[发明专利]一种用于物品拣选时长预测的方法和装置

说明书

本发明公开了一种用于物品拣选时长预测的方法和装置，涉及物流仓储领域。该方法的一具体实施方式包括：获取样本对象的特征数据和历史拣选时长；基于预设的核函数和所述样本对象的特征数据，确定核矩阵；根据所述样本对象的历史拣选时长和所述核矩阵，确定拣选时长预测模型。该方法克服了影响对象拣选时长的特征信息严重不足的问题，确定出拣选时长预测模型，不仅提高了预测的准确率、降低出错率，并且减少了物流仿真中的工作量。

技术领域

本发明涉及物流仓储领域，尤其涉及一种用于物品拣选时长预测的方法和装置。

背景技术

拣选作业是仓储作业的重要组成部分，其中，拣选作业的时效将直接影响出库、入库作业的时效。所以在物流的仿真中，需要根据商品的相关信息预测出拣选时长，即需要知道商品在拣选过程中，从拣选人员看到屏幕拣选命令器起，到拣选人员拣选完同种商品的最后一件后扫描货格的时间段。

对于物流仿真，首先需要确定出每种商品的拣选时长，然后将该拣选时长和对应的商品输入物流仿真系统。在现有技术中，是通过人工根据自身的经验确定商品的拣选时长，或者搜集商品历史拣选数据，通过该历史拣选数据确定出商品的拣选时长。由于在物流仿真中，其需要的数据比较多，如果人工一一确定出每种商品在各种情况下的拣选时长，不仅工作量非常大，而且准确率低、出错率高等。

以及，对于商品的拣选时长，其可提取的特征数据较少，所以在构建预测模型时很可能会因特征不足而造成欠拟合问题，即所拥有的信息量难以构建出合适的模型。并且，现有的模型大都需要事先假定模型形式，但商品拣选时长与特征数据之间的函数关系非常复杂，导致模型形式难以假定准确。

发明内容

有鉴于此，本发明实施例提供一种用于物品拣选时长预测的方法和装置，克服了影响对象拣选时长的特征信息严重不足的问题，确定出拣选时长预测模型，不仅提高了预测的准确率、降低出错率，并且减少了物流仿真中的工作量。

为实现上述目的，根据本发明实施例的一个方面，提供了一种用于物品拣选时长预测的方法。

本发明实施例的用于物品拣选时长预测的方法包括：

获取样本对象的特征数据和历史拣选时长；

基于预设的核函数和所述样本对象的特征数据，确定核矩阵；

根据所述样本对象的历史拣选时长和所述核矩阵，确定拣选时长预测模型。

可选地，基于预设的核函数和所述样本对象的特征数据，确定核矩阵的步骤包括：

基于预设的核函数，将所述样本对象的特征数据映射到无穷维度；所述预设的核函数为高斯核函数；

根据所述映射的结果，确定出核矩阵。

可选地，基于预设的核函数，将所述样本对象的特征数据映射到无穷维度的步骤包括：

通过十折交叉验证确定出预设的核函数的调控参数；

根据所述调控参数和预设的核函数，将所述样本对象的特征数据映射到无穷维度。

可选地，在根据所述样本对象的历史拣选时长和所述核矩阵，确定拣选时长预测模型的步骤包括：

通过以下公式确定模型参数α：

其中，K为核矩阵，为样本对象的历史拣选时长；

基于所述模型参数α，确定拣选时长预测模型为：

y＝[1+k(x₁,x),…,1+k(x_n,x)]α