一种仓储物流转运方法与流程

1.本发明属于仓储规划技术领域，涉及一种基于随机森林判断和遗传算法分配运力的仓库存储出库转运方法，特别是针对物流出库高峰期通过对易出库的商品的位置摆放与高效使用转运车运力的一种出库转运方案。


背景技术：

2.工业化的繁荣推动了物料仓储行业的发展。仓储的效率、质量和成本对工业至关重要，新型的自动化仓储系统不断被引入到实际生活中。随着经济不断地发展，各行业的繁荣推动了仓储物流的快速发展。订单量不断增加，订单涉及的品种多、批量小，订单碎片化明显，拆零拣选的需求增加，订单要求时效短，对仓储系统的订单处理能力提出了更高的要求。产品订购者更加关注物流时效和服务体验，订单处理不及时、货物漏发错发等现象，会降低订购者的满意度，严重影响企业的销量和信誉。物流在电子商务中扮演着重要的角色，是连接生产商、中间供销和下游消费者的重要纽带，而仓储又是物流供应链中不可缺少的重要环节。企业为了确保配送服务质量，越来越关注仓储物流系统的自动化、智能化升级，不断加大对物流仓储设施项目的建设投资。面对海量的订单，企业希望仓储系统处理订单的效率越高越好。但是现有出库方案普遍存在效率不高和成本不高等问题。


