基于遗传算法的调度方法及装置制造方法及图纸

本发明专利技术公开了一种基于遗传算法的调度方法及装置，涉及智慧仓储技术领域。其中的方法包括：随机产生种群，种群中的个体代表各个调度集合之间的一一映射关系，个体的基因为调度集合中的元素；用二维数组对个体编码，二维数组的第二维度表示调度集合，二维数组的第一维度表示调度集合中的元素；计算种群中每个个体的适应度；选取种群中满足预设适应度条件的个体作为父本和母本进行交叉运算，将父本和母本第一维度相同且第二维度相邻的基因作为子代个体的部分基因，并由每个调度集合中除第一维度相同且第二维度相邻的基因之外的元素随机组成子代个体中该调度集合的其余基因；迭代交叉运算直至种群满足预设条件。从而提升了调度效率，节省了调度成本。

Scheduling method and device based on genetic algorithm

The invention discloses a scheduling method and device based on genetic algorithm, and relates to the technical field of intelligent warehousing. The methods include: randomly generating the population, the individuals in the population represent the one-to-one mapping among the scheduling sets, the elements in the scheduling set, encoding the individuals with two-dimensional arrays, the second dimension of two-dimensional arrays representing the scheduling set, and the first dimension of two-dimensional arrays representing the elements in the scheduling set. Fitness of each individual in a population is calculated. Individuals satisfying the preset fitness conditions in the population are selected as parents and parents for cross-operation. Genes with the same first dimension and adjacent second dimension of the parent are selected as part of the offspring'genes, and each scheduling set is divided into the same first dimension and the first dimension. Elements other than two-dimensional adjacent genes randomly form the remaining genes of the scheduling set in the progeny individuals; iterative crossover operations are performed until the population meets the preset conditions. Thus the scheduling efficiency is improved and the dispatching cost is saved.

