在劳动力弹性动态变化下的订单派送与任务调度优化：一种针对纺织仓库的图变换器近端策略优化方法

《Algorithms》：Optimizing Order Dispatching and Task Scheduling Under Dynamic Workforce Elasticity: A Graph Transformer Proximal Policy Optimization Approach for Fabric Warehouses

　　

摘要

在布料仓库中，订单拣选作业面临着高劳动强度和不断上升的运营成本问题，亟需优化。本研究探讨了在弹性人力资源框架下的订单调度与任务分配问题，即需要根据订单量的变化动态调整临时劳动力招聘和实时任务分配。然而，在这种高度动态的环境下，传统方法往往存在严重的计算瓶颈，且难以在需求发生大幅频繁波动时保持最优解。为应对这些挑战，本研究提出了一种结合图结构特征与全局注意力机制的图变换器策略网络与近端策略优化算法（GTP-PPO）。首先，对比分析了布料仓库场景下的返回式拣选策略与S形拣选策略，结果表明返回式策略更适用于所研究的仓库布局。随后，建立了混合整数规划模型和GTP-PPO模型用于优化订单派发与调度。最后，以布料仓库一年中订单量最高的日期为依据进行了实证分析。研究结果显示，所提出的GTP-PPO模型不仅能获得与混合整数规划模型相近的近乎全局最优解（差异小于4%），还能在订单量动态增加及出现意外干扰的情况下保持强大的实时决策能力。与混合整数规划模型相比，GTP-PPO方法可使非熟练劳动力的工作时间减少84.80%，降低运营波动性27.60%，同时运营成本仅增加3.52%。