CN117592760B - 一种堆垛机出入库任务分配方法、系统、设备及介质 - Google Patents

一种堆垛机出入库任务分配方法、系统、设备及介质 Download PDF

Info

Publication number
CN117592760B
CN117592760B CN202410069739.1A CN202410069739A CN117592760B CN 117592760 B CN117592760 B CN 117592760B CN 202410069739 A CN202410069739 A CN 202410069739A CN 117592760 B CN117592760 B CN 117592760B
Authority
CN
China
Prior art keywords
task
drosophila
population
goods
code
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.)
Active
Application number
CN202410069739.1A
Other languages
English (en)
Other versions
CN117592760A (zh
Inventor
魏蓝天
钱浩
李新宸
贺义方
张元发
贺俊
黄滕菲
陈蕊洁
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.)
Hubei Haolan Zhizao Technology Co ltd
Original Assignee
Hubei Haolan Zhizao Technology Co ltd
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 Hubei Haolan Zhizao Technology Co ltd filed Critical Hubei Haolan Zhizao Technology Co ltd
Priority to CN202410069739.1A priority Critical patent/CN117592760B/zh
Publication of CN117592760A publication Critical patent/CN117592760A/zh
Application granted granted Critical
Publication of CN117592760B publication Critical patent/CN117592760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种堆垛机出入库任务分配方法、系统、设备及介质，涉及仓库调度技术领域，方法包括：根据待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据生成初始的任务序列编码，通过分群果蝇优化算法对任务序列编码进行优化搜索，得到最优任务序列编码；根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务。本发明根据上游系统下发的堆垛机巷道的基础信息和待入出库任务的数据，分群果蝇优化算法生成出入库任务分配方案，而后再下发到下游系统控制堆垛机执行取放货任务。该方法能够显著提升堆垛机执行出入库任务时的效率。

Description

一种堆垛机出入库任务分配方法、系统、设备及介质
技术领域
本发明涉及仓库调度技术领域，尤其涉及一种堆垛机出入库任务分配方法、系统、设备及介质。
背景技术
自动化仓储已成为近年来新建仓储的一大趋势。然而，如何在有限的时间和空间内提高堆垛机仓库的周转率成为了各大企业的难题之一。目前主流的解决思路依然是通过人工排版或简单的逻辑规则来进行出入库任务的分配，不具备柔性和先进性，重复的堆垛机运行也会造成电力的浪费，造成运营成本的上升。因此，需要引入群智能优化算法来解决堆垛机出入库分配问题。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，具体针对堆垛机出入库任务分配合理性的问题，具体提供了一种堆垛机出入库任务分配方法、系统、设备及介质，具体如下：
1）第一方面，本发明提供一种堆垛机出入库任务分配方法，具体技术方案如下：
获取待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据；
根据所述基础信息以及所述数据生成初始的任务序列编码，通过分群果蝇优化算法对所述任务序列编码进行优化搜索，得到最优任务序列编码，所述最优任务序列编码表征了所述待进行任务分配的堆垛机对应的移动距离最短的分配方案；
根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务。
本发明提供的一种堆垛机出入库任务分配方法的有益效果如下：
在使用分群果蝇优化算法生成出入库任务分配方案时，根据上游系统下发的堆垛机巷道的基础信息和待入出库任务的数据，分群果蝇优化算法生成出入库任务分配方案，而后再下发到下游系统控制堆垛机执行取放货任务。
在上述方案的基础上，本发明还可以做如下改进。
进一步，待入出库任务的数据包括：
