一种基于深度学习的循环取货线路编排方法及装置

摘要

本发明提供一种基于深度学习的循环取货线路编排方法及装置，通过RNN算法构建对上游主机厂的需求预测模型，预测出主机厂零部件生产需求，基于RNN预测模型得到的零部件需求作为输入，采用元启发式算法对循环取货问题的计划构建线路编排模型，该模型是汽车零部件需求循环取货(Milk‑Run)场景下的线路排单优化模型，采用粒子群优化算法对算法场景进行求解得到编排线路和每条线路的车辆安排与装成计划；解决了人工排单对排版人员经验依赖大，计算时间长、不能全局考虑存在试错成本高等问题；克服了主机厂零件需求不准确、变动频繁导致零件需求不固定，无法有效排班的现状，能快熟响应上游主机厂业务需求变动带来的零件取货安排快速正确响应的需求。