[發(fā)明專利]一種考慮實時訂單的互聯(lián)網(wǎng)電商倉儲動態(tài)調(diào)度方法

有效

• 申請?zhí)枺?/td>: 202110228214.4
• 申請日: 2021-03-02
• 公開（公告）號: CN112766865B
• 公開（公告）日: 2023-09-22
• 發(fā)明（設(shè)計）人: 楊文強(qiáng);陳錫渠;張素君;杜留鋒;彭占磊;孔曉紅;秦國慶
• 申請（專利權(quán)）人: 河南科技學(xué)院
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06Q10/08;G06N3/00
• 代理公司: 新鄉(xiāng)市平原智匯知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41139
• 代理人: 吳超

1.一種考慮實時訂單的互聯(lián)網(wǎng)電商倉儲動態(tài)調(diào)度方法，其特征在于包括如下具體步驟：

(1)對電商倉儲現(xiàn)場存在的約束及要優(yōu)化的目標(biāo)進(jìn)行分析，并抽象為如下數(shù)學(xué)模型：

s.t.

其中，O(t)為時刻t訂單揀選任務(wù)的集合，N(t)為時刻t新客戶訂單的集合，C為堆垛機(jī)最大載重，R為完成所有訂單揀選任務(wù)需要堆垛機(jī)進(jìn)行揀選作業(yè)的次數(shù)，e_ij、g_ir和g_ir為決策變量，即如果堆垛機(jī)在執(zhí)行揀選任務(wù)的過程中連續(xù)經(jīng)過貨位p_i和p_j，則e_ij＝1，否則e_ij＝0，如果待揀選貨位p_i在第r次揀選作業(yè)中完成，則g_ir＝1，否則g_ir＝0，T_ij為參數(shù)變量，表示堆垛機(jī)由貨位p_i到p_j所用時間；式(1)為目標(biāo)函數(shù)；式(2)至式(9)為各種約束，具體為：式(2)表示待揀選倉位在揀選路徑中只允許出現(xiàn)一次；式(3)限定堆垛機(jī)進(jìn)行揀選作業(yè)所裝載貨物不能超過自身最大載重；式(4)和式(5)表示每個待揀選倉位在揀選過程中不能形成自回路；式(6)和式(7)限定堆垛機(jī)在新客戶訂單產(chǎn)生時揀選的倉位必須作為下一個新調(diào)度方案的起始點；式(8)和式(9)為決策變量的二進(jìn)制值域約束；

(2)初始化參數(shù)：最大進(jìn)化代數(shù)G_max、種群規(guī)模M、進(jìn)化代數(shù)計數(shù)器n、吸引力強(qiáng)度f、吸引距離尺度l、收斂因子的最大值c_max和最小值c_min；

(3)隨機(jī)生成M個蚱蜢個體作為初始種群POP(n)；

(4)計算種群POP(n)個體的適應(yīng)度，記錄最優(yōu)解Γ；

(5)進(jìn)化代數(shù)：n＝n+1；

(6)基于式更新收斂因子c，并計算種群POP(n)蚱蜢個體間的距離d_ij；

(7)基于多重學(xué)習(xí)策略更新蚱蜢個體位置，即充分利用父代個體及其鄰域信息，從而增加向最優(yōu)解靠近的機(jī)會，提高算法的尋優(yōu)效率，假設(shè)分別為第i個蚱蜢個體X_i和當(dāng)前最優(yōu)蚱蜢個體X_b第k個分量，則多重學(xué)習(xí)策略具體描述如下：

(a)原有學(xué)習(xí)策略

其中，u_k、l_k分別為第k維分量的上下限，Γ_k為當(dāng)前時刻最優(yōu)個體的第k個分量，d_ij表示蚱蜢個體i與蚱蜢個體j之間的距離，f、l分別為吸引力強(qiáng)度和吸引距離尺度；

(b)加權(quán)學(xué)習(xí)策略

(c)平均學(xué)習(xí)策略

(d)極限學(xué)習(xí)策略

(e)邊界學(xué)習(xí)策略

在上述公式中，rand是0到1之間的隨機(jī)數(shù)，為向下取整運算符；

(8)基于啟發(fā)式反向遷移機(jī)制改善種群多樣性；

(9)計算種群POP(n)個體的適應(yīng)度，更新最優(yōu)解Γ；

(10)如果搜索沒有達(dá)到最大迭代次數(shù)，則返回步驟(5)；否則，停止搜索，并輸出Γ。

2.根據(jù)權(quán)利要求1所述的考慮實時訂單的互聯(lián)網(wǎng)電商倉儲動態(tài)調(diào)度方法，其特征在于步驟(8)中的基于啟發(fā)式反向遷移機(jī)制改善種群多樣性，可有效避免以下兩種不利情況發(fā)生：其一，太大的遷移概率p_i容易使搜索具有盲目性；其二，太小的遷移概率p_i容易又使搜索陷入局部最優(yōu)，致使收斂精度降低，啟發(fā)式反向遷移機(jī)制的原理為：為保持種群多樣性，個體遷移概率應(yīng)與種群多樣性貢獻(xiàn)率近似成反比，同時，為更好引導(dǎo)種群向最優(yōu)解進(jìn)化，對當(dāng)前代最優(yōu)個體X_j采用不遷移策略，非最優(yōu)個體X_i的遷移行為則基于反向機(jī)制進(jìn)行，啟發(fā)式反向遷移機(jī)制的實施，不僅保持了種群的多樣性，降低算法陷入局部最優(yōu)的概率，而且能保留較好的個體，啟發(fā)式遷移概率p_i及非最優(yōu)個體X_i的反向遷移機(jī)制具體描述如下：

p_i＝1-(η_i/η^max)

其中，d_ij為個體X_i與最優(yōu)個體X_j之間的距離，η_i為個體X_i對種群多樣性的貢獻(xiàn)率，η^max為所有蚱蜢個體種群多樣性貢獻(xiàn)率的最大值，為非最優(yōu)個體X_i的第k維變量。