用于确定任务调度结果的方法及装置与流程

1.本技术实施例涉及计算机技术领域，具体涉及一种用于确定任务调度结果的方法及装置。


背景技术：

2.在无人仓库系统中，当订单到达仓库后，wms(warehouse management system，仓储管理系统)需要实时决策：应该由哪个工作站拣选，哪个货架响应，以及需要用哪个机器人搬运货架至工作站。机器人、货架和工作站之间的复杂线性规划问题，通常是np
‑
hard(non
‑
deterministic polynomial hard，非确定多项式困难)优化问题，随着问题规模的增加，计算时间呈指数增长，很难在指定时间内得到最优结果。现有的任务调度确定方法往往无法在指定时间内得到最优任务调度结果。


技术实现要素：

3.本技术实施例提出了一种用于确定任务调度结果的方法及装置。
4.第一方面，本技术实施例提供了一种用于确定任务调度结果的方法，包括：获取任务调度模型，其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量；在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型；在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果。
5.在一些实施例中，上述在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果，包括：在预设约束条件中对应于第二子模型的约束条件下，确定第二子模型的子结果；将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件下，确定第一子模型的子结果；结合第一子模型的子结果和第二子模型的子结果，得到任务调度结果。
6.在一些实施例中，上述将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件下，确定第一子模型的子结果，包括：根据第二子模型的子结果和目标条件，生成更新后目标条件；将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件和更新后目标条件下，确定第一子模型的子结果。
7.在一些实施例中，上述方法还包括：在后续的任务调度结果的确定过程中，响应于达到拉格朗日乘子的更新条件，更新拉格朗日乘子。
8.在一些实施例中，任务调度模型在每种可行的任务调度情形下，通过0
‑
1整数规划方法确定机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的工作站的第二距离成本，以及
每个目标工作站对于所需的每种物品的未满足需求量。
9.在一些实施例中，货架集合中的每个货架有至少一个货架面存放物品，第一距离成本用于表征机器人集合中的目标机器人到匹配该目标机器人的目标货架面的距离成本，第二距离成本用于表征每个目标货架面到工作站集合中匹配该目标货架的工作站的距离成本。
10.第二方面，本技术实施例提供了一种用于确定任务调度结果的装置，包括：获取单元，被配置成获取任务调度模型，其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量；分解单元，被配置成在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型；确定单元，被配置成在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果。
11.在一些实施例中，确定单元，进一步被配置成：在预设约束条件中对应于第二子模型的约束条件下，确定第二子模型的子结果；将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件下，确定第一子模型的子结果；结合第一子模型的子结果和第二子模型的子结果，得到任务调度结果。
12.在一些实施例中，确定单元，进一步被配置成：根据第二子模型的子结果和目标条件，生成更新后目标条件；将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件和更新后目标条件下，确定第一子模型的子结果。
13.在一些实施例中，上述装置还包括：更新单元，被配置成在后续的任务调度结果的确定过程中，响应于达到拉格朗日乘子的更新条件，更新拉格朗日乘子。
14.在一些实施例中，任务调度模型在每种可行的任务调度情形下，通过0
‑
1整数规划方法确定机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量。
15.在一些实施例中，货架集合中的每个货架有至少一个货架面存放物品，第一距离成本用于表征机器人集合中的目标机器人到匹配该目标机器人的目标货架面的距离成本，第二距离成本用于表征每个目标货架面到工作站集合中匹配该目标货架的工作站的距离成本。