取货任务对应的第一货物编码q[NQ]和第一库位编码Q{NQ}={q1：K[q1]，…，q[NQ]：K[q[NQ]]}，其中NQ代表取货任务货物总数，K[q1]代表货物编码为q1的货物所在的货位位置；
放货任务对应的第二货物编码f[NF]和第二库位编码F{NF}={f1：K[f1]，…，f[NF]：K[f[NF]]}，其中NF代表放货任务货物总数，K[f1]代表货物编码为f1的货物所分配的货位位置。
进一步，根据所述基础信息以及所述数据生成初始的任务序列编码的过程为：
将任意一个第一库位编码以及任意一个第二库位编码组成编码对，并通过补0的方式在第一库位编码之前以及第二库位编码之后补充预设长度的0编码，以使任意一个编码对变换为四维编码对，所述四维编码对即为所述初始的任务序列编码。
进一步，通过分群果蝇优化算法对所述任务序列编码进行优化搜索的过程为：
将所述任务序列编码作为所述分群果蝇优化算法中的初始果蝇群体；
按照果蝇数量将所述初始果蝇群体均分成两个子种群，并分别确定每个子种群对应的搜索步长，利用嗅觉搜索，根据不同子种群对应的搜索步长确定每个子种群对应的果蝇；
根据适应度函数计算每个子种群中的每个果蝇对应的适应度；
在每个子种群中，对该子种群中的果蝇对应的适应度进行降序排列，将每个子种群中适应度最小的果蝇作为下一次迭代的初始果蝇群体；
当迭代次数满足要求时，停止迭代，并输出当前迭代次数对应的适应度最小的果蝇。
进一步，分别确定每个子种群对应的搜索步长的过程具体为：
通过第一种群搜索步长确定公式以及第二种群搜索步长确定公式确定每个子种群对应的搜索步长；
第一种群搜索步长确定公式为：
；
第二种群搜索步长确定公式为：
；
其中，S1为第一子种群的搜索步长，S2为第二子种群的搜索步长，a为恒定常数， Nmax=max(NQ,NF)，代表取货任务数和放货任务数的最大值；N为迭代最大次数上限值； round表示对四舍五入 取整；n为当前迭代次数。
进一步，所述适应度函数具体为：
；
其中，表示从第个库位移动到第 个库位的物理距离。
2）第二方面，本发明还提供一种堆垛机出入库任务分配系统，具体技术方案如下：
获取模块用于：获取待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据；
确定模块用于：根据所述基础信息以及所述数据生成初始的任务序列编码，通过分群果蝇优化算法对所述任务序列编码进行优化搜索，得到最优任务序列编码，所述最优任务序列编码表征了所述待进行任务分配的堆垛机对应的移动距离最短的分配方案；
分配模块用于：根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务。
在上述方案的基础上，本发明还可以做如下改进。
进一步，待入出库任务的数据包括：
取货任务对应的第一货物编码q[NQ]和第一库位编码Q{NQ}={q1：K[q1]，…，q[NQ]：K[q[NQ]]}，其中NQ代表取货任务货物总数，K[q1]代表货物编码为q1的货物所在的货位位置；
放货任务对应的第二货物编码f[NF]和第二库位编码F{NF}={f1：K[f1]，…，f[NF]：K[f[NF]]}，其中NF代表放货任务货物总数，K[f1]代表货物编码为f1的货物所分配的货位位置。
进一步，根据所述基础信息以及所述数据生成初始的任务序列编码的过程为：
将任意一个第一库位编码以及任意一个第二库位编码组成编码对，并通过补0的方式在第一库位编码之前以及第二库位编码之后补充预设长度的0编码，以使任意一个编码对变换为四维编码对，所述四维编码对即为所述初始的任务序列编码。
其中，预设长度可以根据第一库位编码以及第二库位编码的长度进行设定，在此不进行限定。
进一步，通过分群果蝇优化算法对所述任务序列编码进行优化搜索的过程为：
将所述任务序列编码作为所述分群果蝇优化算法中的初始果蝇群体；
按照果蝇数量将所述初始果蝇群体均分成两个子种群，并分别确定每个子种群对应的搜索步长，利用嗅觉搜索，根据不同子种群对应的搜索步长确定每个子种群对应的果蝇；
根据适应度函数计算每个子种群中的每个果蝇对应的适应度；
在每个子种群中，对该子种群中的果蝇对应的适应度进行降序排列，将每个子种群中适应度最小的果蝇作为下一次迭代的初始果蝇群体；
当迭代次数满足要求时，停止迭代，并输出当前迭代次数对应的适应度最小的果蝇。
进一步，分别确定每个子种群对应的搜索步长的过程具体为：
通过第一种群搜索步长确定公式以及第二种群搜索步长确定公式确定每个子种群对应的搜索步长；
第一种群搜索步长确定公式为：
；
第二种群搜索步长确定公式为：
；
其中，S1为第一子种群的搜索步长，S2为第二子种群的搜索步长，a为恒定常数， Nmax=max(NQ,NF)，代表取货任务数和放货任务数的最大值；N为迭代最大次数上限值； round表示对四舍五入 取整；n为当前迭代次数。
进一步，所述适应度函数具体为：
；
其中，表示从第个库位移动到第 个库位的物理距离。
3）第三方面，本发明还提供一种计算机设备，所述计算机设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如上任一项方法。
4）第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如上任一项方法。
