本发明涉及仓储物流调度,具体涉及一种基于全局最优化的智能仓储物流调度方法。
背景技术:
1、库存是以支持生产、维护、操作和客户服务为目的而存储的各种物料,包括原材料和在制品、维修件和生产消耗品、成品和备件等。库存的存在有利有弊,一方面它占用了资金,减少了企业利润,甚至导致竞争性亏损;另一方面它能改善客户服务,有效缓解供需矛盾,有时甚至还是投机功能,为企业盈利。
2、随着电子商务的蓬勃发展,海量客户需求和高频次、多品种、小批量的订单特性给电商物流中心订单拣选效率带来巨大挑战。智能仓储物流到拣选系统在实现拣货模式向“货到人”转变和订单处理速度提升的同时,也面临着货架重复多次出入库、机器人行走路线迂回等问题。
3、随着经济社会的发展,和电子商务的发展壮大,物流运输量越来越大,因此物流调度成了经济发展的社会生活的一个重要问题,各类物资需要统一的安排运输,但是物资在实际运输过程中是错综复杂的,是无序的,首先,在分拣和装载的过程,物资处于无序状态,目前很少有企业针对于物资的装载进行运算,进行合理装载,以节省运输空间。仓储是物流管理系统的核心环节之一,全球经济一体化与信息技术的飞速发展迫使仓储在建设准则、实施路径、技术架构等方面都面临着巨大的转型挑战。如何实现物联网、人工智能、大数据分析技术的深度融合,推动商品在仓储物流全生命周期的自动化、智能化、精细化的监控管理与实时决策,从而提高物流效率、降低仓储成本是智能仓储亟待解决的关键问题之一。
4、现有技术中常用的优化方法为基于蚁群算法的物流配送车辆最优网络路径获取方法,但是基于蚁群算法的物流配送车辆最优网络路径获取方法没有充分考虑实际交通的动态变化的限制,蚂蚁收敛速度过快,容易陷入局部最优解,获得的物流配送车辆网络路径并非全局最优解,导致运输效率较低,配送成本增加。
技术实现思路
1、为了解决上述技术问题,本发明提出了一种基于全局最优化的智能仓储物流调度方法,包括如下步骤:
2、s1、采集历史配送速度序列数据,预测从配送仓到需求仓的配送时间,按照配送时间从小到大的顺序为需求仓匹配多个配送仓;
3、s2、根据超时损失函数,计算各需求仓的配送优先度;
4、s3、针对优先度最高的需求仓,构建最小装货路径模型,根据步骤s1中计算得到的与需求仓匹配的多个配送仓计算最优装货路径。
5、进一步地,步骤s1包括:
6、s1.1、采集历史配送速度数据序列,对数据序列中的偏差数据进行预处理;
7、s1.2、使用最终的预测的配送速度,估算每个配送仓到每个需求仓的配送时间,按照配送时间从小到大的顺序为需求仓匹配多个配送仓。
8、进一步地,步骤s1.1中,对数据序列中的偏差数据进行偏差处理,处理公式如下:
9、;
10、其中,为根据历史配送速度数据序列进行预测的配送速度,为历史配送速度数据序列中的第i个配送速度,e为预测误差系数,k为数据总数;
11、如果历史数据中的配送速度与预测的配送速度的误差系数e>50%时,则使用预测的配送速度代替偏差的历史数据中的配送速度,并重新计算得到最终的预测的配送速度。
12、进一步地,步骤s3中,计算运输装置的最小装货路径模型minz:
13、;
14、其中,b为运输装置车次序号,b为运输车次总量;r为配送仓序号,r为根据步骤s1中计算得到的与其匹配的多个配送仓的集合;为b车次从配送仓r装货的概率,为b车次是否去配送仓r装货的决策变量。
15、进一步地,配送概率计算公式为:
16、;;
17、其中,为t时刻配送仓r到需求仓连接线路上延迟时间;为物资信息函数,表示运输装置转移到下一配送仓装货的期望;为延迟因子,为重要程度因子;
18、运输装置根据选择下一可能的配送仓n,移动的下一配送仓n进行装货。
19、进一步地,设置约束条件一:一个用户订单j被分配到1个运输装置车次上面:
20、;
21、其中,为用户订单j被分配到b车次中的决策变量,y为用户订单总量;
22、设置约束条件二:每次运输最多包含f个订单:
23、;
24、设置约束条件三:1个运输装置车次中的订单只能在同一个配送仓中进行补货作业:
25、;
26、其中,为配送仓r是否对车次b进行补货任务。
27、相比于现有技术,本发明具有如下有益技术效果:
28、采集历史配送速度序列数据,预测从配送仓到需求仓的配送时间,按照配送时间从小到大的顺序为需求仓匹配多个配送仓;根据超时损失函数,计算各需求仓的配送优先度;针对优先度最高的需求仓,构建最小装货路径模型,根据计算得到的与需求仓匹配的多个配送仓计算最优装货路径。根据用户订单信息和仓库存储情况,最优化预测行程路径,给运输装置选择最短运输时间;根据上面得到的最优路径,结合运输装置的运载能力,将订单进行合理分配,降低运输能耗。满足了优化仓储物流调度,提高工作效率,降低运输的需求。
1.一种基于全局最优化的智能仓储物流调度方法,其特征在于,包括如下步骤:
2.根据权利要求1中所述的智能仓储物流调度方法,其特征在于,步骤s1包括:
3.根据权利要求2中所述的智能仓储物流调度方法,其特征在于,步骤s1.1中,对数据序列中的偏差数据进行偏差处理,处理公式如下:
4.根据权利要求2中所述的智能仓储物流调度方法,其特征在于,步骤s3中,计算运输装置的最小装货路径模型minz:
5.根据权利要求4中所述的智能仓储物流调度方法,其特征在于,配送概率计算公式为:
6.根据权利要求4中所述的智能仓储物流调度方法,其特征在于,