16.第三方面，本技术实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面任一实现方式描述的方法。
17.第四方面，本技术实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一实现方式描述的方法。
18.本技术实施例提供的用于确定任务调度结果的方法及装置，通过获取任务调度模型，其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每
个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量；在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型；在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果，从而提供了一种确定任务调度结果的方法，提高了任务调度结果的确定效率。
附图说明
19.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
20.图1是本技术的一个实施例可以应用于其中的示例性系统架构图；
21.图2是根据本技术用于确定任务调度结果的方法的一个实施例的流程图；
22.图3是根据本实施例的用于确定任务调度结果的方法的应用场景的示意图；
23.图4是根据本技术的用于确定任务调度结果的方法的又一个实施例的流程图；
24.图5是根据本技术的用于确定任务调度结果的装置的一个实施例的结构图；
25.图6是适于用来实现本技术实施例的计算机系统的结构示意图。
具体实施方式
26.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
27.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
28.图1示出了可以应用本技术的用于确定任务调度结果的方法及装置的示例性架构100。
29.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络，网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
30.终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于仓储系统中用于将货架搬运至工作站以进行物品拣选的机器人、用于实时确定每个货架所存放的物品信息的信息获取装置、用于实时确定每个工作站的物品需求信息的信息获取装置、智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
31.服务器105可以是提供各种服务的服务器，例如综合考虑机器人与货架之间的匹
配、货架与工作站之间的匹配以及工作站的未满足需求量而确定任务调度结果的后台处理服务器。可选的，服务器可以根据任务调度结果调度机器人执行任务调度任务。作为示例，服务器105可以是云端服务器。
32.需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
33.还需要说明的是，本技术的实施例所提供的用于确定任务调度结果的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，用于确定任务调度结果的装置包括的各个部分(例如各个单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。
34.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当用于确定任务调度结果的方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括用于确定任务调度结果的方法运行于其上的电子设备(例如服务器或终端设备)。
35.继续参考图2，示出了用于确定任务调度结果的方法的一个实施例的流程200，包括以下步骤：
36.步骤201，获取任务调度模型。
37.本实施例中，用于确定任务调度结果的方法的执行主体(例如图1中的终端设备或服务器)可以获取任务调度模型。
38.其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量。
39.任务调度表征调度机器人集合中的目标机器人将货架集合中的目标货架移动至工作站集合中的目标工作站。机器人集合中包括多个机器人，每个机器人均可以接收上述执行主体的调度任务而将该机器人匹配的货架移动至指定的工作站。机器人例如可以是agv(automated guided vehicle，自动引导车)。货架集合中包括多个货架，每个货架可以存放至少一种物品。工作站集合中包括多个工作站，每个工作站可用于拣选通过机器人搬运至该工作站的货架上的物品。每个工作站配置多个缓冲位，用于暂存匹配该工作站的、载着货架而来的机器人。
