CN116187499A - 货运配载方法、装置、电子设备及存储介质 - Google Patents

货运配载方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116187499A
CN116187499A CN202211504860.XA CN202211504860A CN116187499A CN 116187499 A CN116187499 A CN 116187499A CN 202211504860 A CN202211504860 A CN 202211504860A CN 116187499 A CN116187499 A CN 116187499A
Authority
CN
China
Prior art keywords
cargo
target
goods
scheme
type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211504860.XA
Other languages
English (en)
Inventor
尤赟
谢骏
曾锴
李吉
范杰
陶涛
刘华斌
王谦
古铭威
彭成东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Foreign Transport Co ltd
Original Assignee
China Foreign Transport Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Foreign Transport Co ltd filed Critical China Foreign Transport Co ltd
Priority to CN202211504860.XA priority Critical patent/CN116187499A/zh
Publication of CN116187499A publication Critical patent/CN116187499A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供的货运配载方法、装置、电子设备及存储介质，属于货运技术领域，包括：获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；基于每个货物的外观类别标签，根据每个货物的三维模型和重量信息，以及容积信息和预设装载规则，对目标货厢进行配载规划，确定目标货厢的目标配载方案，以根据目标配载方案对目标货厢进行货物配载；预设装载规则包括：体积由大至小配载，重量由重至轻配载。本发明提供的货运配载方法、装置、电子设备及存储介质，根据货物的外观和重量属性，对分类好的货物进行有序地配载规划，能够从根本上提高货厢的装载率和货物的稳定性，有效地降低了运输成本，保障运输安全。

Description

货运配载方法、装置、电子设备及存储介质
技术领域
本发明涉及运输技术领域，尤其涉及货运配载方法、装置、电子设备及存储介质。
背景技术
现有的关于货物装载的方案优化的研究，主要是针对形状规则的货物，例如矩形类货物，对于不规则货物装载优化的研究较少。而在物流运输中，难免需要对货物形状各异进行装载。
目前，物流企业对于异形件的装载，主要是由人工根据以往经验确定装载顺序，进行装载，有时为了时效，甚至将货物随机装进货厢。
由于装载的货物往往杂乱无章，导致运输过程中货物的稳定性差，还会造成空间上的浪费，增加运输成本。
发明内容
本发明提供的货运配载方法、装置、电子设备及存储介质，用以解决现有技术中货物配载杂乱无章的缺陷，实现对货运配载的有序合理规划。
本发明提供一种货运配载方法，包括：
获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；
基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，以根据所述目标配载方案对所述目标货厢进行货物配载；所述预设装载规则包括：体积由大至小配载，重量由重至轻配载。
根据本发明提供的一种货运配载方法，所述每个货物的外观类别标签是基于所述每个货物的三维模型确定的；所述外观类别标签为第一外观标签、第二外观标签、第三外观标签和第四外观标签中的任一种；
所述基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，包括：
将带有第一外观标签的第一类货物进行聚类处理，获取多个第一类货物组合；
根据所述容积信息、各第一类货物组合的三维模型，以及预设装载规则，生成第一目标子方案；
确定至少一个带有第二外观标签的第二类货物；
根据所述第一目标子方案、所述容积信息，以及各第二类货物的三维模型，生成多个第二子方案；
根据每个第二子方案中每个第二类货物的重量信息，确定第二目标子方案，以基于所述第二目标子方案确定所述目标配载方案。
根据本发明提供的一种货运配载方法，所述根据每个第二子方案中每个第二类货物的重量信息，确定第二目标子方案，包括：
根据每个第二子方案中每个第二类货物的重量信息和位置信息，生成所述每个第二子方案的重心偏移量；所述位置信息是根据第二子方案中货物所处的位置确定的；
确定重心偏移量最小的第二子方案为所述第二目标子方案。
根据本发明提供的一种货运配载方法，所述根据所述第一目标子方案、所述容积信息，以及各第二类货物的三维模型，生成多个第二子方案，包括：
