订单拣选优化之订单拣选概述.pptx

《物流人工智能技术》项目一人工智能算法在智慧仓内的应用订单拣选优化之订单拣选概述任务五01订单分批02拣选路径优化03拣选任务分配目 录 / CONTENTS【知识目标】1.了解机器人路径规划的几种常见算法及各自优缺点；2.了解不同订单分配和算法下的拣货路径优化组合。【情感目标】1.具有工匠精神、服务意识、环保意识、质量意识、安全意识；2.培养独立获取信息和自学能力；3.坚定拥护中国共产党领导和我国社会主义制度。【教学目标】一、订单分批1.订单分批问题解决订单分批问题的启发式算法主要有种子法和节约法两种思路。节约法节约法是由Clarke and Wright提出的，它是指将短路径的订单合并到长路径的订单中，从而达到拣选路径最短的优化方法。种子法在确定所有订单的分批拣选次数n后，选择出n个特殊的订单作为种子，并将它们分配到不同的批次中，然后再插入剩余的订单，从而达到高速有效分批的方法。642包含的货物位置含有最大的通道跨度的订单包含有特殊位置货物的订单涉及了最多的存储货位的订单135包含有特殊位置货物的订单随机产生的订单具有最长拣选路线的订单一、订单分批选择种子订单可以从以下几方面考虑：一、订单分批2.订单分批策略根据不同行业、企业订单到达具有的不同特点，订单分批主要有以下几种不同的方式：合计量分批、固定订单量分批、时窗分批、智慧型分批。智慧型分批时窗分批订单经过汇集后，经过较复杂的电脑计算程式，将拣取路线相近的订单集中处理，可大量缩短拣选行走距离。是指开启一定时间长度的窗口，将该时间段内所到达的订单汇总成一批，然后，待该时间窗口结束后立即开始拣货作业。一、订单分批3.订单分批模型与算法对订单的分批，往往以拣选距离最短或拣选时间最短来建立数学模型，目的都是提高拣选效率。研究人员分别釆用不同的算法求解订单分批模型主要有：模拟退火算法蚁群算法聚类算法订单包络算法遗传算法二、拣选路径优化1.拣选路径规划问题拣选路径规划问题是指对每个订单，如何合理确定拣货员或拣货机器人对货物拣选的顺序，以实现拣选时行走距离短或者损耗的时间最少。拣选货物的时间是由行走时间、取货时间和等待时间组成的。二、拣选路径优化2.路径策略订单拣选的顺序与路径，与仓库的货架布局及拣选设施有关。在拣选的过程中，有S型拣选策略、返回型策略、中点型策略、最大间隔策略、组合策略等。不同的路径策略，针对不同的仓库布局和订单的到达特性、订单数量的多少不同，其优化的效果也不同。二、拣选路径优化3.路径优化的模型与算法在对路径优化的过程中，大多以拣选路径最短为目标，或者以拣选时间最短为目标建立数学模型。在以往的研究中，更多的研究选择，是用遗传算法及改进的遗传算，来对路径优化问题进行求解。遗传算法具有很高的并行性和鲁棒性，可以同时搜索解空间的多个区域搜索信息，沿多种路线进行平行搜索，从而降低算法陷入局部最优解的可能性，具有良好的可操作性。二、拣选路径优化4.Kiva机器人路径规划算法分析与选择（1）机器人路径规划算法分析根据系统环境的不同，智能机器人的路径有不同的方案，每一种方案又有多种算法进行解决，目前常用的有：传统的A*算法粒子群算法遗传算法蚁群算法二、拣选路径优化（2）机器人路径规划算法比较与选择1）路径规划问题描述对单个Kiva机器人而言，环境中障碍物包含货架和其它机器人，在考虑它的规划方案时，货架的位置信息是已知的，适合应用全局规划方案；其它机器人的位置是实时变化的，其位置信息需要不断更新，适合应用局部规划方案。因此，针对这种障碍物位置信息既有时变乂有不变的环境情况，综合考虑两种方案的优缺点，选择混合路径规划方案在保障机器人与障碍物（包括固定障碍物和其他移动机器人）安全距离的前提下，找出到达目标点的最短路线可通过数学模型描述为：在式3.1成立的条件下，找出式3.2中dr的最小值其中（xr，k,yr，k）为第r个机器人k时刻的坐标，（xri,yr）为第ⅰ个机器人或障碍物k时刻的坐标，dm为最小安全距离，dr为第r个机器人到达目标点行走的距离。（式3.1）（式3.2）二、拣选路径优化2）算法比较与选择表3-8 多种算法的优缺点对比算法优点缺点传统A*算法计算最短路径最快的一种方法，具有高时效性。空间需求太大，它的共空间增长是指数级别的。人工势场法躲避障碍的能力强，路径轨迹相对比较平滑，有利于平稳运行。容易陷入局部最优解，出现卡死状态，甚至不能抵达目的地。遗传算法全局搜索性能好，能有效的避免陷入局部最优的情况，容错能力相对较好。算法对群体的反复选择等遗传操作较多，进化次数较多，容易导致进化效果不明显。蚁群算法是一种基于种群的进化算法，具有较好的搜索能力，易于并行实现。计算量较大，求解所需时间较长，算法的收敛较慢，容易陷入局部最优。粒子群算法逼近最优解的速度较快，其个体可以充分利用自