基于分布估计算法的无人化发货仓承运货架空间规划方法与流程

本发明涉及仓储承运货架空间规划领域，尤其是涉及一种基于分布估计算法的无人化发货仓承运货架空间规划方法。

背景技术：

智能仓储的建设是现代物流业发展的重要一环，其理念在于利用自动化设备和智能的管理方法，建立更加高效、柔性和精确的仓储系统，以满足消费者趋于多样化和个性化的需求转变。无人化发货仓承担的主要任务是在少数工作人员辅助、多种自动化设备协同工作的条件下，按照客户下达的订单内容将仓库内种类繁多的商品以正确的种类和数量分别拣选出来，再各自装进纸箱打包封箱，最后送达到物流公司的快递揽收点装车运出仓库的过程。

大量且种类繁多的商品以成箱、密集堆放的形式在发货仓内储存着，依靠工作人员四处走动拣选商品是非常困难且效率低下的。现代仓储中引入智能化设备agv协助运输，能够显著提高运输效率并减轻人力需求。agv设备有不同规格，可以承载一件物品或者一个货架。前者一般应用于物流集散仓中运输单个包裹，后者则用于运输与其相匹配的货架，货架上可放置多个包裹或者零散的商品，本发明的研究对象则是后一种情况中的承运货架。

在配备了agv的无人化发货仓中，从商品的存放区域开始，先由工作人员将少量的各类商品拣选到特制的承运货架上，再由agv将其稍微抬离地面，就可承载起货架并移动到负责分拣的工作人员面前。分拣工作人员不必离开原地，只需等待agv承载货架到来后根据系统提示的信息将所需的商品挑选出来，同一个订单包含的商品放在同一个分拣筐内。当一份订单的分拣完成后，就可将对应的分拣筐放在传送带上送至装箱打包处，形成一个封好的快递包裹。这些快递包裹会再次被放到由agv承载的货架上，经过若干段运输或可能的临时存放流程后送至快递公司的揽收处，最终装车出库。

在现行的以上流程中，货架的调度、分配以及空间规划往往并非参照数值的优化分析得出的结论指导，一般是工作人员随意放置或者根据经验或订单数据的估计大致调整，明显的，此处的运输效率方面存在较大的优化空间，需要合理地安排货架空间以节省货架及agv设备等资源，从而提高商品的拣出效率和订单的完成效率。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于分布估计算法的无人化发货仓承运货架空间规划方法。

本发明的目的可以通过以下技术方案来实现：

一种基于分布估计算法的无人化发货仓承运货架空间规划方法，包括以下步骤：

1)建立承运货架空间模型；

2)建立两类不同外形商品模型；

3)以最大化满足订单数据需求为优化目标，以能够完整描述商品在货架上需满足的摆放规则为约束条件，建立货架空间规划优化问题方程；

4)采用分布估计算法进行求解，最终得到优化规划方案。

2.根据权利要求1所述的一种基于分布估计算法的无人化发货仓承运货架空间规划方法，其特征在于，本发明的应用场景具体为：

在无人化发货仓内，承运货架上摆放从仓库内部预拣出等待分拣员按照订单进行下一步分拣的商品、且承运货架由agv设备承载运输到指定位置环节中，在将商品摆放到承运货架上时的场景。

所述的步骤1)中，根据承运货架实物提取承运货架的主要空间特征，并构建承运货架空间模型，并测量出对应的尺寸信息。

所述的承运货架的外形特征、结构特征和商品摆放方式具体为：

承运货架设有多层，每层子货架的俯视图为正方形，每层子货架的正中间设有一条不可移动的长隔板将子货架平分成两侧，每一侧设有多个与长隔板垂直的短隔板将每侧的子货架再次划分，且短隔板能够平移或取下，在摆放商品时，无须将货架空间完全放满，也无须要求商品正面朝上或朝外，同一种商品可能分散摆放在多层或多个货架上。

所述的步骤2)中，根据各类商品实物及其在货架上的摆放情况提取商品的主要特征，并将其根据外形尺寸特征分为规则外形商品和不规则外形商品两类，两类商品在货架上的摆放方式和尺寸描述信息不同，根据对应的外形和摆放特征分别对这两类商品建立模型。

在规则外形商品类别中，对于体积较大且有较规则外形的商品，其能够整齐紧密地排列在一起，且摆放时无须露出商品正面，且该商品的任意两条边长落在货架底部的平面上，以及，对于外形有不规则部分、被直立摆放且不产生堆叠的商品，在计算占据的货架空间时，根据商品底面的尺寸和长宽方向排列数量乘积计算出占据空间的大小；

