一种优化拣货路径的方法及装置的制造方法
【技术领域】
[0001]本发明实施例涉及物流技术领域，尤其涉及一种优化拣货路径的方法及装置。
【背景技术】
[0002]随着互联网电商的迅速发展，物流中库房里的货物的中转也越发重要。而在库房中转时，拣货操作是很重要的一个环节。拣货效率的提升，对用户体验的提高和运营成本的降低都有很积极的影响，其中拣货路径的优化，就是一种可以有效提升拣货效率(提高拣货速度或缩短拣货时间)的方法。
[0003]目前，库房中的拣货人员常运用以下两种方式生成拣货路径:
[0004]第一、预先设置方式，通过对库房内所有货架进行编号，记录每一个上架的商品的编号。根据需要人工设置固定的货架的拣货顺序，再根据集合单(库房中由一个或者多个订单生成的商品拣货单)的商品确定需要拣货的位置，按照拣货顺序生成拣货路径。采用本方式生成拣货路径的缺点是由于库房中商品的移库(库房中商品货架间位置的变动操作)和返架(已经出库的商品，因为退货等原因返回货架的操作)的操作很频繁，预设的拣货顺序很难满足库房商品随时变化的实际情况，且需要设置人员修改设置，影响时效性和人力资源。
[0005]第二、算法方式，通过对库房内所有货架进行编号，记录每一个上架的商品的编号。使用拣货路径生成算法对集合单的商品位置进行计算，生成最短拣货路径。采用本方法生成拣货路径的缺点是通过算法生成的拣货路径存在忽略地形的情况。即，算法主要是依赖商品所在的货架之间直线距离进行计算的，不会因为货架之间有不方便穿越的墙等地形，而降低商品之间依次拣货的优先性。并且，算法方式也不会考虑根据商品本身的特有因素来调整拣货顺序，其中，特有因素包括商品本身的耐压程度，在拖车中的占用空间、摆放布局等。例如算法计算出先拣某易碎商品路径最短，但先拣易碎商品需要后续调整商品位置到顶部，以防止挤压造成是商品损伤，由于增加了调整的步骤，降低了拣货效率。
【发明内容】
[0006]本发明提供一种优化拣货路径的方法及装置，以实现优化现有的拣货路径的顺序，提升拣货效率的目的。
[0007]第一方面，本发明实施例提供了一种优化拣货路径的方法，包括:
[0008]启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；
[0009]通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；
[0010]将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；
[0011]根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。
[0012]第二方面，本发明实施例还提供了一种优化拣货路径的装置，包括:
[0013]拣货路径获取单元，用于启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段；
[0014]拣货尝试路径生成单元，用于通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径；
[0015]拣货尝试路径存储单元，用于将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库；
[0016]优化拣货路径生成单元，用于根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。
[0017]本发明通过筛选历史拣货记录中符合预设的优化条件的拣货路径片段，采用机器学习算法生成关于所述拣货路径片段的拣货尝试路径，根据所述尝试成功路径生成完整的优化拣货路径。本发明解决现有的生成拣货路径的方式不能有效地适应库房商品、货架变动、地形因素以及商品本身特有属性等复杂因素对拣货效率造成影响的问题，达到了优化现有的拣货路径的顺序，提升拣货效率的效果。
【附图说明】
[0018]图1是本发明实施例一中的一种优化拣货路径的方法的流程图；
[0019]图2a是本发明实施例二中的一种优化拣货路径的方法的流程图；
[0020]图2b是本发明实施例二中的一种优化拣货路径的方法的更新拣货记录的方法的流程图；