根据所述第一目标子方案和所述容积信息，确定所述目标货厢的可装配空间；
根据所述各第二类货物的三维模型，对所述可装配空间进行装配规划，生成所述多个第二子方案。
根据本发明提供的一种货运配载方法，所述基于所述第二目标子方案确定所述目标配载方案，包括：
根据各带有第三外观标签的第三类货物的三维模型，确定所述各第三类货物的摆放方式；
基于所述容积信息和所述第二目标子方案，根据所述各第三类货物的摆放方式和三维模型，对所述第三类货物进行配载，确定第三目标子方案；
根据所述容积信息和第三目标子方案，确定所述目标货厢的剩余空间；
基于所述预设装载规则，根据带有第四外观标签的第四类货物的三维模型和重量信息，对所述剩余空间进行填充，以获取所述目标配载方案。
根据本发明提供的一种货运配载方法，所述根据各带有第三外观标签的第三类货物的三维模型，确定所述各第三类货物的摆放方式，包括：
所述第三外观标签为圆筒状货物；
根据各第三类货物的三维模型，获取所述各第三类货物的横截面；
在横截面的面积大于面积阈值的情况下，根据所述第三类货物的三维模型，确定所述第三类货物的摆放方式为按照体积由大至小进行摆放；
在横截面的面积不大于面积阈值的情况下，根据所述第三类货物的重量信息，确定所述第三类货物的摆放方式为按照重量由重至轻摆放。
本发明还提供一种货运配载装置，包括：
获取模块，用于获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；
配载模块，用于基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，以根据所述目标配载方案对所述目标货厢进行货物配载；所述预设装载规则包括：体积由大至小配载，重量由重至轻配载。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述货运配载方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述货运配载方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述货运配载方法。
本发明提供的货运配载方法、装置、电子设备及存储介质，根据货物的外观和重量属性，对分类好的货物进行有序合理地配载规划，能够从根本上提高货厢的装载率和货物的稳定性，有效地降低了运输成本，保障运输安全。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的货运配载方法的流程示意图之一；
图2是本发明提供的货物配载的结构示意图；
图3是本发明提供的货物配载的平面示意图之一；
图4是本发明提供的货物配载的平面示意图之二；
图5是本发明提供的货物配载的平面示意图之三；
图6是本发明提供的货运配载方法的流程示意图之二；
图7是本发明提供的货运配载装置的结构示意图；
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
随着物流业的快速发展，物流技术的应用和研究受到越来越多地重视。运输是物流的核心环节，在整个物流成本中占有很大比例，是影响物流成本的一项重要因素，因此，降低运输成本能够有效地降低整个物流***的成本。
而货物装载又是物流运输的重要环节，装载方案对整个物流***的效率和降低运输成本有着重大影响。
目前，人工根据经验装载的货物往往杂乱无章，没有装载规律，在一定程度上造成空间上的浪费，增加运输成本；并且随意装载的货物稳定性较差，在运输过程中造成货物散乱，在卸货分类时增加时间成本。
下面结合图1至图8描述本发明的实施例所提供的货运配载方法、装置、电子设备及存储介质。
图1是本发明提供的货运配载方法的流程示意图之一，如图1所示，包括但不限于以下步骤：
首先，在步骤S1中，获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息。
可以利用结构光相机、三维(Three Dimensional，3D)深度相机等三维传感器，对货物摆放场景下的每件货物进行图像采集，对采集到的深度图形进行滤波、校正和分离处理，并结合外观数据进行三维建模，得到每个货物的三维模型。外观数据可以包括货物的外观尺寸数据，包括货物的长宽高等数据。
同样地，采集目标货厢的深度图像，并结合目标货厢内部的长、宽、高和容积等数据进行三维建模，可以得到目标货厢的三维模型，该三维模型可以作为目标货厢的容积信息。
重量信息可以是对货物称重后得到的重量，并将重量信息标记在三维模型上。
将每个货物看作密度均匀的整体，因此，可以根据每个货物的三维模型得到重心，并标记在三维模型上。还可以在三维模型上标注对应货物的名称、种类等信息。
在得到三维模型后，需要对货物进行分类和编号，并确定每件货物的外观类别标签，外观类别标签可以为以下任一标签：细长方形货物、大体积长方体货物、多边形货物、圆筒状货物，无形状货物以及轻小货物。
其中，每个货物均能单独完整地置于目标货厢内。
在对货物进行分类的过程中，首先确定货物的形状是否固定，确定货物为有形状货物或是无形状货物，再对有形状货物进行分类。对于麻袋装货物等易发生形变的货物，则可以对该货物设置外观类别标签为无形状货物。
有形状货物可以包括纸箱、木箱装载和塑料等形状固定、不易发生形变的货物。
对于任一长方体的有形状货物，若存在一条轴线与该轴线垂直另外两条轴线的长度比例都大于2：1，则可以对该货物设置外观类别标签为细长方形货物。
