智慧倉(cāng)內(nèi)的智能算法應(yīng)用現(xiàn)狀綜述

導(dǎo)讀：本文通過(guò)分析倉(cāng)儲(chǔ)管理的儲(chǔ)位分配、貨位動(dòng)態(tài)分配、訂單分配、揀選路徑規(guī)劃、裝箱優(yōu)化等核心作業(yè)環(huán)節(jié)，揭示智能算法是如何實(shí)現(xiàn)倉(cāng)儲(chǔ)作業(yè)智能化的秘密。

圖片來(lái)自“123RF”

一、引言

隨著物聯(lián)網(wǎng)技術(shù)、移動(dòng)互聯(lián)技術(shù)、RFID、機(jī)器人等技術(shù)的發(fā)展和應(yīng)用，物流業(yè)迎來(lái)了智慧物流時(shí)代。智慧物流以自動(dòng)化、智能化、信息化和網(wǎng)絡(luò)化為主要特征，能夠?qū)崿F(xiàn)物流各個(gè)環(huán)節(jié)的高效率運(yùn)轉(zhuǎn)。

倉(cāng)儲(chǔ)作為物流中的最重要一環(huán)，對(duì)智慧物流整體運(yùn)作性能的發(fā)揮起著舉足輕重的作用。傳統(tǒng)倉(cāng)庫(kù)是勞動(dòng)力密集型的作業(yè)模式，需要大量人力、效率低、易出錯(cuò)、人工成本高;智慧物流中的倉(cāng)儲(chǔ)實(shí)現(xiàn)了翻天覆地的變化，通過(guò)應(yīng)用大量實(shí)時(shí)感知技術(shù)、信息處理技術(shù)以及人工智能技術(shù)實(shí)現(xiàn)了倉(cāng)儲(chǔ)的智能化，解放了大量的人力、物力，大大提高了運(yùn)作效率和訂單實(shí)時(shí)響應(yīng)能力。

國(guó)內(nèi)外知名電商企業(yè)都已率先實(shí)現(xiàn)了智能倉(cāng)儲(chǔ)，如亞馬遜投入KIVA機(jī)器人實(shí)現(xiàn)無(wú)人倉(cāng)，京東的“亞洲一號(hào)”，阿里巴巴旗下的菜鳥網(wǎng)絡(luò)，都在部署智能倉(cāng)儲(chǔ)，實(shí)現(xiàn)了倉(cāng)儲(chǔ)運(yùn)作效率質(zhì)的飛躍。京東的“北京亞洲一號(hào)”借助shuttle智能系統(tǒng)，創(chuàng)造了“3人單日揀貨24000件”的記錄，運(yùn)營(yíng)效率是傳統(tǒng)倉(cāng)庫(kù)的五倍;“廣州亞洲一號(hào)”日出庫(kù)總量100萬(wàn)單，創(chuàng)國(guó)內(nèi)單體庫(kù)房最高記錄;“昆山亞洲一號(hào)”日分揀能力超過(guò)100萬(wàn)個(gè)包裹。南京蘇寧云倉(cāng)物流中心的智能倉(cāng)庫(kù)控制系統(tǒng)實(shí)現(xiàn)了日處理包裹最高可達(dá)181萬(wàn)件，揀選效率每人每小時(shí)1200件，倉(cāng)儲(chǔ)員工數(shù)從3000人削減到500人，大大節(jié)約了人力成本。有關(guān)媒體在菜鳥網(wǎng)絡(luò)智慧倉(cāng)內(nèi)與傳統(tǒng)倉(cāng)內(nèi)同時(shí)測(cè)試結(jié)果表明，一個(gè)傳統(tǒng)倉(cāng)內(nèi)的揀貨員，在7個(gè)半小時(shí)的工作時(shí)間內(nèi)，行走了27924步，揀貨1500件，已接近人工揀貨極限。而一個(gè)智慧倉(cāng)內(nèi)的揀貨員僅需行走2563步，揀貨卻高達(dá)3000件。這個(gè)數(shù)值還不是智慧倉(cāng)的最高值。同時(shí)，據(jù)麥肯錫咨詢公司估計(jì)，由于人工智能技術(shù)的應(yīng)用，美國(guó)將有3900-7900萬(wàn)的工作消失，英國(guó)也將有近20%的工作消失。

智慧倉(cāng)相對(duì)傳統(tǒng)倉(cāng)如此高的優(yōu)勢(shì)，其根本原因在哪里呢?到底什么樣的倉(cāng)庫(kù)屬于智慧倉(cāng)?智慧倉(cāng)的“智慧”又是怎么實(shí)現(xiàn)的?本文將就這兩個(gè)問(wèn)題展開討論。

二、智慧倉(cāng)的定義

首先需要界定什么是智慧倉(cāng)儲(chǔ)?目前尚無(wú)統(tǒng)一定義，國(guó)內(nèi)外學(xué)者的見解大致如下。

國(guó)外以英國(guó)和德國(guó)的研究居多，對(duì)智慧倉(cāng)的觀點(diǎn)與英國(guó)學(xué)者M(jìn)ahroof的觀點(diǎn)一致，即：智慧倉(cāng)儲(chǔ)是指在傳統(tǒng)倉(cāng)庫(kù)中應(yīng)用了人工智能技術(shù)后的倉(cāng)儲(chǔ)模式，這些人工智能技術(shù)包括機(jī)器人和機(jī)器學(xué)習(xí)等。

北京交通大學(xué)的楊松認(rèn)為智慧倉(cāng)儲(chǔ)系統(tǒng)是由倉(cāng)儲(chǔ)智能設(shè)備系統(tǒng)、電子信息識(shí)別系統(tǒng)、智慧控制系統(tǒng)、電子監(jiān)控系統(tǒng)、信息管理系統(tǒng)等多個(gè)子系統(tǒng)組成的智能執(zhí)行系統(tǒng)，具有對(duì)信息進(jìn)行智能感知、處理和決策，對(duì)倉(cāng)儲(chǔ)設(shè)備進(jìn)行智慧控制和調(diào)度，能自動(dòng)完成倉(cāng)儲(chǔ)作業(yè)的執(zhí)行。

