物料聚类分析下的仓库货位指派优化

为减少订单分拣距离和分拣差错率,研究仓库物料的货位指派问题,提出一体化的基于物料聚类的货位指派优化方法.使用概率和集合定量描述物料关联性,建立物料聚类模型和物料聚合类的指派模型,并在ILOG CPLEX优化软件上求解,完成物料聚合类中所有物料的具体货位分配后,用库存调整原则对基于物料聚类的货位布局微调,满足物料的特殊要求和布局目标整体最优.验证结果显示,16种物料聚合为7类时订单分拣距离最短,为536单位距离.对比随机货位分配和基于频率的货位分配方法,基于物料聚类的货位指派优化方法的总分拣距离分别减少了18.54%和10.37%.     

多出/入口仓库的货位优化研究

在“人到货”多出/入口仓库货位优化问题中,为了减少库内整体作业时间,提高拣选效率,基于多维标度分析算法（Dimensional Scaling Analysis algorithm,MDS）与峰值聚类算法（Peak Clustering algorithm,DPC）,提出以货品相关性为基础的货位优化方法。首先通过历史订单数据进行分析获得货品相关度矩阵,并利用多维标度分析算法对相关度矩阵进行数据处理,在仓库实际情况下确定合适数量聚类簇后,采用峰值聚类算法将相关性高的货品聚类形成一个具有高相关性货品集合,再据货品集合优化存储区域。最后,本文通过实际案例进行分析,比较本文存储策略与原始存储策略在跨区域拣选条件下订单平均拣选距离,并通过本文优化策略与随机策略在相同规模订单情况下比较验证,结果显示,本文策略比随机策略优化平均优化24.56%,有效地提高了订单拣选效率。     

多载具自动化存取系统货位分配和拣选路径集成优化

为了提高多载具自动化存取系统整体进出库效率,分析了多载具自动化存取系统的运作特点,建立了同时考虑货位分配和拣选路径的集成优化模型。模型以最小化单位指令周期的行程时间为优化目标,最后设计了两阶段禁忌搜索算法求解该问题。不同货位规模和不同载具数量的数值实验结果表明:两阶段禁忌算法获得的行程时间较初始解有至少40%的改善,而且与分别优化的方法相比行程时间也能降低7%~23%。     

基于模糊关联规则与减法聚类的神经模糊建模

针对许多复杂系统的输入变量之间存在的相互关联,提出了一种基于聚类与模糊关联规则的神经模糊建模方法.这种方法采用基于聚类的模糊关联规则挖掘算法来进行输入变量的选择,之后,再采用基于减法聚类的神经模糊建模方法建模.最后,还将这种建模方法应用于实际建模问题,结果表明这种方法在保证模型精度符合建模要求的情况下,减少了模型输入个数,降低了建模的复杂程度.     

基于自适应模型的数据库入侵检测方法

提出了一种基于自适应模型数据库入侵检测方法(ASIDS).该方法基于矩阵和最小支持度函数的AprioriZ关联算法,依据在训练和自适应入侵检测阶段产生数据库的操作特征,用户根据实际需求动态调整最小支持度函数的值,更高效挖掘操作特征.结合层次聚类算法产生动态规则库,通过计算待检测数据操作特征与规则库中聚类的距离是否超过聚类间最大距离来判断异常,以避免已有检测系统中判断"边界尖锐"问题,并实时把正常操作特征归入动态规则库,通过对报警信息的关联分析降低误警率.实验结果表明,ASIDS能够实时地进行入侵检测,具有很高的检测率和较低的误警率.     

基于关联规则优化的个性化推荐系统

针对当前个性化推荐系统处理数据效率较低的问题,提出了一种混合聚类关联规则优化的个性化推荐系统实现方法.深入分析了基于Web网络服务平台的电子商务个性化推荐系统的结构组成,将数据分析与推荐算法实现分为离线和在线处理两部分,阐述了算法初始化、关联实现以及推荐数据集合生成和兴趣模型预测的具体原理,并给出了算法的实现步骤.最后,基于提出的系统构建模型,建立了一种基于混合聚类关联优化的图书网络推荐平台.实验结果表明,该方法具有较高的推荐精度和推荐效率,更适合大数据环境的推荐系统.     

旁通式自动化立体仓库拣选作业和出口选择的组合优化

自动化立体仓库系统是在计算机直接控制和管理下自动存取并实现综合自动化管理货物的多层仓库存储系统。旁通式自动化立体仓库作为一种新兴的立体仓库,越来越多地应用在需要快捷存取的场所。其中,堆垛机作业时间长短直接影响仓库存储效率的高低。为了提高旁通式自动化立体仓库作业效率,分析旁通式自动化立体仓库堆垛机行进路线的特点,建立了同时考虑堆垛机出口选择和拣选路径的组合优化模型。模型以一个拣选任务指令周期内堆垛机行进所花费时间为目标,同时对遗传算法初始种群生成方法进行改进,用改进后的遗传算法对该模型拣选路径优化部分求解,将该阶段结果的最末货位作为下一优化阶段的初始点,采用最近邻法寻找最佳出口位置。实验仿真和工程实际应用表明该模型和算法是可行的、有效的。     

检修备品库的货位优化模型

为了对货位进行合理分配,以提高检修备品库的领料效率,分析了检修用料的特点,并综合生产环境和分销环境下仓库货位优化的思想,提出检修物料的确定相关性和统计相关性这两个概念.根据物料相关性及用料频率,建立了检修备品库货位分配的多目标优化数学模型.模型的优化目标是,既要尽量将关系密切的物料聚集摆放,又要尽量将使用频率高的物料靠近出入库口存储.最后采用蚁群算法求解了该NPC(non-deterministic polynomial complete)问题,与采用随机分配策略的仿真结果相比,领料效率提高了23%～28%.     