在不规则外形商品类别中，对于体积较小且外形不规则的商品，该商品仅能杂乱地堆放在一起，在计算其占据的货架空间时，则先计量出单位体积内的商品数量，即密度，再计算得到占据空间的大小。

所述的步骤3)中，货架空间规划优化问题方程表示为：

其中，δi为商品i的需求量，qi为商品i的上货总量，为商品i在货架空间k上的上货量，n为仓库中储存的所有商品总数，商品总集包括可排列摆放的规则形状商品集nr和只能堆叠摆放的不规则形状商品集ni，k为单层单侧货架空间索引序号，s为货架空间总量，且s＝2×snumsl，snum为可同时调用的货架总数，sl为每个货架的层数，为0-1辅助变量，表示在货架空间k内，商品i是否在商品j的左侧，为0-1辅助变量，表示在货架空间k内，商品j是否在商品i的左侧，为0-1辅助变量，表示商品i是否被放置在货架空间k内，为0-1辅助变量，表示商品j是否被放置在货架空间k内，分别为以每侧货架的最左侧为坐标零点，以每个方块的左侧边缘为参照点，则商品i、j在货架空间k内的坐标，sw为单层子货架的宽度，sh为单层子货架的高度，为0-1辅助变量，表示在货架空间k内，商品i是否与商品j相邻，wi^k、分别为在货架空间k内，每一片商品方块三维尺寸的宽、深、高，sh为相邻两层子货架之间的高度，sp为货架每一侧的可活动短隔板数量，高的实际含义为：对于规则外形商品，指代商品堆叠后的总高度；对于不规则外形商品，指代不规则外形商品堆放的最高高度，即货架边缘围栏的高度sfl；若散乱堆放的商品高度超过该高度，则商品将会从货架边缘掉落，wi、di、hi分别为单件规则外形商品的宽，深，高，deni为不规则外形商品的密度，即单位体积内能包含的该商品数量，为自然数集合。

在货架空间规划优化问题方程中，将不规则外形物体的密度换算为等效的长宽高，便于后续与规则外形商品等同处理，则有：

令则有：

其中，sfl为货架边缘围栏的高度。

所述的步骤4)中，在求解过程中采用精英选择策略，循环生成多代的解直到满足条件，最终得到优化规划方案。

所述的步骤4)具体包括以下步骤：

41)按照指定的格式输入商品信息，货架信息和订单需求信息，所述的商品信息包括商品的尺寸、类别、热门程度，所述的货架信息为货架尺寸；

42)输出具体的货架空间分配方案和优化结果。

与现有技术相比，本发明具有以下优点：

一、提高效率，节省资源：本发明提出的货架规划方法能从数值计算中得出更加准确、合理的商品上架策略，更能满足后续分拣作业的拣出需求，通过对承运货架的空间规划，减少了货架及agv资源的浪费和多余的人力劳动。

二、求解速度较高：本发明采用了分布估计算法和精英选择策略，对涉及的np难优化问题在合理的求解时间内实现了寻优，通过数据仿真证明，该求解方法能在较少的运算代数内找到较优解，求解的质量和速度都比较稳定，能够满足一般情况下的应用需求。

三、实用性强：本发明是在充分考虑到实际应用场景的前提下提出的，在建模过程中根据实际的商品和货架特征提出了专门的模型及简化策略，并将满足订单数据作为优化目标，能直接、有效地在实际生产中协助工作人员进行商品上架。

四、拓展性强：本发明提出的方法实际上是一种可普遍适用于求解一类特定背包问题的方法，即在“背包”尺寸较小且数量较多的情况下的求解方法，该方法可推广到其他应用场景下的货架空间规划问题或类似的资源规划问题中。

附图说明

图1为承运货架空间模型示意图。

图2为两类不同外形商品模型示意图，其中，图(2a)为规则外形商品的摆放示意图，图(2b)为不规则外形商品的摆放示意图。

图3为基于分布估计法的算法伪代码。

图4为随运行代数的求解结果。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

本发明聚焦发生在无人化发货仓内商品上架环节的货架空间规划问题，即在货架以及可用的agv设备等资源数量有限的情况下，如何合理地安排货架空间才能提高商品的运出效率、在一定时间内完成尽可能多的订单分拣任务，并建立了可靠的模型，根据优化准则设计了有效的控制程序