40.预设约束条件可以根据实际情况具体设置。作为示例，预设约束条件例如可以是每个机器人同一时间最多被匹配至一个货架；每个货架同时最多由一个机器人搬运至一个工作站；匹配给每个工作站的货架面的数量不超过该工作站的可用缓冲位的数量。
41.为了更加符合仓库中agv的任务调度情况，预设约束条件包括以下至少一项：每个机器人最多被匹配至一个货架面；每个货架面同一时间最多由一个机器人搬运至一个工作站；匹配给每个工作站的货架面的数量不超过该工作站的可用缓冲位的数量；每当一个货架面被匹配给一个机器人的情况下，该货架面继续匹配至一个工作站，否则，不将该货架面分配给工作站；将一个货架面匹配至一个工作站后，该货架面上的物品松弛后满足该工作
站的物品需求；空闲的机器人不匹配至正被移动的货架面；正被货架面占用的机器人不匹配至其他货架面；对于包括多个货架面的多面货架，该货架同一时间只匹配至一个机器人，且该货架上只有一个货架面被匹配至工作站。
42.作为示例，在电子商务领域，电子商务公司经常基于agv建立无人仓库。在无人仓库系统中，物品存储在特制的货架上。在货架底部的通道中穿梭着大量的agv。这些agv将待拣货的货架驮起来并在仓库中运输。货架有至少一个侧面(一般为一个或两个侧面)来存放物品，每一侧有10到20个存储网格，每个网格只存储一种类型的物品。取决于仓库的大小，一个仓库中的物品的数量从数百到上万个种类不等。具体的，可以sku(stock keeping unit，库存量单位)区分物品种类。sku在货架上的分布专门经过设计，以便使一种sku位于多个不同的存储架。
43.整个仓库的布局可以如下设置，在仓库的边缘是拣选工作站，每个工作站包含几个agv泊位(缓冲位)。在一件一包裹的生产模式下，调度中心将当前的订单需求汇总成sku行(每种sku作为一个行信息，附带该sku的需求数量)，周期性的考虑当前空闲的agv，候选货架和空闲的工作站，向一个或多个agv发送命令，搬运货架并将其运输到指定工作站进行目标sku的拣选，拣选的每一件sku被打包，形成包裹，完成仓库生产。货架包括在存储区的货架和agv已经搬运中的货架。由于货架数量通常很多，调度中心必须决定如何做出最优调度决策。如果货架已分配给工作站，当载有货架的agv到达工作站时，它将停在工作站周围的泊位上。根据收到的订单，工作站的人工拣货员或机械手将从货架中拣选正确数量的、所需的sku。一旦拣取了所需的产品，agv将把货架运回存储区域。如果工作站目前没有空的泊位，则不向该工作站分配货架。
44.由于机器人、货架、工作站的数量均为多个，因而所确定的可行的任务调度情形的数量一般较大。
45.本实施例中，机器人到货架的距离，货架到工作站的距离作为整个任务调度过程中的机器人所需付出的距离成本，需要着重考虑。可行的任务调度情形下的距离成本越低，则该任务调度情形所表征的认读调度结果具有较高的优越性。
46.本实施例中，上述执行主体可以实时获取每个机器人的位置信息、每个货架的位置信息以及每个工作站的位置信息，进而可以确定机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离。
47.在确定距离成本的基础上，为了进一步提高拣货效率，应该使得搬运尽量少的货架就能够满足所匹配的工作站对于物品的需求信息。作为示例，工作站a对于sku b的需求量为5个，在任务调度时，匹配工作站a的货架中包括sku b的数量应尽可能不小于5个；在不存在sku b的数量不小于5个的货架时，匹配该工作站a的货架的数量应尽可能少。
48.基于上述考虑，上述执行主体还需确定每种可行的任务调度情形中每个目标工作站对于所需的每种物品的未满足需求量。
49.上述执行主体可以预先确定工作站集合中的每个工作站的物品需求，以及货架集合中的每个货架所存放的物品信息。进而，根据每个工作站的物品需求以及匹配该工作站的货架所存放的物品信息，确定工作站的未满足需求量。
50.在本实施例的一些可选的实现方式中，任务调度模型在每种可行的任务调度情形
下，通过0
‑
1整数规划方法确定机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量。0
‑
1整数规划方法中，决策变量只取两个值0或1。
51.在本实施例的一些可选的实现方式中，货架集合中的每个货架有至少一个货架面存放物品，第一距离成本用于表征机器人集合中的目标机器人到匹配该目标机器人的目标货架面的距离成本，第二距离成本用于表征每个目标货架面到工作站集合中匹配该目标货架的工作站的距离成本。
52.为了进一步说明任务调度结果的确定过程，在此给出如下具体的任务调度模型：
53.首先，为了方便说明，给出如下符号标记：
54.i＝i
a
∪i
b
，表征仓库拣选区所有的agv的编号集合。其中，i
a
为空闲agv的集合，i
b
为正被占用的agv的集合，采用字母i来指代agv的编号。
55.j＝j
a
∪j
b
，表征拣选区中的货架的货架面的编号集合。其中，j
a
表示静止货架的所有货架面集合，j
b
