【技术实现步骤摘要】
本专利技术涉及智能调度，尤其涉及基于ai的物流仓储任务分配系统。
技术介绍
1、智能调度
包含物流、生产制造、交通管理等多个行业，旨在通过算法优化和资源调度提升作业效率。该
的核心内容包括仓储任务分配、路径优化、资源协调等方面。在物流仓储领域，智能调度主要应用于货物存储规划、订单拣选路径优化、运输车辆调度等环节。
2、其中，物流仓储任务分配系统是指在仓储作业过程中，根据货物存储位置、仓储任务优先级、可用人力和设备状态等因素，对物料搬运、拣选、补货、上架等作业仓储任务进行自动分配的系统。该系统通过仓储任务调度规则对各类仓储作业进行分配，结合仓库布局、仓储任务紧急程度和作业人员当前状态，确定最优的仓储任务执行者，并依据仓储任务特性匹配合适的搬运工具或运输设备。
3、在仓储作业过程中，路径选择主要依赖于固定规则或简单的最短路径算法，未能充分考虑设备能耗的动态变化，导致部分路径长期高负荷运行，增加能源消耗与设备损耗。对于任务执行时间的管理，缺乏对任务密度的实时监测，难以及时识别作业高峰期，任务容易在特定时间段集中，影响整体仓储运作的均衡性。任务依赖关系的处理较为固定，未能根据任务间的实际执行需求进行灵活调整，导致部分任务在等待依赖任务完成时产生作业延迟，降低任务执行的整体流畅性。任务分配方式较为静态，通常依据预设规则进行分配，难以根据实时作业数据进行动态调整，造成部分任务未能匹配最优执行对象，影响仓储作业的整体效率。此外，任务执行的决策过程较为单一，缺乏基于历史任务数据与实时仓储状态的智能优化手段，使
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的基于ai的物流仓储任务分配系统。
2、为了实现上述目的，本专利技术采用了如下技术方案：基于ai的物流仓储任务分配系统包括：
3、能耗梯度路径规避模块获取仓储区域中每个路径的设备能耗数据，计算路径上设备运行能耗梯度分布，根据梯度分布调整路径，得到路径能耗优化结果；
4、任务执行时间监测模块获取所述路径能耗优化结果中对应仓储任务时间，计算仓储任务在时间维度上的执行密度，根据执行密度标记拥堵风险，得到任务执行时间分布信息；
5、任务拥堵调整模块获取所述任务执行时间分布信息中仓储任务的执行密度趋势，计算拥堵风险仓储任务的拥堵指数，调整部分仓储任务的执行时间窗口，得到任务拥堵调整结果；
6、任务连贯性优化模块从所述任务拥堵调整结果中提取每个仓储任务之间的执行顺序约束，调整下游仓储任务的最早可执行时间，得到任务依赖优化结果；
7、动态仓储任务分配模块基于所述任务依赖优化结果中的仓储任务执行顺序，采用深度q网络进行模拟优化，动态分配任务执行对象和执行时间，得到任务分配优化结果。
8、作为本专利技术的进一步方案，所述路径能耗优化结果包括路径设备能耗梯度分布、能耗阈值对比结果、路径能耗调整，所述任务执行时间分布信息包括仓储任务执行密度、拥堵风险时间段标记、时间维度任务分布趋势，所述任务拥堵调整结果包括拥堵指数计算结果、仓储任务分流、任务执行时间窗口调整，所述任务依赖优化结果包括任务执行顺序约束、依赖任务执行顺序冲突检测、下游任务最早可执行时间调整，所述任务分配优化结果包括仓储任务资源需求、执行时间安排、路径能耗特征数据、任务执行对象分配。
9、作为本专利技术的进一步方案，所述能耗梯度路径规避模块包括：
10、路径能耗数据获取子模块获取仓储区域中每个路径指定时间下的设备能耗数据，调用设备能耗记录值，提取设备运行时长、功率消耗值，结合时间序列数据整理全部路径上设备的时间分段能耗数据，得到路径设备能耗数据集；
11、能耗梯度计算子模块基于所述路径设备能耗数据集，采用公式：
12、
13、计算路径上设备运行能耗梯度分布gp，得到路径能耗梯度分布值；
14、其中，et代表时间t时刻的设备能耗，代表该路径的平均设备能耗，dt代表路径上设备的运行时间差异值，n代表时间片总数；
15、路径能耗优化子模块根据所述路径能耗梯度分布值，将能耗梯度与预设的路径能耗阈值进行比较，筛选连续时刻能耗梯度均超出阈值的路径，对路径进行调整，重新分配部分仓储任务的路径选择，优化设备的运行时间窗口，得到路径能耗优化结果。
16、作为本专利技术的进一步方案，所述任务执行时间监测模块包括：
17、任务时间获取子模块获取所述路径能耗优化结果中对应的仓储任务时间信息，提取每个任务的开始时间、执行持续时间及完成时间，针对路径上的任务调度情况，整理每个时间段内的任务时间分布数据，得到任务时间分布数据集；
