根据所述负载分数表，生成每个仓位到其他任意一个仓位的调度概率，基于所述调度概率以最小化虚拟总路径为目标，确定调度策略；

其中，所述调度概率的表达式，具体为：

；

其中，为仓位/>到仓位/>的虚拟路径距离，/>为从仓位/>到仓位/>的调度概率，/>和为超参数，/>为仓位/>到仓位/>的信息素，该信息素为仓位/>到仓位/>的路径的使用次数。