[发明专利]车载货物的装载方法及装置、计算机可读介质

说明书

一种车载货物的装载方法及装置、计算机可读介质，所述车载货物的装载方法包括：生成随机数；基于所述随机数和预设的概率参数，确定装载动作的选择策略，所述装载动作的选择策略包括以下任一种：随机选择策略和基于神经网络的选择策略；基于所述装载动作的选择策略，选择对应的装载动作并放置相应的货物。应用上述方案，由于可以基于神经网络选择不同的装载动作，故可以以概率统计的方式来评价不同的装载动作，计算速度较快，可以求解大规模的物流装载问题。

技术领域

本发明实施例涉及组合优化问题求解领域，尤其涉及一种车载货物的装载方法及装置、计算机可读介质。

背景技术

对于物流系统，车载货物的装载方法是很重要的一个技术问题。车载货物的装载方法为一装箱问题，装箱问题广泛存在于工业生产和计算机科学等各个领域，例如服装行业的面料裁剪、运输行业的集装箱装载、加工行业的板材型下料、印刷行业的排样、现实生活中包装和整理物件，以及计算机领域的多处理器任务调度、资源分配、文件分配、内存管理等底层操作。

从计算复杂度而言，装箱问题是一个多项式复杂程度的非确定性(Non-deterministic Polynomial，NP)难题，很难求解出精确的全局最优解，一般采用启发式算法和搜索算法求解。启发式算法的思想为寻找一种能产生可行解的启发式规则，以此找到问题的一个最优解或近似最优解。该方法的求解效率较高，但对不同的问题需要找出其特有的启发式规则，这个启发式规则一般无通用性，不适合用于其它问题。对于装箱问题，启发式算法有首次适应(First Fit，FF)算法、最佳适应(Best Fit，BF)算法、遗传算法，模拟退火算法和粒子群算法等。而搜索算法是指在解空间内进行搜索，以找到问题的最优解或者近似最优解。该方法不能保证得到问题的最优解，但若适当地利用一些启发式知识，就可在近似解的质量和效率上达到较好的平衡。

现有的车载货物的装载方法，主要采用启发式算法在有限空间内穷举装箱方案，装箱率不高，且计算耗时较长，不适合大规模运算。求解比较快的启发式算法，例如粒子群算法虽然能快速得到解，求解的质量却不高。

故现有的方案，无法解决求解大规模的物流装载问题。

发明内容

本发明实施例解决的技术问题是如何求解大规模的物流装载问题。

为解决上述技术问题，本发明实施例提供一种车载货物的装载方法，所述方法包括：生成随机数；基于所述随机数和预设的概率参数，确定装载动作的选择策略，所述装载动作的选择策略包括以下任一种：随机选择策略和基于神经网络的选择策略；基于所述装载动作的选择策略，选择对应的装载动作并放置相应的货物。

可选地，所述预设的概率参数随执行步骤的增加而线性递减。

可选地，当所述预设的概率参数不大于预设的参数门限时，设置为预设的固定值。

可选地，所述基于所述随机数和预设的概率参数，确定装载动作的选择策略包括：当所述随机数小于所述预设的概率参数时，确定装载动作的选择策略为随机选择策略；当所述随机数不小于所述预设的概率参数时，确定装载动作的选择策略为基于神经网络的选择策略。

可选地，所述装载动作包括：待放入货物的标识信息、待放入货物的位置信息和待放入货物的朝向信息。

可选地，所述装载动作满足以下至少一项约束条件：待放入货物与至少一个之前已放置的货物靠在一起、待放入货物与之前已放置的货物在水平方向不重叠。

可选地，当所述装载动作的选择策略为基于神经网络的选择策略时，所述基于所述装载动作的选择策略，选择对应的装载动作包括：基于BP神经网络，计算不同的装载动作对应的BP神经网络输出值；选择对应BP神经网络输出值最大的装载动作为对应的装载动作。