18、执行密度计算子模块基于所述任务时间分布数据集，采用公式：
19、
20、计算时间t′时段内的任务执行密度ht′；
21、其中，nt′代表时间t′内执行的任务数量，ti代表任务i的执行持续时间，wt′代表时间t′内任务可用执行窗口，gi代表任务i之间的间隔时间；
22、拥堵风险判断子模块根据所述任务执行密度值，将分布密度与预设的密度阈值进行比较，筛选任务密度超过设定阈值的时间段，并对筛选的时间段进行拥堵风险标记，得到任务执行时间分布信息。
23、作为本专利技术的进一步方案，所述任务拥堵调整模块包括：
24、任务密度趋势分析子模块获取所述任务执行时间分布信息中的仓储任务执行密度趋势，提取多个时段的任务密度值，按照时间序列整理任务密度变化曲线，分析任务密度的增长、稳定或下降趋势，得到任务执行密度趋势数据；
25、拥堵指数计算子模块基于所述任务执行密度趋势数据，采用公式：
26、
27、计算拥堵指数值ic；
28、其中，ht′代表时间t′时刻的任务密度，max(ht′)和min(ht′)分别代表任务密度在时间窗口内的最大值和最小值，n代表任务统计的时间窗口总数，tt′代表时间t′内全部任务的总执行时间，gt′代表任务间的平均时间间隔；
29、任务分流与时间调整子模块将所述拥堵指数值与预设的仓储任务拥堵阈值进行比较，筛选拥堵指数超出阈值的时间段，并对筛选的时间段的任务进行调整，重新分配部分任务至其他时间窗口，调整任务执行时间及路径，得到任务拥堵调整结果。
30、作为本专利技术的进一步方案，所述任务连贯性优化模块包括：
31、执行顺序约束提取子模块从所述任务拥堵调整结果中提取每个仓储任务之间的执行顺序约束，获取调整后的任务执行时间、任务间的依赖关系及路径，分析任务之间的前后关联性，得到任务执行顺序列表；
32、依赖优先级调整子模块基于所述任务执行顺序列表，判断是否因仓储任务时间调整导致依赖仓储任务之间的执行顺序冲突，若存在冲突，则基于仓储任务的依赖优先级调整下游仓储任务的最早可执行时间，得到任务依赖优化结本文档来自技高网...
【技术保护点】
1.基于AI的物流仓储任务分配系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于AI的物流仓储任务分配系统，其特征在于，所述路径能耗优化结果包括路径设备能耗梯度分布、能耗阈值对比结果、路径能耗调整，所述任务执行时间分布信息包括仓储任务执行密度、拥堵风险时间段标记、时间维度任务分布趋势，所述任务拥堵调整结果包括拥堵指数计算结果、仓储任务分流、任务执行时间窗口调整，所述任务依赖优化结果包括任务执行顺序约束、依赖任务执行顺序冲突检测、下游任务最早可执行时间调整，所述任务分配优化结果包括仓储任务资源需求、执行时间安排、路径能耗特征数据、任务执行对象分配。
3.根据权利要求2所述的基于AI的物流仓储任务分配系统，其特征在于，所述能耗梯度路径规避模块包括：
4.根据权利要求3所述的基于AI的物流仓储任务分配系统，其特征在于，所述任务执行时间监测模块包括：
5.根据权利要求4所述的基于AI的物流仓储任务分配系统，其特征在于，所述任务拥堵调整模块包括：
6.根据权利要求5所述的基于AI的物流仓储任务分配系统，其特征在于，所述
7.根据权利要求6所述的基于AI的物流仓储任务分配系统，其特征在于，所述动态仓储任务分配模块包括：
...【技术特征摘要】
1.基于ai的物流仓储任务分配系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于ai的物流仓储任务分配系统，其特征在于，所述路径能耗优化结果包括路径设备能耗梯度分布、能耗阈值对比结果、路径能耗调整，所述任务执行时间分布信息包括仓储任务执行密度、拥堵风险时间段标记、时间维度任务分布趋势，所述任务拥堵调整结果包括拥堵指数计算结果、仓储任务分流、任务执行时间窗口调整，所述任务依赖优化结果包括任务执行顺序约束、依赖任务执行顺序冲突检测、下游任务最早可执行时间调整，所述任务分配优化结果包括仓储任务资源需求、执行时间安排、路径能耗特征数据、任务执行...
【专利技术属性】
技术研发人员：吕芹，李鹏，吕高志，
申请(专利权)人：聊城智创物流科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。