【技术实现步骤摘要】
本专利技术涉及仓储资源协同分配，具体为多时间尺度深度强化学习的仓储资源自适应协同分配系统。
技术介绍
1、随着电商行业的蓬勃发展以及物流行业的快速进步，仓储业务的规模与复杂度日益攀升。仓储作业涉及多类型设备协同作业，如自动导引车（agv）、堆垛机、叉车等，同时需考虑货物存储、搬运、分拣等多个环节，对仓储资源的合理分配提出了极高要求。
2、传统的仓储资源分配方式大多依赖人工经验或简单的规则算法。人工分配资源时，仓储管理人员依据过往经验对设备任务、货位安排等进行决策，但在大规模、高频次作业场景下，人工判断效率低且易出现失误。例如在 购物节期间，订单量激增，人工分配难以快速、准确地调度设备与规划货位，容易导致设备闲置与过度使用并存，部分货位拥挤而其他货位利用率低的情况。简单规则算法虽然能在一定程度上提高分配效率，但缺乏对仓储系统动态变化的适应性。这些算法通常基于固定的参数和逻辑，无法实时感知设备运行状态、环境参数变化以及任务优先级调整等因素。当仓库内设备出现故障、货物存储条件改变，或者临时插入紧急任务时，基于简单规则算法的资源分配...
【技术保护点】
1.一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，包括：
2.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述仓储数据采集单元包括：
3.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述仓储资源状态特征提取单元包括：
4.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述强化学习状态空间构建单元包括：
5.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同...
【技术特征摘要】
1.一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，包括：
2.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述仓储数据采集单元包括：
3.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述仓储资源状态特征提取单元包括：
4.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述强化学习状态空间构建单元包括：
5.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述资源分配策略生成单元包括：
6.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，所述策略自适应优化单元包括：
7.根据权利要求1所述的一种多时间尺度深度强化学习的仓储资源自适应协同分配系统，其特征在于，还包括多源信息融合单元，用于整合仓储空间内设备感知数据、管理系统指令数据及外部环境数据形成融合信息集；
8.根据权利要求5所述的一种...
【专利技术属性】
技术研发人员：陈阳，郭天文，李文灿，曾玮，李晓刚，徐仰高，邓弘立，杜少毅，卢达辉，马志远，林庆亮，卢志敏，苏太育，卢俊文，王晓栋，
申请(专利权)人：龙岩学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。