[发明专利]一种基于改进的K-Means算法的订单分批方法

摘要

一种基于改进的K‑Means算法的订单分批方法。本发明公开了一种基于数据挖掘的订单分批方法，包括如下步骤：1对数据集进行向量化处理，获得订单集X；2通过交叉检验法获得距离阈值T₁和T₂；3利用Canopy算法得到簇个数K及中心点；4利用上一步得到的K值以及中心点，使用改进的K‑Means算法进行聚类；5得到最终的聚类结果之后，按照每个聚类的订单的平均到达时间进行排序，得到订单分批的结果。本发明能准确地对大批量的物流订单进行分批，从而提高分拣作业的效率，减少分拣环节所占用的时间。

主权项

1.一种基于改进的K‑Means算法的订单分批方法，其特征是按如下步骤进行：步骤1、对数据集进行向量化处理，获得订单集X，记为X＝{x₁,x₂,…,x_i,…,x_n}；x_i表示第i个订单；记第i个订单x_i的到达时间为t_i；记第i个订单x_i的商品品项为m_i；记第i个订单x_i的品项体积为v_i；1≤i≤n；记分拣车的容量为V；步骤2、通过交叉检验法获得距离阈值T₁和T₂，且T₁＞T₂；步骤3、利用Canopy算法得到中心点集合：步骤3.1、初始化j＝1；并以第i个订单x_i作为第j个中心点c_j；以第p个订单x_p作为第j+1个中心点c_j+1；p≠i；1≤p≤n；步骤3.2、获得n个订单分别与第j个中心点c_j之间的距离集合，记为表示第i个订单x_i与第j个中心点c_j之间的距离；再获得n个订单分别与第j+1个中心点c_j+1之间的距离，记为表示第i个订单x_i与第j+1个中心点c_j+1之间的距离，并有：d_i,j+1表示分拣第i个订单和第j+1个订单中所有商品品项在仓库中所走的路程，d_j+1表示分拣第j+1个订单中所有商品品项在仓库中所走的路程；步骤3.3、初始化i＝1；步骤3.4、若或则将第i个订单x_i加入到第j个中心点c_j的Canopy集合K_j中或第i个订单x_i加入到第j+1个中心点c_j+1的Canopy集合K_j+1中；若或则将第i个订单x_i从订单集X中删除，将距离从距离集合D_j中删除或将从距离集合D_j+1中删除；步骤3.5、将i+1赋值给i，并判断i＞n是否成立，若成立，则表示获得更新的距离集合D′_j、D′_j+1和订单集X′；并执行步骤3.6；否则，返回步骤3.4执行；步骤3.6、从所述更新的距离集合D′_j和D′_j+1中分别选出最大距离记为和若则以所对应的订单作为第j+2个中心点c_j+2，若则以所对应的订单作为第j+2个中心点c_j+2；步骤3.7、判断更新的订单集X′是否为空，若为空，则表示获得中心点集合，记为c＝{c₁,c₂,…,c_j,…c_q}；1≤j≤q；q表示中心点的个数；否则，将j+1赋值给j，并返回步骤3.2执行；步骤4、使用改进的K‑Means算法进行聚类：步骤4.1、初始化i＝1；步骤4.2、利用式(1)计算第i个订单x_i的商品品项m_i与第j个中心点c_j的相似度从而获得第i个订单x_i与q个中心点的相似度步骤4.3、从第i个订单的相似度S_i中选出一个最大值并计算最大值所对应的中心点所在的第max个簇K_max中所有订单的总品项体积与最大值所对应的订单品项体积之和是否超出分拣车的容量V，若超出，则将最大值所对应的订单划分到次最大值所对应的中心点所在的簇中；否则，将最大值所对应的订单划分到第max个簇K_max中；步骤4.4、将i+1赋值给i，并判断i＞n是否成立，若成立，则表示由所述中心点集合c形成q个簇，记为K＝{K₁,K₂,…,K_j,…,K_q}；K_j表示第j个簇；并有表示第j个簇K_j中第r个订单；R_j表示第j个簇K_j中的订单总数；并输出q个簇K后，执行步骤5；否则，返回步骤4.2执行；步骤5、计算第j个簇K_j中x_j个订单的平均到达时间T_j，从而获得q个簇的平均到达时间{T₁,T₂,…,T_j,…,T_q}并按照升序进行排序，从而获得最优簇K′＝{K′₁,K′₂,…,K′_j,…,K′_q}。