对于剩下的未设置标签的有形状货物，若货物为长方体，且任一边大于预设长度，则可以对该货物设置外观类别标签为大体积长方体货物；预设长度可以为1米；
对于再次剩下的未设置标签的有形状货物，若货物为圆柱体，则可以对该货物设置外观类别标签为圆筒状货物；
对于又剩下的未设置标签的有形状货物，若非细长方形货物的边不小于3个，则可以对该货物设置外观类别标签为多边形货物；
对最后剩下的未设置标签的有形状货物，可以设置外观类别标签为轻小货物，例如信封、长宽高均不大于1米的长方体货物等。
此外，可以将带有相同外观类别标签的货物的三维模型设置为同一颜色，以便于区分。
其次，在步骤S2中，基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，以根据所述目标配载方案对所述目标货厢进行货物配载；所述预设装载规则包括：体积由大至小配载，重量由重至轻配载。
预设装载规则包括体积由大至小，重量由重至轻，还包括轴线由长至短，以及形状由规则至不规则。
其中，由大至小优先于由长至短，由长至短优先于由重至轻，由重至轻优先于由规则至不规则。例如，最规则的为长方体，其次是圆筒状，接着是形状固定的其他货物，最后是形状不固定的货物。
根据每个货物的外观类别标签，对细长方形货物和多边形货物进行组合，以得到多个形状相对规则的、近似于长方体的货物组合。
图2是本发明提供的货物配载的结构示意图，如图2所示，细长方形货物的形状规则，但截面较小，对横截面为方形的货物，将长度差在10％以内作为长度近似的细长方形货物，并集中摆放，以加大集中摆放后整体的横截面积，可以得到一个形状相对规则的长方体的货物组合，在装载时可将其当作一件规整的大件货物处理。
图3是本发明提供的货物配载的平面示意图之一，图4是本发明提供的货物配载的平面示意图之二，图5是本发明提供的货物配载的平面示意图之三，如图3、图4和图5所示，利用组合优化求最值的方法，具体地，可以将边不小于3个且截面为三角形、正六边形、梯形和平行四边形等非矩形的多边形货物进行组合，使得组合后的截面能够接近矩形，且组合后的体积最小，若体积相同，则选择重心偏移量最小的组合方案。将多个多边形组合拼接成一个相对规整的大件货物，在配载时能够提高空间利用率。
将各货物组合的三维模型按照体积由大至小的顺序，贴着目标货厢的内壁依次摆放，摆放顺序可以为由左至右、由下至上，且不超出目标货厢。
在将这两类组合货物摆放完成后，将大体积长方体货物沿着目标货厢内已摆放好的依次货物摆放，且不超出目标货厢，可以得到多个摆放方案，计算每个方案对应的目标货厢的重心位置，选择重心最靠近目标货厢平行于地面的两条中轴线交点的摆放方案。
在此基础上，将圆筒状货物按照横截面积分为两类，对于横截面积大于面积阈值的圆筒状货物，可以选择轴线与地面垂直或平行的方式，按照体积由大至小、位置由下至上依次摆放；对于横截面积不大于面积阈值的圆筒状货物，可以在已摆放完成货物的基础上，由下至上寻找货物与货物之间、货物与货厢侧壁之间形成的间隙，在并在能放入该间隙的圆筒状货物中，选择重量最大的放入该空隙。
面积阈值可以根据目标货厢的容积信息灵活设置，面积阈值与目标货厢的容积正相关。
最后，对于无形状货物以及轻小货物，将利用遗传算法对这两类货物进行规划迭代，使得目标货厢内的剩余空间的体积最小，实现对货物的组合优化。
首先，设置进化代数计数器t＝0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)；
其次，对个体进行基因编码；
随后，根据建模函数，计算群体P(t)中各个个体的适应度；
接着，若个体适应度不满足终止条件，则通过选择运算、交叉运算和变异运算，获取新的下一代群体P(t+1)，此时t＝t+1，并计算新的下一代群体P(t+1)中各个个体的适应度，直至满足终止条件；
若个体适应度满足终止条件，则终止遗传算法，并输出最优个体。
其中，每个货物作为一个个体，适应度可以为货物的装载情况，即目标货厢的装载率，装载率为已装载货物占目标货厢的体积比例。由于目标货厢体积的体积固定，故目标货厢内装载的货物量越大，则间隙越小，装载率也就越大。
终止条件可以包括：群体P(t)中最优个体的适应度达到给定的阈值；或者群体P(t)中最优个体的适应度和群体P(t)的适应度不再上升；或者迭代次数达到预设的最大进化代数T。
对于迭代次数，t＝0，1，2……T，若t＝T，则以进化过程中所得到的具有最大适应度个体作为最优解输出，并终止计算。
其中，使用无形状货物对目标货厢的顶部进行填充，并使用轻小货物对目标货厢内剩余的间隙进行填充，直至目标货厢内无法再放入货物，若得到多个方案，则计算每个方案的重心位置，选择重心偏移量最小的方案为目标方案；若有多个重心偏移量最小的方案，则在重心偏移量最小的方案中选择重心位置最低的方案作为目标配载方案。
同样地，也可以先规划放置轻小货物对货物和货物之间，以及货物与目标货厢的厢壁之间的间隙进行填充，再使用无形状货物对目标货厢的顶部进行填充，在此不做赘述。
根据目标货厢内所有货物的总重量、装载有货物的目标货厢的重心位置，以及每个货物的编号、摆放方式和位置，还有货物的摆放顺序，可以得到目标货厢的目标配载方案。
本发明提供的货运配载方法，根据货物的外观和重量属性，对分类好的货物进行有序合理地配载规划，能够从根本上提高货厢的装载率和货物的稳定性，有效地降低了运输成本，保障运输安全。
可选地，所述每个货物的外观类别标签是基于所述每个货物的三维模型确定的；所述外观类别标签为第一外观标签、第二外观标签、第三外观标签和第四外观标签中的任一种；
所述基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，包括：