[0021]图3是本发明实施例三中的一种优化拣货路径的装置的结构示意图。
【具体实施方式】
[0022]下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0023]实施例一
[0024]图1为本发明实施例一提供的一种优化拣货路径的方法的流程图，本实施例可适用于物流库房中的货物中转时提高拣货效率的情况，该方法可以由优化拣货路径的装置来执行，该装置一般配置于服务器内，具体包括如下步骤:
[0025]步骤110、启动机器学习任务，从第一数据库中获取历史拣货记录中符合预设优化条件的拣货路径片段。
[0026]其中，机器学习可以是计算机模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的科学。机器学习任务是预设于服务器内的由规定的条件启动的任务代码。
[0027]预设优化条件可以是从所述历史拣货记录中筛选出待优化的拣货路径片段的决定因素，可以包括同一货架上货位的平均拣货时间大于预设的时间阈值的拣货路径片段，或者，在所述历史拣货记录中，手动变更过拣货顺序的拣货路径片段。
[0028]考虑到机器学习不能影响库房内正常的生产作业，因此，并不是所有集合单都需进行机器学习。在获取到集合单后，首先，需要确认该集合单是否是需要进行机器学习的集合单。确定某一个集合单是否需要进行机器学习，可以采用人工设定的方式确定哪一些集合单需要进行机器学习，或者，按照集合单的重要程度排序的方式，将重要程度不高的集合单设定为需要进行机器学习的集合单，或者通过其它人为设定的规则或系统筛选的方式等。
[0029]在确定需要机器学习的集合单后，由于已存储于所述第一数据库中的历史拣货路径有一部分已经是最优的，无需再进行优化操作。因此，需要从所述第一数据库中获取历史拣货记录中待优化的拣货路径片段。可以将同一货架上货位的平均拣货时间大于预设的时间阈值的拣货路径片段确定为待优化的拣货路径，或者，判断拣货员是否在历史拣货记录中对于该拣货路径做过手动变更拣货顺序，将变更了拣货顺序的片段确定为待优化的拣货路径。
[0030]步骤120、通过机器学习算法，根据所述拣货路径片段中货位，生成拣货尝试路径。
[0031]其中，机器学习算法是实现机器学习的算法，可以包括分类算法、聚类算法、统计学习算法、链接挖掘算法以及关联分析算法等。所述拣货尝试路径可以是通过机器学习算法生成的新的拣货路径的货位的组合方式。采用机器学习算法对所述拣货路径进行处理，生成拣货尝试路径可以是通过机器学习算法确定所述拣货路径的片段中相隔拣货时间最短的货位，将所述货位按照相邻货位拣货时间最短的顺序排列生成拣货尝试路径。作为一种辅助方式，还可以将拣货员手动修改的新的拣货路径作为拣货尝试路径。
[0032]步骤130、将拣货效率满足设定成功条件的所述拣货尝试路径确定为尝试成功路径，将所述尝试成功路径存储于第二数据库。
[0033]其中，拣货效率包括拣货时间和拣货速度，可以得知，拣货速度越快、拣货所花费的时间越短，拣货效率越尚。
[0034]由于拣货尝试路径不一定完全符合实际拣货的需要，并且库房的变动情况(例如商品的移库或返架)也会影响已成功优化的拣货路径应用到拣货操作中的效率，所以需要实时监测所述已成功优化的拣货路径，将满足预先设定的成功条件的尝试成功路径加以保存，对于尝试失败的尝试路径予以剔除。
[0035]步骤140、根据所述尝试成功路径生成完整的优化拣货路径，将所述优化拣货路径存储于所述第一数据库，以及，将采用所述尝试成功路径的拣货效率存储于所述第二数据库。
[0036]由于只是对部分拣货路径进行优化，对于一个集合单，还有无需进行优化的拣货路径，需要将优化后的拣货路径与该集合单中无需优化的拣货路径结合生成针对该集合单的完整的优化拣货路径。例如:对库房内的货架进行编号，采用拣货路径生成算法对集合单的商品位置进行计算，生成最短拣货路径；再访问所述第二数据库，以获取采用机器学习算法生成的尝试成功路径。根据所述尝试成功路径修正所述最短拣货路径，以完成集合单中部分商品的拣货操作。记录采用所述尝试成功路径需要的拣货时间，并存储于所述第二数据库中。将剩余商品按照原拣货路径生成算法重新计算拣货路径，将重新计算的所述拣货路径与所述尝试成功路径结合生成完整的优