表示移动货架(也即当前被agv搬运的货架)的所有货架面集合，采用字母j来表示货架面的编号。
56.t表征拣选区所有货架的编号集合，用t表示货架的编号。并且，设置货架面的编号和货架编号的映射。也即，给定一个货架的编号，应该知道其是双面货架还是单面货架；另一方面，给定某货架面编号，我们就知道其所属那个货架的编号。
57.k表征所有工作站的编号集合，用字母k来表示工作站的编号。
58.s表征所有sku的编号集合，用字母s来表示sku编号。
59.和表征行走距离的成本矩阵。其中，是agvi∈i和货架面j∈j之间的行走距离；是货架面j∈j和工作站k∈k之间的行走距离。需要指出的是，工作站只能同时拣选货架的一面。当agv i搬运着货架t的货架面j1做好拣选准备时，我们认为但是，如果agv必须旋转货架才能做好拣选准备时，会产生距离成本，因此，如果agv i上的货架是双面的，另一侧是j2，我们有
60.{o
ks
}
k∈k，s∈s
表征工作站对sku的需求矩阵。o
ks
表示工作站k∈k对skus∈s的需求数量。
61.{q
js
}
j∈j，s∈s
表征货架面上的sku库存矩阵。q
js
表示在货架面j∈j的skus∈s的数量。
62.{b
k
}
k∈k
表征所有工作站的可用缓冲位数量。也就是说，不超过b
k
个货架可以被匹配到第k个工作站上。这里，可以仅考虑具有正的b
k
值的工作站。如果b
k
＝0，需要把对应的工作站k移出当次匹配。
63.α1，α2，α3表征权重参数，其中，α1代表了agv向货架移动的总成本权重，α2代表了货架向工作站移动的总成本权重，α3代表了未满足需求总数量的权重。
64.除此之外，还可以得到以下信息：
65.对于任一货架t∈t，具有子集j
t
∈j包括了货架t的货架面编号。对于单面货架t，
有|j
t
|＝1；对于双面货架t，有|j
t
|＝2；同时，有|j|≤2|t|。对于任一正在搬运货架的agv i∈i
b
，我们知道货架编号t
i
，是此货架的货架面集合。
66.然后，得到如下模型变量：
67.令x：＝{x
ij
∈{0，1}}
i∈i，j∈j
是agv和货架面的匹配变量。如果agv i∈i分配给了货架面j∈j，则x
ij
＝1，反之，则x
ij
＝0。
68.令y：＝{y
jk
∈{0，1}}
j∈j，k∈k
是货架面和工作站的匹配变量。如果货架面j∈j分配给工作站k∈k，则y
jk
＝1，反之，则y
jk
＝0。
69.令是工作站k∈k上的sku s∈s未满足的需求。
70.其中，模型的变量数为|i|
×
|j| |j|
×
|k| |k|
×
|s|。
71.最后，建立表征确定任务调度结果的任务调度模型如下：
[0072][0073][0074][0075][0076][0077][0078][0079][0080][0081][0082]
[0083][0084][0085]
其中，各约束的意义如下：
[0086]
约束(1)意义为每个agv最多只能分配至一个货架面；约束(2)意义为每个货架面同一时间最多由一辆agv搬运；约束(3)意义为每个货架面最多分配到一个工作站；约束(4)意义为分配给工作站的货架面数量不能超过该工作站中可用缓冲位数量；约束(5)意义为每当agv在匹配中分配给货架面，该货架面也必须分配给工作站；否则，如果货架面未分配给agv，则不应将其分配给任何工作站；约束(6)意义为将某些货架面分配给工作站时，我们希望这些货架面上的sku s松弛后满足该工作站的sku s需求；约束(7)意义为不应将空闲的agv分配给移动中的货架面；约束(8)意义为除了agv当前正在运输的货架上的货架面，不能将占用的agv分配给其他货架面；约束(9)意义为在双面货架上，当我们指派一个agv搬运货架时，只能选择一个货架面。因此，只有一辆agv能被分配到一个货架，且同时，只有一个货架面能被工作站拣选；约束(10)、(11)、(12)定义了决策变量的值域。
[0087]
其中，约束(5)和约束(9)一起保证了双面货架上的两个不同货架面不会同时分配到工作站。
[0088]
步骤202，在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型。
[0089]
本实施例中，上述执行主体可以在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型。
[0090]
其中，目标条件例如可以是预设约束条件中通过不等式所表征的约束条件。作为示例，目标约束条件可以是上述约束条件(5)。
[0091]
继续以约束条件(5)为目标条件为例，令λ：＝{λ
j
≥0，j∈j}作为拉格朗日乘子。然后，得到以下局部松弛问题。
[0092][0093]
s.t.{x，y，z}满足约束条件(1)
‑
(12)
[0094]
基于对偶理论，对于任何λ，最优目标值提供了原始问题(p)的一个下界，也即其中，原始问题即为上述任务调度模型所表征的最小化x，y，z的问题。
[0095]
