仓储系统物品拣选路径的规划方法、装置、设备及介质与流程

1.本技术涉及路径规划技术领域，尤其是仓储系统物品拣选路径的规划方法、装置、设备及介质。


背景技术：

2.随着经济的发展，为了适应市场需求，制造业的生产模式也逐渐转变为多品种、小批量的生产方式，逐渐增多的货品种类给仓库的存储及运输带来了巨大的挑战。而货物拣选是整个仓储系统中工作量最多、复杂度最高的环节。拣选作业是指根据订单明细对订单处理，确定拣选策略，准确、高效的拣选货物，并运送到相应位置的过程，合理的规划货物拣选路径能够直接、有效地提高货物拣选效率。
3.相关技术中，仓储系统的拣选路径问题，通常被看作np-hard问题，此类问题求解过程复杂，难以遍历所有解，一般将此类问题抽象为tsp(travelling salesman problem)问题，利用启发式算法进行求解。此外，随着人工智能领域的不断发展，机器学习的方法也逐渐被应用到拣选路径问题上来。常用的求解方法在近几十年得到了飞速的发展，研究算法一般包括：遗传算法(genetic algorithm，ga)、蚁群算法(ant colony optimization，aco)等启发式算法；q-learning算法、dqn(deep q network)算法等机器学习的方法也逐渐被应用。但是，目前应用的方案，大多数对拣选路径的研究，针对的是对单个拣货人员或是拣货设备，以及针对货物存放的是单个存储货位。而实际中往往是多个拣选对象同时进行拣选，且货物存储在多个库位上，相关技术中缺少针对这种实际复杂情况的路径规划方案。


技术实现要素：

4.本技术的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
5.为此，本技术实施例的一个目的在于提供一种仓储系统物品拣选路径的规划方法。
6.本技术实施例的另一个目的在于提供仓储系统物品拣选路径的规划装置。
7.为了达到上述技术目的，本技术实施例所采取的技术方案包括：
8.第一方面，本技术实施例提供了一种仓储系统物品拣选路径的规划方法，包括以下步骤：
9.获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；
10.根据各个所述拣选任务以及所述物品位置信息，建立最短路径目标函数；
11.通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；
12.根据时间窗约束进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。
13.另外，根据本技术上述实施例的仓储系统物品拣选路径的规划方法，还可以具有以下附加的技术特征：
14.进一步地，在本技术的一个实施例中，所述获取仓储系统的物品位置信息，包括：
15.获取所述仓储系统中各个物品对应的货位点编码；所述货位点编码通过以下数据格式表示：(a，b，c，d)，其中，a表示通道编号，b表示通道排数，c表示货架的货位数，d表示货架的层数。
16.进一步地，在本技术的一个实施例中，所述最短路径目标函数通过以下公式表示：
[0017][0018]
式中，l为拣选对象对应拣选货物的最短路径，r为参与拣选对象的个数，r∈(1，r)。m，n为货位，a为总的货位数。p
hmn
表示在路径h下，货位m与货位n之间的距离，g
hmn
为路径h上，拣选完货位m后是否去拣选货位n，g
hmn
取值为0或1，g
hmn
＝1表示在h路径上拣选完货位m后去拣选货位n，g
hmn
＝0表示在h路径上拣选完货位m后不去拣选货位n。p
h0
为拣选路径h上第一个拣选货位与拣选中心之间的距离；p
hn
为拣选路径h上最后一个拣选货位与拣选中心之间的距离。
[0019]
进一步地，在本技术的一个实施例中，所述通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径的步骤之后，所述方法还包括：
[0020]
针对确定的各个所述拣选对象对应的初始化路径，计算所述拣选对象经过单位路径段的时间窗，得到所述拣选对象在各个所述单位路径段对应的时间窗集合。
[0021]
进一步地，在本技术的一个实施例中，所述根据时间窗约束进行路径冲突检测，包括：
[0022]
对比各个所述拣选对象在重叠路段上对应的时间窗；
[0023]
如果所述时间窗存在重合时间段，确定存在路径冲突；或者，如果所述时间窗不存在重合时间段，确定不存在路径冲突。
[0024]
进一步地，在本技术的一个实施例中，所述方法还包括：
[0025]
若存在路径冲突，则通过遗传贪心算法重新规划局部拣货路径，直至所有拣选对象不存在路径冲突，得到各个所述拣选对象对应的目标路径。
[0026]
进一步地，在本技术的一个实施例中，所述方法还包括：
[0027]