華東交通大學(xué)的張秋淼認(rèn)為智能倉(cāng)儲(chǔ)系統(tǒng)是指設(shè)計(jì)改進(jìn)倉(cāng)儲(chǔ)的設(shè)施、業(yè)務(wù)系統(tǒng)、行為規(guī)范和標(biāo)準(zhǔn)，通過(guò)科學(xué)合理規(guī)劃，構(gòu)建由現(xiàn)代化智能設(shè)備打造的倉(cāng)儲(chǔ)網(wǎng)絡(luò)，進(jìn)行倉(cāng)儲(chǔ)業(yè)務(wù)的統(tǒng)一管理和調(diào)度，實(shí)現(xiàn)倉(cāng)儲(chǔ)管理的自動(dòng)化和智能化。

綜上所述，可以看出智慧倉(cāng)儲(chǔ)是綜合運(yùn)用了包括硬件和軟件在內(nèi)的各種智能技術(shù)、從而實(shí)現(xiàn)倉(cāng)儲(chǔ)作業(yè)的智能化，能夠做到“自感知、自學(xué)習(xí)、自診斷、自決策、自恢復(fù)”，實(shí)現(xiàn)對(duì)倉(cāng)儲(chǔ)物資的全程監(jiān)控和倉(cāng)儲(chǔ)管理決策的智能化。其中，硬件包括智能倉(cāng)儲(chǔ)設(shè)備、智能機(jī)器人和各種物聯(lián)網(wǎng)傳感設(shè)施的部署，軟件包括倉(cāng)儲(chǔ)管理系統(tǒng)，實(shí)現(xiàn)對(duì)倉(cāng)儲(chǔ)的智能控制，后者尤其是智能倉(cāng)儲(chǔ)系統(tǒng)運(yùn)作的核心。

三、智慧倉(cāng)中的智能算法應(yīng)用現(xiàn)狀

倉(cāng)儲(chǔ)作業(yè)過(guò)程中會(huì)產(chǎn)生大量的訂單信息、貨物信息、存儲(chǔ)信息、設(shè)備信息、控制指令信息等，信息的數(shù)量龐大、種類繁多、動(dòng)態(tài)性強(qiáng)，智慧倉(cāng)儲(chǔ)系統(tǒng)的“智慧”就是通過(guò)運(yùn)用信息識(shí)別技術(shù)、智能算法和決策優(yōu)化等技術(shù)，對(duì)倉(cāng)儲(chǔ)內(nèi)這些信息進(jìn)行智能感知、智能處理和智能決策，從而實(shí)現(xiàn)高效的倉(cāng)儲(chǔ)作業(yè)流程，實(shí)現(xiàn)電子商務(wù)時(shí)代對(duì)訂單的及時(shí)響應(yīng)。其中，智慧倉(cāng)庫(kù)的“智慧”核心就是大量先進(jìn)的智能算法的應(yīng)用，這些智能算法能夠有效地處理大量的、種類繁多的倉(cāng)儲(chǔ)信息，提高信息的處理效率，做出的智能決策能夠降低人為操作帶來(lái)的錯(cuò)誤和誤差，提高操作的準(zhǔn)確性和及時(shí)性，實(shí)現(xiàn)對(duì)倉(cāng)儲(chǔ)各個(gè)環(huán)節(jié)的智能控制，使得倉(cāng)儲(chǔ)設(shè)備具有學(xué)習(xí)能力、適應(yīng)能力、決策能力和組織能力。

倉(cāng)儲(chǔ)中的核心決策包括：儲(chǔ)位分配、貨位動(dòng)態(tài)分配、訂單分配、揀選路徑規(guī)劃、裝箱等，傳統(tǒng)倉(cāng)儲(chǔ)中主要靠人的主觀經(jīng)驗(yàn)做決策，而智慧倉(cāng)的決策卻是依靠智能算法，所以本文將對(duì)各決策問(wèn)題的智能算法應(yīng)用現(xiàn)狀進(jìn)行綜述。

1.儲(chǔ)位分配中的智能算法應(yīng)用現(xiàn)狀

智慧倉(cāng)在存儲(chǔ)和保管商品過(guò)程中，會(huì)綜合考慮貨物重量、出入庫(kù)頻率、出入庫(kù)時(shí)間、市場(chǎng)需求變化和倉(cāng)儲(chǔ)設(shè)備能力等方面的因素，動(dòng)態(tài)規(guī)劃儲(chǔ)位，以便快速響應(yīng)訂單的需求，提高倉(cāng)儲(chǔ)作業(yè)效率，降低搬運(yùn)和存儲(chǔ)成本，減少搬運(yùn)過(guò)程中貨物的損耗。

儲(chǔ)位優(yōu)化是指在選定的庫(kù)址上，通過(guò)分析物料的接收、存儲(chǔ)、出庫(kù)等整體過(guò)程及各活動(dòng)的關(guān)系，根據(jù)倉(cāng)庫(kù)所處的地理位置、其規(guī)模的不同、存放貨物的特性及倉(cāng)儲(chǔ)的技術(shù)條件等多種因素安排其流程、路徑與時(shí)序，求得各種物料、設(shè)備及人員操作所需的空間需求，通過(guò)調(diào)整各活動(dòng)位置與空間，使物料、機(jī)器、人員等獲得最合理位置與操作方法。倉(cāng)位優(yōu)化的目標(biāo)常常包括：最大限度地減少貨品的搬運(yùn)次數(shù)和時(shí)間、縮短在庫(kù)操作周期、有效利用空間、人員和設(shè)備、投資成本最低、工作條件最適宜等。

儲(chǔ)位分配問(wèn)題可以這樣描述：假設(shè)倉(cāng)庫(kù)中有n種物品，需要分別存放在n個(gè)儲(chǔ)位上，儲(chǔ)位編號(hào)1，2，…，n，配貨點(diǎn)用0表示。在過(guò)去一段時(shí)間內(nèi)已有m個(gè)訂單從倉(cāng)庫(kù)中揀選出庫(kù)，每個(gè)訂單又包含若干種物品，每個(gè)訂單揀選一次，問(wèn)如何分配n種物品的儲(chǔ)位，才能使未來(lái)一段時(shí)間內(nèi)訂單揀選效率最高。