【技术实现步骤摘要】
基于遗传算法的调度方法及装置
本专利技术涉及智慧仓储
，特别涉及一种基于遗传算法的调度方法及装置。
技术介绍
智慧仓储是未来发展的大势所趋。无人仓具备处理大量订单的能力，可以大幅提升订单处理效率及准确率，降低人工成本，从而实现企业运营效率、经营效益的优化。在无人仓中，不同小车指派至不同托盘所需的路径成本不同，不同托盘运送至不同工位所需的路径成本也不同。调度方法能够实现将小车指派到合适的托盘，并将托盘搬运至合适的工位进行生产，从而节约调度成本。因此，在无人仓技术的实现过程中，调度方法起到较为核心作用，传统的调度方法中，采用遍历的方法比较每一种调度组合的调度成本，然后确定调度成本最小的调度组合。然而随着调度集合中所含元素个数的增多，对于遍历的方法而言时间复杂度急剧增加，在有限的时间内很难求得最小调度成本。而在有限时间内或者有限的遍历次数内，获得一个相对较低成本的调度组合随机性较大，通常无法获得令人满意的调度组合。遗传算法是一种启发式算法。遗传算法提供了一种求解复杂系统优化问题的通用框架，可以不用依赖于问题的具体领域，对解决问题的种类有很强的鲁棒性，应用广泛。遗传算法借鉴了进化生物学中的一些现象而发展起来，这些现象包括遗传、交叉、变异等等。在遗传算法的每次迭代运算中都保留一组候选解，并按适应度指标从解群中选取较优的个体，利用交叉、变异等遗传算子对这些个体不断进行组合产生新的子代，直到满足某种收敛指标为止。然而，在解决具有一一映射关系的小车集合、托盘集合以及工位集合之间的调度问题时，为了能够求得符合预设条件的调度组合，使用遗传算法进行求解并不能明显提高调度效率，节省的调度成本也相对有限。
技术实现思路
本专利技术解决的一个技术问题是，在调度集合之间存在一一映射关系的前提下，如何快速高效的求得符合预设条件的调度组合，从而提高调度效率，节省调度成本。根据本专利技术实施例的一个方面，提供了一种基于遗传算法的调度方法，其特征在于，包括：随机产生种群，种群中的个体代表各个调度集合之间的一一映射关系，个体的基因为调度集合中的元素；用二维数组对个体进行编码，二维数组的第二维度表示调度集合，二维数组的第一维度表示调度集合中的元素；计算种群中每个个体的适应度；选取种群中满足预设适应度条件的个体作为父本和母本进行交叉运算，在交叉运算过程中，将父本和母本第一维度相同且第二维度相邻的基因作为子代个体的部分基因，并由每个调度集合中除第一维度相同且第二维度相邻的基因之外的元素随机组成子代个体中该调度集合的其余基因；迭代地进行交叉运算以产生子代个体，直至种群满足预设条件。在一些实施例中，该方法还包括：选取种群中的部分个体进行变异，在变异过程中，将变异个体属于同一调度集合的多个元素所对应的基因进行随机交换；迭代地进行变异运算以产生新的个体，直至种群满足预设条件。在一些实施例中，选取种群中0.5％至1％的个体进行变异，在变异过程中，将变异个体30％至60％的基因进行随机交换。在一些实施例中，计算种群中每个个体的适应度包括：根据个体所代表各个调度集合之间的一一映射关系中，各个调度集合的元素之间是否存在匹配关系，以及各个调度集合的元素之间的匹配成本，计算种群中每个个体的调度成本；根据种群中每个个体的调度成本的倒数计算种群中每个个体的适应度。在一些实施例中，选取种群中满足预设适应度条件的个体作为父本和母本进行交叉运算包括：选取种群中适应度高于预设值的个体，并计算适应度高于预设值的个体所对应的总适应度；以适应度高于预设值的个体的适应度与总适应度的比值为概率，选择适应度高于预设值的个体作为父本和母本进行交叉运算。在一些实施例中，种群满足预设条件包括以下条件中的至少一种：(1)交叉运算的迭代次数高于预设值；(2)变异的迭代次数高于预设值；(3)种群中存在适应度函数值大于预设值的个体。根据本专利技术实施例的另一个方面，提供了一种基于遗传算法的调度装置，其特征在于，包括：种群产生模块，用于随机产生种群，种群中的个体代表各个调度集合之间的一一映射关系，个体的基因为调度集合中的元素；个体编码模块，用于用二维数组对个体进行编码，二维数组的第二维度表示调度集合，二维数组的第一维度表示调度集合中的元素；适应度计算模块，用于计算种群中每个个体的适应度；交叉运算模块，用于选取种群中满足预设适应度条件的个体作为父本和母本进行交叉运算，在交叉运算过程中，将父本和母本第一维度相同且第二维度相邻的基因作为子代个体的部分基因，并由每个调度集合中除第一维度相同且第二维度相邻的基因之外的元素随机组成子代个体中该调度集合的其余基因；第一迭代运算模块，用于迭代地进行交叉运算以产生子代个体，直至种群满足预设条件。在一些实施例中，该装置还包括：变异模块，用于选取种群中的部分个体进行变异，在变异过程中，将变异个体属于同一调度集合的多个元素所对应的基因进行随机交换；第二迭代运算模块，用于迭代地进行变异运算以产生新的个体，直至种群满足预设条件。在一些实施例中，变异模块用于选取种群中0.5％至1％的个体进行变异，在变异过程中，将变异个体30％至60％的基因进行随机交换。在一些实施例中，适应度计算模块包括：调度成本计算单元，用于根据个体所代表各个调度集合之间的一一映射关系中，各个调度集合的元素之间是否存在匹配关系，以及各个调度集合的元素之间的匹配成本，计算种群中每个个体的调度成本；适应度计算单元，用于根据种群中每个个体的调度成本的倒数计算种群中每个个体的适应度。在一些实施例中，交叉运算模块包括：个体选取单元，用于选取种群中适应度高于预设值的个体；适应度计算单元，用于计算适应度高于预设值的个体所对应的总适应度；交叉运算单元，用于以适应度高于预设值的个体的适应度与总适应度的比值为概率，选择适应度高于预设值的个体作为父本和母本进行交叉运算。在一些实施例中，种群满足预设条件包括以下条件中的至少一种：(1)交叉运算的迭代次数高于预设值；(2)变异的迭代次数高于预设值；(3)种群中存在适应度函数值大于预设值的个体。根据本专利技术实施例的又一个方面，提供了一种基于遗传算法的调度装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行前述的基于遗传算法的调度方法。根据本专利技术实施例的再一个方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机指令，指令被处理器执行时实现前述的基于遗传算法的调度方法。本专利技术在调度集合之间存在一一映射关系的前提下，采用二维数组的形式对个体进行编码，并基于编码二维数组对父本和母本进行交叉运算，能够快速高效的求得符合预设条件的调度组合，从而提高调度效率，节省调度成本。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1示出本专利技术基于遗传算法的调度方法的一个实施例的流程示意图。图2示出本专利技术基于遗传算法的调度方法的另一个实施例的流程示意图。图3示出个体变本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的调度方法，其特征在于，包括：随机产生种群，所述种群中的个体代表各个调度集合之间的一一映射关系，所述个体的基因为调度集合中的元素；用二维数组对所述个体进行编码，二维数组的第二维度表示调度集合，二维数组的第一维度表示调度集合中的元素；计算种群中每个个体的适应度；选取种群中满足预设适应度条件的个体作为父本和母本进行交叉运算，在所述交叉运算过程中，将父本和母本第一维度相同且第二维度相邻的基因作为子代个体的部分基因，并由每个调度集合中除所述第一维度相同且第二维度相邻的基因之外的元素随机组成子代个体中该调度集合的其余基因；迭代地进行交叉运算以产生子代个体，直至种群满足预设条件。

