一种仓储智能化拣选任务调度方法技术

本发明专利技术公开了一种仓储智能化拣选任务调度方法，具体包括：定义任务调度问题，明确定义任务调度问题的目标

【技术实现步骤摘要】
一种仓储智能化拣选任务调度方法


[0001]本专利技术属于仓储智能化领域，具体涉及一种仓储智能化拣选任务调度方法
。

技术介绍

[0002]智能化仓储作为物流业的关键环节，其效率影响着整个物流系统的周转率
。
而拣选任务作为仓储作业的重要一环，其成本约占仓储运营成本的
40
％～
60
％
。
拣选时间
、
拣选人员等同样占比较高，拣选任务无疑是整个仓储系统中占用人工最密集
、
耗时最多
、
成本最高的环节
。
因此，减少拣选任务时间将有效提高仓库运转效率
。
[0003]拣选任务分为四个部分：料箱出库
、
运输线运输
、
拣选操作
、
料箱回库，其中拣选操作部分任务时间由订单内待拣选货物数量决定，其余部分任务时间均与料箱出库次数有直接关系
。
并且，目前拣选调度优化多以出库优化为主，通过对堆垛机等设备路径的调度，缩短堆垛机运行路线
。
该类方案中，缺乏对后续拣选作业的考虑，具有一定的局限性
。
针对拣选任务调度问题，本专利技术从减少出库频次角度分析，从根本上减短出库时间
。
[0004]专利号
CN11617903 A
，
《
一种可用于辅助人工进行空箱返还的分拣方法及系统
》
公开了一种可用于辅助人工进行空箱返还的分拣方法及系统
。
该专利在低频率
EU
箱暂存区与传送带之间配置投箱人员，在高频率
EU
箱与特殊尺寸包装合托区与低频率
EU
箱合托区配置合托人员
。
该专利虽然可以解决作业人员数量和空箱分拣不及时问题，但是没有考虑拣选任务的完成时间和空箱出入库的次数，无法从根本上提高拣选效率
。

技术实现思路

[0005]本专利技术为了克服现有技术的缺陷，提供了一种仓储智能化拣选任务调度方法，通过拣选订单的耦合，减少料箱出库次数，从而提高拣选效率，以此建立拣选订单耦合模型，并采用基于大模型集成的粒子群算法优化
。
[0006]为达到上述目的，本专利技术采用以下技术方案：
[0007]一种仓储智能化拣选任务调度方法，包括：
[0008]步骤
S1、
问题模型构建：定义任务调度问题，明确定义任务调度问题的目标
、
约束和变量等；
[0009]步骤
S2、
数据准备：收集与仓储管理中拣选系统相关的数据，包括订单信息
、
库存信息
、
拣选任务约束
、
时间限制等；将这些数据进行预处理，以适应大模型的输入格式；
[0010]步骤
S3、
大模型集成：使用融合模型集成的方法将
GPT、BERT、Transformer
‑
XL
和
XLNet
等大模型进行集成，生成集成模型；
[0011]步骤
S4、
生成初始粒子群：将订单信息和相关约束信息输入到集成模型中，生成初始粒子群的候选解
。
这些候选解表示为初始化的拣选任务调度方案；
[0012]步骤
S5、
解码和映射：将生成的候选解解码为对应调度方案，得到各拣选台所分配拣选订单及其排序情况；
[0013]步骤
S6、
初始化粒子群：使用解码和映射得到的表示形式，初始化
PSO
算法中的粒
子群的位置和速度；
[0014]步骤
S7、
应用
PSO
算法，应用
PSO
算法迭代求解得到最优调度方案
。
[0015]进一步的，所述步骤
S1
的具体过程如下：
[0016]在构建问题模型时，拣选订单耦合模型的优化目标包含两部分，即整批拣选任务完成时间最短和料箱出库次数最少：
[0017][0018]其中
T
j
是拣选台
j
的作业时间，
N
p
是完成订单
p
所需要料箱出库次数，则拣选台合集表示为
J
＝
{1,2,
…
,j}
，订单合集表示为
P
＝
{1,2,
…
,p}
；
[0019]规定的同一拣选台在同一时刻只能对一个拣选订单进行拣选作业，则可以得到约束：
[0020][0021]其中，
t
p
是订单
p
的拣选时间，表示拣选台
j
处理订单
p
，否则就不处理
。
[0022]规定缓存料箱数量不能超过缓存区容量，则可以得到约束：
[0023][0024]其中，
N
j
是拣选台
j
的缓存区容量，
N
pq
是订单
p
和订单
q
公用并占用缓存区的料箱数量
。
表示订单
p
和订单
q
之间有
y
个相同拣选料箱，则
n
y
表示待拣选料箱编号
。Y
pq
＝1表示订单
p
在订单
q
之前处理，否则无意义；
[0025]规定任一时间内各拣选台缓存区内料箱必须与当前拣选订单有关，则可以得到约束：
[0026][0027]其中，表示订单
p
需要对
x
个料箱进行拣选，则
n
x
为待拣选料箱编号，表示拣选台
j
的缓存区中已缓存
z
个料箱进行拣选，
n
z
为缓存料箱编号
。
[0028]进一步的，所述步骤
S4
中生成初始粒子群的具体过程为：
[0029]将订单信息
、
库存信息
、
拣选任务约束和拣选时间限制等信息以文本形式表示，作为融合模型的输入；然后使用
BERT、Transformer
‑
XL
和
XLNet
作为初级学习器，并使用上述初级学习器生成新数据集
D
＝
D∪{(d
i1
,d
i2
,
…
d
in
),y
i
}
；其中，
d
i1
,d
i2...