常用的儲(chǔ)位分配策略包括：隨機(jī)儲(chǔ)位分配策略、最近儲(chǔ)位分配策略、固定儲(chǔ)位分配策略和基于貨物周轉(zhuǎn)率的分配策略。

智慧倉(cāng)儲(chǔ)在處理儲(chǔ)位分配問(wèn)題時(shí)，會(huì)根據(jù)訂單等歷史數(shù)據(jù)挖掘出物品之間的關(guān)聯(lián)關(guān)系，這樣在補(bǔ)貨時(shí)將存在需求關(guān)聯(lián)的物品存儲(chǔ)在相同或相鄰的揀貨區(qū)貨位中，可以縮短訂單揀選時(shí)的行走時(shí)間，達(dá)到提高揀選效率的目的。一般采用數(shù)據(jù)挖掘技術(shù)，最典型的方法是聚類分析方法。聚類分析基于“物以類聚”思想，將數(shù)據(jù)樣本進(jìn)行歸類，目的是挖掘出數(shù)據(jù)的內(nèi)在聯(lián)系，為進(jìn)一步的數(shù)據(jù)分析提供支持。聚類分析的基本原則是使得同一類中任意兩個(gè)數(shù)據(jù)樣本之間的關(guān)聯(lián)程度要大于其他類中的數(shù)據(jù)樣本。

常用的聚類分析算法如K-means法、基于圖論的聚類算法和譜聚類算法、基于密度和網(wǎng)格的聚類算法、層次聚類算法、模糊聚類算法等。國(guó)內(nèi)外學(xué)者在求解儲(chǔ)位分配問(wèn)題時(shí)基本上采用了聚類算法為核心的方法。例如，德國(guó)耶拿大學(xué)Weidinger提出了啟發(fā)式二進(jìn)制搜索算法，證明比隨機(jī)分配儲(chǔ)位策略要好。山東大學(xué)吳耀華教授的研究生包子敏對(duì)門診藥房的藥品儲(chǔ)位分配問(wèn)題進(jìn)行優(yōu)化，提出了動(dòng)態(tài)聚類算法進(jìn)行求解;吳教授的另一個(gè)研究生王震對(duì)多載貨臺(tái)堆垛機(jī)自動(dòng)化倉(cāng)儲(chǔ)系統(tǒng)的儲(chǔ)位分配問(wèn)題，混合蟻群算法和聚類算法，提出了蟻群聚類算法分配貨位，并證明優(yōu)越于基于最近貨位分配策略的儲(chǔ)位分配結(jié)果，能夠提高自動(dòng)存儲(chǔ)效率;鄒霞也是吳教授團(tuán)隊(duì)的博士研究生，提出了基于節(jié)約時(shí)間的多層次啟發(fā)式聚類算法，對(duì)AS/RS系統(tǒng)的儲(chǔ)位分配進(jìn)行優(yōu)化。

對(duì)于平庫(kù)和立體庫(kù)，庫(kù)區(qū)和貨位的動(dòng)態(tài)分配的實(shí)現(xiàn)方式也有所區(qū)別。平庫(kù)的貨位優(yōu)化主要體現(xiàn)在移動(dòng)貨架的動(dòng)態(tài)調(diào)整，機(jī)器人會(huì)托運(yùn)移動(dòng)貨架，按照聚類的結(jié)果將貨品的貨架移動(dòng)到相應(yīng)位置，以便減少倉(cāng)儲(chǔ)機(jī)器人后續(xù)揀選作業(yè)的總時(shí)間。立體庫(kù)的貨位優(yōu)化主要靠堆垛機(jī)的上下左右移動(dòng)實(shí)現(xiàn)貨物位置的調(diào)整，目的也是減少堆垛機(jī)的運(yùn)行距離和時(shí)間，提高效率的同時(shí)降低能耗。

2.貨位動(dòng)態(tài)分配中的智能算法應(yīng)用現(xiàn)狀

貨位動(dòng)態(tài)分配是指在給定儲(chǔ)位布局前提下，如何存儲(chǔ)貨物能夠使得貨物的出入庫(kù)效率高、倉(cāng)庫(kù)貨架穩(wěn)定等。按照作業(yè)方式可以將貨位動(dòng)態(tài)分配分為入庫(kù)貨位動(dòng)態(tài)分配和出庫(kù)貨位動(dòng)態(tài)分配兩個(gè)問(wèn)題。

入庫(kù)貨位動(dòng)態(tài)分配問(wèn)題是指結(jié)合倉(cāng)儲(chǔ)目前的存儲(chǔ)現(xiàn)狀，確定貨位分配的策略及優(yōu)化原則，給待入庫(kù)的貨物安排最恰當(dāng)?shù)呢浳?。入?kù)貨位分配常常需要考慮的原則有同類貨物相鄰原則、提高出入庫(kù)效率原則以及貨架穩(wěn)定性原則等。所以一般的入庫(kù)貨位分配優(yōu)化問(wèn)題常常將這三個(gè)原則作為優(yōu)化目標(biāo)建立優(yōu)化模型。

出庫(kù)貨位動(dòng)態(tài)分配問(wèn)題是在收到出庫(kù)訂單后按照訂單信息選擇合適的貨物位置，不同的位置對(duì)應(yīng)著不同的出庫(kù)行走路徑。影響出庫(kù)作業(yè)效率的因素主要有出庫(kù)路徑規(guī)劃、貨位分配、叉車和工人的作業(yè)效率等。

無(wú)論是入庫(kù)貨位動(dòng)態(tài)分配還是出庫(kù)貨位動(dòng)態(tài)分配問(wèn)題，都是一個(gè)典型的組合優(yōu)化問(wèn)題，可以用智能算法進(jìn)行求解。

