[发明专利]一种结合相似度算法和遗传算法求取包裹最优组合算法

说明书

本发明公开了一种结合相似度算法和遗传算法求取包裹最优组合算法，包括以下算法步骤：步骤一：根据库存预占后的包裹属性，对包裹进行划分，步骤二：对当前是否为紧急时刻进行检测；步骤三：利用包裹中商品的位置得到包裹之间的相似度；步骤四：利用包裹之间的相似度，对包裹进行组合；步骤五：利用遗传算法对所有完成的波次组合进行全局调优。本发明结合相似度算法和遗传算法求取包裹最优组合算法，通过可以得到局部最优解的相似度算法以及全局最优解的遗传算法来得到最终的解，大大弥补了两种独立算法各自的不足，相似度算法得到的局部最优解作为遗传算法的初始父本，提升了遗传算法的效率，从而使订单拣选效率和精准度都大大提高。

技术领域

本发明涉及物流仓储技术领域，特别涉及一种结合相似度算法和遗传算法求取包裹最优组合算法。

背景技术

随着近年来电子商务的迅猛发展，电子商务正逐渐渗透到人们生活的各个方面。其中，订单拣选是电子商务物流中仓储作业最重要的环节之一，依据客户的订单信息，从仓库中相应的位置拣出相应商品的过程；

在实际操作中，订单拣选可分为订单到人和货到人两类，订单到人是由订单车载有一定数量的买家订单到固定站点等待拣货。货到人是由agv拖有装载有多种商品的货架到相应的站点；

在仓储操作中，订单拣选是最耗费时间和劳力的一项工作，一个仓库日订单量动辄5-6W，由于客户的订单具有小批量、高频次等特征，使得订单车和agv搬运次数增多，拣货员工的工作量也变大。电商商务环境下顾客对快递到达时间更为敏感，因此对订单拣选效率提出了更高的要求。

相似度算法(Similarity Algorithm)，在数据分析和数据挖掘的过程中，需要知道个体间差异的大小，进而评价个体的相似性和类别；

遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。根据问题域中个体的适应度大小选择个体，并借助与自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群；

相似度算法和遗传算法都是求取包裹最优组合的常用算法。由于相似度算法是一种贪心算法，只能得到一个局部最优解。遗传算法虽然可以得到全局最优解，但由于遗传算法的父本是随机生成的，由随机的父本进行不断迭代得到最优子代所需要的时间较长。而精确算法虽然可以求得全局解，但由于算法本身计算复杂度高，导致时间成本高。结合相似度算法和遗传算法求取包裹最优组合算法大大弥补了两种独立算法各自的不足，相似度算法得到的局部最优解作为遗传算法的初始父本，提升了遗传算法的效率。

因此，发明一种结合相似度算法和遗传算法求取包裹最优组合算法来解决上述问题很有必要。

发明内容

本发明的目的在于提供一种结合相似度算法和遗传算法求取包裹最优组合算法，通过结合相似度算法和遗传算法求取包裹最优组合算法，通过可以得到局部最优解的相似度算法以及全局最优解的遗传算法来得到最终的解，大大弥补了两种独立算法各自的不足，相似度算法得到的局部最优解作为遗传算法的初始父本，提升了遗传算法的效率，从而使订单拣选效率和精准度都大大提高，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种结合相似度算法和遗传算法求取包裹最优组合算法，包括以下算法步骤：

步骤一：根据库存预占后的包裹属性，对包裹进行划分；

步骤二：对当前是否为紧急时刻进行检测，紧急时刻为当前时间与最近截单点时间差值超过一定的阈值，即deadline-curtime＜Threshold，并且库存预占池中的包裹数量以及拣货在途的包裹数量超过一定的阈值；