一般来说，可以通过寻找对偶决策变量最优解一般来说，可以通过寻找对偶决策变量最优解来强化这个下界。表征使得取得最大值时的λ。但是找到对偶决策变量λ的最优解也是一个非常困难的问题。在这个阶段，我们假设，对问题已经有了一些已知的λ。对于这些固定的λ，我们可以重写问题的目标函数如下：
[0096][0097]
基于上述函数模型，决策变量{x
ij
}和{y
jk
，z
ks
}在问题中已经完全分离。因此，求解问题等价于解决如下两个子问题p1(λ)和p2(λ)：
[0098][0099]
s.t.x满足约束条件(1),(2),(7),(8),(9),(10)
[0100][0101]
s.t.{y，z}满足约束条件(3),(4),(6),(11),(12)
[0102]
如此，将任务调度模型任务调度模型分解为表征机器人与货架的匹配情况的第一子模型p1(λ)，以及表征货架与工作站的匹配情况的第二子模型p2(λ)。
[0103]
需要说明的是，通过对偶理论，将最小化任务调度模型中的x，y，z的技术问题，转化为最大化第一子模型p1(λ)、第二子模型p2(λ)的技术问题。
[0104]
步骤203，在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果。
[0105]
本实施例中，上述执行主体可以在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果。
[0106]
作为示例，上述执行主体可以通过对偶单纯形法分别确定第一子模型p1(λ)的子结果、第二子模型p2(λ)的子结果；进而，结合第一子模型和第二子模型的子结果，得到任务调度结果。
[0107]
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤203：
[0108]
第一，在预设约束条件中对应于第二子模型的约束条件下，确定第二子模型的子结果。
[0109]
其中，预设约束条件中对应于第二子模型的约束条件包括约束条件(3)、(4)、(6)、(11)、(12)。
[0110]
第二，将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件下，确定第一子模型的子结果。
[0111]
其中，预设约束条件中对应于第二子模型的约束条件包括约束条件(1)、(2)、(7)、
(8)、(9)、(10)。
[0112]
第三，结合第一子模型的子结果和第二子模型的子结果，得到任务调度结果。
[0113]
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述第二步骤：
[0114]
首先，根据第二子模型的子结果和目标条件，生成更新后目标条件；然后，将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件和更新后目标条件下，确定第一子模型的子结果。
[0115]
解决以上两个分离的子问题可能不会得出一个原始问题(p)的可行结果，这是因为约束(5)没有被满足。因而，需要先求解第二子模型p2(λ)，然后用得到的子结果作为第二子模型p1(λ)的输入，求解如下第一子模型：
[0116][0117]
x满足约束条件(1)，(2)，(7)，(8)，(9)，(10)
[0118]
其中，表征第二子模型的子结果，表征更新后目标条件。
[0119]
在本实施例的一些可选的实现方式中，在得到任务调度结果后，上述执行主体可以根据任务调度结果调度机器人集合中的机器人。
[0120]
在本实施例的一些可选的实现方式中，上述执行主体可以循环执行上述步骤201
‑
203，以实时确定任务调度结果。并且，在后续的任务调度结果的确定过程中，响应于达到拉格朗日乘子的更新条件，更新拉格朗日乘子。
[0121]
通过求解原始问题(p)的连续松弛问题，得到约束(5)对应的对偶变量解将作为最优λ的代理。但是对原始问题(p)的连续松弛问题的求解，也并不一定能在一个预设执行周期(例如3秒)之内求解得到，幸好，在每个执行周期内更新λ也不是必须的。因此，我们可以在必要的时候再更新λ。比如，距离上次计算已经过了预设时间间隔。
[0122]
当距离上次计算λ已经过了预设时间间隔，则确定达到拉格朗日乘子的更新条件。其中，预设时间间隔的时间长度可根据实际情况具体设置，在此不做限定。
[0123]
继续参见图3，图3是根据本实施例的用于确定任务调度结果的方法的应用场景的一个示意图300。在图3的应用场景中。无人仓库301中由包括多个机器人3011机器人集合、包括多个货架3012的货架集合和包括多个工作站3013的工作站集合构成。服务器首先基于预设约束条件，确定可行的多种任务调度情形1、2、......n。其中，任务调度表征调度机器人集合中的目标机器人将货架集合中的目标货架移动至工作站集合中的目标工作站。首先，服务器先确定任务调度模型302。其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作