需要说明的是，本发明的第二方面至第四方面的技术方案及对应的可能的实现方式所取得的有益效果，可以参见上述对第一方面及其对应的可能的实现方式的技术效果，此处不再赘述。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例的一种堆垛机出入库任务分配方法的流程示意图；
图2为本发明实施例的一种堆垛机出入库任务分配方法的调度流程示意图；
图3为本发明实施例的一种堆垛机出入库任务分配方法的计算机设备的结构示意图。
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，下面将结合附图对本发明实施方式作进一步地详细描述。
如图1以及图2所示，本发明实施例的一种堆垛机出入库任务分配方法，包括如下步骤：
S1，获取待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据；
S2，根据所述基础信息以及所述数据生成初始的任务序列编码，通过分群果蝇优化算法对所述任务序列编码进行优化搜索，得到最优任务序列编码，所述最优任务序列编码表征了所述待进行任务分配的堆垛机对应的移动距离最短的分配方案；
S3，根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务。
本发明提供的一种堆垛机出入库任务分配方法的有益效果如下：
在使用分群果蝇优化算法生成出入库任务分配方案时，根据上游系统下发的堆垛机巷道的基础信息和待入出库任务的数据，分群果蝇优化算法生成出入库任务分配方案，而后再下发到下游系统控制堆垛机执行取放货任务。
S1，获取待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据。其中：
基础信息包括：库位编码K[L,H]，其中L代表堆垛机货位的列数，H代表堆垛机货位的层数。
待入出库任务的数据包括：取货任务对应的货物编码q[NQ]和库位编码Q{NQ}={q1：K[q1],…,q[NQ]：K[q[NQ]]}，其中NQ代表取货任务货物总数，K[q1]代表货物编码为q1的货物所在的货位位置，q[NQ]表示取货任务对应的货物编码的数组，如共有NQ=4个取货任务，分别是第1,3,5,7号货物需要出库，则表示为q[4]=[1,3,5,7]，K[q[NQ]]表示货物编码为q[NQ]的货物所在的货位位置；
放货任务对应的货物编码f[NF]和库位编码F{NF}={f1：K[f1],…,f[NF]：K[f[NF]]}，其中NF代表放货任务货物总数，K[f1]代表货物编码为f1的货物所分配的货位位置，f[NF]表示放货任务对应的货物编码的数组，如共有NF=3个放货任务，分别是第2,4,6号货物需要入库放货，则表示为f[3]=[2,4,6]，K[f[NF]]表示货物编码为f[NF]的货物所分配的货位位置。
S2，根据所述基础信息以及所述数据生成初始的任务序列编码，通过分群果蝇优化算法对所述任务序列编码进行优化搜索，得到最优任务序列编码，所述最优任务序列编码表征了所述待进行任务分配的堆垛机对应的移动距离最短的分配方案。其中：
生成初始的任务序列编码的过程为：
将取货任务库位编码Q和放货任务库位编码F的长度统一，空余的位置由0补齐，代表当前位置没有取放货任务，而后拼接成为任务序列M[4,Nmax]=[0,F,Q,0]，其中Nmax=max(NQ,NF)，代表取货任务数和放货任务数的最大值；0表示堆垛机起始位置为库位原点。需注意，每个取货任务库位编码Q和所有放货任务库位编码F均组成一个任务序列，例如五个取货任务库位编码Q1、Q2、Q3、Q4、Q5，五个放货任务库位编码F1、F2、F3、F4、F5。则一共能够拼接成25个任务序列。
该任务序列M的每一行，代表堆垛机从库位原点载货出发，移动到放货任务对应库位放货，而后移动到取货任务对应库位取货，取货后移动到原点出库，完成一个循环的动作。如果取货和放货任务编码为0，则代表没有取货或放货任务，直接从原点出发，执行单个取货或放货任务后，返回原点。
通过分群果蝇优化算法对所述任务序列编码进行优化搜索的过程为：
果蝇编码串编码方式与任务序列编码方式相同，初始任务序列编码作为初始果蝇群体。
确定初始果蝇群体中的果蝇个数，并按照果蝇个数将果蝇群体分成两个数量相等的子种群，分别确定各自种群的搜索步长，并利用嗅觉搜索生成各自的果蝇。
需注意，初始果蝇总体个数设定为偶数，随机分为两组相同数量的即可，且果蝇种群分割方法不影响最终的搜索结果。
各自种群的搜索步长的确定方法为：
第一种群搜索步长确定公式：
第二种群搜索步长确定公式：
其中，S1为第一种群搜索步长，S2为第二种群搜索步长，a为一恒定常数，Nmax=max(NQ,NF)，代表取货任务数和放货任务数的最大值；N为迭代最大次数上限值；round（）表示四舍五入取整；n为当前迭代次数。
嗅觉搜索生成各自的果蝇的方法为：
果蝇编码方式与任务序列编码方式相同，以矩阵形式表示，矩阵每一行代表堆垛机的一个任务循环，即：
嗅觉搜索机制为，在放货任务库位编码F中，选择与搜索步长相等数量的几位随机调换顺序，生产新的果蝇。如果调换后存在同一行的任务放货任务库位编码与取货任务库位编码相同，则对该行的放货任务库位编码与其他一位随机的放货任务库位编码进行调换，直至果蝇编码中所有同一行的任务放货任务库位编码与取货任务库位编码不同。
依据适应度函数，计算每一个果蝇的适应度，所述适应度函数的计算公式为：
其中表示堆垛机从第k个库位移动到第m个库位所需要的物理距离。
