[发明专利]一种物流配送中心作业任务处理与调度的方法

权利要求书

1.一种物流配送中心作业任务处理与调度的方法，对某一时段内的订单池内的订单进行任务处理与调度，包括以下步骤：

步骤一，入库时对品项进行上架的货位指派，货位指派时根据历史出库订单得出各品项间的相关性，根据相关性对品项进行货位变换，以使拣选历史出库订单时长最大的拣货员的拣选时间最小化作为品项储位；

步骤二，对订单池内的出库订单进行分批；

步骤三，将分批的出库订单对拣货员进行指派；

步骤四，设计拣货员最佳行走路径；

拣货时，同一个订单的品项都装到一辆拣选车的一个箱子中，订单池中的品项装到同一个箱子的次数越多，所谓的品项相关性就越强；并且设定每种品项只能被指派到一个货位；

对于任意拣货员m，在一个拣货波次内的总拣货时间为：

当H_j为偶数时：

当H_j为奇数时：

目标函数：Min Max(P_m)＝Min T

约束条件：

x_kzn,D_jm,G_jz∈{0,1}

p_t,U_j,v'≥0,C_jk为整数，H_j,z'j≥1

参数与变量说明：

J为一批订单需要的箱子数量，箱子编号为j；

Z为巷道总量，巷道编号为z；

N为每个巷道内的货位数，巷道的货位编号为n；

K为一批订单需要拣取的SKUs总量，SKUs编号为k；

M为一个班次的拣货员人数，拣货员编号为m；

R_c为货架列数；

U_j为对箱子j进行检查、扫描、确认初始化操作的时间；

p_t为拣取单件SKU的平均时间；

C_jk为放到第j个箱子里的SKU_k的件数；

G_jz，如果箱子j需要访问巷道z，其值为1，否则为0；

D_jm，如果将箱子j指派给第m个拣货员，其值为1，否则为0；

H_j为箱子j需要访问的巷道总数，

z’j为箱子j需要拣取的最后一个SKU所在的巷道编号；

N_jRc为箱子j需要拣取的最后一个SKU所在的货架列号；

P_m为第m个拣货员的总拣货时间；

T为耗时最长的拣货员的拣货时间；

v'为拣货员平均行走速度；

a为从一条巷道的出入口横向走到相邻巷道的出入口需要的时间；

x_kzn为决策变量，表示如果SKU_k被指派到第z巷道的第n个货位，

其值为1，否则值为0；

对订单池内的品项采用如下方法进行货位的指派：

步骤1.1，根据历史订单信息，得出品项相关性列表，并设定初始参数：

参数ε：判断系统是否达到平衡的阈值；

参数N_s：连续不再产生新解的步数；

参数α：退火速率；

参数Q：算法最大运行时间；

步骤1.2，利用COI方法生成初始货位向量S⁰，令当前货位向量S＝S⁰，计算初始货位向量的目标函数值T(S⁰)，令当前最优的货位向量的目标函数值T(S^*)＝T(S⁰)；初始化初始温度y₀＝T(S⁰)/T_c，其中初温控制参数T_c0，冷却进度表中其他温度y₁＝y₀α，初始时冷却进度表中的温度个数i'＝1，同时i'也是总迭代次数，每个温度y_i’下的迭代次数e＝0；

步骤1.3，随机生成[1,K_p]之间的整数w，利用位置变化策略对L(w)中的两个SKUs进行位置变换，其中位置变换策略为根据品项间的相关性，将相关性强的品项就近存储，其具体步骤为当品项b和品项j’的相关性大于品项b和品项y’的相关性时，品项j’与品项y’的位置互换，直至完成所有SKU对的位置交换为止；从而产生候选货位向量S^c，计算候选货位向量的目标函数值T(S^c)，令e＝e+1；

步骤1.4，计算ΔT＝T(S)-T(S^c)；如果ΔT0，转步骤1.6；如果ΔT＝0，转步骤1.5；

步骤1.5，生成(0,1)之间的随机数r，如果rexp(ΔT/y_i’)，转步骤1.6；否则，转步骤1.3；

步骤1.6，接受S^c为当前解S，令S＝S^c,T(S)＝T(S^c)，如果T(S)T(S^*)，接受S为当前最优解S^*，令S＝S^*，T(S)＝T(S^*)，如果eE，转步骤1.3，否则转步骤1.7，其中内循环参数E为每个温度y_i’下的迭代总数，也就是温度y_i’下候选解S^c的数目；

步骤1.7：如果系统在y_i’下未达到平衡，令e＝0，转步骤1.3，其中为一个迭代周期内目标函数的均值，为前一次和当前迭代周期内目标函数值的均值；否则，令e＝0，i'＝i'+1，y_i’＝y₀α^i’，如果i'N_s，转步骤1.8；否则，算法结束，输出各品项的存储位置；

步骤1.8：如果运行时间小于算法最大运行时间Q，转步骤1.3；如果运行时间不小于Q，计算过程结束，得出各品项的存储位置；对订单池内的订单采用如下方法进行分批：

步骤2.1：首先依据订单中品项所在的巷道建立订单包络Q_k[N_min,N_max],[N_min,N_max]为品项存储范围的最小巷道和最大巷道；

步骤2.2：根据公式

当最大通道号N_max为偶数时：

当最大通道号N_min为奇数时：

计算出每个订单包络对应的订单包络编号k，并且按从大到小的降序排列，相同编号的订单按其品项数从大到小降序排列；

步骤2.3：将排序第一个的订单作为第一批订单，按编号顺序将下一个订单加入，直至满足约束条件即不大于拣货车的容量为止，

从而完成所有订单的分批；

对分批的订单进行指派，并且将每个批次中的订单指派给一个拣货员，以拣货完成时间最小为目标，为各拣货员指派拣选任务，优化模型为：

目标函数min(max O_i)