站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量。然后，在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型3021，以及表征货架与工作站的匹配情况的第二子模型3022。最后，在预设约束条件下，确定第一子模型3021的子结果303和第二子模型3022的子结果304，得到任务调度结果305。
[0124]
本技术的上述实施例提供的方法，通过获取任务调度模型，其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量；在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型；在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果，从而提供了一种确定任务调度结果的方法，提高了确定任务调度结果的效率。
[0125]
继续参考图4，示出了根据本技术的用于确定任务调度结果的方法的一个实施例的示意性流程400，包括如下步骤：
[0126]
步骤401，获取任务调度模型。
[0127]
本实施例中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量。
[0128]
预设约束条件包括以下至少一项：每个机器人最多被匹配至一个货架面；每个货架面同一时间最多由一个机器人搬运至一个工作站；匹配给每个工作站的货架面的数量不超过该工作站的可用缓冲位的数量；每当一个货架面被匹配给一个机器人的情况下，该货架面继续匹配至一个工作站，否则，不将该货架面分配给工作站；将一个货架面匹配至一个工作站后，该货架面上的物品松弛后满足该工作站的物品需求；空闲的机器人不匹配至正被移动的货架面；正被货架面占用的机器人不匹配至其他货架面；对于包括多个货架面的多面货架，该货架同一时间只匹配至一个机器人，且该货架上只有一个货架面被匹配至工作站。
[0129]
步骤402，在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型。
[0130]
步骤403，在预设约束条件中对应于第二子模型的约束条件下，确定第二子模型的子结果。
[0131]
步骤404，根据第二子模型的子结果和目标条件，生成更新后目标条件。
[0132]
步骤405，将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件和更新后目标条件下，确定第一子模型的子结果。
[0133]
步骤406，结合第一子模型的子结果和第二子模型的子结果，得到任务调度结果。
[0134]
从本实施例中可以看出，与图2对应的实施例相比，本实施例中的用于确定任务调
度结果的方法的流程400具体说明了任务调度结果的确定过程，进一步提高了任务调度结果的确定效率和可行性。
[0135]
为了进一步说明任务调度结果的确定过程，给出如下具体实施方案：
[0136]
第一，给出如下任务调度模型：
[0137]
i＝i
a
∪i
b
，表征仓库拣选区所有的agv的编号集合。其中，i
a
为空闲agv的集合，i
b
为正被占用的agv的集合，采用字母i来指代agv的编号。
[0138]
j＝j
a
∪j
b
，表征拣选区中的货架的货架面的编号集合。其中，j
a
表示静止货架的所有货架面集合，j
b
表示移动货架(也即当前被agv搬运的货架)的所有货架面集合，采用字母j来表示货架面的编号。
[0139]
t表征拣选区所有货架的编号集合，用t表示货架的编号。并且，设置货架面的编号和货架编号的映射。也即，给定一个货架的编号，应该知道其是双面货架还是单面货架；另一方面，给定某货架面编号，我们就知道其所属那个货架的编号。
[0140]
k表征所有工作站的编号集合，用字母k来表示工作站的编号。
[0141]
s表征所有sku的编号集合，用字母s来表示sku编号。
[0142]
和表征行走距离的成本矩阵。其中，是agvi∈i和货架面j∈j之间的行走距离；是货架面j∈j和工作站k∈k之间的行走距离。需要指出的是，工作站只能同时拣选货架的一面。当agv i搬运着货架t的货架面j1做好拣选准备时，我们认为但是，如果agv必须旋转货架才能做好拣选准备时，会产生距离成本，因此，如果agv i上的货架是双面的，另一侧是j2，我们有
[0143]
{o
ks
}
k∈k，s∈s
表征工作站对sku的需求矩阵。o
ks
表示工作站k∈k对skus∈s的需求数量。
[0144]
{q
js
}
j∈j，s∈s
表征货架面上的sku库存矩阵。q
js
表示在货架面j∈j的skus∈s的数量。
[0145]
{b
k
}
k∈k
表征所有工作站的可用缓冲位数量。也就是说，不超过b
k
个货架可以被匹配到第k个工作站上。这里，可以仅考虑具有正的b
k
值的工作站。如果b
k
＝0，需要把对应的工作站k移出当次匹配。
[0146]