國(guó)內(nèi)外學(xué)者對(duì)于貨位動(dòng)態(tài)優(yōu)化問(wèn)題展開研究并取得豐碩的成果，例如中國(guó)科學(xué)技術(shù)大學(xué)的段悅針對(duì)某農(nóng)資倉(cāng)庫(kù)存在的問(wèn)題，分別研究了入庫(kù)貨位分配策略和出庫(kù)分配策略，建立了多目標(biāo)優(yōu)化模型，設(shè)計(jì)了入侵雜草算法，并與粒子群算法和遺傳算法進(jìn)行了對(duì)比，證明所提算法的優(yōu)越性。沈陽(yáng)工業(yè)大學(xué)侯景超研究了機(jī)電設(shè)備公司倉(cāng)儲(chǔ)系統(tǒng)，利用改進(jìn)的遺傳算法對(duì)倉(cāng)儲(chǔ)系統(tǒng)動(dòng)態(tài)貨位優(yōu)化。西南交通大學(xué)的杜軼波針對(duì)?；返拇鎯?chǔ)貨位分配問(wèn)題，利用滾動(dòng)時(shí)域策略分階段解決貨位分配問(wèn)題。河北工業(yè)大學(xué)劉志帥結(jié)合一個(gè)具體倉(cāng)庫(kù)的運(yùn)行現(xiàn)狀，建立了以揀選作業(yè)人員的人體能耗最小的貨位優(yōu)化模型，采用貪婪算法求解了模型。

近年來(lái)，自動(dòng)化立體倉(cāng)庫(kù)的貨位分配優(yōu)化是一個(gè)研究熱點(diǎn)。自動(dòng)化立體庫(kù)存貨和取貨有多種啟發(fā)式規(guī)則可以使用，對(duì)于入庫(kù)貨位分配，有先到先服務(wù)規(guī)則，即按照先后順序安排貨物到最近的空位上;對(duì)于出庫(kù)貨位分配，有具有最長(zhǎng)等待時(shí)間的隨機(jī)取貨、最近鄰居、應(yīng)急最近鄰居取貨規(guī)則等。結(jié)合這些啟發(fā)式規(guī)則，已有大量研究將其集成到某種智能算法形成混合算法，用于優(yōu)化自動(dòng)化立體庫(kù)的貨位分配優(yōu)化問(wèn)題。例如，清華大學(xué)賈煜亮對(duì)單元貨格式自動(dòng)化立體倉(cāng)庫(kù)中的貨位實(shí)時(shí)分配問(wèn)題進(jìn)行了研究，分別研究了入庫(kù)分配貨位優(yōu)化和出庫(kù)選擇貨位優(yōu)化問(wèn)題，將模擬退火算法和遺傳算法混和對(duì)問(wèn)題進(jìn)行求解。

蘭州交通大學(xué)的王廳長(zhǎng)針對(duì)雙深式自動(dòng)化立體倉(cāng)庫(kù)貨位優(yōu)化問(wèn)題，建立了以貨架穩(wěn)定性高、存取作業(yè)效率高為目標(biāo)的貨位優(yōu)化模型，并設(shè)計(jì)了病毒遺傳算法進(jìn)行求解。昆明理工大學(xué)楊湛通過(guò)遺傳算法和粒子群算法的思想對(duì)立體倉(cāng)庫(kù)的貨位進(jìn)行優(yōu)化。浙江工業(yè)大學(xué)的姚俊針對(duì)智能立體倉(cāng)庫(kù)貨位分配問(wèn)題，考慮貨物重量、出入庫(kù)頻率和出入庫(kù)時(shí)間等因素，以貨架重心低、出入庫(kù)頻率高、貨物離出入庫(kù)口近等原則建立貨位分配優(yōu)化模型，提出了一種基于精英多策略差分進(jìn)化算法的貨位分配優(yōu)化方法。陜西科技大學(xué)的黨培針對(duì)AS/RS的入庫(kù)貨位分配優(yōu)化問(wèn)題，利用多色集合及粒子群算法進(jìn)行求解。東華大學(xué)的袁培培針對(duì)巷道作業(yè)平衡優(yōu)化問(wèn)題，提出了雙親混合遺傳算法。南京工程學(xué)院李小笠等人研究了小型立體庫(kù)的貨位分配策略，考慮了存儲(chǔ)能耗、貨架穩(wěn)定性和運(yùn)行效率，建立倉(cāng)庫(kù)貨位分配優(yōu)化數(shù)學(xué)模型，提出嵌套分區(qū)算法進(jìn)行求解。

昆明理工大學(xué)的鄭雪梅研究了某卷煙廠配送中心的自動(dòng)化立體庫(kù)貨位分配問(wèn)題，考慮了存取作業(yè)效率、貨架穩(wěn)定性以及同類產(chǎn)品相鄰儲(chǔ)存不同類產(chǎn)品均勻分布的貨物存儲(chǔ)原則，采用遺傳算法求解貨位優(yōu)化模型。東華大學(xué)的梁博針對(duì)動(dòng)態(tài)貨位分配的優(yōu)化問(wèn)題，提出了二進(jìn)制的粒子群算法和遺傳算法，并通過(guò)實(shí)驗(yàn)結(jié)果證明二進(jìn)制粒子群算法優(yōu)越于遺傳算法。南京工業(yè)大學(xué)的江唯將效率、離散度、重力對(duì)貨位優(yōu)化的影響程度轉(zhuǎn)化為權(quán)重，并在此基礎(chǔ)上建立了以提高周轉(zhuǎn)效率為最終目標(biāo)的貨位優(yōu)化模型，提出了基于自適應(yīng)免疫遺傳算法的貨位優(yōu)化決策方法。

3.訂單分配中的智能算法應(yīng)用現(xiàn)狀

“貨到人”的智慧倉(cāng)儲(chǔ)是近年來(lái)出現(xiàn)的一種新型高效的配送中心倉(cāng)儲(chǔ)模式。由機(jī)器人代替人工完成倉(cāng)庫(kù)內(nèi)部的揀貨工作，能夠大大提高揀貨效率。那么，智慧倉(cāng)庫(kù)中大量揀貨機(jī)器人的使用，如何協(xié)調(diào)多個(gè)機(jī)器人完成多項(xiàng)任務(wù)是影響倉(cāng)儲(chǔ)效率的關(guān)鍵要素之一。這就是智慧倉(cāng)內(nèi)的訂單分配問(wèn)題，又稱為揀選任務(wù)分配問(wèn)題，它是指在特定條件下，將未完成的訂單任務(wù)合理分配給揀選機(jī)器人，以實(shí)現(xiàn)整體執(zhí)行效果最優(yōu)。

任務(wù)分配的好壞對(duì)智慧倉(cāng)儲(chǔ)的整體效率有著直接且重要的影響，所以國(guó)內(nèi)外學(xué)者對(duì)其進(jìn)入了深入系統(tǒng)的研究，并形成了一些優(yōu)秀的算法。