检测所述全局初始化路径中是否存在障碍物；
[0028]
若所述全局初始化路径中存在障碍物，则通过遗传贪心算法重新规划所述障碍物所在的局部拣货路径。
[0029]
第二方面，本技术实施例提供了一种仓储系统物品拣选路径的规划装置，包括：
[0030]
获取单元，用于获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；
[0031]
建立单元，用于根据各个所述拣选任务以及所述物品位置信息，建立最短路径目标函数；
[0032]
求解单元，用于通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；
[0033]
检测单元，用于根据时间窗约束进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。
[0034]
第三方面，本技术实施例提供了一种计算机设备，包括：
[0035]
至少一个处理器；
[0036]
至少一个存储器，用于存储至少一个程序；
[0037]
当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现第一方面所述的仓储系统物品拣选路径的规划方法。
[0038]
第四方面，本技术实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于实现第一方面所述的仓储系统物品拣选路径的规划方法。
[0039]
本技术的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到：
[0040]
本技术实施例中提供一种仓储系统物品拣选路径的规划方法，该方法获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；根据各个所述拣选任务以及所述物品位置信息，建立最短路径目标函数；通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；根据时间窗约束进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。该方法提供了针对性的解决策略，能够帮助合理规划拣选路径并动态调整，更贴合实际应用的场景，可以提高拣选作业的效率与拣选的精确性。
附图说明
[0041]
为了更清楚地说明本技术实施例或者现有技术中的技术方案，下面对本技术实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本技术的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
[0042]
图1为本技术实施例中提供的一种仓储系统物品拣选路径的规划方法的流程示意图；
[0043]
图2为本技术实施例中提供的一种货位点编码的示意图；
[0044]
图3为本技术实施例中提供的一种遗传贪心算法的流程示意图；
[0045]
图4为本技术实施例中提供的一种仓储系统物品拣选路径的规划方法的具体实施例示意图；
[0046]
图5为本技术实施例中提供的一种仓储系统物品拣选路径的规划装置的结构示意图；
[0047]
图6为本技术实施例中提供的一种计算机设备的结构示意图。
具体实施方式
[0048]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能理解为对本技术的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0049]
除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的
技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
[0050]
在对本技术实施例进行详细说明之前，首先对本技术实施例中涉及的部分名词和术语进行说明，本技术实施例中涉及的名词和术语适用于如下的解释。
[0051]
1)时间窗约束：是指允许拣选对象通过的时间段。
[0052]
2)遗传算法：遗传算法是受自然进化理论启发的一系列搜索算法。通过模仿自然选择和繁殖的过程，遗传算法可以为涉及搜索，优化和学习的各种问题提供高质量的解决方案。同时，它们类似于自然进化，因此可以克服传统搜索和优化算法遇到的一些障碍，尤其是对于具有大量参数和复杂数学表示形式的问题。
[0053]
3)贪心算法：所谓贪心算法是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，它所做出的仅仅是在某种意义上的局部最优解。
[0054]