每个种群按照各自适应度计算值降序排列，并选择各自适应度函数值最小的果蝇作为下一次迭代的果蝇群体；
在到达一定迭代次数后，两个种群合并，选取当前迭代中适应度函数值最小的果蝇作为后续迭代的整体的果蝇群体，搜索步长也同时合并，搜索步长合并的方法为：
后续迭代中，合并后的果蝇种群统一采用S2的步长计算公式。
重复上述循环，直至迭代次数满足要求。此时，最优任务编码为最后一次迭代中的自适应度函数值最小的果蝇对应的编码。
S3，根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务。
进一步，待入出库任务的数据包括：
取货任务对应的第一货物编码q[NQ]和第一库位编码Q{NQ}={q1：K[q1]，…，q[NQ]：K[q[NQ]]}，其中NQ代表取货任务货物总数，K[q1]代表货物编码为q1的货物所在的货位位置；
放货任务对应的第二货物编码f[NF]和第二库位编码F{NF}={f1：K[f1]，…，f[NF]：K[f[NF]]}，其中NF代表放货任务货物总数，K[f1]代表货物编码为f1的货物所分配的货位位置。
进一步，根据所述基础信息以及所述数据生成初始的任务序列编码的过程为：
将任意一个第一库位编码以及任意一个第二库位编码组成编码对，并通过补0的方式在第一库位编码之前以及第二库位编码之后补充预设长度的0编码，以使任意一个编码对变换为四维编码对，所述四维编码对即为所述初始的任务序列编码。
进一步，通过分群果蝇优化算法对所述任务序列编码进行优化搜索的过程为：
将所述任务序列编码作为所述分群果蝇优化算法中的初始果蝇群体；
按照果蝇数量将所述初始果蝇群体均分成两个子种群，并分别确定每个子种群对应的搜索步长，利用嗅觉搜索，根据不同子种群对应的搜索步长确定每个子种群对应的果蝇；
根据适应度函数计算每个子种群中的每个果蝇对应的适应度；
在每个子种群中，对该子种群中的果蝇对应的适应度进行降序排列，将每个子种群中适应度最小的果蝇作为下一次迭代的初始果蝇群体；
当迭代次数满足要求时，停止迭代，并输出当前迭代次数对应的适应度最小的果蝇。
进一步，分别确定每个子种群对应的搜索步长的过程具体为：
通过第一种群搜索步长确定公式以及第二种群搜索步长确定公式确定每个子种群对应的搜索步长；
第一种群搜索步长确定公式为：
；
第二种群搜索步长确定公式为：
；
其中，S1为第一子种群的搜索步长，S2为第二子种群的搜索步长，a为恒定常数， Nmax=max(NQ,NF)，代表取货任务数和放货任务数的最大值；N为迭代最大次数上限值； round表示对四舍五入 取整；n为当前迭代次数。
进一步，所述适应度函数具体为：
；
其中，表示从第个库位移动到第 个库位的物理距离。
在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本发明给出的具体实施例，本领域的技术人员可根据实际情况调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
本发明还提供一种堆垛机出入库任务分配系统，具体技术方案如下：
获取模块用于：获取待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据；
确定模块用于：根据所述基础信息以及所述数据生成初始的任务序列编码，通过分群果蝇优化算法对所述任务序列编码进行优化搜索，得到最优任务序列编码，所述最优任务序列编码表征了所述待进行任务分配的堆垛机对应的移动距离最短的分配方案；
分配模块用于：根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务。
在上述方案的基础上，本发明还可以做如下改进。
进一步，待入出库任务的数据包括：
取货任务对应的第一货物编码q[NQ]和第一库位编码Q{NQ}={q1：K[q1]，…，q[NQ]：K[NQ]}，其中NQ代表取货任务货物总数，K[q1]代表货物编码为q1的货物所在的货位位置；
放货任务对应的第二货物编码f[NF]和第二库位编码F{NF}={f1：K[f1]，…，f[NF]：K[NF]}，其中NF代表放货任务货物总数，K[f1]代表货物编码为f1的货物所分配的货位位置。
进一步，根据所述基础信息以及所述数据生成初始的任务序列编码的过程为：
将任意一个第一库位编码以及任意一个第二库位编码组成编码对，并通过补0的方式在第一库位编码之前以及第二库位编码之后补充预设长度的0编码，以使任意一个编码对变换为四维编码对，所述四维编码对即为所述初始的任务序列编码。
进一步，通过分群果蝇优化算法对所述任务序列编码进行优化搜索的过程为：
将所述任务序列编码作为所述分群果蝇优化算法中的初始果蝇群体；
按照果蝇数量将所述初始果蝇群体均分成两个子种群，并分别确定每个子种群对应的搜索步长，利用嗅觉搜索，根据不同子种群对应的搜索步长确定每个子种群对应的果蝇；
根据适应度函数计算每个子种群中的每个果蝇对应的适应度；
在每个子种群中，对该子种群中的果蝇对应的适应度进行降序排列，将每个子种群中适应度最小的果蝇作为下一次迭代的初始果蝇群体；
当迭代次数满足要求时，停止迭代，并输出当前迭代次数对应的适应度最小的果蝇。
进一步，分别确定每个子种群对应的搜索步长的过程具体为：
通过第一种群搜索步长确定公式以及第二种群搜索步长确定公式确定每个子种群对应的搜索步长；
第一种群搜索步长确定公式为：
