[发明专利]一种基于FCM聚类的烟草线路订单分拣优化方法及系统

权利要求书

1.一种基于FCM聚类的烟草线路订单分拣优化方法，其特征在于，包括以下步骤：

步骤1：获取烟草配送中心的配送路线以及配送路线上所对应的卷烟品规及数量，建立配送路线和所对应的卷烟品规及数量的初始矩阵，并对初始矩阵进行预处理得到聚类对象数据；

步骤2：基于FCM聚类算法以类内卷烟品规相似度和类间卷烟品规总数量构建FCM聚类算法的目标函数；

步骤3：计算聚类对象数据的聚类中心和隶属度更新聚类中心，基于更新的聚类中心计算目标函数，所计算的目标函数直至小于预设阈值，得到聚类结果；

步骤4：根据聚类结果将不同配送路线上对应的卷烟品规及数量分配至分拣线上。

2.如权利要求1所述的一种基于FCM聚类的烟草线路订单分拣优化方法，其特征在于，在所述步骤1中，对所述初始矩阵进行预处理采用归一化的处理方法，具体为：

其中，n_ij*表示原始数据n_ij的归一化结果，min_i表示在n_ij所在线路i中数量最少的卷烟品规的数量，max_i表示所在线路中数量最多的卷烟品规数量。

3.如权利要求1所述的一种基于FCM聚类的烟草线路订单分拣优化方法，其特征在于，在所述步骤2中，所述目标函数为：

其中，表示第i条配送线路到第f类聚类中心的离差平方和，u_fj表示第j个配送线路属于第f个聚类簇的隶属度，且u_fi∈[0,1]，R为不同卷烟品规所对应的卷烟总数量，C₁、C₂为常数，C为聚类形成的簇个数。

4.如权利要求3所述一种基于FCM聚类的烟草线路订单分拣优化方法，其特征在于，利用专家打分法的统计平均法结合变异系数法对类内卷烟品规相似度、类间卷烟品规总数量多目标所建立的目标函数赋予权重。

5.如权利要求1所述的一种基于FCM聚类的烟草线路订单分拣优化方法，其特征在于，在所述步骤3中，FCM聚类算法的具体步骤包括：

步骤3-1：以分拣线条数为基本单元，划分聚类簇数，确定聚类中心个数C；

步骤3-2：计算配送路线间的相互距离，设置算法的最大迭代次数；

步骤3-3：聚类中心初始化，利用配送路线间相互距离构成的相似度矩阵，寻找离C个初始聚类中心距离最短的路线进行初始聚类簇的划分，并设置迭代次数计算指数；

步骤3-4：分别计算C个初始聚类中心与划分到此类的配送路线的距离，根据计算结果计算各条配送路线对于C个聚类中心点的隶属度并形成隶属度矩阵；

步骤3-5：根据所得到的隶属度矩阵结合聚类中心的计算公式，计算新的聚类中心；

步骤3-6：根据当前聚类的结果计算目标函数值；

步骤3-7：若当前的目标函数值与上一轮的目标函数值之差小于设定的阈值，则聚类结束，否则重复步骤3-5至步骤3-7直至聚类结束。

6.如权利要求5所述的一种基于FCM聚类的烟草线路订单分拣优化方法，其特征在于，在所述步骤3-5中，隶属度计算公式为：

其中，m为模糊指数，控制聚类分类的模糊程度，d_fi表示i线路到第f个聚类的中心向量的距离，L为迭代次数计算指数。

7.如权利要求5所述的一种基于FCM聚类的烟草线路订单分拣优化方法，其特征在于，采用欧式距离计算配送路线之间的相似距离。