随着经济的发展，为了适应市场需求，制造业的生产模式也逐渐转变为多品种、小批量的生产方式，逐渐增多的货品种类给仓库的存储及运输带来了巨大的挑战。而货物拣选是整个仓储系统中工作量最多、复杂度最高的环节。拣选作业是指根据订单明细对订单处理，确定拣选策略，准确、高效的拣选货物，并运送到相应位置的过程，合理的规划货物拣选路径能够直接、有效地提高货物拣选效率。
[0055]
相关技术中，仓储系统的拣选路径问题，通常被看作np-hard问题，此类问题求解过程复杂，难以遍历所有解，一般将此类问题抽象为tsp(travelling salesman problem)问题，利用启发式算法进行求解。此外，随着人工智能领域的不断发展，机器学习的方法也逐渐被应用到拣选路径问题上来。常用的求解方法在近几十年得到了飞速的发展，研究算法一般包括：遗传算法(genetic algorithm，ga)、蚁群算法(ant colony optimization，aco)等启发式算法；q-learning算法、dqn(deep q network)算法等机器学习的方法也逐渐被应用。但是，目前应用的方案，大多数对拣选路径的研究，针对的是对单个拣货人员或是拣货设备，以及针对货物存放的是单个存储货位。而实际中往往是多个拣选对象同时进行拣选，且货物存储在多个库位上，相关技术中缺少针对这种实际复杂情况的路径规划方案。
[0056]
有鉴于此，本技术实施例中提供一种仓储系统物品拣选路径的规划方法、装置、设备及介质，本技术实施例中的方法，提供了针对性的解决策略，能够帮助合理规划拣选路径并动态调整，更贴合实际应用的场景，可以提高拣选作业的效率与拣选的精确性。本技术实施例中的方法，将采用具有时间窗约束的遗传算法和贪心算法相结合的算法，对模型进行求解，通过遗传贪心算法得到初始化路径的集合，再通过时间窗约束与两阶段策略对路径冲突进行检测，消除以规避障碍，动态调整局部路径，有利于提高仓储系统的内部拣货作业效率。
[0057]
本技术实施例中，该仓储系统物品拣选路径的规划方法可以在终端设备本地执行，或者在后台服务器执行，也可以通过终端设备、后台服务器之间的数据交互来执行，具体可以根据实际应用情况进行适当的选择，本实施例对此并不作具体限定。
[0058]
在一些实施例中，本技术中的终端设备可以包括智能机器人、计算机设备等；后台服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件
服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备、后台服务器可以通过无线网络或有线网络建立通信连接，该无线网络或有线网络使用标准通信技术和/或协议，网络可以设置为因特网，也可以是其它任何网络，例如包括但不限于局域网(local area network，lan)、城域网(metropolitan area network，man)、广域网(wide area network，wan)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。
[0059]
下面，结合前述的实施环境，对本技术实施例中提供的一种仓储系统物品拣选路径的规划方法进行介绍和说明。
[0060]
请参照图1，图1是本技术实施例提供的一种仓储系统物品拣选路径的规划方法的示意图，该仓储系统物品拣选路径的规划方法包括但不限于：
[0061]
步骤110、获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；
[0062]
步骤120、根据所述拣选任务以及所述物品位置信息，建立最短路径目标函数；
[0063]
步骤130、通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；
[0064]
步骤140、根据时间窗进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。
[0065]
本技术实施例中，在进行路径规划时，需要获取仓储系统中各个物品对应的物品位置信息、拣选对象的个数以及各个拣选对象对应的拣选任务。其中，该拣选任务包括至少一种待拣选的物品信息。需要说明的是，本技术实施例中，拣选对象可以是工作人员，也可以是能够自动移动、取货的智能设备，或者既包括工作人员，也包括智能设备，本技术对此不作限制。拣选对象的个数可以是任一大于等于1的正整数。对于每个拣选对象来说，其对应的拣选任务需要拣选至少一种货物，在仓储系统中，货物的种类和数量默认充足，即可以满足各个拣选对象的拣选任务需求。并且，对每种货物的数量不作限制，例如，在一些实施例中，每种货物至少位于大于等于一个货位点上。
[0066]
具体地，在一些实施例中，所述获取仓储系统的物品位置信息，包括：
[0067]
获取所述仓储系统中各个物品对应的货位点编码；所述货位点编码通过以下数据格式表示：(a，b，c，d)，其中，a表示通道编号，b表示通道排数，c表示货架的货位数，d表示货架的层数。
[0068]
本技术实施例中，对于物品位置信息，可以通过仓储系统中的货位点编码来记录。具体地，比如说一个物品可能位于多个货位点上，那么可以记录该物品对应的多个货位点编码，基于货位点编码，可以快速确定出物品处于仓储系统的哪个货位上，从而得到其位置信息。本技术实施例中，对于货位点编码的方式不作限制，例如，在一些实施例中，请参照图2，可以采用图2所示的方式来记录各个货位的货位点编码。对于每个货位点编码，其可以通过向量(a，b，c，d)来表示，其中，a表示通道编号，b表示通道排数，c表示货架的货位数，d表示货架的层数。图2中，每个格子代表一个独立的货位，货架之间为拣货通道，每一排代表一个货架，货架中的每一层代表货架的高度(如图2中，以第一排为例展示单个货架的立体状态)。货位编号及货位层高从下往上，且从1开始递增；通道编号从左至右依次递增。(2，3，3，1)可以表示位于第2通道的第3排，第1个货架，第1层的货位点。
[0069]
本技术实施例中，在得到拣选对象对应的拣选任务以及物品位置信息后，可以根据每个拣选对象的拣选任务，建立最短路径目标函数。具体地，该最短路径目标函数可以通过公式表示为：
[0070][0071]
式中，l为拣选对象对应拣选货物的最短路径，r为参与拣选对象的个数，r∈(1，r)。m，n为货位，a为总的货位数。p
hmn
表示在路径h下，货位m与货位n之间的距离，g
hmn
为路径h上，拣选完货位m后是否去拣选货位n，g
hmn
取值为0或1，g
hmn
＝1表示在h路径上拣选完货位m后去拣选货位n，g
hmn
＝0表示在h路径上拣选完货位m后不去拣选货位n。p
h0
为拣选路径h上第一个拣选货位与拣选中心之间的距离；p
hn
为拣选路径h上最后一个拣选货位与拣选中心之间的距离。
[0072]
本技术实施例中，基于最短路径目标函数，可以通过遗传贪心算法进行求解，得到全局初始化路径。具体地，参照图3，遗传贪心算法又名贪婪法，是寻找最优解问题的常用方法，这种方法模式一般将求解过程分成若干个步骤，但每个步骤都应用贪心原则，选取当前状态下最好/最优的选择(局部最有利的选择)，并以此希望最后堆叠出的结果也是最好/最优的解。一般来说，遗传算法具有群体搜索的特性，它的搜索过程是从一个具有多个个体的初始群体p(0)开始的，可以有效地避免搜索一些不必搜索的点。单点搜索方法在对多峰分布的搜索空间进行搜索时很容易陷入局部某个单峰的极值点，使得算法搜索效率低，收敛速度慢。为提高搜索速度和效率，本技术实施例中，对传统的遗传算法进行改进。因贪心算法是从某个初始解出发，采用迭代的过程，当可以向目标前进一步时，根据局部最优策略，得到一部分解，缩小问题规模，使得求解速度快。所以本技术实施例中，可以采用遗传贪心混合算法求解多设备、多货位的拣选路径问题。
[0073]
当然，需要说明的是，本技术实施例中，通过遗传贪心算法求解得出的全局初始化路径，可能存在有路径冲突或者障碍物的问题。比如说，当多个拣选对象同时经过某一条路径时，可能存在无法通过的问题。因此，本技术实施例中，还利用时间窗算法对路径进行冲突预测，消除可能出现路径拥塞的情况。
[0074]
本技术实施例中，参照图4，具体的执行过程包括：
[0075]
在得到全局初始化路径之后，针对确定的各个拣选对象对应的初始化路径，计算拣选对象经过单位路径段的时间窗，得到拣选对象在各个单位路径段对应的时间窗集合。然后，对于各个拣选对象，对照它们对应的初始化路径，确定出存在重叠的路段。接着，对比各个拣选对象在重叠路段上对应的时间窗，如果时间窗存在重合时间段，可以确定存在路径冲突；反之，如果时间窗不存在重合时间段，则可以确定不存在路径冲突。
[0076]
本技术实施例中，如果确定出不存在路径冲突，则可以将全局初始化路径确定为目标路径。相反，如果发现存在路径冲突，则需要实时动态地规划拣选路径，例如，可以在实际拣选中优先申请叠加路径、或基于货架热力图等权重设置优先级，利用遗传贪心算法重新规划局部拣货路线，最后输出重新规划后的拣选路径，直至所有拣选对象不存在路径冲突，得到各个拣选对象对应的目标路径。如此，最终可以得到没有路径冲突的最佳拣选路径，使得拣选路径最短，缩短拣选时间并提高拣选效率，对实际仓库拣选作业具有一定的指导意义，能提高仓储系统的运作效率。
[0077]
类似地，在一些实施例中，本技术中的方法还包括：
[0078]
检测所述全局初始化路径中是否存在障碍物；
[0079]
若所述全局初始化路径中存在障碍物，则通过遗传贪心算法重新规划所述障碍物所在的局部拣货路径。
[0080]
本技术实施例中，在一些情况下，可能部分路径上存在有障碍物，导致路径无法正常使用。此时，也可以对其进行动态避障。此时，拣选对象可以调用遗传贪心算法重新规划存在障碍物部分的局部路径，并将计算后的路径上传至仓储系统，待仓储系统反馈确认执行命令后，可以按照新规划路径进行物品拣选。