将带有第一外观标签的第一类货物进行聚类处理，获取多个第一类货物组合；
根据所述容积信息、各第一类货物组合的三维模型，以及预设装载规则，生成第一目标子方案；
确定至少一个带有第二外观标签的第二类货物；
根据所述第一目标子方案、所述容积信息，以及各第二类货物的三维模型，生成多个第二子方案；
根据每个第二子方案中每个第二类货物的重量信息，确定第二目标子方案，以基于所述第二目标子方案确定所述目标配载方案。
其中，第一外观标签包括：细长方形货物、多边形货物；第二外观标签为大体积长方体货物。
将带有细长方形货物、多边形货物标签的第一类货物分别进行聚类处理，获取多个第一类货物组合。第一类货物组合为形状相对规则的近似长方体的货物组合。
如图2所示，细长方形货物的形状规则，但截面较小，对横截面为方形的货物，将长度差在10％以内作为长度近似的细长方形货物，并集中摆放，以加大集中摆放后整体的横截面积，可以得到一个形状相对规则的近似长方体的货物组合，作为一个第一类货物组合，在装载时可将其当作一件规整的大件货物处理。
如图3、图4和图5所示，利用组合优化求最值的方法，可以将边不小于3个且截面为三角形、正六边形、梯形和平行四边形等非矩形的多边形货物进行组合，使得组合后的截面能够接近矩形，且组合后的体积最小，若体积相同，则选择重心偏移量最小的组合方案。将多个多边形组合拼接成一个相对规整的大件货物，作为一个第一类货物组合，在配载时能够提高空间利用率。
其中，每件第一类货物组合均能完整地装入目标货厢。
将各第一类货物组合的三维模型按照体积由大至小的顺序，贴着目标货厢的内壁依次摆放，摆放顺序可以为由左至右、由下至上，且不超出目标货厢，能够得到多个第一子方案，在所有的第一子方案中选择各第一类货物组合之间形成的总间隙空间最小的作为第一目标子方案。
可选地，所述根据所述第一目标子方案、所述容积信息，以及各第二类货物的三维模型，生成多个第二子方案，包括：
根据所述第一目标子方案和所述容积信息，确定所述目标货厢的可装配空间；
根据所述各第二类货物的三维模型，对所述可装配空间进行装配规划，生成所述多个第二子方案。
在第一目标子方案的基础上，将大体积长方体货物的三维模型离散化，对所有货物的离散变量进行组合求解，在目标货厢内的摆放顺序可以为由左至右、由下至上，且不超出目标货厢可容纳范围，能够得到多个第二子方案，实现对货物重心的空间优化。
具体地，对所有货物的离散变量进行组合求解，包括：将货物离散化，即把货物看作大小相同的切片，即假设一个货物的底面积就是货物的截面积，那么利用体积和底面积，就可以计算出货物放进货厢的厚度，厚度的数值即为重量单位的个数，例如，厚度为3，则表示3个重量单位，那么所有待配载的货物就可以不考虑形状，只考虑重量的单位数，所有单位数总和的中间值即为货厢重心的大概位置。
根据本发明提供的货运配载方法，通过在多个方案中选择重心偏移量最小的方案，进而提高货物装载率和货物的稳定性。
可选地，所述根据每个第二子方案中每个第二类货物的重量信息，确定第二目标子方案，包括：
根据每个第二子方案中每个第二类货物的重量信息和位置信息，生成所述每个第二子方案的重心偏移量；所述位置信息是根据第二子方案中货物所处的位置确定的；
确定重心偏移量最小的第二子方案为所述第二目标子方案。
例如，对于任一第二子方案，目标货厢中装载了A1、A2、A3、…、An共计n个货物；
对应地，货物的质量分别为：M1、M2、M3、…、Mn；在目标货厢的底面上建立直角坐标系，货物的重心坐标分别为：G1(x1，y1)、G2(x2，y2)、G3(x3，y3)、…、Gn(xn，yn)；
设目标货厢的组合重心点为G(xG，yG)，其中，
xG＝(M1×x1+M2×x2+M3×x3+…+Mn×xn)/(M1+M2+M3+…
+Mn)；
yG＝(M1×1y+M2×y2+M3×y3+…+Mn×yn)/(M1+M2+M3+…
+Mn)；
确定目标货厢的底面的中心点为O(xO，yO)，则计算组合重心点G到中心点O的距离，记为重心偏移量L，L的计算方法如下：L＝√(xO-xG)2+(yO-yG)2；
按照上述方法，可以得到每个第二子方案对应的重心偏移量，选择重心偏移量L最小的第二子方案作为第二目标子方案。
根据每个第二子方案中每个第二类货物的位置和重量信息，求出每个第二子方案中货物在不同组合方式下的重心坐标，由此判断货物的重心偏离程度，确定重心偏移量最小的第二目标子方案，以在第二目标子方案的基础上，继续放入货物，直至得到目标配载方案。
根据本发明提供的货运配载方法，对于细长的方形货物和多边形货物进行组合优化，拼接成常见的规整的大件货物，并对大体积长方体货物根据重心偏移程度进行装载规划，便于装载，有效地提高装载率和货物的稳定性。
可选地，所述基于所述第二目标子方案确定所述目标配载方案，包括：
根据各带有第三外观标签的第三类货物的三维模型，确定所述各第三类货物的摆放方式；
基于所述容积信息和所述第二目标子方案，根据所述各第三类货物的摆放方式和三维模型，对所述第三类货物进行配载，确定第三目标子方案；
根据所述容积信息和第三目标子方案，确定所述目标货厢的剩余空间；
基于所述预设装载规则，根据带有第四外观标签的第四类货物的三维模型和重量信息，对所述剩余空间进行填充，以获取所述目标配载方案。
其中，第三外观标签为圆筒状货物；第四外观标签包括：轻小货物和无形状货物，无形状货物本身稳定性较差，没有固定的形状装载时易发生形变，且其上表面形状不规则，放置其他货物后稳定性也很差，因此不宜装在目标货厢的中下层；剩余空间为未被货物占用的空间。