；
第二种群搜索步长确定公式为：
；
其中，S1为第一子种群的搜索步长，S2为第二子种群的搜索步长，a为恒定常数， Nmax=max(NQ,NF)，代表取货任务数和放货任务数的最大值；N为迭代最大次数上限值； round表示对四舍五入 取整；n为当前迭代次数。
进一步，所述适应度函数具体为：
；
其中，表示从第个库位移动到第 个库位的物理距离。
需要说明的是，上述实施例提供的一种堆垛机出入库任务分配系统的有益效果与上述一种堆垛机出入库任务分配方法的有益效果相同，在此不再赘述。此外，上述实施例提供的系统在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统根据实际情况划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的系统与方法实施例属于同一构思，其具体实现过程详见方法实施例，在此不再赘述。
如图3所示，本发明实施例的一种计算机设备300，计算机设备300包括处理器320，处理器320与存储器310耦合，存储器310中存储有至少一条计算机程序330，至少一条计算机程序330由处理器320加载并执行，以使计算机设备300实现上述任一项方法，具体地：
计算机设备300可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器320（Central Processing Units，CPU）和一个或多个存储器310，其中，该一个或多个存储器310中存储有至少一条计算机程序330，该至少一条计算机程序330由该一个或多个处理器320加载并执行，以使该计算机设备300实现上述实施例提供的一种堆垛机出入库任务分配方法。当然，该计算机设备300还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备300还可以包括其他用于实现设备功能的部件，在此不做赘述。
本发明实施例的一种计算机可读存储介质，计算机可读存储介质中存储有至少一条计算机程序，至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一项方法。
可选地，计算机可读存储介质可以是只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、只读光盘（Compact Disc Read-Only Memory，CD-ROM）、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一项方法。
需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”、等是用于区别类似的对象，而代表对特定的顺序或先后次序进行限定。在适当情况下对于类似的对象的使用顺序可以互换，以便这里描述的本申请的实施例能够以除了图示或描述的顺序以外的顺序实施。
所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品，因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件（包括固件、驻留软件、微代码等），还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)，只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种堆垛机出入库任务分配方法，其特征在于，包括：
获取待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据；
根据所述基础信息以及所述数据生成初始的任务序列编码，通过分群果蝇优化算法对所述任务序列编码进行优化搜索，得到最优任务序列编码，所述最优任务序列编码表征了所述待进行任务分配的堆垛机对应的移动距离最短的分配方案；
根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务；
生成初始的任务序列编码的过程为：
将取货任务库位编码Q和放货任务库位编码F的长度统一，空余的位置由0补齐，代表当前位置没有取放货任务，而后拼接成为任务序列M[4,Nmax]＝[0,F,Q,0]，其中Nmax＝max(NQ,NF)，代表取货任务数和放货任务数的最大值；0表示堆垛机起始位置为库位原点；需注意，每个取货任务库位编码Q和所有放货任务库位编码F均组成一个任务序列；
所述任务序列M的每一行，代表堆垛机从库位原点载货出发，移动到放货任务对应库位放货，而后移动到取货任务对应库位取货，取货后移动到原点出库，完成一个循环的动作；如果取货和放货任务编码为0，则代表没有取货或放货任务，直接从原点出发，执行单个取货或放货任务后，返回原点；
通过分群果蝇优化算法对所述任务序列编码进行优化搜索的过程为：
将所述任务序列编码作为所述分群果蝇优化算法中的初始果蝇群体；
按照果蝇数量将所述初始果蝇群体均分成两个子种群，并分别确定每个子种群对应的搜索步长，利用嗅觉搜索，根据不同子种群对应的搜索步长确定每个子种群对应的果蝇；
根据适应度函数计算每个子种群中的每个果蝇对应的适应度；
分别确定每个子种群对应的搜索步长的过程具体为：
通过第一种群搜索步长确定公式以及第二种群搜索步长确定公式确定每个子种群对应的搜索步长；
