一种仓库集合单生成的方法和系统技术方案

本发明专利技术涉及一种仓库集合单生成的方法和系统。方法包括：订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单。本发明专利技术通过线下机器学习中的监督学习方法预先训练好模型，用来预测集合单的行走距离，使得计算速度大大提升，大幅加快集合单生成模型的计算速度，满足高峰期间的线上需求。

【技术实现步骤摘要】
一种仓库集合单生成的方法和系统
本专利技术涉及物流及机器学习领域，尤其涉及一种仓库集合单生成的方法和系统。
技术介绍
近年来电子商务、新零售、以及供应链飞速发展，作为供应链的重要环节，仓库订单量也与日俱增。仓库拣货时间约占操作时间的一半，如何合理并快速地将订单组合成集合单关系到拣货的时间与距离，也决定了仓库的时效与成本。多数集合单模型需要多次计算集合单的拣货行走距离，这对行走距离的计算时间有很强的要求，比如：路径模型如TSP模型计算集合单的拣货路径计算时间长，不能满足集合单模型的线上需求；启发式算法求解路径模型以牺牲精度为代价加快计算速度。但是目前满足时效的前提下精度很难提高，而且时效提高有限，如用一台2.3GHzIntelCorei5,8GBDDR3内存的电脑，精确TSP路径求解时间约10s，启发式Lin-Kernighan算法的平均误差在5％左右，计算时间降低到1s量级，但在不增大误差的情况下，计算时间很难再降低。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供一种仓库集合单生成的方法和系统。根据本专利技术的一个方面，提供了一种仓库集合单生成的方法，包括以下步骤：订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单。作为优选，仓库集合单生成的方法还包括：确定集合单拣货的优先级，在集合单生成的时间节点回收未拣货的集合单至订单池。作为优选，采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单，包括：基于邻域搜索优化未拣货的集合单。作为优选，所述相似度为订单与订单或订单与集合单两者单独拣货的行走距离之和减去两者合并拣货的行走距离，再除以两者的合并拣货行走距离，公式为：其中，s(i,j)是集合单i或订单i与订单j的相似度，d(i),d(j)分别为集合单i或订单i和订单j的单独拣货行走距离，d(i∪j)为集合单i或订单i与订单j的合并拣货行走距离。作为优选，基于邻域搜索优化未拣货的集合单，包括：基于线下机器学习模型计算邻域搜索中集合单的行走距离。作为优选，基于线下机器学习模型计算集合单的相似度，包括：基于仓库路径模型计算集合单的行走距离并提取集合单特征：训练并评估机器学习模型。其中，所述训练并评估机器学习模型，包括：统计多种机器学习模型预测行走距离，比较其与实际行走距离的误差；选择误差最小的机器学习模型生成集合单。根据本专利技术的另一个方面，提供了一种仓库集合单生成的系统，包括：种子单生成单元，配置用于订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；集合单生成单元，配置用于采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单。作为优选，仓库集合单生成的系统还包括：集合单回收单元，配置用于确定集合单拣货的优先级，在集合单生成的时间节点回收未拣货的集合单至订单池。作为优选，集合单生成单元包括：集合单优化子单元，配置用于基于邻域搜索优化未拣货的集合单。作为优选，所述相似度为订单与订单或订单与集合单两者单独拣货的行走距离之和减去两者合并拣货的行走距离，再除以两者的合并拣货行走距离，公式为：其中，s(i,j)是集合单i或订单i与订单j的相似度，d(i),d(j)分别为集合单i或订单i和订单j的单独拣货行走距离，d(i∪j)为集合单i或订单i与订单j的合并拣货行走距离。作为优选，集合单优化子单元包括：行走距离计算模块，配置用于基于线下机器学习模型计算邻域搜索中集合单的行走距离。作为优选，种子单生成单元包括：特征提取子单元，配置用于基于仓库路径模型计算集合单的行走距离并提取集合单特征：模型训练评估子单元，配置用于训练并评估机器学习模型。其中，模型训练评估子单元，包括：误差计算模块，配置用于统计多种机器学习模型预测行走距离，比较其与实际行走距离的误差；模型选择模块，配置用于选择误差最小的机器学习模型生成集合单。与现有技术相比，本专利技术具有以下有益效果：1、本专利技术示例的仓库集合单生成的方法，包括：订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单。通过训练好的线下机器学习模型预测集合单的行走距离和相似度，计算时间在0.01s左右，使得行走距离的计算速度大大提升，进而提升了相似度的计算速度，大幅加快集合单生成模型的计算速度，满足高峰期间的线上需求。2、本专利技术示例的仓库集合单生成的系统，包括：种子单生成单元，配置用于订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；集合单生成单元，配置用于采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单。上述单元相互协作，通过训练好的线下机器学习模型来预测集合单的行走距离和相似度，计算时间在0.01s左右，使得行走距离和相似度的计算速度大大提升，大幅加快集合单生成模型的计算速度，满足高峰期间的线上需求。附图说明图1为本专利技术流程图；图2为实施例一的集合单生成框架；图3为实施例一的集合单模型框架图；图4为实施例一的机器学习模型框架图。具体实施方式为了更好的了解本专利技术的技术方案，下面结合具体实施例、说明书附图对本专利技术作进一步说明。实施例一：本实施例提供了一种仓库集合单生成的方法，包括以下步骤：S1、订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；其中，所述相似度为订单与订单或订单与集合单两者单独拣货的行走距离之和减去两者合并拣货的行走距离，再除以两者的合并拣货行走距离，公式为：其中，s(i,j)是集合单i或订单i与订单j的相似度，d(i),d(j)分别为集合单i或订单i和订单j的单独拣货行走距离，d(i∪j)为集合单i或订单i与订单j的合并拣货行走距离。具体的，如图2，集合单生成过程包括：订单下发到订单池，订单池中包括未来得及拣货的集合单也回收到订单池，增加优化效率。本文档来自技高网...

【技术保护点】
1.一种仓库集合单生成的方法，其特征在于，包括以下步骤：/n订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；/n采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单。/n

【技术特征摘要】
1.一种仓库集合单生成的方法，其特征在于，包括以下步骤：
订单进入订单池后，基于线下机器学习模型计算集合单的相似度，将所述订单池中相似度最大的一对订单设置为种子单；
采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单。


2.根据权利要求1所述的仓库集合单生成的方法，其特征在于，还包括：
确定集合单拣货的优先级，在集合单生成的时间节点回收未拣货的集合单至订单池。


3.根据权利要求1所述的仓库集合单生成的方法，其特征在于，采用线下机器学习模型计算所述订单池内订单与种子单的相似度，选择相似度最大的订单加入所述集合单，当所述集合单满足预设的集合条件时，完成组单，包括：
基于邻域搜索优化未拣货的集合单。


4.根据权利要求1所述的仓库集合单生成的方法，其特征在于，所述相似度为订单与订单或订单与集合单两者单独拣货的行走距离之和减去两者合并拣货的行走距离，再除以两者的合并拣货行走距离，公式为：



其中，s(i,j)是集合单i或订单i与订单j的相似度，d(i),d(j)分别为集合单i或订单i和订单j的单独拣货行走距离，d(i∪j)为集合单i或订单i与订单j的合并拣货行走距离。


5.根据权利要求3所述的仓库集合单生成的方法，其特征在于，基于邻域搜索优化未拣货的集合单，包括：
基于线下机器学习模型计算邻域搜索中集合单的行走距离。


6.根据权利要求1所述的仓库集合单生成的方法，其特征在于，基于线下机器学习模型计算集合单的相似度，包括：
基于仓库路径模型计算集合单的行走距离并提取集合单特征：
训练并评估机器学习模型；
其中，所述训练并评估机器学习模型包括：
统计多种机器学习模型预测行走距离，比较其与实际行走距离的误差；
选择误差最小的机器学习模型生成集合单。


7.一种仓库...

【专利技术属性】
技术研发人员：张朝东，王野，陈灵潇，王本玉，陈佳琦，金晶，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44