(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111439904.0 (22)申请日 2021.11.30 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 孙雁飞　许犇　高钰　亓晋　许斌　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 周科技 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/08(2012.01) G06F 119/02(2020.01) (54)发明名称 一种面向仓库资源配给的智能决策系统及 方法 (57)摘要 本发明公开了一种面向仓库资源配给的智 能决策系统及方法， 针对仓库资源存储过剩以及 供给不足等配给问题， 利用机器学习的方法在现 有需求数据的基础上对未来的需求进行预测， 预 测需求数据结合强化学习自学习 能力实现仓库 资源决策管 理， 旨在提高仓库资源的利用率以及 减少资源维护成本。 本发明在动态 性的市场变化 中减弱人为主观上的决策效果， 能够提高仓库资 源的利用率以及减少资源维护成本 。 权利要求书1页 说明书4页 附图1页 CN 114239385 A 2022.03.25 CN 114239385 A 1.一种面向仓库资源配给的智能决策系统， 其特征在于： 所述系统包括仓库数据采集 模块、 数据清洗模块、 机器学习训练模块、 仓库资源决策模块； 所述仓库数据采集模块： 用于提供对曾经的市场需求数据以及对应的仓库存储数据采 集和存储功能、 对机器学习模型 数据的存 储功能； 所述数据清洗模块： 用于接收仓库数据采集模块传输的数据， 对原始数据填补缺失值、 平滑或删除离群点并纠正 不一致数据； 所述机器学习模块： 用于对已有仓库存储数据和市场数据进行深度学习及分析， 输出 预测数据结果， 并将结果传输 至仓库资源决策模块； 所述仓库资源决策模块： 用于通过获取机器学习模块预测数据， 利用强化学习自学习 算法实现仓库资源配给的最优决策。 2.根据权利要求1所述的面向仓库资源配给的智能决策系统， 其特征在于， 所述仓库资 源决策模块包括 强化学习模块， 通过强化学习自学习能力实现仓库资源最优决策： 具体地， 通过智能体和环境的交互， 读取各季度生产需求数据以及对应的仓储库存数据作为输入， 学习到达成累计奖励值最大化以实现特定目标的最优策略； 环境规范为马尔可夫决策过 程。 3.一种面向仓库资源配给的智能决策 方法， 其特 征在于， 该 方法步骤如下： 步骤一： 仓库控制终端根据对深度学习所需要的计算资源的需求选择云服 务； 步骤二： 将历史仓库数据以及其对应的市场需求数据上传至云平台， 构建用于机器学 习训练的数据集； 步骤三： 根据所构建的数据集， 先进行深度神经网络框架的配置和环境搭建， 再通过深 度神经网络学习特 征； 步骤四： 在完成对服务器和深度 学习框架的搭建后， 利用GPU加速的方式提高深度神经 网络计算的速度； 步骤五： 对数据集中的历史仓库数据以及其对应的市场需求数据进行预处理， 预处理 后的市场需求数据作为神经网络的输入进行模型训练， 神经网络模型输出市场需求预测； 步骤六： 根据历史仓库数据和步骤五得到的市场需求预测数据作为强化学习 模型的输 入进行训练， 得到相应的仓库资源配给智能决策模型， 模型输出结果为对应的仓储存储数 据； 步骤七： 将 实际的市场需求以及对应的仓库存储具体数据反馈作为输入对神经网络和 决策模型进行动态更新， 优化模型参数， 进 而优化市场需求预测以及资源配给决策。权　利　要　求　书 1/1 页 2 CN 114239385 A 2一种面向仓库资源配给的智能决策系统及方 法 技术领域 [0001]本发明属于仓库智能管理技术领域， 尤其涉及一种面向仓库资源配给的智能决策 系统及方法。 背景技术 [0002]仓库资源管理在现代工业中起着至关重要的作用。 由于企业的生产经营与计划调 度主要靠企业管理人员凭长期积累的经验和相关工艺知识进 行决策， 而且 人工决策的随意 性大且缺 乏及时性以及准确 性， 经常造成企业综合生产指标偏离预定目标范围， 导致仓库 货物堆积或者资源配给不足等问题。 当市场需求和生产要素条件发生频繁或剧烈变化时， 以人工经验知识难以及时准确地做出决策反应， 从而无法实现企业仓库高效化管理。 [0003]基于以上需求， 在现有技术的研究和探索中， 有研究提出了一种仓库管理系统的 仿真方法、 装置及存储介质， 通过创建多个智能体， 设置不同的决策规则和行为方法构建仓 库系统仿真模型， 旨在提高仓库系统整体的作业效率。 其它 许多研究致力于仓库管理实际 操作中各种硬件设施的改进与创新。 然而现存的大量研究都缺少与机器学习、 人工智能等 高新技术的结合以及资源货物本身的联系。 [0004]文献 《一种仓库管理系统的仿真方法、 装置及存储》 (申请号： 202010032826.1)提 供一种仓库管理系统的仿 真方法、 装置及 存储介质， 方法包括： 根据仓库管理系统的组成要 素创建多个智能体， 分别为各智能体设置对应的决策规则和行为方法； 根据各智能体设置 对应的决策规则和行为方法， 分别为各智能体构建多智能体模型； 分别将各多智能体模型 底层的各类智能体、 智能体的决策规则与方法集成到不同的仿真业务模块， 以构建仓库系 统仿真模型； 通过所述仓库系统仿真模型， 分别为所述仓库系统仿真模型中的每个智能体 分配仓库任务， 并输出所述仓库系统的全局仓库任务。 其过程如图1， 该技术是针对仓库管 理中整体流程实施的仿真以及相关硬件的模拟， 并没有利用智能算法、 深度学习模型来对 资源管控进行分析， 同时缺 乏资源分配的智能决策方法， 从根本上无法解决仓库在资源管 理上遇到的实际难题。 发明内容 [0005]发明目的： 针对以上问题， 本发明提出一种面向仓库资源配给的智能决策系统及 方法。 针对仓库资源存储过剩以及供给不足等配给问题， 利用机器学习的方法在现有需求 数据的基础上对未来的需求进 行预测， 预测需求数据结合强化学习来进 行仓库资源决策管 理， 旨在提高仓库资源的利用率以及减少资源维护成本 。 [0006]技术方案： 为实现本发明的目的， 本发明所采用的技术方案是一种面向仓库资源 配给的智能决策系统， 包括仓库数据采集模块、 数据清洗模块、 机器学习训练模块、 仓库资 源决策模块； [0007]所述仓库数据采集模块： 用于提供对曾经的市场需求数据以及对应的仓库 存储数 据采集和存 储功能、 对机器学习模型 数据的存 储功能；说　明　书 1/4 页 3 CN 114239385 A 3