【技术保护点】

【技术特征摘要】
1.
一种仓储智能化拣选任务调度方法，其特征在于，包括以下步骤：步骤
S1、
问题模型构建：定义任务调度问题，明确定义任务调度问题的目标
、
约束和变量；步骤
S2、
数据准备：收集与仓储管理中拣选系统相关的数据，包括订单信息
、
库存信息
、
拣选任务约束
、
时间限制，将这些数据进行预处理，以适应大模型的输入格式；步骤
S3、
大模型集成：使用融合模型集成的方法将
GPT、BERT、Transformer
‑
XL
和
XLNet
等大模型进行集成，得到集成模型；步骤
S4、
生成初始粒子群：将订单信息和相关约束信息输入到集成模型中，生成初始粒子群的候选解，这些候选解表示为初始化的拣选任务调度方案；步骤
S5、
解码和映射：将生成的初始粒子群的候选解解码为对应调度方案，得到各拣选台所分配的拣选订单及其排序情况；步骤
S6、
初始化粒子群：使用解码和映射得到的表示形式，初始化
PSO
算法中的初始粒子群的位置和速度；步骤
S7
，应用
PSO
算法：应用
PSO
算法迭代求解得到最优调度方案
。2.
根据权利要求1所述的一种仓储智能化拣选任务调度方法，其特征在于，所述步骤
S1
的具体过程为：在构建问题模型时，拣选订单耦合模型的优化目标包含两部分，即整批拣选任务完成时间最短和料箱出库次数最少：其中
T
j
是拣选台
j
的作业时间，
N
p
是完成订单
p
所需要料箱出库次数，则拣选台合集可以表示为
J
＝
{1,2,
…
,j}
，订单合集可以表示为
P
＝
{1,2,
…
,p}
；规定同一拣选台在同一时刻只能对一个拣选订单进行拣选作业，则可以得到约束：其中，
t
p
是订单
p
的拣选时间，表示拣选台
j
处理订单
p
，否则就不处理；规定缓存料箱数量不能超过缓存区容量，则可以得到约束：其中，
N
j
是拣选台
j
的缓存区容量，
N
pq
是订单
p
和订单
q
公用并占用缓存区的料箱数量，表示订单
p
和订单
q
之间有
y
个相同拣选料箱，则
n
y
表示待拣选料箱编号，
Y<...

【专利技术属性】
技术研发人员：许斌，亓晋，孙雁飞，董振江，马云涛，
申请(专利权)人：南京邮电大学南京医药股份有限公司，
类型：发明
国别省市：