第一种群搜索步长确定公式为：
S1＝a；
第二种群搜索步长确定公式为：
其中，S1为第一子种群的搜索步长，S2为第二子种群的搜索步长，a为恒定常数，Nmax＝max(NQ,NF)，代表取货任务数NQ和放货任务数NF的最大值；N为迭代最大次数上限值； 表示对/>四舍五入取整；n为当前迭代次数；
嗅觉搜索生成各自的果蝇的方法为：
果蝇编码方式与任务序列编码方式相同，以矩阵形式表示，矩阵每一行代表堆垛机的一个任务循环，即：
M[4，Nmax]＝[0，F，Q，0]
嗅觉搜索机制为，在放货任务库位编码F中，选择与搜索步长相等数量的几位随机调换顺序，生产新的果蝇；如果调换后存在同一行的任务放货任务库位编码与取货任务库位编码相同，则对该行的放货任务库位编码与其他一位随机的放货任务库位编码进行调换，直至果蝇编码中所有同一行的任务放货任务库位编码与取货任务库位编码不同；
依据适应度函数，计算每一个果蝇的适应度，所述适应度函数的计算公式为：
其中dist(M[x，i]，M[x+1，i])表示从第M[x，i]个库位移动到第M[x+1，i]个库位的物理距离；
每个种群按照各自适应度计算值降序排列，并选择各自适应度函数值最小的果蝇作为下一次迭代的果蝇群体；
在到达一定迭代次数后，两个种群合并，选取当前迭代中适应度函数值最小的果蝇作为后续迭代的整体的果蝇群体，搜索步长也同时合并，搜索步长合并的方法为：
后续迭代中，合并后的果蝇种群统一采用S2的步长计算公式；
重复上述循环，直至迭代次数满足要求；此时，最优任务编码为最后一次迭代中的自适应度函数值最小的果蝇对应的编码。
2.根据权利要求1所述的一种堆垛机出入库任务分配方法，其特征在于，待入出库任务的数据包括：
取货任务对应的第一货物编码q[NQ]和第一库位编码Q{NQ}＝{q[1]：K[q[1]]，…，q[NQ]：K[q[NQ]]}，其中NQ代表取货任务货物总数，K[q[1]]代表货物编码为q[1]的货物所在的货位位置；
放货任务对应的第二货物编码f[NF]和第二库位编码F{NF}＝{f[1]：K[f[1]]，…，f[NF]：K[f[NF]]}，其中NF代表放货任务货物总数，K[f[1]]代表货物编码为f[1]的货物所分配的货位位置。
3.一种堆垛机出入库任务分配系统，其特征在于，包括：
获取模块用于：获取待进行任务分配的堆垛机所在巷道的基础信息以及所有待入出库任务的数据；
确定模块用于：根据所述基础信息以及所述数据生成初始的任务序列编码，通过分群果蝇优化算法对所述任务序列编码进行优化搜索，得到最优任务序列编码，所述最优任务序列编码表征了所述待进行任务分配的堆垛机对应的移动距离最短的分配方案；
分配模块用于：根据所述最优任务序列编码控制所述待进行任务分配的堆垛机执行取放货任务；
生成初始的任务序列编码的过程为：
将取货任务库位编码Q和放货任务库位编码F的长度统一，空余的位置由0补齐，代表当前位置没有取放货任务，而后拼接成为任务序列M[4,Nmax]＝[0,F,Q,0]，其中Nmax＝max(NQ,NF)，代表取货任务数NQ和放货任务数NF的最大值；0表示堆垛机起始位置为库位原点；需注意，每个取货任务库位编码Q和所有放货任务库位编码F均组成一个任务序列；
所述任务序列M的每一行，代表堆垛机从库位原点载货出发，移动到放货任务对应库位放货，而后移动到取货任务对应库位取货，取货后移动到原点出库，完成一个循环的动作；如果取货和放货任务编码为0，则代表没有取货或放货任务，直接从原点出发，执行单个取货或放货任务后，返回原点；
通过分群果蝇优化算法对所述任务序列编码进行优化搜索的过程为：
将所述任务序列编码作为所述分群果蝇优化算法中的初始果蝇群体；
按照果蝇数量将所述初始果蝇群体均分成两个子种群，并分别确定每个子种群对应的搜索步长，利用嗅觉搜索，根据不同子种群对应的搜索步长确定每个子种群对应的果蝇；
根据适应度函数计算每个子种群中的每个果蝇对应的适应度；
分别确定每个子种群对应的搜索步长的过程具体为：
通过第一种群搜索步长确定公式以及第二种群搜索步长确定公式确定每个子种群对应的搜索步长；
第一种群搜索步长确定公式为：
S1＝a；
第二种群搜索步长确定公式为：
其中，S1为第一子种群的搜索步长，S2为第二子种群的搜索步长，a为恒定常数，Nmax＝max(NQ，NF)，代表取货任务数和放货任务数的最大值；N为迭代最大次数上限值；表示对/>四舍五入取整；n为当前迭代次数；
嗅觉搜索生成各自的果蝇的方法为：
果蝇编码方式与任务序列编码方式相同，以矩阵形式表示，矩阵每一行代表堆垛机的一个任务循环，即：
M[4，Nmax]＝[0，F，Q，0]
嗅觉搜索机制为，在放货任务库位编码F中，选择与搜索步长相等数量的几位随机调换顺序，生产新的果蝇；如果调换后存在同一行的任务放货任务库位编码与取货任务库位编码相同，则对该行的放货任务库位编码与其他一位随机的放货任务库位编码进行调换，直至果蝇编码中所有同一行的任务放货任务库位编码与取货任务库位编码不同；
依据适应度函数，计算每一个果蝇的适应度，所述适应度函数的计算公式为：
其中dist(M[x，i]，M[x+1，i])表示从第M[x，i]个库位移动到第M[x+1，i]个库位的物理距离；
每个种群按照各自适应度计算值降序排列，并选择各自适应度函数值最小的果蝇作为下一次迭代的果蝇群体；
在到达一定迭代次数后，两个种群合并，选取当前迭代中适应度函数值最小的果蝇作为后续迭代的整体的果蝇群体，搜索步长也同时合并，搜索步长合并的方法为：