α1，α2，α3表征权重参数，其中，α1代表了agv向货架移动的总成本权重，α2代表了货架向工作站移动的总成本权重，α3代表了未满足需求总数量的权重。
[0147]
除此之外，还可以得到以下信息：
[0148]
对于任一货架t∈t，具有子集j
t
∈j包括了货架t的货架面编号。对于单面货架t，有|j
t
|＝1；对于双面货架t，有|j
t
|＝2；同时，有|j|≤2|t|。对于任一正在搬运货架的agv i∈i
b
，我们知道货架编号t
i
，是此货架的货架面集合。
[0149]
模型变量如下：
[0150]
令x：＝{x
ij
∈{0，1}}
i∈i，j∈j
是agv和货架面的匹配变量。如果agv i∈i分配给了货架面j∈j，则x
ij
＝1，反之，则x
ij
＝0。
[0151]
令y：＝{y
jk
∈{0，1}}
j∈j，k∈k
是货架面和工作站的匹配变量。如果货架面j∈j分配
给工作站k∈k，则y
jk
＝1，反之，则y
jk
＝0。
[0152]
令是工作站k∈k上的sku s∈s未满足的需求。
[0153]
其中，模型的变量数为|i|
×
|j| |j|
×
|k| |k|
×
|s|。
[0154]
建立表征确定任务调度结果的模型如下：
[0155][0156][0157][0158][0159][0160][0161][0162][0163][0164][0165][0166][0167][0168]
其中，各约束的意义如下：
[0169]
约束(1)意义为每个agv最多只能分配至一个货架面；约束(2)意义为每个货架面同一时间最多由一辆agv搬运；约束(3)意义为每个货架面最多分配到一个工作站；约束(4)
意义为分配给工作站的货架面数量不能超过该工作站中可用缓冲位数量；约束(5)意义为每当agv在匹配中分配给货架面，该货架面也必须分配给工作站；否则，如果货架面未分配给agv，则不应将其分配给任何工作站；约束(6)意义为将某些货架面分配给工作站时，我们希望这些货架面上的sku s松弛后满足该工作站的sku s需求；约束(7)意义为不应将空闲的agv分配给移动中的货架面；约束(8)意义为除了agv当前正在运输的货架上的货架面，不能将占用的agv分配给其他货架面；约束(9)意义为在双面货架上，当我们指派一个agv搬运货架时，只能选择一个货架面。因此，只有一辆agv能被分配到一个货架，且同时，只有一个货架面能被工作站拣选；约束(10)、(11)、(12)定义了决策变量的值域。
[0170]
其中，约束(5)和约束(9)一起保证了双面货架上的两个不同货架面不会同时分配到工作站。
[0171]
第二，以约束条件(5)为目标条件，令λ：＝{λ
j
≥0，j∈j}作为拉格朗日乘子，得到以下局部松弛问题。
[0172][0173]
s.t.{x，y，z}满足约束条件(1)
‑
(12)
[0174]
基于对偶理论，对于任何λ，最优目标值提供了原始问题(p)的一个下界，也即通过寻找对偶决策变量最优解来强化这个下界。
[0175]
上述局部松弛问题可以变换为：
[0176][0177]
进一步的，将上述函数模型等价于如下两个子模型p1(λ)和p2(λ)：
[0178][0179]
s.t.x满足约束条件(1),(2),(7),(8),(9),(10)
[0180][0181]
s.t.{y，z}满足约束条件(3),(4),(6),(11),(12)
[0182]
第三，求解第二子模型p2(λ)，然后将得到的子结果作为第一子模型p1(λ)的输入，求解如下第一子模型：
[0183][0184]
x满足约束条件(1),(2),(7),(8),(9),(10)
[0185]
第四，结合第一子模型p1(λ)的子结果和第二子模型p2(λ)的子结果得到任务调度结果。
[0186]
继续参考图5，作为对上述各图所示方法的实现，本技术提供了一种用于确定任务调度结果的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0187]
如图5所示，用于确定任务调度结果的装置包括：获取单元501，被配置成获取任务调度模型，其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量；分解单元502，被配置成在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型；确定单元503，被配置成在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果。
[0188]
在本实施例的一些可选的实现方式中，确定单元503，进一步被配置成：在预设约束条件中对应于第二子模型的约束条件下，确定第二子模型的子结果；将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件下，确定第一子模型的子结果。结合第一子模型的子结果和第二子模型的子结果，得到任务调度结果。
[0189]
