[发明专利]基于博弈论的智能仓储优化方法

摘要

本发明方法是在复杂场景下基于博弈论的智能仓储管控优化方法，在任务量集中，场景复杂的情况下，可获得令人满意的优化程度；本方法可广泛应用于基于机器人运输车的各种场景下仓储策略的最优问题，基于商品进销数据的库存管理，实现智能化管理，出/入库、物料库存量等仓库日常管理业务。基于库存管理数据结合博弈论进行多目标策略组合优化，以信息系统提供操作指令；降低作业人员劳动强度；改善仓储的作业效率；减少仓库内的执行设备；提高仓库作业的灵活性。可望实现仓储的智能管理和优化调度，为智能物流管理提供科学的决策依据。 1

主权项

1.基于博弈论的智能仓储优化方法，采用Agent运动模型构建仓储运输机器人和工作人员属性、位置信息，利用蒙特卡洛模型评估策略效益值，再结合博弈论生成最优运输方案；

所需设备：采用54个阵列式监控摄像头‑SLP‑ZS39160D、VGA6464电脑VGA矩阵切换器、PC机、海康硬盘录像机DS‑8016HS‑S一台,以及用于连接PC和嵌入式设备的线路；摄像头布局：摄像头工作范围为长30米宽6米长区域；摄像头布置原则以覆盖全部储货架区域，每一个摄像头根据工作范围监控固定区域内工作人员的运动轨迹，以一个储物区6排3通道货架，货架长度为60米，通道宽度6米为例，共需要6个摄像头，9个储物区共需54个摄像头。

2.方法步骤如下：

（010）部分，视频监测具体步骤如下：

步骤C011：根据摄像头拍摄的视频提取背景，获取图像掩模；

步骤C012：设定时间阈值x，根据阈值法判定背景是否发生突变；若背景发生突变则设置变化后的图像为背景，利用背景模型的自适应性将运动目标在背景初始化时造成的影响消除，然后利用自适应背景更新算法，跟踪背景细节；

步骤C013：行人目标检测采用帧差法(Frame difference)确定行人目标；

步骤C014：采用最大类间方差法形成行人的整体轮廓；

步骤C015：采用数学形态学处理图像应用开运算，其效果是消除细小物体、在较为纤细的连接点分离物体、平滑较大物体的边界，同时保持物体的面积不改变；

步骤C016：采用多人坐标映射分割法分割相连的行人, 经过坐标映射分割，图像中的行人区域被分割出来，以最小外接矩形框包围，形成矩形目标块；在这些块中，有包含单个行人的，也有包含多个互相接触的行人的；多个行人相接触，形成了图像中的合并(merge)问题, 利用块中目标像素点个数来估计其中所包含的人数，在判别出多人块之后，就要根据其面积和宽度，来决定分割的子块个数；

步骤C017：合并、分离处理, 合并、分离问题是采用摄像机垂直拍摄方式进行视频人数统计中的一个关键问题；能否较好的处理合并、分离问题，是准确统计人数的关键, 首先，在合并、分离情况出现时，依靠多人块分割，将含有多人的目标块分割成只含有一个行人的子块，且子块之间不存在重叠；然后，在跟踪过程中，根据子块重叠系数作为匹配特征，区分出合并在一起的子块；

步骤C018：行人计数方法，本方法分为两个统计方式：一个是统计当前场景中的工作人员总数，另一个是统计通过计数线的人数；两个统计内容，都要首先依赖于统计区域的划分，采用双计数线划分统计区域，在双线三区的基础上，设立了释放区域；

（020）部分，初始化仓储仿真模拟子系统配置，具体步骤如下：

步骤C021：当智能仓储系统运行时，仓储仿真模拟子系统同时启动，加载库房三维场景，并根据摄像头检测的人数、位置在仿真场景中自动初始化等数量Agent人体，根据运输机器人的室内定位信息在仿真场景中初始化等数量的Agent机器人；

步骤C022：根据用户配置设置Agent机器人的属性，属性包括；运动速度、优先级别、最大承重量、最大承载体积；

（030）部分，模拟处理过程，具体步骤如下：

步骤C031：计算各个路径的人群密度态势，即Agent机器人运输的过程中每个单位区域上的人数；

步骤C032：采用Dijkstra算法计算出各个Agent机器人达到空闲状态时相距任务点的最短距离；

步骤C033：计算各个Agent机器人经过C032计算的最短路径所需的时间，速度为Agent机器人自身的速度属性；

步骤C034：在多任务并行时，应用博弈论决定每个Agent机器人的任务目的地和运输轨迹，其收益函数参考因素包括：Agent机器人达到任务点的最短时间，各个路径的运输效益，任务的等级，Agent机器人的等级，人群密度态势分布，定式策略，根据收益函数值，取贝叶斯纳什均衡点，决定各个Agent机器人的任务路线；

（040）部分，分析处理过程，具体步骤如下：

步骤C041：根据任务调度过程数据，评估策略的最优率，如策略最优率低于额定阈值时，将该策略纳入定式策略库，用以作为策略生成依据。