仓储系统内优化问题的难点主要在于流程复杂、数据量大、不确定因素多等。货架空间规划是零售业的经典优化议题之一，但之前的研究多为针对线下零售商店内的商品货架或是作为仓库储位的固定货架。而本发明中的无人化发货仓是电商零售平台的商品供应中心，需求量可直接通过订单数据准确反映；特制货架没有商品展示作用，装载的商品种类更多，位置相邻商品的性质与种类很可能差异很大，本发明基于线下零售业货架空间规划问题的相关方法，联系新兴无人仓产业的应用背景，填补了在无人仓内承运商品的货架空间规划问题上的空缺，提出了一种可行的模型建立与求解方法，完善了智能仓储整体系统中的一个研究方向，提供了一组能用于实际产业中上货操作的解决方案。

本发明具体包括以下步骤：

步骤s1：建立描述特制承运货架空间的模型；

步骤s11：根据货架实物提取到承运货架的主要空间特征；货架有多种规格，但一般具备以下特点：货架有6～10层，每一层货架的俯视图为正方形。每一层货架的正中间有一条不可移动的长隔板将货架平分成两侧，而每一侧又有若干个与长隔板垂直的短隔板将每侧货架再次划分，且这些短隔板是可以平移或取下的。在摆放商品时，不必要把货架空间完全放满，也不必要求商品正面朝上或朝外。同一种商品可能分散摆放在多层或多个货架上。

步骤s12：根据上述特点构建如图1的货架空间模型，并测量出对应的尺寸信息。

步骤s2：建立描述两类不同外形商品的模型；

步骤s21：根据各类商品实物及其在货架上的摆放情况提取商品的主要特征，并将其根据外形尺寸特征分为规则外形商品和不规则外形商品，如图2；

步骤s22：体积较大且有较规则外形的商品，这类商品可以整齐紧密地排列在一起。例如长方体外盒包装的香皂等，摆放时不必露出商品正面，可以是该商品的任意两条边长落在货架底部的平面上；或是瓶装的洗手液，这类商品虽然外形有不规则的部分，但一般都会被直立摆放，不会产生堆叠。这类商品在计算其占据的货架空间时，应根据商品底面的尺寸和长宽方向排列数量乘积计算出占据空间的大小。

步骤s23：体积较小且外形不规则的商品，例如散装的糖果等，这类商品只能杂乱地堆放在一起。这类商品在计算其占据的货架空间时，应提前计量出单位体积内的商品数量(称之为商品的密度)，再计算得出其占据空间的大小。

步骤s3：以最大化满足订单数据需求为优化目标，根据商品在货架上的摆放形式建立优化问题方程；

步骤s31：通过订单数据获得各类商品需求量。以最大化满足商品订单需求(即最小化商品的总缺货量)为目标，得到货架空间规划问题的优化问题方程为：

步骤s32：通过换算将不规则外形物体的密度换算为等效的长宽高，便于后续与规则外形商品等同处理:

若令则有:

步骤s4：利用分布估计算法对模型进行求解，在求解过程中采用精英选择策略。

步骤s41：按照指定的格式输入商品信息(包含尺寸、类别、热门程度等)、货架信息(包括尺寸等)和订单需求信息。

步骤s42：运行分布估计算法程序，输出具体的货架空间分配方案和优化结果。

实施例

根据图1所示的货架空间模型和表1列出的数据，测量实际所用的承运货架的相关尺寸和规格信息，根据图2所示的商品模型和表2列出的数据，对仓库内所有种类的商品进行判断其外形是否规则的划分，测量规则商品的长宽高等信息和不规则商品的密度等信息。根据表3列出的数据整理订单信息。将所有相关信息输入程序后，根据公式将不规则商品的密度信息换算成等效长宽高信息。

表1货架空间模型输入数据信息

表2商品模型输入数据信息

表3数据整理订单信息

运行基于分布估计法的算法程序，对步骤s3中的优化问题方程进行求解。用随机生成的商品和订单数据进行仿真试验，图4展示了这10次求解过程中最优解的总缺货量随种群代数变化的关系。在这10次求解中，最差解中提供的商品上架量为最优解中提供的上架量的80.33％，尚且可以认为该算法在求解同一数据、同一背景的相同问题时的求解质量不会发生太大波动，具有一定的稳定性。从曲线变化趋势可以看出，该数据规模下每次求解中的当次最优个体在100代以内基本趋于稳定，收敛速度较快。其中最优的一次求解结果数值如表4所示。

表4求解结果示例

表5符号注释表