可选地，所述根据各带有第三外观标签的第三类货物的三维模型，确定所述各第三类货物的摆放方式，包括：
所述第三外观标签为圆筒状货物；
根据各第三类货物的三维模型，获取所述各第三类货物的横截面；
在横截面的面积大于面积阈值的情况下，根据所述第三类货物的三维模型，确定所述第三类货物的摆放方式为按照体积由大至小进行摆放；
在横截面的面积不大于面积阈值的情况下，根据所述第三类货物的重量信息，确定所述第三类货物的摆放方式为按照重量由重至轻摆放。
将圆筒状货物的三维模型，得到每个圆筒状货物的横截面积，横截面积大于面积阈值的圆筒状货物，记为大圆柱货物；横截面积不大于面积阈值的圆筒状货物，记为小圆柱货物。
大圆柱货物可以选择与大体积长方体货物相同的摆放方式，在第二目标子方案的基础上，对所有货物的离散变量进行组合求解，或是轴线与地面垂直或平行，按照体积由大至小、位置由下至上依次摆放；
在已摆放完成大圆柱货物的基础上，由下至上寻找已摆放完成货物与货物之间、货物与货厢侧壁之间形成的间隙，在并在能放入该间隙的圆筒状货物中，利用遗传算法进行规划迭代，遵从货物重不压轻的原则，在小圆柱货物中选择重量最大的放入该空隙，以提高空间利用率，进而得到第三目标子方案。
根据目标货厢和第三目标子方案的已载配货物，可以确定目标货厢的剩余空间。
针对无形状货物易发生形变的特点，利用遗传算法对无形状货物进行迭代规划，使其对目标货厢的顶层空间进行充分填充，同样地，也可以利用遗传算法对轻小货物进行迭代规划，使其对目标货厢内剩余的间隙进行充分填充，直至目标货厢内再无法放入货物，实现货物的组合优化。
经过上述规划，若只得到一个配载方案，则将该方案作为目标配载方案，若得到多个方案，则根据目标货厢内货物的位置和重量信息，计算每个方案的重心位置，若重心偏移量最小的配载方案仅为一个，则选择该方案为目标配载方案；若有多个重心偏移量最小的配载方案，则在重心偏移量最小的方案中选择重心位置最低的方案作为目标配载方案。
根据本发明提供的货运配载方法，对各种形状不一的货物按照一定的规则进行分类，将货物按照类别存放，便于后续对货物进行更好地组合优化。
图6是本发明提供的货运配载方法的流程示意图之二，如图6所示，包括：
首先，将长度近似的细长方形货物进行聚类，并集中摆放，以加大集中摆放后整体的横截面积，可以得到一个形状相对规则的长方体的货物组合，并摆放；
其次，利用离散变量对多边形货物进行组合求解，使得组合后的货物近似长方体，并穿插进已摆放好的货物中；
然后，在已摆放好的货物的基础上，将大体积长方体货物进行组合并规划放置；
接着，将圆筒状货物分为大圆柱货物和小圆柱货物，在大圆柱货物摆放好后，利用遗传算法，将小圆柱货物对间隙进行填充；
随后，利用遗传算法，将无形状货物对规划好的货物的上表面进行填充；
最后，利用遗传算法，使用轻小货物对已规划好的货物之间的缝隙进行填充。
根据本发明提供的货运配载方法，通过利用货物的离散变量与遗传算法求最优解，对形状不规则的货物进行合理的装载规划，从根本上提高了物流企业对于提高装载率和降低运输成本的需求，也在一定程度上加快了企业的信息化建设，提高企业的竞争力，实现了货物的智能配载，在物流配送数字化、一体化的大趋势面前，作为物流运输数字化、集约化、一体化的重要一环，具有较大的理论和实用价值。
下面对本发明提供的货运配载装置进行描述，下文描述的货运配载装置与上文描述的货运配载方法可相互对应参照。
图7是本发明提供的货运配载装置的结构示意图，如图7所示，包括：
获取模块701，用于获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；
配载模块702，用于基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，以根据所述目标配载方案对所述目标货厢进行货物配载；所述预设装载规则包括：体积由大至小配载，重量由重至轻配载。
首先，获取模块701获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息。
可以利用结构光相机、三维(Three Dimensional，3D)深度相机等三维传感器，对货物摆放场景下的每件货物进行图像采集，对采集到的深度图形进行滤波、校正和分离处理，并结合外观数据进行三维建模，得到每个货物的三维模型。外观数据可以包括货物的外观尺寸数据，包括货物的长宽高等数据。
同样地，采集目标货厢的深度图像，并结合目标货厢内部的长、宽、高和容积等数据进行三维建模，可以得到目标货厢的三维模型，该三维模型可以作为目标货厢的容积信息。
重量信息可以是对货物称重后得到的重量，并将重量信息标记在三维模型上。
将每个货物看作密度均匀的整体，因此，可以根据每个货物的三维模型得到重心，并标记在三维模型上。还可以在三维模型上标注对应货物的名称、种类等信息。
在得到三维模型后，需要对货物进行分类和编号，并确定每件货物的外观类别标签，外观类别标签可以为以下任一标签：细长方形货物、大体积长方体货物、多边形货物、圆筒状货物，无形状货物以及轻小货物。
其中，每个货物均能单独完整地置于目标货厢内。
在对货物进行分类的过程中，首先确定货物的形状是否固定，确定货物为有形状货物或是无形状货物，再对有形状货物进行分类。对于麻袋装货物等易发生形变的货物，则可以对该货物设置外观类别标签为无形状货物。
有形状货物可以包括纸箱、木箱装载和塑料等形状固定、不易发生形变的货物。
