仓库拣货作业智能规划的研究构架

拣货作业模型优化必定包含调度规划，传统的调度模型决策变量、优化目标和约束条件往往非常简化，然而实际工业场景具有复杂性，绝大部分实际场景的决策优化问题很难描述的如此简单。文章研究智能规划方向属于动态优化问题，拟在拣货作业优化系统的设计中借助机器学习对多源异构数据进行准确预测、建立模型，研究包括以下几大模块：
（1）借助大数据平台收集相关拣货数据
京东仓库每天产生巨量的订单拣货日志、步行拣货轨迹数据，这些大量真实的数据信息构成了拣货作业大数据平台。利用大数据平台对拣货作业数据进行分析、挖掘，会得到配送中心、拣货员、仓库区域，分拣区的个性化信息，以及有关各仓库区块路径的有效数据；
（2）利用机器学习从数据中寻求规律，对数据进行准确预估
机器学习模块负责从大量数据中寻求规律和知识，利用历史的拣货员接收订单、拣货时长、空驶耗时等数据，对未来订单的到达时间、拣货速度、步行导航路径等数据因素进行准确预估，并通过实时维度的特征进行修正，为构建模型提供准确的参数信息；
（3）构建订单分配模型及路径优化模型并设计相应的算法
在拣货作业大数据平台以及机器学习的预测数据基础上，结合领域知识、优化算法、机器学习策略以及相关图论算法，基于分解协调思想，构建订单分配模型及路径优化模型，并设计了相应的算法。首先通过订单分配优化算法求解初始的订单分配，然后通过路径优化算法获取各拣货员的最佳行驶路线，进而，订单分配优化算法根据路径优化结果调整分配方案。通过不断反复迭代，形成智能的拣货作业规划，以做出全局最优的分配决策，并和拣货者高效互动，规划出拣货者最优路径，实现动态最优化；
（4）根据实例验证研究的可行性及有效性
在已研究的基础上，对京东仓库进行实地调研，实际操作拣货作业过程，获取所需模型参数，运用MATLAB 软件进行数值仿真，验证研究的可行性及有效性。

http://www.yuntisoft.com/baike/2668.html 仓库拣货作业智能规划的研究构架