约束条件

a'_ik＝{0，1},g_ik＝{0，1},

o_i,S'_i,t'_ik,a'_ik,g_ik≥0

参数与变量说明：

n’为拣选任务数量，任务的集合为B_i＝{B₁，B₂，B₃…B_n’}，任务序号i＝1，2....n’；

m’为拣选员人数，拣选人员的集合为E’＝{E’₁…，E’_k，…E’_m’}，拣选人员序号k＝1，2，…，m’；

O_i是任务B_i的完成时刻；

S’_i表示任务B_i的开始执行时刻；

p为分配给员工E’_K的任务数量；

t’_ik为拣选人员E’_k执行任务B_i所用时间；

g_ik表示员工E’_k能否胜任任务B_i的状态，如果能胜任则g_ik＝1，否则g_ik＝0；

a’_ik表示任务B_i是否被指派给员工E’_k的状态，如果是则a’_ik＝1，否则a’_ik＝0；

指派步骤如下：

步骤3.1：根据当前拣选人员任务指派及调度优化问题的规模，构造解的构析图G＝(N'，A)，其中N'是节点集合，A是连接N'中节点的边的集合；

步骤3.2：初始化参数，包括信息启发式参数α'，期望启发式参数β，信息素挥发系数ρ，蚁群规模N_ant，最大迭代次数t_max，最优解保持不变的连续迭代次数W_max，令迭代次数t＝0，算法迭代时，迭代次数t→t+1；令图上每条边(u，v)的初始化信息素其中C表示常数，且初始状态时蚂蚁r未在各边释放信息素，即Δτ^r(0)＝0；

步骤3.3：构造可行解：蚂蚁r，r＝1，2，…，N_ant，从源点出发，按公式3.1计算每一相邻节点的能见因数，η_uv^r(t)是边(u,v)长度d_uv的倒数，代表了第t次迭代时蚂蚁r在节点u选择节点v的期望程度；并按公式3.2确定下一游历节点N_uv，最终构造出可行解；式中表示在第t次迭代时，处于节点u上的蚂蚁r选择节点v作为下一个点的概率，N_u^r是节点u上蚂蚁r下一步允许选择的节点的集合，各节点用l表示，其中任意一个节点v∈N_u^r，

步骤3.4：信息素更新，每次迭代结束，蚂蚁r根据下式

进行全局信息素更新，其中τ_uv(t)是第t次迭代时边(u,v)上的信息素浓度,h是第t次迭代时走过边(u,v)的蚂蚁总数，ρ是信息素挥发系数，ρ∈{0，1}；是第t次迭代时蚂蚁r经过边(u,v)后释放的信息素浓度，路径越短蚂蚁所释放的信息素就越多,L^r(t)是蚂蚁r在第t次迭代时所走过的总路径长度；

步骤3.5：精英解保留，每次迭代结束后，评价出精英解，将其保留；

步骤3.6：如果算法迭代达到稳态，即蚂蚁数量以线性规律减少，则转到步骤3.7；如果没有达到稳态，则转至步骤3.3；

步骤3.7：终止条件检查，若tt_max或连续W_max代最优解保持不变，则记录当前最优解，否则转至步骤3.3；

步骤3.8：输出各拣货员的拣选任务；

计算拣货员最佳行走路径，在拣选时间最小化的目标下设计拣选人员的拣选路径：

其中，x_i,x_j是拣选品的距离，v'是拣选车的速度

其中f为拣选时间；

F是货位间运行所需的时间矩阵；

X是所进行拣选路径形成的01矩阵，|X|≠0表示矩阵满秩，即所有货位都能够被访问，0l矩阵中，1表示拣选路径通过两货位点，0则表示未通过；

n'为待拣货位总数；

按如下步骤确定作业人员的最优拣货路径：

步骤4.1：对算法的相关参数进行设定：人工鱼的群体规模Fishnum，最大迭代次数Max-gen、拥挤度因子Delta、人工鱼的感知距离Visual和觅食最多试探次数Trynum；

步骤4.2：生成初始鱼群并计算其适应值，在搜索区域即仓库的拣选区域内找到每条人工鱼的初始位置并计算其当前位置和当前状态的食物浓度并带入目标函数得到人工鱼的初始位置的状态；

步骤4.3：公告板赋初值，将随机设置的一条鱼群状态值放到公告板上作为初始值，然后将浓度值作为评价指标，经过数值比较后将较优状态记录并保留；

步骤4.4：移动策略，通过自身信息与环境信息的交互作为行为选择的依据来进行鱼群算法基本操作并计算新状态下的食物浓度，通过不断更新鱼群自身位置状态，始终向着较优方向前进，直到找到全局最优解；

步骤4.5：公告板更新，比较人工鱼每次移动后的状态和公告板状态，若人工鱼状态优于公告板，则更新公告板，否则保持公告板状态不变；

步骤4.6：终止条件判断，通过判断是否达到最大迭代次数来决定循环是否终止，若循环终止则按公告板状态输出最优计算结果，否则继续步骤4.4；

步骤4.7：结束，当满足终止条件时会将最优拣选路径输出，此时公告板中所记载的数据就是这次优化的最终结果，输出公告板记录作为最优解。