[0081]
可以理解的是，本技术实施例中提供的仓储系统物品拣选路径的规划方法，通过基于时间窗的遗传贪心算法的结合，为多个拣选对象同时作业进行路径规划，同时，时间窗约束能够有效地预测路径冲突与规避障碍，能快速获取不产生路径冲突的新路径，避免了路径冲突造成拣货时间的增加，有利于缩短拣选路径。
[0082]
下面参照附图描述根据本技术实施例提出的仓储系统物品拣选路径的规划装置。
[0083]
参照图5，本技术实施例中提出的仓储系统物品拣选路径的规划装置，包括：
[0084]
获取单元201，用于获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；
[0085]
建立单元202，用于根据各个所述拣选任务以及所述物品位置信息，建立最短路径目标函数；
[0086]
求解单元203，用于通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；
[0087]
检测单元204，用于根据时间窗约束进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。
[0088]
可以理解的是，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0089]
参照图6，本技术实施例提供了一种计算机设备，包括：
[0090]
至少一个处理器301；
[0091]
至少一个存储器302，用于存储至少一个程序；
[0092]
当至少一个程序被至少一个处理器301执行时，使得至少一个处理器301实现的仓储系统物品拣选路径的规划方法。
[0093]
同理，上述方法实施例中的内容均适用于本计算机设备实施例中，本计算机设备实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0094]
本技术实施例还提供了一种计算机可读存储介质，其中存储有处理器301可执行的程序，处理器301可执行的程序在由处理器301执行时用于执行上述的仓储系统物品拣选路径的规划方法。
[0095]
同理，上述方法实施例中的内容均适用于本计算机可读存储介质实施例中，本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0096]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或方框有时能以相反顺序被执行。此外，在本技术的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0097]
此外，虽然在功能性模块的背景下描述了本技术，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本技术是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本技术。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本技术的范围，本技术的范围由所附权利要求书及其等同方案的全部范围来决定。
[0098]
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0099]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0100]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
[0101]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路
的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0102]
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
[0103]
尽管已经示出和描述了本技术的实施方式，本领域的普通技术人员可以理解：在不脱离本技术的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本技术的范围由权利要求及其等同物限定。
[0104]
以上是对本技术的较佳实施进行了具体说明，但本技术并不限于实施例，熟悉本领域的技术人员在不违背本技术精神的前提下可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。

技术特征：