对于任一长方体的有形状货物，若存在一条轴线与该轴线垂直另外两条轴线的长度比例都大于2：1，则可以对该货物设置外观类别标签为细长方形货物。
对于剩下的未设置标签的有形状货物，若货物为长方体，且任一边大于预设长度，则可以对该货物设置外观类别标签为大体积长方体货物；预设长度可以为1米；
对于再次剩下的未设置标签的有形状货物，若货物为圆柱体，则可以对该货物设置外观类别标签为圆筒状货物；
对于又剩下的未设置标签的有形状货物，若非细长方形货物的边不小于3个，则可以对该货物设置外观类别标签为多边形货物；
对最后剩下的未设置标签的有形状货物，可以设置外观类别标签为轻小货物，例如信封、长宽高均不大于1米的长方体货物等。
此外，可以将带有相同外观类别标签的货物的三维模型设置为同一颜色，以便于区分。
其次，配载模块702基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，以根据所述目标配载方案对所述目标货厢进行货物配载；所述预设装载规则包括：体积由大至小配载，重量由重至轻配载。
预设装载规则包括体积由大至小，重量由重至轻，还包括轴线由长至短，以及形状由规则至不规则。
其中，由大至小优先于由长至短，由长至短优先于由重至轻，由重至轻优先于由规则至不规则。例如，最规则的为长方体，其次是圆筒状，接着是形状固定的其他货物，最后是形状不固定的货物。
根据每个货物的外观类别标签，对细长方形货物和多边形货物进行组合，以得到多个形状相对规则的、近似于长方体的货物组合。
如图2所示，细长方形货物的形状规则，但截面较小，对横截面为方形的货物，将长度差在10％以内作为长度近似的细长方形货物，并集中摆放，以加大集中摆放后整体的横截面积，可以得到一个形状相对规则的长方体的货物组合，在装载时可将其当作一件规整的大件货物处理。
如图3、图4和图5所示，利用组合优化求最值的方法，可以将边不小于3个且截面为三角形、正六边形、梯形和平行四边形等非矩形的多边形货物进行组合，使得组合后的截面能够接近矩形，且组合后的体积最小，若体积相同，则选择重心偏移量最小的组合方案。将多个多边形组合拼接成一个相对规整的大件货物，在配载时能够提高空间利用率。
将各货物组合的三维模型按照体积由大至小的顺序，贴着目标货厢的内壁依次摆放，摆放顺序可以为由左至右、由下至上，且不超出目标货厢。
在将这两类组合货物摆放完成后，将大体积长方体货物沿着目标货厢内已摆放好的依次货物摆放，且不超出目标货厢，可以得到多个摆放方案，计算每个方案对应的目标货厢的重心位置，选择重心最靠近目标货厢平行于地面的两条中轴线交点的摆放方案。
在此基础上，将圆筒状货物按照横截面积分为两类，对于横截面积大于面积阈值的圆筒状货物，可以选择轴线与地面垂直或平行的方式，按照体积由大至小、位置由下至上依次摆放；对于横截面积不大于面积阈值的圆筒状货物，可以在已摆放完成货物的基础上，由下至上寻找货物与货物之间、货物与货厢侧壁之间形成的间隙，在并在能放入该间隙的圆筒状货物中，选择重量最大的放入该空隙。
面积阈值可以根据目标货厢的容积信息灵活设置，面积阈值与目标货厢的容积正相关。
最后，对于无形状货物以及轻小货物，将利用遗传算法对这两类货物进行规划迭代，使得目标货厢内的剩余空间的体积最小，实现对货物的组合优化。
首先，设置进化代数计数器t＝0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)；
其次，对个体进行基因编码；
随后，根据建模函数，计算群体P(t)中各个个体的适应度；
接着，若个体适应度不满足终止条件，则通过选择运算、交叉运算和变异运算，获取新的下一代群体P(t+1)，此时t＝t+1，并计算新的下一代群体P(t+1)中各个个体的适应度，直至满足终止条件；
若个体适应度满足终止条件，则终止遗传算法，并输出最优个体。
其中，适应度可以为货物的装载情况，即目标货厢的装载率，装载率为已装载货物占目标货厢的体积比例。由于目标货厢体积的体积固定，故目标货厢内装载的货物量越大，则间隙越小，装载率也就越大。
终止条件可以包括：群体P(t)中最优个体的适应度达到给定的阈值；或者群体P(t)中最优个体的适应度和群体P(t)的适应度不再上升；或者迭代次数达到预设的最大进化代数T。
对于迭代次数，t＝0，1，2……T，若t＝T，则以进化过程中所得到的具有最大适应度个体作为最优解输出，并终止计算。
其中，使用无形状货物对目标货厢的顶部进行填充，并使用轻小货物对目标货厢内剩余的间隙进行填充，直至目标货厢内无法再放入货物，若得到多个方案，则计算每个方案的重心位置，选择重心偏移量最小的方案为目标方案；若有多个重心偏移量最小的方案，则在重心偏移量最小的方案中选择重心位置最低的方案作为目标配载方案。
同样地，也可以先规划放置轻小货物对货物和货物之间，以及货物与目标货厢的厢壁之间的间隙进行填充，再使用无形状货物对目标货厢的顶部进行填充，在此不做赘述。
根据目标货厢内所有货物的总重量、装载有货物的目标货厢的重心位置，以及每个货物的编号、摆放方式和位置，还有货物的摆放顺序，可以得到目标货厢的目标配载方案。
本发明提供的货运配载方装置，根据货物的外观和重量属性，对分类好的货物进行有序合理地配载规划，能够从根本上提高货厢的装载率和货物的稳定性，有效地降低了运输成本，保障运输安全。