技术实现要素：

3.本发明的目的在于针对上述现有技术存在的问题，提供一种仓储物流转运方法。
4.实现本发明目的的技术解决方案为：一种仓储物流转运方法，所述方法包括以下步骤：
5.步骤1，根据货架与出口位置的距离，对仓库进行区域划分；
6.步骤2，对仓库历史出库数据进行分析挖掘，对仓库物品进行畅销度排列；
7.步骤3，判断是否处于出库盘点期，若是，跳转至步骤4，否则跳转至步骤5；
8.步骤4，依据步骤1的区域划分和步骤2的畅销度排序，优化仓库物品布局；
9.步骤5，生成转运订单。
10.进一步地，步骤1所述根据货架与出口位置的距离，对仓库进行区域划分，具体为：
11.步骤1-1，对仓库建立直角坐标系，获取每个货架以及仓库出口的坐标位置；
12.步骤1-2，根据步骤1-1得到的坐标位置，计算每个货架与仓库出口的距离，将距离小于r1的货架划分为a区，将距离大于r1小于r2的货架划分为b区，将距离大于r2的货架划分为c区；按照畅销度由高到低排序，物品依次放置于a区、b区和c区。
13.进一步地，步骤2所述对仓库历史出库数据进行分析挖掘，对仓库物品进行畅销度排列，具体过程包括：
14.步骤2-1，采集仓库历史出库数据，包括物品的类型，物品的销售时间和销售数量；
15.步骤2-2，根据物品的销售时间和销售数量计算该物品的畅销度，将畅销度作为物品的标签，构建样本集；
16.步骤2-3，将所述样本集划分为训练集和测试集；
17.步骤2-4，利用训练集对随机森林模型进行训练；
18.步骤2-5，基于训练后的随机森林模型，获取当前仓库各物品的畅销度，并依据畅销度对物品进行降序排列。
19.进一步地，步骤4具体为：
20.按照步骤2的畅销度排序，将物品按照步骤2畅销度降序排列的顺序，依次放置于a区、b区和c区，且在每个区内部，按照步骤2畅销度降序排列的顺序，将物品按照距离仓库出口由近及远的位置进行放置。
21.进一步地，步骤5所述生成转运订单具体为，通过遗传算法生成转运订单，包括：
22.步骤5-1，按照转运车的数量，对出库订单进行划片，每辆转运车在各自的片中进行寻优，执行以下过程；
23.步骤5-2，转运车从对应的片中随机选择物品，生成若干个可行解，每个可行解表示为[gene1,
…
,genei,
…
,genen],genei表示是否选择第i号物品，n表示片中物品的数量；
[0024][0025]
步骤5-3，剔除不符合预设约束条件的可行解；
[0026]
步骤5-4，针对剩余的每一个可行解，计算适应度值ans：
[0027][0028]
其中，vi表示第i号物品的体积；
[0029]
步骤5-5，对剩余的可行解进行交叉、变异和复制运算；
[0030]
步骤5-6，判断是否满足终止条件，若是，则将适应度值最大的可行解作为最优解输出，终止迭代，否则返回步骤5-2。
[0031]
进一步地，步骤5-3中所述预设条件包括：
[0032]
约束条件1：订单里物品重量和不超过转运车的限重
[0033][0034]
wi'＝genei*wi[0035]
其中，wi表示第i号物品的重量，w为转运车的限重；
[0036]
约束条件2：订单上的物品的体积和不能超过转运车限制，使用x，y，z表示物品i的尺寸，x，y，z则表示转运车可以提供转运车的尺寸。
[0037][0038]
其中，xi、yi、zi分别为第i号物品的长、宽、高，x、y、z分别为转运车的长、宽、高；
[0039]
约束条件3：订单上任一物品的尺寸不可超过转运车的尺寸
[0040]
sorted([xi,yi,zi])≤sorted([x,y,z])
[0041]
其中，sorted([xi,yi,zi])表示第i号物品的尺寸，sorted([x,y,z])表示转运车的尺寸；
[0042]
不满足上述任意一个约束条件，则认为不符合预设约束条件。
[0043]
本发明与现有技术相比，其显著优点为：使用随机森林对仓库的历史数据进行挖
掘分析，可以对仓库的物品的储备和布局提供依据，使决策更具可靠；通过遗传算法对转运订单的生成进行优化，可以充分使用转运车的运力，由此本发明可以显著提高出库效率，降低出库成本。
[0044]
下面结合附图对本发明作进一步详细描述。
附图说明
[0045]
图1为本发明仓储物流转运方法的流程图。
[0046]
图2为仓库分区示意图。
[0047]
图3为遗传算法生成转运订单的流程图。
具体实施方式
[0048]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0049]
需要说明，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
[0050]
在一个实施例中，结合图1，提供了一种仓储物流转运方法，所述方法包括以下步骤：
[0051]
步骤1，根据货架与出口位置的距离，对仓库进行区域划分；结合图2，具体为：
[0052]
步骤1-1，对仓库建立直角坐标系，获取每个货架以及仓库出口的坐标位置；
[0053]
步骤1-2，根据步骤1-1得到的坐标位置，计算每个货架与仓库出口的距离，将距离小于r1的货架划分为a区，将距离大于r1小于r2的货架划分为b区，将距离大于r2的货架划分为c区；按照畅销度由高到低排序，物品依次放置于a区、b区和c区。
[0054]