1990年，該問(wèn)題就被美國(guó)德克薩斯大學(xué)達(dá)拉斯分校的Du等人證明屬于NP難題，所以對(duì)該問(wèn)題的研究基本上都是基于啟發(fā)式方法和智能算法。例如，德國(guó)馬格德堡大學(xué)的Henn先后研究了迭代局部搜索算法和基于屬性的爬山算法求解任務(wù)分配問(wèn)題的效果，并成功將二者集成，形成混合算法;中國(guó)臺(tái)灣輔仁大學(xué)的Chen等人提出了遺傳算法和蟻群算法的混合解決方案，遺傳算法用于產(chǎn)生問(wèn)題的近優(yōu)解，蟻群算法用于對(duì)遺傳算法的解進(jìn)行評(píng)估;印度Thiagarajar工程學(xué)院的Elango等人提出了基于K-means聚類及拍賣機(jī)制的任務(wù)分配算法，同時(shí)考慮了總路程最短和機(jī)器人之間的分配平衡兩個(gè)目標(biāo)。

北京物資學(xué)院李文玉設(shè)計(jì)了快速求解模型的啟發(fā)式算法。長(zhǎng)春工業(yè)大學(xué)的史朋濤研究了適用性較好的蟻群算法和遺傳算法，對(duì)訂單中貨物需求量比較大的訂單，設(shè)計(jì)了用于訂單分割的遺傳算法，對(duì)于分割后的子訂單和小訂單的備貨路徑優(yōu)化問(wèn)題，設(shè)計(jì)了多目標(biāo)的動(dòng)態(tài)蟻群算法，證明了蟻群算法要比遺傳算法優(yōu)越。西班牙胡安卡洛斯國(guó)王大學(xué)的Menéndez針對(duì)訂單任務(wù)分配問(wèn)題，結(jié)合啟發(fā)式規(guī)則提出了變鄰域搜索算法，并與已有算法進(jìn)行了對(duì)比，證明針對(duì)此類問(wèn)題變鄰域搜索算法是迄今為止最好的算法。

4.揀選路徑規(guī)劃中的智能算法應(yīng)用現(xiàn)狀

據(jù)英國(guó)學(xué)者估計(jì)，訂單揀選所耗成本為整個(gè)倉(cāng)庫(kù)作業(yè)成本的55%。所以揀選路徑規(guī)劃成為智慧倉(cāng)庫(kù)改造重點(diǎn)。這是倉(cāng)庫(kù)中最復(fù)雜、也是最重要的一個(gè)環(huán)節(jié)，有句話說(shuō)得好“贏在揀選就贏在倉(cāng)庫(kù)”，高效率的揀選是提高商品出庫(kù)的重要保障。

揀選路徑規(guī)劃問(wèn)題是指對(duì)每個(gè)訂單，如何合理確定揀貨員或揀貨機(jī)器人對(duì)貨物揀選的順序，以實(shí)現(xiàn)揀選時(shí)行走距離短或者損耗的時(shí)間最少。在倉(cāng)儲(chǔ)機(jī)器人數(shù)量充足的智能倉(cāng)庫(kù)系統(tǒng)中，倉(cāng)儲(chǔ)機(jī)器人的數(shù)量多于每批訂單中的任務(wù)個(gè)數(shù)。因此，倉(cāng)儲(chǔ)機(jī)器人數(shù)量充足的多機(jī)器人任務(wù)分配問(wèn)題，相當(dāng)于一個(gè)非平衡指派問(wèn)題。倉(cāng)儲(chǔ)機(jī)器人數(shù)量不足的多機(jī)器人任務(wù)分配問(wèn)題，屬于一個(gè)典型的調(diào)度問(wèn)題。

人工揀選時(shí)常用的是基于簡(jiǎn)單路徑規(guī)則的啟發(fā)式算法，如S型路線、返回型路線、中點(diǎn)返回型路線、最大間隔型路線、混合型路線等。不同的揀選路徑策略在不同的前提條件下有不同的最優(yōu)效果，這個(gè)前提條件包括貨位的指派方式、存儲(chǔ)區(qū)的形狀以及每條揀選通道上揀選貨物的密度。已有研究表明貨物揀選密度小于3.8時(shí)，最大間隔型路線最優(yōu);大于3.8時(shí)，S型路線最優(yōu)化。

絕大多數(shù)的智慧倉(cāng)內(nèi)都布置了機(jī)器人負(fù)責(zé)揀選工作，那么路徑規(guī)劃針對(duì)的是多個(gè)機(jī)器人在場(chǎng)地內(nèi)運(yùn)動(dòng)時(shí)，如何為每個(gè)機(jī)器人確定運(yùn)動(dòng)的軌跡，使得所有機(jī)器人都能盡快到達(dá)任務(wù)的目的地。而交通控制算法則是為了防止機(jī)器人之間可能的碰撞、防止部分區(qū)域出現(xiàn)機(jī)器人擁堵。

這方面的研究成果比較豐富。

例如，北京物資學(xué)院李文玉分別研究了機(jī)器人數(shù)量充足和不足情況下的揀貨路徑規(guī)劃，提出了啟發(fā)式方法，研究成果應(yīng)用在某網(wǎng)上書店智能倉(cāng)庫(kù)系統(tǒng)中。