图8是本发明提供的电子设备的结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行货运配载方法，该方法包括：获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；基于每个货物的外观类别标签，根据每个货物的三维模型和重量信息，以及容积信息和预设装载规则，对目标货厢进行配载规划，确定目标货厢的目标配载方案，以根据目标配载方案对目标货厢进行货物配载；预设装载规则包括：体积由大至小配载，重量由重至轻配载。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的货运配载方法，该方法包括：获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；基于每个货物的外观类别标签，根据每个货物的三维模型和重量信息，以及容积信息和预设装载规则，对目标货厢进行配载规划，确定目标货厢的目标配载方案，以根据目标配载方案对目标货厢进行货物配载；预设装载规则包括：体积由大至小配载，重量由重至轻配载。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的货运配载方法，该方法包括：获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；基于每个货物的外观类别标签，根据每个货物的三维模型和重量信息，以及容积信息和预设装载规则，对目标货厢进行配载规划，确定目标货厢的目标配载方案，以根据目标配载方案对目标货厢进行货物配载；预设装载规则包括：体积由大至小配载，重量由重至轻配载。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种货运配载方法，其特征在于，包括：
获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；
基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，以根据所述目标配载方案对所述目标货厢进行货物配载；所述预设装载规则包括：体积由大至小配载，重量由重至轻配载。
2.根据权利要求1所述的货运配载方法，其特征在于，所述每个货物的外观类别标签是基于所述每个货物的三维模型确定的；所述外观类别标签为第一外观标签、第二外观标签、第三外观标签和第四外观标签中的任一种；
所述基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，包括：
将带有第一外观标签的第一类货物进行聚类处理，获取多个第一类货物组合；
根据所述容积信息、各第一类货物组合的三维模型，以及预设装载规则，生成第一目标子方案；
确定至少一个带有第二外观标签的第二类货物；
根据所述第一目标子方案、所述容积信息，以及各第二类货物的三维模型，生成多个第二子方案；
根据每个第二子方案中每个第二类货物的重量信息，确定第二目标子方案，以基于所述第二目标子方案确定所述目标配载方案。
3.根据权利要求2所述的货运配载方法，其特征在于，所述根据每个第二子方案中每个第二类货物的重量信息，确定第二目标子方案，包括：
根据每个第二子方案中每个第二类货物的重量信息和位置信息，生成所述每个第二子方案的重心偏移量；所述位置信息是根据第二子方案中货物所处的位置确定的；
确定重心偏移量最小的第二子方案为所述第二目标子方案。
4.根据权利要求2或3所述的货运配载方法，其特征在于，所述根据所述第一目标子方案、所述容积信息，以及各第二类货物的三维模型，生成多个第二子方案，包括：
根据所述第一目标子方案和所述容积信息，确定所述目标货厢的可装配空间；
根据所述各第二类货物的三维模型，对所述可装配空间进行装配规划，生成所述多个第二子方案。
5.根据权利要求2或3所述的货运配载方法，其特征在于，所述基于所述第二目标子方案确定所述目标配载方案，包括：
根据各带有第三外观标签的第三类货物的三维模型，确定各第三类货物的摆放方式；
基于所述容积信息和所述第二目标子方案，根据所述各第三类货物的摆放方式和三维模型，对所述第三类货物进行配载，确定第三目标子方案；
根据所述容积信息和第三目标子方案，确定所述目标货厢的剩余空间；
基于所述预设装载规则，根据带有第四外观标签的第四类货物的三维模型和重量信息，对所述剩余空间进行填充，以获取所述目标配载方案。
6.根据权利要求5所述的货运配载方法，其特征在于，所述根据各带有第三外观标签的第三类货物的三维模型，确定各第三类货物的摆放方式，包括：
所述第三外观标签为圆筒状货物；
根据各第三类货物的三维模型，获取所述各第三类货物的横截面；
在横截面的面积大于面积阈值的情况下，根据所述第三类货物的三维模型，确定所述第三类货物的摆放方式为按照体积由大至小进行摆放；
在横截面的面积不大于面积阈值的情况下，根据所述第三类货物的重量信息，确定所述第三类货物的摆放方式为按照重量由重至轻摆放。
7.一种货运配载装置，其特征在于，包括：
获取模块，用于获取每个货物的三维模型、外观类别标签和重量信息，并获取目标货厢的容积信息；
配载模块，用于基于所述每个货物的外观类别标签，根据所述每个货物的三维模型和重量信息，以及所述容积信息和预设装载规则，对所述目标货厢进行配载规划，确定所述目标货厢的目标配载方案，以根据所述目标配载方案对所述目标货厢进行货物配载；所述预设装载规则包括：体积由大至小配载，重量由重至轻配载。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述货运配载方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述货运配载方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述货运配载方法。