后续迭代中，合并后的果蝇种群统一采用S2的步长计算公式；
重复上述循环，直至迭代次数满足要求；此时，最优任务编码为最后一次迭代中的自适应度函数值最小的果蝇对应的编码。
4.根据权利要求3所述的一种堆垛机出入库任务分配系统，其特征在于，待入出库任务的数据包括：
取货任务对应的第一货物编码q[NQ]和第一库位编码Q{NQ}＝{q[1]：K[q[1]]，…，q[NQ]：K[q[NQ]]}，其中NQ代表取货任务货物总数，K[q[1]]代表货物编码为q[1]的货物所在的货位位置；
放货任务对应的第二货物编码f[NF]和第二库位编码F{NF}＝{f[1]：K[f[1]]，…，f[NF]：K[f[NF]]}，其中NF代表放货任务货物总数，K[f[1]]代表货物编码为f[1]的货物所分配的货位位置。
5.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如权利要求1或2所述的方法。
6.一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中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1或2所述的方法。
CN202410069739.1A 2024-01-18 2024-01-18 一种堆垛机出入库任务分配方法、系统、设备及介质 Active CN117592760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410069739.1A CN117592760B (zh) 2024-01-18 2024-01-18 一种堆垛机出入库任务分配方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410069739.1A CN117592760B (zh) 2024-01-18 2024-01-18 一种堆垛机出入库任务分配方法、系统、设备及介质

Publications (2)

Publication Number Publication Date
CN117592760A CN117592760A (zh) 2024-02-23
CN117592760B true CN117592760B (zh) 2024-04-09

Family

ID=89922312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410069739.1A Active CN117592760B (zh) 2024-01-18 2024-01-18 一种堆垛机出入库任务分配方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN117592760B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110054875A (ko) * 2009-11-18 2011-05-25 현대중공업 주식회사 분할적재 및 다중 생산 라인 로봇 팔레타이징 시스템
CN108108829A (zh) * 2016-11-24 2018-06-01 江苏创源电子有限公司 一种基于改进果蝇算法的作业车间调度方法
CN109934330A (zh) * 2019-03-04 2019-06-25 温州大学 基于多样化种群的果蝇优化算法来构建预测模型的方法
CN111776565A (zh) * 2020-06-23 2020-10-16 贵州省烟草公司毕节市公司 一种堆垛机参与实现货位分配的方法及计算机程序产品
CN112278694A (zh) * 2020-10-16 2021-01-29 江苏智库智能科技有限公司 一种堆垛机出入库货位调度系统
CN113240215A (zh) * 2021-07-12 2021-08-10 湖北浩蓝智造科技有限公司 一种仓储agv的调度方法、系统、存储介质及电子设备
CN114461368A (zh) * 2022-03-16 2022-05-10 南京航空航天大学 一种基于协同果蝇算法的多目标云工作流调度方法
CN115239245A (zh) * 2022-08-03 2022-10-25 北京航空航天大学 一种面向立体仓库的任务调度与优化方法
WO2022252268A1 (zh) * 2021-06-03 2022-12-08 江南大学 一种智能立体仓库优化调度方法
CN116882693A (zh) * 2023-07-20 2023-10-13 浪潮云洲工业互联网有限公司 一种分布式置换流水车间调度方法、设备及介质
CN117333113A (zh) * 2023-10-11 2024-01-02 暨南大学 基于品类关联规则的库区布局方法、装置及存储介质
CN117371621A (zh) * 2023-12-06 2024-01-09 湖北浩蓝智造科技有限公司 基于改进果蝇优化算法的库位分配方法、系统及介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110054875A (ko) * 2009-11-18 2011-05-25 현대중공업 주식회사 분할적재 및 다중 생산 라인 로봇 팔레타이징 시스템