北京物資學(xué)院的劉少華針對(duì)魚骨布局下揀選路徑問(wèn)題分別設(shè)計(jì)了遺傳算法、蟻群算法和布谷鳥算法進(jìn)行求解，結(jié)果證明，在揀選點(diǎn)數(shù)量在20以內(nèi)時(shí)，三種算法都可以找到最優(yōu)解，當(dāng)揀選點(diǎn)數(shù)量大于20時(shí)，蟻群算法和布谷鳥算法優(yōu)化效果好于遺傳算法。浙江大學(xué)邱歌針對(duì)智能倉(cāng)儲(chǔ)中多AGV運(yùn)作可能引發(fā)的碰撞、死鎖、運(yùn)行低效等問(wèn)題，從地圖構(gòu)建和調(diào)度算法兩方面探索設(shè)計(jì)，前者將系統(tǒng)資源合理分配設(shè)置來(lái)預(yù)防可能導(dǎo)致的死鎖，而后者通過(guò)優(yōu)化調(diào)度和資源鎖控制避免了AGV之間的碰撞。中國(guó)科學(xué)院大學(xué)的張丹露研究了基于A*算法多機(jī)器人動(dòng)態(tài)路徑規(guī)劃問(wèn)題，提出了基于交通規(guī)則的改進(jìn)A*算法，從根本上解決了多機(jī)器人交通擁擠堵塞問(wèn)題。北京郵電大學(xué)的高小杰以KIVA系統(tǒng)的倉(cāng)儲(chǔ)布局為例，研究了倉(cāng)儲(chǔ)系統(tǒng)中多機(jī)器人小車的路徑規(guī)劃問(wèn)題，提出了改進(jìn)人工魚群算、遺傳算法以及A*算法。中北大學(xué)的潘成浩針對(duì)如何實(shí)現(xiàn)多倉(cāng)儲(chǔ)物流機(jī)器人在揀選作業(yè)的過(guò)程中進(jìn)行高效實(shí)時(shí)的路徑規(guī)劃問(wèn)題，提出了以遺傳算法和A*算法相結(jié)合的求解思路。西南交通大學(xué)的張濤在實(shí)現(xiàn)經(jīng)典A*算法基礎(chǔ)上，從減少路徑轉(zhuǎn)角次數(shù)的角度出發(fā)對(duì)A*算法進(jìn)行轉(zhuǎn)角約束，同時(shí)為減少多機(jī)器人在倉(cāng)儲(chǔ)環(huán)境中運(yùn)行時(shí)可能發(fā)生的碰撞，引入單行道約束對(duì)規(guī)劃的路徑進(jìn)行限制。山西農(nóng)業(yè)大學(xué)的馮晨鐘提出了改進(jìn)遺傳算法，求解多機(jī)器人的路徑規(guī)劃問(wèn)題。南京理工大學(xué)的王健認(rèn)為無(wú)人車的路徑規(guī)劃問(wèn)題可分為：基于環(huán)境先驗(yàn)信息已知的全局路徑規(guī)劃和基于不確定環(huán)境信息的局部路徑規(guī)劃。針對(duì)全局路徑規(guī)劃問(wèn)題，以A*算法為基礎(chǔ)，提出基于拓?fù)鋬?yōu)化環(huán)境模型的改進(jìn)A*算法;針對(duì)局部路徑規(guī)劃問(wèn)題，采用了人工勢(shì)場(chǎng)法。東華大學(xué)杜永華提出了揀選作業(yè)的二進(jìn)制粒子群算法和遺傳算法，證明前者比后者優(yōu)越。湖南工業(yè)大學(xué)的丁建文改進(jìn)了A*算法，也提出了改進(jìn)螢火蟲算法。西安科技大學(xué)針對(duì)?；穫}(cāng)儲(chǔ)，提出遺傳貪心算法，構(gòu)建了稀土金屬倉(cāng)庫(kù)移動(dòng)巡檢系統(tǒng)，并針對(duì)易爆炸特征，設(shè)計(jì)了改進(jìn)極限學(xué)習(xí)機(jī)算法的倉(cāng)庫(kù)溫度動(dòng)態(tài)預(yù)測(cè)方法。

除了算法方面，“貨到人”的機(jī)器人揀選系統(tǒng)也有很多產(chǎn)品開發(fā)出來(lái)，如亞馬遜的KIVA機(jī)器人、Swisslog的CarryPick系統(tǒng)、阿里巴巴的菜鳥小G機(jī)器人等等，這些機(jī)器人能夠快速揀選貨物，其內(nèi)在的智慧就是上述智能算法。

針對(duì)立體庫(kù)中穿梭車的路徑規(guī)劃問(wèn)題，也有一些學(xué)者做了探索，例如，南京理工大學(xué)江唯針對(duì)環(huán)形軌道穿梭車調(diào)度問(wèn)題提出了一種基于規(guī)則的遺傳算法，達(dá)到了優(yōu)化調(diào)度結(jié)果、提高運(yùn)算效率的目的。浙江工業(yè)大學(xué)的魯建廈研究了子母穿梭車密集倉(cāng)儲(chǔ)系統(tǒng)復(fù)合作業(yè)三維路徑規(guī)劃問(wèn)題，提出了混合智能水滴算法，實(shí)現(xiàn)了更好的全局搜索能力和更高的收斂速度，降低復(fù)合作業(yè)設(shè)備的碳排放成本，優(yōu)化了三維空間路徑，提高了出入庫(kù)效率。

從上述的文獻(xiàn)綜述上來(lái)看，在機(jī)器人路徑規(guī)劃問(wèn)題上，應(yīng)用最多的是蟻群算法和A*算法，A*算法是一種啟發(fā)式規(guī)則，全局尋優(yōu)能力較差，一般是將其結(jié)合到全局尋優(yōu)算法中，形成混合算法。

5.裝箱作業(yè)中的智能算法應(yīng)用現(xiàn)狀

菜鳥智能裝箱算法被寫入阿里巴巴“黑科技”，自從投入使用以來(lái)，由于大大提高了滿箱率，真正做到了節(jié)約成本和保護(hù)環(huán)境。目前已累計(jì)優(yōu)化超過(guò)5億個(gè)包裹，相當(dāng)于節(jié)省了1.15億個(gè)郵政6號(hào)紙箱，減少超過(guò)1.5萬(wàn)噸的碳排放量，一個(gè)倉(cāng)庫(kù)僅此一項(xiàng)可以節(jié)省數(shù)萬(wàn)成本。菜鳥裝箱算法通過(guò)大數(shù)據(jù)分析，根據(jù)一個(gè)訂單中所有商品的特性，比如長(zhǎng)寬高、可否堆壓等，能夠快速推薦出最優(yōu)的箱型和智能裝箱方案，打包員只要按圖操作即可，方便快捷，不但節(jié)省可包裝成本，還提高了包裝效率。那么智能裝箱算法的背后，到底應(yīng)用了哪些人工智能技術(shù)呢?