在本实施例的一些可选的实现方式中，确定单元503，进一步被配置成：根据第二子模型的子结果和目标条件，生成更新后目标条件；将第二子模型的子结果输入第一子模型，在预设约束条件中对应于第一子模型的约束条件和更新后目标条件下，确定第一子模型的子结果。
[0190]
在本实施例的一些可选的实现方式中，上述装置还包括：更新单元(图中未示出)，被配置成在后续的任务调度结果的确定过程中，响应于达到拉格朗日乘子的更新条件，更新拉格朗日乘子。
[0191]
在本实施例的一些可选的实现方式中，任务调度模型在每种可行的任务调度情形下，通过0
‑
1整数规划方法确定机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量。
[0192]
在本实施例的一些可选的实现方式中，货架集合中的每个货架有至少一个货架面存放物品，第一距离成本用于表征机器人集合中的目标机器人到匹配该目标机器人的目标货架面的距离成本，第二距离成本用于表征每个目标货架面到工作站集合中匹配该目标货架的工作站的距离成本。
[0193]
本实施例中，用于确定任务调度结果的装置中的获取单元获取任务调度模型，其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量；分解单元在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型；确定单元在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果，从而提供了一种确定任务调度结果的装置，提高了确定任务调度结果的效率。
[0194]
下面参考图6，其示出了适于用来实现本技术实施例的设备(例如图1所示的设备101、102、103、105)的计算机系统600的结构示意图。图6示出的设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0195]
如图6所示，计算机系统600包括处理器(例如cpu，中央处理器)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。处理器601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0196]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
[0197]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本技术的方法中限定的上述功能。
[0198]
需要说明的是，本技术的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读
存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0199]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，程序设计语言包括面向目标的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在客户计算机上执行、部分地在客户计算机上执行、作为一个独立的软件包执行、部分在客户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到客户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0200]
附图中的流程图和框图，图示了按照本技术各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0201]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取单元、分解单元和确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果的单元”。
[0202]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该计算机设备：获取任务调度模型，其中，任务调度模型用于表征基于预设约束条件得到的每种可行的任务调度情形下，机器人集合中的目标机器人到货架集合中匹配该目标机器人的目标货架的第一距离成本，每个目标货架到工作站集合中匹配该目标货架的目标工作站的第二距离成本，以及每个目标工作站对于所需的每种物品的未满足需求量；在任务调度模型中加入预设约束条件中的目标条件相关的拉格朗日乘子，将任务调度模型分解为表征机器人与货架的匹配情况的第一子模型，以及表征货架与工作站的匹配情况的第二子模型；在预设约束条件下，确定第一子模型和第二子模型的子结果，得到任务调度结果。
[0203]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行
任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。