【技术特征摘要】
1.一种基于遗传算法的调度方法，其特征在于，包括：随机产生种群，所述种群中的个体代表各个调度集合之间的一一映射关系，所述个体的基因为调度集合中的元素；用二维数组对所述个体进行编码，二维数组的第二维度表示调度集合，二维数组的第一维度表示调度集合中的元素；计算种群中每个个体的适应度；选取种群中满足预设适应度条件的个体作为父本和母本进行交叉运算，在所述交叉运算过程中，将父本和母本第一维度相同且第二维度相邻的基因作为子代个体的部分基因，并由每个调度集合中除所述第一维度相同且第二维度相邻的基因之外的元素随机组成子代个体中该调度集合的其余基因；迭代地进行交叉运算以产生子代个体，直至种群满足预设条件。2.如权利要求1所述的方法，其特征在于，所述方法还包括：选取种群中的部分个体进行变异，在所述变异过程中，将变异个体属于同一调度集合的多个元素所对应的基因进行随机交换；迭代地进行变异运算以产生新的个体，直至种群满足预设条件。3.如权利要求2所述的方法，其特征在于，选取种群中0.5％至1％的个体进行变异，在所述变异过程中，将变异个体30％至60％的基因进行随机交换。4.如权利要求1所述的方法，其特征在于，所述计算种群中每个个体的适应度包括：根据个体所代表各个调度集合之间的一一映射关系中，各个调度集合的元素之间是否存在匹配关系，以及各个调度集合的元素之间的匹配成本，计算种群中每个个体的调度成本；根据种群中每个个体的调度成本的倒数计算种群中每个个体的适应度。5.如权利要求1所述的方法，其特征在于，所述选取种群中满足预设适应度条件的个体作为父本和母本进行交叉运算包括：选取种群中适应度高于预设值的个体，并计算所述适应度高于预设值的个体所对应的总适应度；以所述适应度高于预设值的个体的适应度与所述总适应度的比值为概率，选择所述适应度高于预设值的个体作为父本和母本进行交叉运算。6.如权利要求1或2所述的方法，其特征在于，所述种群满足预设条件包括以下条件中的至少一种：(1)交叉运算的迭代次数高于预设值；(2)变异的迭代次数高于预设值；(3)种群中存在适应度函数值大于预设值的个体。7.一种基于遗传算法的调度装置，其特征在于，包括：种群产生模块，用于随机产生种群，所述种群中的个体代表各个调度集合之间的一一映射关系，所述个体的基因为调度集合中的元素；个体编码模块，用于用二维数组对所述个体进行编码，二维数组的第二维度表示调度集合，二维数组的第一维度表示调度...

【专利技术属性】
技术研发人员：郎元辉，韩宁，朱恒斌，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11