揀貨作業(yè)模型優(yōu)化必定包含調(diào)度規(guī)劃，傳統(tǒng)的調(diào)度模型決策變量、優(yōu)化目標(biāo)和約束條件往往非常簡化，然而實際工業(yè)場景具有復(fù)雜性，絕大部分實際場景的決策優(yōu)化問題很難描述的如此簡單。文章研究智能規(guī)劃方向?qū)儆趧討B(tài)優(yōu)化問題，擬在揀貨作業(yè)優(yōu)化系統(tǒng)的設(shè)計中借助機器學(xué)習(xí)對多源異構(gòu)數(shù)據(jù)進行準(zhǔn)確預(yù)測、建立模型，研究包括以下幾大模塊：
（1）借助大數(shù)據(jù)平臺收集相關(guān)揀貨數(shù)據(jù)
京東倉庫每天產(chǎn)生巨量的訂單揀貨日志、步行揀貨軌跡數(shù)據(jù)，這些大量真實的數(shù)據(jù)信息構(gòu)成了揀貨作業(yè)大數(shù)據(jù)平臺。利用大數(shù)據(jù)平臺對揀貨作業(yè)數(shù)據(jù)進行分析、挖掘，會得到配送中心、揀貨員、倉庫區(qū)域，分揀區(qū)的個性化信息，以及有關(guān)各倉庫區(qū)塊路徑的有效數(shù)據(jù)；
（2）利用機器學(xué)習(xí)從數(shù)據(jù)中尋求規(guī)律，對數(shù)據(jù)進行準(zhǔn)確預(yù)估
機器學(xué)習(xí)模塊負責(zé)從大量數(shù)據(jù)中尋求規(guī)律和知識，利用歷史的揀貨員接收訂單、揀貨時長、空駛耗時等數(shù)據(jù)，對未來訂單的到達時間、揀貨速度、步行導(dǎo)航路徑等數(shù)據(jù)因素進行準(zhǔn)確預(yù)估，并通過實時維度的特征進行修正，為構(gòu)建模型提供準(zhǔn)確的參數(shù)信息；
（3）構(gòu)建訂單分配模型及路徑優(yōu)化模型并設(shè)計相應(yīng)的算法
在揀貨作業(yè)大數(shù)據(jù)平臺以及機器學(xué)習(xí)的預(yù)測數(shù)據(jù)基礎(chǔ)上，結(jié)合領(lǐng)域知識、優(yōu)化算法、機器學(xué)習(xí)策略以及相關(guān)圖論算法，基于分解協(xié)調(diào)思想，構(gòu)建訂單分配模型及路徑優(yōu)化模型，并設(shè)計了相應(yīng)的算法。首先通過訂單分配優(yōu)化算法求解初始的訂單分配，然后通過路徑優(yōu)化算法獲取各揀貨員的最佳行駛路線，進而，訂單分配優(yōu)化算法根據(jù)路徑優(yōu)化結(jié)果調(diào)整分配方案。通過不斷反復(fù)迭代，形成智能的揀貨作業(yè)規(guī)劃，以做出全局最優(yōu)的分配決策，并和揀貨者高效互動，規(guī)劃出揀貨者最優(yōu)路徑，實現(xiàn)動態(tài)最優(yōu)化；
（4）根據(jù)實例驗證研究的可行性及有效性
在已研究的基礎(chǔ)上，對京東倉庫進行實地調(diào)研，實際操作揀貨作業(yè)過程，獲取所需模型參數(shù)，運用MATLAB 軟件進行數(shù)值仿真，驗證研究的可行性及有效性。