基于时间敏感需求在线学习的平台物流运输路径规划方法

    公开(公告)号:CN115081989A

    公开(公告)日:2022-09-20

    申请号:CN202210793570.5

    申请日:2022-07-07

    申请人: 东北大学

    IPC分类号: G06Q10/08 G06Q50/28

    摘要: 本发明提供了基于时间敏感需求在线学习的平台物流运输路径规划方法,涉及物流技术领域。该方法考虑了时间敏感需求中履约时间和需求量均值的关系、平台运作过程中产生的在线数据,能够基于在线数据实现客户时间敏感需求的在线学习,并进一步利用学习得到的时间敏感需求函数进行平台物流运输路径规划。相较于传统的运输路径规划方法,能够有效地刻画客户需求量与履约时间的关系,使得对客户需求的刻画更加精准,更有利于设计使得平台收益最大的运输路径规划方案,以及避免由于履约时间改变导致的运输路径规划方案失准;该方法与传统的运输路径规划方法相比可以不断适应变化的客户时间敏感需求,适用范围更广。

    一种面向智能仓储的任务分配与充电调度协同优化方法

    公开(公告)号:CN118378836A

    公开(公告)日:2024-07-23

    申请号:CN202410527172.8

    申请日:2024-04-29

    申请人: 东北大学

    摘要: 本发明公开一种面向智能仓储的任务分配与充电调度协同优化方法,涉及智能仓储运营领域。本发明针对任务分配和充电调度协同优化问题,建立了一种准确刻画出问题本质的混合整数规划模型,在考虑搬运任务的执行时间、AGV的充电时间和排队等待时间的条件下,采用灵活充电策略,确定货架的分配、AGV搬运货架的顺序以及AGV调度到充电站的最佳决策方案,使得提出的问题以及构建的模型贴近实际情况,具有很强的实践应用价值;此外,本发明基于灵活充电策略设计了嵌入强化学习的遗传算法框架,算法的适用性强,可拓展性高,可以取得较好的求解质量,提高了订单拣选效率。