[发明专利]基于混合元启发式算法的自动配送中心订单分拣方法

说明书

本申请公开了一种基于混合元启发式算法的自动配送中心订单分拣方法，其中，方法包括：接收待分拣的多个订单信息；利用预设混合元启发式算法中的遗传算法对订单信息进行编码得到初始种群，利用预设混合元启发式算法中的调整算法对初始种群进行交叉和变异后，得到最优种群及最优种群对应的最优个体；利用预设混合元启发式算法中的迭代邻域搜索算法对最优种群及最优种群对应的最优个体进行邻域搜索，得到最优种群的最优解，对最优解进行解码，得到多个订单信息的最佳分拣方案。由此，解决了相关技术的分拣系统的结构比简单的人工分拣系统复杂，传统的基于规则的启发式算法构建起来较为困难，且难以保证所得方案的有效性等问题。

技术领域

本申请涉及订单分拣技术领域，特别涉及一种基于混合元启发式算法的自动配送中心订单分拣方法。

背景技术

现有的配送中心的分拣作业大多采用传统的“人到货”的分拣方式，即分拣过程中，分拣员需要在巷道中穿行，根据订单的内容进入货架间，并从货架上的物料容器中拣选出相应数量和类别的产品放入订单箱中。这种人工分拣的方式虽然应对突发事件时比较灵活，但是效率低、差错率高、劳动量大。为了克服人工分拣的缺陷，近年来开始流行“货到人”的分拣方式。“货到人”的分拣方式是通过自动化设备，将订单中需要进行拣选的产品容器或者移动货架直接移动到拣选工作站，分拣员只需在拣选工作站根据订单的内容将产品从容器中取出放至订单箱中。“货到人”分拣方式的优点是节省了分拣员的行走时间，分拣的效率得到高，但其订单产品拾取的环节仍是由人来完成的，因此工作站的工作人员任务量大，并且自动化设计的难度较大，设计成本也较高。

传统的配送中心一般都是以商品种类作为SKU(Stock Keeping Unit，最小存储单位)，既将同一类别的产品存放在一起存放，而珠宝行业的产品种类很多，但同一类别的产品数量却较少，甚至有很多类别产品数量只有一个，因此传统的按商品类别存储的方式并不适合珠宝行业。2018年Weidinger等人针对“人到货”的分拣方式，首次提出了分散存储的产品存储方式，既将同一类别的产品分散存储在各个货架的各处，这种分散储存的优点是总有一些产品分布在附近，减少了不必要的行走距离，使分拣更加灵活。结合珠宝行业订单产品的特点，采取这种分散存储的方式，使得分拣更加灵活的同时，由于每个货位上只有一个产品，从而使得产品下架机器人更容易设计。

在进行订单分拣作业时，提高效率最直接的方式就是进行订单分批。订单分批是指按照预先设定的规则，将一部分订单归为同一批次，然后再进行订单拣选作业，以减少拣选次数。订单分批的概念是Ackerman等人于1990年首次提出，自此，大量学者开始投身于订单分批领域，并在研究和实际应用中验证了其有效性。当每个批次中允许的订单数大于2时，订单分批问题被认为是一个np难问题。随着计算机技术的发展，智能分批策略已成为订单分批的主要解决方案。订单分批策略中常见的智能分批策略有：启发式算法、元启发式算法等。

启发式算法主要是针对问题本身的特点，通过制定规则来得到问题的一个解决方案，常见的启发式算法有种子算法、节约算法与聚类算法等。种子算法的主要步骤是，先按照一定规则选出种子订单，然后再按照相应规则将其他订单与种子订单合并批。肖可等人以典型的单区型配送中心仓库为研究对象，考虑订单类别相似度和交货期相似度作为规则，设计种子算法进行订单分批。节约算法基本原理与种子算法类似，主要是通过比较订单合并后节约的行走时间或行走距离，并以此为依据进行分批。谭俊华等人同样研究了单区型配送中心仓库，以最小化行走距离为目标，设计了节约算法。Koster等人对种子算法和节约算法进行了比较研究，发现种子算法与S形路径算法和较大拣选设备结合使用效率更好，而节约算法则与最大间隙路径算法和小容量拣选设备结合效率更好。聚类算法是一种运用广泛的无监督分类算法，在订单分批问题中，主要是根据订单数据的特征，制定聚类规则，将订单划分为不同批次。秦馨等人针对“货到人”模式下的订单分批问题，运用凝聚层次聚类算法，定义订单间的临近度，采用余弦相似性来实现订单的分批；李诗珍等人在聚类分析的基础上，提出了三种相似系数计算公式，并建立了订单分批问题的聚类模型，然后以最大相似度系数为依据得到分批结果。