1.一种仓储系统物品拣选路径的规划方法，其特征在于，包括：获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；根据各个所述拣选任务以及所述物品位置信息，建立最短路径目标函数；通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；根据时间窗约束进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。2.根据权利要求1所述的仓储系统物品拣选路径的规划方法，其特征在于，所述获取仓储系统的物品位置信息，包括：获取所述仓储系统中各个物品对应的货位点编码；所述货位点编码通过以下数据格式表示：(a，b，c，d)，其中，a表示通道编号，b表示通道排数，c表示货架的货位数，d表示货架的层数。3.根据权利要求1所述的仓储系统物品拣选路径的规划方法，其特征在于，所述最短路径目标函数通过以下公式表示：式中，l为拣选对象对应拣选货物的最短路径，r为参与拣选对象的个数，r∈(1，r)，m，n为货位，a为总的货位数，p
hmn
表示在路径h下，货位m与货位n之间的距离，g
hmn
为路径h上，拣选完货位m后是否去拣选货位n，g
hmn
取值为0或1，g
hmn
＝1表示在h路径上拣选完货位m后去拣选货位n，g
hmn
＝0表示在h路径上拣选完货位m后不去拣选货位n，p
h0
为拣选路径h上第一个拣选货位与拣选中心之间的距离；p
hn
为拣选路径h上最后一个拣选货位与拣选中心之间的距离。4.根据权利要求1所述的仓储系统物品拣选路径的规划方法，其特征在于，所述通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径的步骤之后，所述方法还包括：针对确定的各个所述拣选对象对应的初始化路径，计算所述拣选对象经过单位路径段的时间窗，得到所述拣选对象在各个所述单位路径段对应的时间窗集合。5.根据权利要求4所述的仓储系统物品拣选路径的规划方法，其特征在于，所述根据时间窗约束进行路径冲突检测，包括：对比各个所述拣选对象在重叠路段上对应的时间窗；如果所述时间窗存在重合时间段，确定存在路径冲突；或者，如果所述时间窗不存在重合时间段，确定不存在路径冲突。6.根据权利要求5所述的仓储系统物品拣选路径的规划方法，其特征在于，所述方法还包括：若存在路径冲突，则通过遗传贪心算法重新规划局部拣货路径，直至所有拣选对象不存在路径冲突，得到各个所述拣选对象对应的目标路径。7.根据权利要求1-6中任一项所述的仓储系统物品拣选路径的规划方法，其特征在于，所述方法还包括：
检测所述全局初始化路径中是否存在障碍物；若所述全局初始化路径中存在障碍物，则通过遗传贪心算法重新规划所述障碍物所在的局部拣货路径。8.一种仓储系统物品拣选路径的规划装置，其特征在于，包括：获取单元，用于获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；建立单元，用于根据各个所述拣选任务以及所述物品位置信息，建立最短路径目标函数；求解单元，用于通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；检测单元，用于根据时间窗约束进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。9.一种计算机设备，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的仓储系统物品拣选路径的规划方法。10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于：所述处理器可执行的程序在由处理器执行时用于实现如权利要求1-7中任一项所述的仓储系统物品拣选路径的规划方法。

技术总结
本申请公开了一种仓储系统物品拣选路径的规划方法、装置、设备及介质，该方法获取仓储系统的物品位置信息、拣选对象的个数以及各个所述拣选对象对应的拣选任务；所述拣选任务包括至少一种待拣选的物品信息；根据各个所述拣选任务以及所述物品位置信息，建立最短路径目标函数；通过遗传贪心算法基于所述最短路径目标函数进行求解，得到全局初始化路径；根据时间窗约束进行路径冲突检测，若不存在路径冲突，则将所述全局初始化路径确定为目标路径。该方法提供了针对性的解决策略，能够帮助合理规划拣选路径并动态调整，更贴合实际应用的场景，可以提高拣选作业的效率与拣选的精确性。本申请可广泛应用于路径规划技术领域内。本申请可广泛应用于路径规划技术领域内。本申请可广泛应用于路径规划技术领域内。


技术研发人员：彭岗举 李大琳 彭举彬 蓝金兰 陈堂福 韦玉成 罗桂文
受保护的技术使用者：珠海市格努科技有限公司
技术研发日：2023.04.14
技术公布日：2023/8/24