CN202211504860.XA 2022-11-28 2022-11-28 货运配载方法、装置、电子设备及存储介质 Pending CN116187499A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211504860.XA CN116187499A (zh) 2022-11-28 2022-11-28 货运配载方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211504860.XA CN116187499A (zh) 2022-11-28 2022-11-28 货运配载方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116187499A true CN116187499A (zh) 2023-05-30

Family

ID=86439127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211504860.XA Pending CN116187499A (zh) 2022-11-28 2022-11-28 货运配载方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116187499A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703116A (zh) * 2023-06-28 2023-09-05 中武(福建)跨境电子商务有限责任公司 一种海运集装箱的3d智能配载***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116703116A (zh) * 2023-06-28 2023-09-05 中武(福建)跨境电子商务有限责任公司 一种海运集装箱的3d智能配载***
CN116703116B (zh) * 2023-06-28 2024-01-16 中武(福建)跨境电子商务有限责任公司 一种海运集装箱的3d智能配载***

Similar Documents

Publication Publication Date Title
CN112001535B (zh) 物流装箱方法、装置、设备及存储介质
US7266422B1 (en) Automated palletizing cases having mixed sizes and shapes
Ramos et al. A container loading algorithm with static mechanical equilibrium stability constraints
EP0389985A2 (en) Object placement method and apparatus
CN110175405B (zh) 车辆装载优化方法及***
Zachariadis et al. The pallet-packing vehicle routing problem
CN113222293A (zh) 一种智能立体仓库优化调度方法
EP1909221A1 (en) Container vessel stowage planning
CN112085385A (zh) 基于订单的稳定混箱垛型供箱序列的生成***及其方法
CN109948991A (zh) 一种智能装箱方法、设备及存储介质
Jamrus et al. Extended priority-based hybrid genetic algorithm for the less-than-container loading problem
CN107977756B (zh) 解决三维装箱问题的三叉树规划计算方法
JP6993449B2 (ja) 配送計画生成装置、システム、方法及びコンピュータ読み取り可能な記憶媒体
CN111815233B (zh) 基于物流总量和能量消耗的货位优化方法
Dell’Amico et al. Optimization of a real-world auto-carrier transportation problem
CN116187499A (zh) 货运配载方法、装置、电子设备及存储介质
CN111507644B (zh) 一种多点卸货约束的三维多容器装载方法
Costa et al. Weight distribution in container loading: a case study
CN117864802A (zh) 一种可配置多类型货车编组的车厢货物装载方法及装置
CN115496453B (zh) 货物配载方法、装置、电子设备及存储介质
CN115310917B (zh) 一种入库管理方法
Zhou et al. A swarm optimization algorithm for practical container loading problem
CN109081126B (zh) 多维度约束下的楔形货格智能装载方法
CN115994650A (zh) 一种箱装货物智能垛型规划方法及***
CN115829431A (zh) 基于优化分支限界法的电力物资配送调配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination