一种智能仓储拣选任务的优化调度方法及系统技术方案

本发明专利技术涉及智能仓储任务调度技术领域，特别是指一种智能仓储拣选任务的优化调度方法及系统。一种智能仓储拣选任务的优化调度方法包括：读取电商平台信息，获得ID化订单集合；基于ID化订单集合，通过预设的K

【技术实现步骤摘要】
一种智能仓储拣选任务的优化调度方法及系统


[0001]本专利技术涉及智能仓储任务调度
，特别是指一种智能仓储拣选任务的优化调度方法及系统。

技术介绍

[0002]为了解决传统物流的低效率、高成本问题，提升商品订单的分拣效率逐渐成为了物流仓储内的关键环节。自动导向车辆(AGV)是也被称为移动机器人，是一个集成多种传感器的智能体，能够通过感知外部环境进行自主决策完成特定任务。主要应用于物流仓储系统的自动化运输，其他人工拣选和搬运工作，极大的提升了货品搬运效率，缩短了物流中转时间。
[0003]多AGV的协作方式可分为集中式、分布式和混合式三种形式，而针对订单任务的优化的方法有线性规划、市场机制、基于行为、群体智能等算法。在集中式分配方案中，考虑了不同于离线路径生成阶段和在线路径规划的规划策略，提出了基于路径规划层和碰撞避免层的多机器人路径规划策略：在第一层只考虑单一机器人的路径规划，忽略其他机器人的影响，其规划的路径可能会与其他机器人产生严重碰撞；在第二层采用碰撞避免规则解决多机器人的局部碰撞，其避碰规则复杂，且需要人为提前制定，无法根据多机器人系统当前特点改变。
[0004]在分布式控制系统的研究中，提出了一种基于邻域人工势场的多机器人分布式路径规划方法，利用分布式体系结构规划移动机器人轨迹，采用改进的人工市场方法使多机器人系统获得良好的轨迹规划，提高了多机器人系统的鲁棒性。混合式任务分配兼具了集中式和分布式的优点，同时弥补了部分缺陷，但混合式系统更加复杂，设计应用难度更大。
[0005]基于市场机制的算法借鉴经济学中拍卖理论的公平竞价机制，将每个任务作为商品进行拍卖，而每个机器人作为竞拍者，通过参与竞拍获取任务。基于机器人和工件智能体之间谈判时的定价机制，设计了相应的算法，实验证明他的算法在提升系统整体性能方面优于传统的调度规则，但是在平均延迟、最大延迟等方面表现较差。
[0006]在现有技术中，缺乏一种高效率、低空载的拣选任务优化调度方法。

技术实现思路

[0007]本专利技术实施例提供了一种智能仓储拣选任务的优化调度方法及系统。所述技术方案如下：
[0008]一方面，提供了一种智能仓储拣选任务的优化调度方法，该方法由电子设备实现，该方法包括：
[0009]S1、读取电商平台信息，获得ID化订单集合；
[0010]S2、基于所述ID化订单集合，通过预设的K
‑
means聚类算法，获得订单最优聚类集合；
[0011]S3、将所述订单最优聚类集合和拣选工作站进行匹配，获得货品拣选ID序列；
[0012]S4、根据所述货品拣选ID序列和预设的AGV拣选约束条件，通过多策略鲸鱼算法，获得AGV优化调度任务序列；
[0013]S5、根据所述AGV优化调度任务序列，对AGV进行调度。
[0014]可选地，所述读取电商平台信息，获得ID化订单集合，包括：
[0015]读取电商平台信息，获得货品订单集合；
[0016]对所述货品订单集合进行ID编号，获得ID化订单集合。
[0017]可选地，所述基于所述ID化订单集合，通过预设的K
‑
means聚类算法，获得订单最优聚类集合，包括：
[0018]S21、基于所述ID化订单集合进行聚类中心选取操作，获得聚类中心；
[0019]S22、根据所述ID化订单集合和所述聚类中心进行计算，获得每个订单与聚类中心的距离；
[0020]S23、基于所述每个订单与聚类中心的距离，将所述ID化订单集合进行聚类，获得订单聚类集合；
[0021]S24、重复步骤S21
‑
S23，当迭代次数达到最大时，获得订单最优聚类集合。
[0022]可选地，所述将所述订单最优聚类集合和拣选工作站进行匹配，获得货品拣选ID序列，包括：
[0023]将所述订单最优聚类集合中的每个订单聚类匹配一个拣选工作站，获得已匹配工作站集合；
[0024]所述已匹配工作站集合中的每个工作站，对匹配的订单聚类进行分析，获得货品拣选ID序列。
[0025]可选地，所述根据所述货品拣选ID序列和预设的AGV拣选约束条件，通过多策略鲸鱼算法，获得AGV优化调度任务序列，包括：
[0026]S41、根据所述货品拣选ID序列和预设的AGV拣选约束条件，对多策略鲸鱼算法进行初始化操作，获得AGV调度任务序列；
[0027]S42、对所述AGV调度任务序列中的调度任务，产生的空载距离进行计算，获得AGV调度空载距离；
[0028]S43、对所述AGV调度任务序列进行更新，获得AGV更新调度任务序列；
[0029]S44、重复步骤S41
‑
S43，当所述AGV调度空载距离最小时，获得AGV优化调度任务序列。
[0030]可选地，所述对所述AGV调度任务序列进行更新，获得AGV更新调度任务序列，包括：
[0031]将所述AGV调度任务序列作为当前种群，进行适应度计算，得到种群适应度；
[0032]基于所述种群适应度，对所述当前种群进行划分，获得种群A和种群B；
[0033]根据所述种群A，获得种群A中的AGV调度任务序列；所述种群A中的AGV调度任务序列，通过预设的改进搜索算法进行优化，获得种群A的AGV更新调度任务序列；
[0034]根据所述种群B，获得种群B中的AGV调度任务序列；所述种群B中的AGV调度任务序列，通过预设的改进多策略优化算法进行优化，获得种群B的AGV更新调度任务序列；
[0035]基于所述种群A的AGV更新调度任务序列和所述种群B的AGV更新调度任务序列，获得AGV更新调度任务序列。
[0036]其中，所述预设的改进搜索算法在原始鲸鱼算法的搜索策略中，添加改进搜索模型；所述改进搜索模型以种群A中的个体为搜索中心，对周围的其他个体的位置进行搜索。
[0037]其中，所述预设的改进多策略优化算法是基于哈里鹰算法的优化引导数学模型和差分进化算法的基因替换数学模型的改进优化算法。
[0038]另一方面，提供了一种智能仓储拣选任务的优化调度系统，该系统应用于一种智能仓储拣选任务的优化调度方法，该系统包括电子设备、拣选工作站和AGV，其中：
[0039]所述电子设备，用于读取电商平台信息，获得ID化订单集合；基于所述ID化订单集合，通过预设的K
‑
means聚类算法，获得订单最优聚类集合；根据所述货品拣选ID序列和预设的AGV拣选约束条件，通过多策略鲸鱼算法，获得AGV优化调度任务序列；
[0040]所述拣选工作站，用于将所述订单最优聚类集合和拣选工作站进行匹配，获得货品拣选ID序列；
[0041]所述AGV，用于根据所述AGV优化调度任务序列，执行调度。
[0042]可选地，所述电子设备，进一步用于：
[0043]读取电商平台信息，获得货品订单集合；
...

【技术保护点】

【技术特征摘要】
1.一种智能仓储拣选任务的优化调度方法，其特征在于，所述方法包括：S1、读取电商平台信息，获得ID化订单集合；S2、基于所述ID化订单集合，通过预设的K
‑
means聚类算法，获得订单最优聚类集合；S3、将所述订单最优聚类集合和拣选工作站进行匹配，获得货品拣选ID序列；S4、根据所述货品拣选ID序列和预设的AGV拣选约束条件，通过多策略鲸鱼算法，获得AGV优化调度任务序列；S5、根据所述AGV优化调度任务序列，对AGV进行调度。2.根据权利要求1所述的一种智能仓储拣选任务的优化调度方法，其特征在于，所述读取电商平台信息，获得ID化订单集合，包括：读取电商平台信息，获得货品订单集合；对所述货品订单集合进行ID编号，获得ID化订单集合。3.根据权利要求1所述的一种智能仓储拣选任务的优化调度方法，其特征在于，所述基于所述ID化订单集合，通过预设的K
‑
means聚类算法，获得订单最优聚类集合，包括：S21、基于所述ID化订单集合进行聚类中心选取操作，获得聚类中心；S22、根据所述ID化订单集合和所述聚类中心进行计算，获得每个订单与聚类中心的距离；S23、基于所述每个订单与聚类中心的距离，将所述ID化订单集合进行聚类，获得订单聚类集合；S24、重复步骤S21
‑
S23，当迭代次数达到最大时，获得订单最优聚类集合。4.根据权利要求1所述的一种智能仓储拣选任务的优化调度方法，其特征在于，所述将所述订单最优聚类集合和拣选工作站进行匹配，获得货品拣选ID序列，包括：将所述订单最优聚类集合中的每个订单聚类匹配一个拣选工作站，获得已匹配工作站集合；所述已匹配工作站集合中的每个工作站，对匹配的订单聚类进行分析，获得货品拣选ID序列。5.根据权利要求1所述的一种智能仓储拣选任务的优化调度方法，其特征在于，所述根据所述货品拣选ID序列和预设的AGV拣选约束条件，通过多策略鲸鱼算法，获得AGV优化调度任务序列，包括：S41、根据所述货品拣选ID序列和预设的AGV拣选约束条件，对多策略鲸鱼算法进行初始化操作，获得AGV调度任务序列；S42、对所述AGV调度任务序列中的调度任务，产生的空载距离进行计算，获得AGV调度空载距离；S43、对所述AGV调度任务序列进行更新，获得AGV更新调度任务序列；S44、重复步骤S41
‑
S43，当所述AGV调度空载距离最小时，获得AGV优化调度任务序列。6.根据权利要求...

【专利技术属性】
技术研发人员：刘涛，包万军，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：