一种货物调度方法技术

本发明专利技术涉及物流技术领域，具体涉及一种货物调度方法

【技术实现步骤摘要】
一种货物调度方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及物流
，尤其是一种货物调度方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]近年来，随着各类商超和电商企业的崛起，物流和仓储行业也在加速发展
。
在这个过程中，大型仓库的储存密度和存放效率逐步成为业界关注的热点问题
。
针对这种状况，集中式多层货架应运而生
。
集中式多层货架依托先进的自动化技术，可以大幅提升仓库内货物的存储密度和存储效率，满足现代仓储物流企业对智能化
、
高效化管理的需求
。
同时，集中式多层货架还能帮助企业节省成本并提高盈利能力，成为当今物流和仓储行业的主流选择
。
[0003]在集中式多层货架系统中，四向车是一种常用的自动化存储和取货设备
。
四向车可以沿着水平和垂直方向行走，通过高度自动化的技术，完成货物存储和取出的过程
。
然而，集中式多层货架系统存在多个四向车，四向车之间需要相互配合相互协作
。
由此可见，四向车的运行调度关乎着仓库的运转效率
。
[0004]针对集中式多层货架系统，现有四向车多机协同调度方法包括遗传算法
、
模拟退火算法
、
蚁群算法
、A*
算法等，这些方法分析了四向车数量及分拣过程对系统运行效率的影响
。
但这些方法也存在一些明显的缺陷，比如：遗传算法和蚁群算法的求解速度较慢，难以做到实时调度；模拟退火算法和
A*
算法需要迭代多次才能达到最优解，且需要较高的平台算力
。
在集中式多层货架系统中，四向车往往都处于运动中，调度算法应该满足实时或者接近实时的条件，因此在应用遗传算法和蚁群算法等需要较长时间求解的算法时，四向车的调度过程会出现明显的延后现象，在应用模拟退火算法和
A*
算法等需要迭代多次才能达到最优解的算法时，需要部署高性能计算平台，这无疑增加了系统的运营成本
。
除上述缺陷以外，现有方法只关注四向车运行过程中的最优问题，这种调度模式适合“取货
‑
出货”和“入库
‑
放货”任务，这些方法并未考虑“退货”问题，当四向车在进行“取货
‑
出货”任务时，若所取货物被发起了退货请求，“退货”会导致现有方法的优化条件发生改变，使得现有方法无法正常调度
。
针对这一问题的现有解决方案是让四向车继续执行“取货
‑
出货”任务，待货物到达出货口后再将“退货”任务视为“入库
‑
放货”任务执行
。
这一方法虽然能解决退货问题，但执行效率极低，当退货需求增多时，可能出现系统拥堵的现象
。