首先，我們給出智慧倉(cāng)中裝箱問(wèn)題的描述：有t種不同規(guī)格的箱子，每種規(guī)格的箱子尺寸分別為：寬度為Wj，長(zhǎng)為L(zhǎng)j，高為Hj(j=1,2…,t)，成本為Cj?，F(xiàn)有一個(gè)訂單，內(nèi)含n種矩形物品，第i種物品的屬性包括三維尺寸li、wi、hi，重量di和其他屬性(如是否可堆壓、有無(wú)氣味等)，同種物品有mi個(gè)(i=1,2,…,n)，同種物品所包括的所有物品屬性相同。求裝納這些物品所需要箱子成本最低，并需要給出訂單中的物品在選定箱型中的布局方案。

按照裝箱物體所屬裝箱空間可把裝箱問(wèn)題分為一維裝箱問(wèn)題、二維裝箱問(wèn)題、三維裝箱問(wèn)題，其中三維裝箱問(wèn)題可以看作是一維、二維裝箱問(wèn)題的一個(gè)泛化。按照裝箱物體的形狀可以把裝箱問(wèn)題分為規(guī)則物體的裝箱和不規(guī)則物體的裝箱，規(guī)則物體是指具有規(guī)則外形的物體，不規(guī)則物體是指具有任意幾何形狀的物體。按照裝箱物體達(dá)到情況可把裝箱問(wèn)題分為在線裝箱問(wèn)題和離線裝箱問(wèn)題，如果裝入一個(gè)物品時(shí)，只利用這個(gè)物品前面物品的信息，而不知道后繼物品的任何信息，即按照物品到達(dá)順序隨到隨裝，則稱該類問(wèn)題為在線裝箱問(wèn)題;若物品裝載以前就已得到所有物品信息，之后統(tǒng)一處理所有物品，則稱該類問(wèn)題為離線裝箱問(wèn)題。按照裝載過(guò)程是否有懲罰值裝箱問(wèn)題可分為帶拒絕裝箱問(wèn)題和不帶拒絕裝箱問(wèn)題，如果在裝載過(guò)程中待裝載物品沒有被放在箱中而產(chǎn)生懲罰，這種情況下的裝箱問(wèn)題是帶拒絕裝箱問(wèn)題，反之為不帶拒絕裝箱問(wèn)題;按容器數(shù)目分為單容器裝載問(wèn)題和多容器裝載問(wèn)題。

裝箱問(wèn)題是一個(gè)組合優(yōu)化問(wèn)題，在理論上屬NP-hard問(wèn)題。由于目前NP完全問(wèn)題不存在有效時(shí)間內(nèi)求得精確解的算法，裝箱問(wèn)題的求解極為困難的，在20世紀(jì)70、80年代陸續(xù)提出的裝箱算法都是各種近似算法，如下次適應(yīng)、首次適應(yīng)、降序下次適應(yīng)和調(diào)和算法等。近幾年裝箱問(wèn)題的研究方法主要有線性規(guī)劃法、動(dòng)態(tài)規(guī)劃法、傳統(tǒng)啟發(fā)式方法及現(xiàn)代啟發(fā)式方法(如模擬退火算法、禁忌搜索算法、遺傳算法)等等。

裝箱算法設(shè)計(jì)中應(yīng)用較多的是垂直“層”或“墻”的概念。使用“層”來(lái)生成擺放模式的基本思路是：通過(guò)生成垂直的互不相關(guān)的包含多種物品的層，由這些層來(lái)組成完整的布局模式，層內(nèi)單個(gè)物品的擺放方式不同的算法有各自的規(guī)定。新西蘭坎特伯雷大學(xué)的George和Robinson首先針對(duì)裝箱問(wèn)題提出了“層”的啟發(fā)式方法。英國(guó)威爾士大學(xué)的Bischoff和Marriott比較了14種基于“層”的方法。因?yàn)閷优c層之間互不關(guān)聯(lián)，獨(dú)立存在，所以一個(gè)完整的布局模式中，這些層的順序可以任意調(diào)整，能夠更容易地滿足一些約束，比如對(duì)重心的要求。

后來(lái)，Bischoff等人針對(duì)多種物品單托盤裝載問(wèn)題(只考慮空間和穩(wěn)定性約束)，從托盤缺少可用于支撐的垂直壁的特點(diǎn)和由底向上的擺放方式出發(fā)，提出了基于“平面”的算法。由底向上每次只放入一層最多由兩種物品組成的水平層，迭代填充和生成平面、水平層，獲得有效且具有高穩(wěn)定性的布局模式。

德國(guó)哈根遠(yuǎn)程大學(xué)的Gehring和Bortfeldt引入了“塔”的概念，算法的基本思路是先用待裝物品生成許多塔，生成一個(gè)由互不關(guān)聯(lián)的塔組成的集合。然后將這些塔按設(shè)定的一系列規(guī)則放入目標(biāo)容器，生成完整的布局模式。在具體設(shè)計(jì)規(guī)則時(shí)根據(jù)需要考慮不同的約束。最后使用遺傳算法求出最優(yōu)解。該算法在物品擺放穩(wěn)定性方面表現(xiàn)不錯(cuò)，對(duì)物品種類少或多的情況均適用。

與“塔”和“層”的概念不同，德國(guó)卡塞爾大學(xué)的Michael Eley設(shè)計(jì)了基于同類“塊”的算法，完整的布局模式是由這些同類“塊”組成的，而“塊”則是由完全相同的物品(物品屬性和擺放方向均相同)組成的多層結(jié)構(gòu)。算法用貪婪算法生成初始解，然后用分支定界法改善，在搜索樹的點(diǎn)時(shí)采用最佳搜索策略，即只選擇具有最佳評(píng)價(jià)值的結(jié)點(diǎn)作為下一步的拓展結(jié)點(diǎn)。該算法在容器空間利用率和物品穩(wěn)定性方面表現(xiàn)較好。另外，由于塊與塊之間不關(guān)聯(lián)的特點(diǎn)，可以很好地滿足重心約束。