步骤2，对仓库历史出库数据进行分析挖掘，对仓库物品进行畅销度排列；具体过程包括：
[0055]
步骤2-1，采集仓库历史出库数据，包括物品的类型，物品的销售时间和销售数量；
[0056]
步骤2-2，根据物品的销售时间和销售数量计算该物品的畅销度，将畅销度作为物品的标签，构建样本集；
[0057]
步骤2-3，将所述样本集划分为训练集和测试集；
[0058]
步骤2-4，利用训练集对随机森林模型进行训练；
[0059]
步骤2-5，基于训练后的随机森林模型，获取当前仓库各物品的畅销度，并依据畅销度对物品进行降序排列。
[0060]
步骤3，判断是否处于出库盘点期，若是，跳转至步骤4，否则跳转至步骤5。
[0061]
步骤4，依据步骤1的区域划分和步骤2的畅销度排序，优化仓库物品布局；具体为：
[0062]
按照步骤2的畅销度排序，将物品按照步骤2畅销度降序排列的顺序，依次放置于a
区、b区和c区，且在每个区内部，按照步骤2畅销度降序排列的顺序，将物品按照距离仓库出口由近及远的位置进行放置。
[0063]
步骤5，通过遗传算法生成转运订单，包括：
[0064]
步骤5-1，按照转运车的数量，对出库订单进行划片，每辆转运车在各自的片中进行寻优，执行以下过程；
[0065]
步骤5-2，转运车从对应的片中随机选择物品，生成若干个可行解，每个可行解表示为[gene1,
…
,genei,
…
,genen],genei表示是否选择第i号物品，n表示片中物品的数量；
[0066][0067]
步骤5-3，剔除不符合预设约束条件的可行解；
[0068]
所述预设条件包括：
[0069]
约束条件1：订单里物品重量和不超过转运车的限重
[0070][0071]
wi'＝genei*wi[0072]
其中，wi表示第i号物品的重量，w为转运车的限重；
[0073]
约束条件2：订单上的物品的体积和不能超过转运车限制，使用x，y，z表示物品i的尺寸，x，y，z则表示转运车可以提供转运车的尺寸。
[0074][0075]
其中，xi、yi、zi分别为第i号物品的长、宽、高，x、y、z分别为转运车的长、宽、高；
[0076]
约束条件3：订单上任一物品的尺寸不可超过转运车的尺寸
[0077]
sorted([xi,yi,zi])≤sorted([x,y,z])
[0078]
其中，sorted([xi,yi,zi])表示第i号物品的尺寸，sorted([x,y,z])表示转运车的尺寸；
[0079]
不满足上述任意一个约束条件，则认为不符合预设约束条件；
[0080]
步骤5-4，针对剩余的每一个可行解，计算适应度值ans：
[0081][0082]
其中，vi表示第i号物品的体积；
[0083]
步骤5-5，对剩余的可行解进行交叉、变异和复制运算；
[0084]
步骤5-6，判断是否满足终止条件，若是，则将适应度值最大的可行解作为最优解输出，终止迭代，否则返回步骤5-2。
[0085]
在一个实施例中，提供了一种仓储物流转运系统，所述系统包括：
[0086]
第一模块，用于根据货架与出口位置的距离，对仓库进行区域划分；
[0087]
第二模块，用于对仓库历史出库数据进行分析挖掘，对仓库物品进行畅销度排列；
[0088]
第三模块，用于判断是否处于出库盘点期，若是，跳转执行第四模块，否则跳转执行第五模块；
[0089]
第四模块，用于依据区域划分和畅销度排序，优化仓库物品布局；
[0090]
第五模块，用于生成转运订单。
[0091]
关于仓储物流转运系统的具体限定可以参见上文中对于仓储物流转运方法的限定，在此不再赘述。上述仓储物流转运系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0092]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
[0093]
步骤1，根据货架与出口位置的距离，对仓库进行区域划分；
[0094]
步骤2，通过随机森林算法对仓库历史出库数据进行分析挖掘，对仓库物品进行畅销度排列；
[0095]
步骤3，判断是否处于出库盘点期，若是，跳转至步骤4，否则跳转至步骤5；
[0096]
步骤4，依据步骤1的区域划分和步骤2的畅销度排序，优化仓库物品布局；
[0097]
步骤5，通过遗传算法生成转运订单。
[0098]
关于每一步的具体限定可以参见上文中对于仓储物流转运方法的限定，在此不再赘述。
[0099]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0100]
步骤1，根据货架与出口位置的距离，对仓库进行区域划分；
[0101]
步骤2，通过随机森林算法对仓库历史出库数据进行分析挖掘，对仓库物品进行畅销度排列；
[0102]
步骤3，判断是否处于出库盘点期，若是，跳转至步骤4，否则跳转至步骤5；
[0103]
步骤4，依据步骤1的区域划分和步骤2的畅销度排序，优化仓库物品布局；
[0104]
步骤5，通过遗传算法生成转运订单。
[0105]
关于每一步的具体限定可以参见上文中对于仓储物流转运方法的限定，在此不再赘述。
[0106]
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。