CN108108829A (zh) * 2016-11-24 2018-06-01 江苏创源电子有限公司 一种基于改进果蝇算法的作业车间调度方法
CN109934330A (zh) * 2019-03-04 2019-06-25 温州大学 基于多样化种群的果蝇优化算法来构建预测模型的方法
CN111776565A (zh) * 2020-06-23 2020-10-16 贵州省烟草公司毕节市公司 一种堆垛机参与实现货位分配的方法及计算机程序产品
CN112278694A (zh) * 2020-10-16 2021-01-29 江苏智库智能科技有限公司 一种堆垛机出入库货位调度系统
WO2022252268A1 (zh) * 2021-06-03 2022-12-08 江南大学 一种智能立体仓库优化调度方法
CN113240215A (zh) * 2021-07-12 2021-08-10 湖北浩蓝智造科技有限公司 一种仓储agv的调度方法、系统、存储介质及电子设备
CN114461368A (zh) * 2022-03-16 2022-05-10 南京航空航天大学 一种基于协同果蝇算法的多目标云工作流调度方法
CN115239245A (zh) * 2022-08-03 2022-10-25 北京航空航天大学 一种面向立体仓库的任务调度与优化方法
CN116882693A (zh) * 2023-07-20 2023-10-13 浪潮云洲工业互联网有限公司 一种分布式置换流水车间调度方法、设备及介质
CN117333113A (zh) * 2023-10-11 2024-01-02 暨南大学 基于品类关联规则的库区布局方法、装置及存储介质
CN117371621A (zh) * 2023-12-06 2024-01-09 湖北浩蓝智造科技有限公司 基于改进果蝇优化算法的库位分配方法、系统及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Optimization of Order-Picking Problems by Intelligent Optimization Algorithm;Z.H. WU 等;《Mathematical Problems in Engineering》;20200731;第1-12页 *
动态双子群协同进化果蝇优化算法;韩俊英 等;《模式识别与人工智能》;20131130;第1057-1067页 *
多种群果蝇优化算法求解自动化仓库拣选作业调度问题;刘志雄 等;《武汉理工大学学报》;20140331;第71-77页 *

Also Published As

Publication number Publication date
CN117592760A (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
US3263219A (en) Electronic data processing equipment
CN109472362B (zh) 一种基于可变任务窗的agv动态调度方法及装置
CN101799748A (zh) 一种确定数据样本类别的方法及其系统
CN110363330B (zh) 一种路径规划方法、装置、计算机设备及可读存储介质
CN113033895A (zh) 一种多源多点路径规划方法、设备及存储介质
CN111813515B (zh) 基于多进程的任务调度方法、装置、计算机设备及介质
CN111984414B (zh) 一种数据处理的方法、系统、设备及可读存储介质
CN112232545A (zh) 基于模拟退火算法的agv任务调度方法
CN105573827A (zh) 一种多机并行处理方法及装置
CN111813517B (zh) 任务队列的分配方法、装置、计算机设备及介质
CN117371621B (zh) 基于改进果蝇优化算法的库位分配方法、系统及介质
CN111292805A (zh) 一种三代测序数据重叠检测方法及系统
CN117592760B (zh) 一种堆垛机出入库任务分配方法、系统、设备及介质
CN116957299B (zh) 自动化仓库复合订单的优化调度方法、系统、设备及介质
CN104036141A (zh) 一种基于OpenCL的红黑树加速算法
CN116484948A (zh) 事件预测方法、装置及电子设备
CN115756792A (zh) 适用于智能排程系统的cpu并行加速方法和系统
CN109684602B (zh) 一种批处理方法和装置及计算机可读存储介质
CN117573875B (zh) 一种同名文件聚类算法优化方法及装置
CN115439064B (zh) 面向订单聚合的拣货路径动态优化方法及系统
CN111353675B (zh) 一种作业调度方法和装置
CN116821559B (zh) 用于快速获取一组大数据集中趋势的方法、系统及终端
CN111967178B (zh) 在粒子模拟算法并行中减少数据竞争的粒子排序发射方法
CN109614282B (zh) 确定应用的系统资源使用信息的方法和装置
CN108805288B (zh) 一种一维套料方法、装置及计算机可读存储介质

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