实时任务规划 订单采集 智能物流 仓储 实时任务规划
Shaohui Zhang1,2, Qiuying Han3, Hai Zhu4
1School of Artificial Intelligence, Zhoukou Normal University, Zhoukou, 466001, China. zhangsh@zknu.edu.cn.
Scientific reports
|March 2, 2025
概括
本研究介绍了智能无人物流仓库实时任务规划的联合优化方法. 我们的新算法显著提高了效率,并降低了订单分配和机器人路径规划方面的成本.
科学领域:
- 运营研究 运营研究
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 电子商务的增长需要高效的物流仓储.
- 智能无人驾驶系统提高了运营效率并降低了成本.
- 订单分配和路径规划至关重要,但通常是单独优化.
研究的目的:
- 解决无人物流仓库实时任务规划 (RTTP) 中订单分配和路径规划的联合优化问题.
- 为了最大限度地减少总订单处理时间和旅行成本.
- 开发新的算法,以提高效率和有效性.
主要方法:
- 设计了一个联合优化评估指标和一个联合优化任务规划 (JOTP) 算法.
- 引入了基于强化学习 (RL) 的方法 (JOTP-RL),使用Q-Mix进行订单选择,将其建模为部分可观测的马尔科夫决策过程 (POMDP).
- 优化了改进的THA算法用于路径规划,减少冗余计算和考虑拥堵.
主要成果:
- 拟议的算法显著超过基线和最先进的方法.
- 在执行时间和任务优化方面表现出卓越的效率和有效性.
- 通过对两个数据集进行广泛的实验来验证.
结论:
- 订单分配和路径规划的联合优化对于智能无人物流仓储至关重要.
- 开发的JOTP和JOTP-RL算法为RTTP问题提供了有效的解决方案.
- 该研究在优化电子商务的物流运营方面取得了重大进展.