北京科技大學(xué)李昱蓉借鑒“金角銀邊草肚皮”的思想提出的最大穴度算法也很有效，其基本思想是：在某一時(shí)刻，已經(jīng)按放置規(guī)則向箱子中放置了若干物品，那么對(duì)還未放入的物品，按照穴度大小來(lái)放，即：放進(jìn)箱子的物品始終占據(jù)由三個(gè)先前已放進(jìn)箱子的物品所形成的角，并且放置動(dòng)作的穴度還要盡可能地大;若有多個(gè)穴度最大的動(dòng)作，就挑選邊度最小的動(dòng)作(邊度體現(xiàn)了放進(jìn)箱子中各物品所形成布局的規(guī)整程度)。這樣一來(lái)，放進(jìn)箱子的諸物品就抱得非常緊湊，從而提高了箱子的積載率。

綜述所述，國(guó)內(nèi)外學(xué)者提出的裝箱算法，基本上的求解思路都是在智能算法的框架內(nèi)集成某些啟發(fā)式規(guī)則。

四、我國(guó)智慧倉(cāng)的應(yīng)用實(shí)例

隨著我國(guó)電子商務(wù)的蓬勃發(fā)展，智慧倉(cāng)的建設(shè)也如火如荼，并初具規(guī)模。京東在全國(guó)各地的15個(gè)“亞洲一號(hào)”就是最成功的應(yīng)用，據(jù)京東方面介紹，目前京東的存儲(chǔ)效率是傳統(tǒng)橫梁貨架存儲(chǔ)效率的5倍以上。京東昆山分揀中心的分揀能力可以達(dá)到9000件/小時(shí)，供包環(huán)節(jié)的效率提升了 4倍，在同等場(chǎng)地規(guī)模和分揀貨量的前提下，每個(gè)場(chǎng)地可節(jié)省人力180人。無(wú)人機(jī)則能夠?qū)鹘y(tǒng)人工配送的時(shí)間縮短數(shù)倍甚至數(shù)十倍，物流成本也隨之降低。

除了電商行業(yè)，各行各業(yè)都在探索智慧倉(cāng)儲(chǔ)的升級(jí)改造。電力行業(yè)方面，通過(guò)實(shí)施智慧倉(cāng)儲(chǔ)項(xiàng)目，可幫助電力企業(yè)減少庫(kù)存10%～20%，提升庫(kù)存空間利用率 10%，降低勞動(dòng)力成本10%～40%，減少保管不善損失50%，提高庫(kù)存作業(yè)準(zhǔn)確率70%，達(dá)到電廠整體物資管理水平提升的目的，預(yù)計(jì)每年可節(jié)省 10 ～15 萬(wàn)元的管理費(fèi)用。軍隊(duì)方面，已有軍民融合軍需智慧倉(cāng)儲(chǔ)系統(tǒng)，它是為解決目前軍需戰(zhàn)備物資數(shù)量規(guī)模大且管理難、庫(kù)存管理手段落后及信息模糊滯后等問(wèn)題，基于物聯(lián)網(wǎng)技術(shù)及相關(guān)的軟硬件設(shè)備提出一種軍民融合式軍需智慧倉(cāng)儲(chǔ)系統(tǒng)框架，實(shí)現(xiàn)了在保證軍隊(duì)儲(chǔ)備軍事目的前提下，以軍需物資通用性為方向進(jìn)行探索的軍地一體化儲(chǔ)備管理。

就地區(qū)分布而言，東南沿海地區(qū)走在了我國(guó)智慧倉(cāng)建設(shè)的最前沿，如柏亞與廣東省物流行業(yè)協(xié)會(huì)、南方物聯(lián)網(wǎng)信息中心共同建設(shè)的“柏亞倉(cāng)”。首期工程將運(yùn)用于“塑料原材料、薄膜”的倉(cāng)儲(chǔ)物流與金融商貿(mào)，為包括中石化、中石油、中海殼牌石油化工、韓國(guó) SK 化工、新加坡?？松?美孚)公司、LG 寧波樂(lè)金甬興化工等上游企業(yè)，以及海西經(jīng)濟(jì)區(qū)大型塑料終端、批發(fā)等下游客戶提供“智慧物流”服務(wù)。海康機(jī)器人為其量身定制智能化倉(cāng)儲(chǔ)物流解決方案，該系統(tǒng)在海康威視桐廬生產(chǎn)基地應(yīng)用以來(lái)，能夠滿足基地日產(chǎn)值億元的倉(cāng)儲(chǔ)及內(nèi)物流需求。與傳統(tǒng)人工庫(kù)操作相比，使用?？低曋悄軅}(cāng)儲(chǔ)系統(tǒng)，成品庫(kù)節(jié)約人力約58%，提升工作效率84%，在節(jié)約生產(chǎn)成本的同時(shí)，大大地提高了生產(chǎn)效率。智能倉(cāng)儲(chǔ)在威海也正處于加速發(fā)展期，智能倉(cāng)儲(chǔ)未來(lái)的發(fā)展方向就是根據(jù)不同的客戶需求做到更加精準(zhǔn)化和個(gè)性化。

因?yàn)閯?chuàng)新，智慧倉(cāng)庫(kù)的效率提升了一個(gè)層次。農(nóng)業(yè)生鮮及農(nóng)產(chǎn)品、醫(yī)院物流是智能倉(cāng)儲(chǔ)目前最主要的兩個(gè)應(yīng)用領(lǐng)域。

五、結(jié)束語(yǔ)

智慧倉(cāng)儲(chǔ)與傳統(tǒng)倉(cāng)儲(chǔ)的核心功能都是實(shí)現(xiàn)物品的保管和倉(cāng)儲(chǔ)，但是智慧倉(cāng)儲(chǔ)借助物聯(lián)網(wǎng)技術(shù)和人工智能技術(shù)，實(shí)現(xiàn)了倉(cāng)儲(chǔ)運(yùn)作效率的大幅提升，不但節(jié)省了勞動(dòng)力等成本，還實(shí)現(xiàn)了節(jié)能減排的環(huán)保目標(biāo)，實(shí)現(xiàn)了經(jīng)濟(jì)效益和社會(huì)效益的雙提升。未來(lái)，隨著5G技術(shù)的進(jìn)一步推廣和普及，以及人工智能技術(shù)的日新月異，各種高效穩(wěn)健的智能算法將會(huì)不斷涌現(xiàn)，智慧倉(cāng)必將越來(lái)越“智慧”，進(jìn)而帶來(lái)物流業(yè)的高速發(fā)展，從而造福于人類和社會(huì)。