[发明专利]一种动态拣货策略的实现方法

说明书

本发明公开了一种动态拣货策略的实现方法，记录当前拣货单的路径所经过的下一拣货单的货位，得到货位集合A；若货位集合A不为空集，则判断货位集合A中是否存在某个货位，且通过减去该货位可以使当前拣货单的下一拣货单的拣货时间更短，若判断结果为存在，则将货位集合A中使当前拣货单的下一拣货单的拣货时间达到最短的货位定为需要调整的货位；在完成当前拣货单的拣货任务的同时，将当前拣货单的下一拣货单中需要调整的货位对应的所有待拣货物移放到仓库出入口，在完成当前拣货单的下一拣货单的拣货任务时在仓库出入口处拣取该货物，实现动态拣货策略。

技术领域

本发明涉及一种仓库的动态拣货策略及其实现方法。

背景技术

随着电商和零售业的快速发展，配送中心对于仓储作业的要求不断提高，其中拣货作业是仓库作业的核心环节，拣货效率的高低直接影响整个配送中心的工作效率，优化拣货路径是提高拣货效率的关键。同时，根据电商货物多品种、小批量的特点，可能存在上一刻调整后的仓库在下一刻因为产品需求、拣选路径和订单中所含商品的变化而变得过时的现象，大规模调整货位的方式成本太高，无法适应这种情境，而传统的静态货位分配及其拣货路径优化方法又有一定的局限性，因此需要更加柔性、灵活、小规模的动态货位调整与拣货方式，以达到减少拣货路径、缩短拣货时间的目的。

动态拣货提出“货位调整和拣货路径”协同优化的思想，将拣货过程与货位调整过程合二为一，即在拣货的同时进行货位调整作业，对于货位调整频率过大的仓库能减少货位调整时间而提高效率，实现简化仓储作业流程，降低物流成本，加快货物流转，提高企业的经济效益。

对于动态拣货路径优化的研究，目前国内学者提出的优化算法包括：遗传算法、模拟退火算法、蚁群算法、粒子群算法等。遗传算法是一种全局性概率搜索算法，应用遗传算法编码过程过于复杂并且易于陷入局部最优。模拟退火算法是一种随机搜索算法，它的搜索过程引入了随机因素，会跳出局部最优解而达到全局最优解，但搜索速度较慢。

目前尚未见到对针对拣货单动态拣货路径规划的策略及实现方法的报道。

发明内容

本发明的目的在于提供一种动态拣货策略的实现方法。

为达到上述目的，本发明采用了以下技术方案：

1)记录当前拣货单的路径(即拣货路径)所经过的下一拣货单的货位，得到货位集合A；

2)若货位集合A不为空集，则判断货位集合A中是否存在某个货位，且通过减去该货位可以使当前拣货单的下一拣货单的拣货时间更短，若判断结果为存在，则将货位集合A中使当前拣货单的下一拣货单的拣货时间达到最短的货位定为需要调整的货位；

3)在完成当前拣货单的拣货任务的同时，将当前拣货单的下一拣货单中需要调整的货位对应的所有待拣货物移放到仓库出入口(利用仓库出入口旁边放置一个空货架暂时存放)，在完成当前拣货单的下一拣货单的拣货任务时在仓库出入口处拣取该货物，实现动态拣货策略。

优选的，所述步骤2)中，若货位集合A为空集，则以当前拣货单的下一拣货单为当前拣货单，转至步骤1)。

优选的，所述步骤2)中，若判断结果为不存在，则以当前拣货单的下一拣货单为当前拣货单，转至步骤1)。

优选的，所述步骤1)之前，基于静态拣货策略，根据一个周期内每个拣货单的货位分布分别对对应拣货单的路径按照拣货时间最短进行路径优化。

优选的，所述步骤2)中，对当前拣货单的下一拣货单的路径按照减少了某个货位的拣货任务的剩余货位的拣货时间最短进行路径优化，从而确定使当前拣货单的下一拣货单的拣货时间达到最短的货位，并更新该拣货单的路径(对应拣货时间最短)；然后按照步骤3)进行拣货；然后以当前拣货单的下一拣货单为当前拣货单，转至步骤1)；以此类推，直至完成一个周期内所有拣货单的拣货任务的动态路径规划和拣选。