技术实现思路

[0005]为解决上述现有技术问题，本专利技术提供一种货物调度方法，应用于集中式多层货架系统，所述集中式多层货架系统包括四向车和转运车，所述方法包括：
[0006]获取任务信息，所述任务信息包括任务对应的任务种类以及所述任务种类对应的执行时间；
[0007]根据所述任务信息，构建优化目标函数并设定所述优化目标函数对应的约束条
件；
[0008]根据所述任务信息
、
所述优化目标函数以及所述约束条件，通过带精英策略的快速非支配排序遗传算法，计算得到目标任务序列，所述目标任务序列用于表征任务对应的目标调度顺序；
[0009]根据所述目标任务序列，操作所述四向车以及所述转运车移动并执行所述目标任务序列，完成调度，以使得最大化所述集中式多层货架系统的运行效率
。
[0010]具体的，所述集中式多层货架系统还包括多层货架，所述多层货架中的每一层包括多个通道，所述任务种类包括出库任务
、
出货任务
、
退货任务以及在途退货任务；
[0011]所述获取任务信息，包括：
[0012]从订单池中获取任务；
[0013]根据所述四向车
、
所述转运车以及所述通道的位置关系，计算得到所述执行时间
。
[0014]具体的，所述根据所述任务信息，构建优化目标函数并设定所述优化目标函数对应的约束条件，包括：
[0015]根据所述任务信息，确定所述订单池对应的任务模式，所述任务模式为第一模式
、
第二模式或第三模式，所述第一模式用于表征所述订单池中的任务均为所述出库任务或所述退货任务且有故障；所述第二模式用于表征所述订单池中的任务包括出库任务
、
退货任务以及在途退货任务且有故障；所述第三模式用于表征所述订单池中的任务包括出库任务以及退货任务但无在途退货任务且有故障；
[0016]根据所述任务模式，构建所述任务模式对应的优化目标函数并设定所述优化目标函数对应的约束条件
。
[0017]具体的，所述根据所述任务信息
、
所述优化目标函数以及所述约束条件，通过带精英策略的快速非支配排序遗传算法，计算得到目标任务序列，包括：
[0018]根据所述任务信息
、
所述优化目标函数以及所述约束条件，计算得到目标最优解集；
[0019]根据预先设定的突变概率，通过带精英策略的快速非支配排序遗传算法，从所述目标最优解集中筛选出所述目标任务序列
。
[0020]具体的，若所述任务模式为第一模式，则所述优化目标函数通过下列表达式表示：
[0021][0022]所述约束条件通过下列表达式表示：
[0023][0024][0025]其中，表示任务的标号，表示当前任务的下一任务标号，为目标函数，表示第辆四向车的任务数，表示任务对应的下一个任务是任务的概率，
为概率函数，为任务对应的执行时间，为第辆四向车的总空闲时间，表示四向车在执行任务时发生故障的概率，为故障恢复时间，为第辆四向车完成所有任务的总时间
。
[0026]具体的，所述故障恢复时间由任务队列中与故障四向车相邻的后一辆四向车到达故障车辆的时间所决定，概率函数为历史任务的概率分布统计结果；故障概率为一个分段函数，具体为：
[0027][0028]其中，
、、
均为概率值，为任务中四向车所携带的货物重量
。
[0029]具体的，若所述任务模式为第二模式，则所述优化目标函数通过下列表达式表示：
[0030][0031][0032]所述约束条件通过下列表达式表示：
[0033][0034][0035]其中，表示任务的标号，表示当前任务的下一任务标号，为目标函数，表示货物在途时间函数，表示退货任务平均在途时间，表示非退货在途时间，表示第个任务的开始时间，表示第个退货任务进入任务队列的时间，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种货物调度方法，其特征在于，应用于集中式多层货架系统，所述集中式多层货架系统包括四向车和转运车，所述方法包括：获取任务信息，所述任务信息包括任务对应的任务种类以及所述任务种类对应的执行时间；根据所述任务信息，构建优化目标函数并设定所述优化目标函数对应的约束条件；根据所述任务信息
、
所述优化目标函数以及所述约束条件，通过带精英策略的快速非支配排序遗传算法，计算得到目标任务序列，所述目标任务序列用于表征任务对应的目标调度顺序；根据所述目标任务序列，操作所述四向车以及所述转运车移动并执行所述目标任务序列，完成调度，以使得最大化所述集中式多层货架系统的运行效率
。2.
根据权利要求1所述的方法，其特征在于，所述集中式多层货架系统还包括多层货架，所述多层货架中的每一层包括多个通道，所述任务种类包括出库任务
、
出货任务
、
退货任务以及在途退货任务；所述获取任务信息，包括：从订单池中获取任务；根据所述四向车
、
所述转运车以及所述通道的位置关系，计算得到所述执行时间
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述任务信息，构建优化目标函数并设定所述优化目标函数对应的约束条件，包括：根据所述任务信息，确定所述订单池对应的任务模式，所述任务模式为第一模式
、
第二模式或第三模式，所述第一模式用于表征所述订单池中的任务均为所述出库任务或所述退货任务且有故障；所述第二模式用于表征所述订单池中的任务包括出库任务
、
退货任务以及在途退货任务且有故障；所述第三模式用于表征所述订单池中的任务包括出库任务以及退货任务但无在途退货任务且有故障；根据所述任务模式，构建所述任务模式对应的优化目标函数并设定所述优化目标函数对应的约束条件
。4.
根据权利要求3所述的方法，其特征在于，所述根据所述任务信息
、
所述优化目标函数以及所述约束条件，通过带精英策略的快速非支配排序遗传算法，计算得到目标任务序列，包括：根据所述任务信息
、
所述优化目标函数以及所述约束条件，计算得到目标最优解集；根据预先设定的突变概率，通过带精英策略的快速非支配排序遗传算法，从所述目标最优解集中筛选出所述目标任务序列
。5.
根据权利要求4所述的方法，其特征在于，若所述任务模式为第一模式，则所述优化目标函数通过下列表达式表示：；所述约束条件通过下列表达式表示：
；；其中，表示任务的标号，表示当前任务的下一任务标号，为目标函数，表示第辆四向车的任务数，表示任务对应的下一个任务是任务的概率，为概率函数，为任务对应的执行时间，为第辆四向车的总空闲时间，表示四向车在执行任务时发生故障的概率，为故障恢复时间，为第辆四向车完成所有任务的总时间；具体的，所述故障恢复时间由任务队列中与故障四向车相邻的后一辆四向车到达故障车辆的时间所决定，概率函数为历史任务的概率分布统计结果；故障概率为一个分段函数，具体为：；其中，
、、
均为概率值，为任...

【专利技术属性】
技术研发人员：黄杰，黄卫，
申请(专利权)人：四川普鑫物流自动化设备工程有限公司，
类型：发明
国别省市：