基于情境聚类扩展用户画像的旅游景点推荐方法

随着我国旅游业发展和人们对旅游服务需求的不断增多，旅游景点的精准推荐不仅可以节约用户大量的时间，还能够提升用户的消费体验，为此本文提出一种基于情境聚类扩展用户画像的旅游景点推荐方法。基于用户情境数据进行情境聚类，构建出扩展的用户画像模型；根据群体用户画像反映的用户特征，结合情境标签设置个体用户情境特征属性，再融合关联规则和相似度计算为用户推荐个性化的景点。实验结果表明，相较于传统的关联规则Apriori推荐算法或加权Apriori推荐算法，基于情境聚类扩展用户画像的旅游景点推荐方法具有更优的推荐结果。     

时态关联规则研究与应用

传统关联规则挖掘很少考虑关联规则的时间适用性.时态关联规则是指带有时态约束的关联规则,每个关联规则都有着其成立的时间区域.结合其他算法的特点,提出了基于Fisher聚类的时态关联规则挖掘算法(TApriori算法),它能够动态地发现关联规则以及关联规则有效的时间区域.实验结果证明该算法是合理有效的.最后,结合具体CRM项目的特点,讨论了在CRM引入数据挖掘的体系结构,给出了一个应用.     

大数据云存储下海量数据传输完整度控制技术

为确保大数据云存储下海量数据传输的完整度,提出了一种基于属性特征匹配和关联规则的海量数据传 输完整度控制方法。构建海量数据的属性特征高维重组模型,得到关键信息的特征分布状况,据此设计海量数 据的关键信息存储分布结构模型,采用关联规则方法进行海量数据的关键信息特征挖掘提取,利用关键信息进 行海量数据的特征分析和数据聚类处理,采用属性特征匹配方法设计海量数据关键信息存储节点后,利用模糊 减法聚类对关键信息存储节点进行聚类处理,在海量数据传输中,以数据关键信息存储节点传输的完整度实现 海量数据的传输完整度控制。仿真结果表明,采用该方法进行海量数据传输完整度控制,能提高云存储下的空 间利用效率,数据传输完整度高。     

基于鱼骨型仓库的拣选路径问题优化

为提高鱼骨型仓库布局下的订单拣选效率,基于拣货路径距离计算模型和以最小化拣货路径总距离为优化目标的拣选路径优化模型,提出一种混沌模拟退火粒子群优化算法,引入混沌理论使粒子更高效地遍历搜寻空间,同时结合了模拟退火算法的概率突跳特点使算法在迭代后期仍具有较好的全局寻优能力.最后,通过实例仿真验证了该算法在解决鱼骨型仓库布局拣选路径优化问题上的有效性,并通过与其他算法比较,证明了该算法的先进性,为鱼骨型仓库布局下拣选路径规划问题提供了新的解决思路.     

基于改进遗传算法和多目标决策的货位优化策略

为了解决自动化立体仓库的随机库存在线动态货位分配问题,针对仓库货物出入库效率、货物分类存储的合理性和货架整体稳定性方面的需求,基于加权归一化处理多目标决策构建了货位分配优化数学模型.提出一种改进的二次优化遗传算法(quadratic optimization genetic algorithm,QOGA),并利用MATLAB软件进行仿真实现.仿真结果表明,该算法收敛速度大幅提高,出入库效率、货架稳定性明显提升,货物分类存储更加合理.由多目标决策结果验证了改进QOGA的先进性和有效性.     

基于PSC-IGA算法的数字化车间仓配一体化研究

文章针对数字化车间内部的仓配一体化问题,以装配生产线的物料需求时间和数量为拉动因素,考虑物料配送效率和立库运行效率,将仓配问题分为2个层次,首先通过生产排程确定时间窗,以配送效率最大化为目标构建物料配送路径规划模型,然后构建货位分配多目标优化模型.采用两阶段的遗传算法进行求解,提出基于多色集合约束的遗传算法(polyc...     

基于距离的关联规则挖掘算法研究

提出了基于距离的关联规则算法的几点改进:在聚类部分,改用CADD算法对全部属性聚类,使得聚类结果更好,并且减少了规则的判定条件;在关联度参数D0的设置问题上,提出了用投影簇半径值作为其参考值的思想,以减少设置的盲目性.实验结果表明,改进的算法能更有效地挖掘基于距离的关联规则.     

多端口出入式自动化存取系统作业集成优化

为了提高具有双板作业运作特点的多端口出入式自动化存取系统(AS/RS)整体作业效率,在统筹考虑货位分配和指令序列排序对作业时间影响的基础上,提出以最小化指令序列完工时间为优化目标的集成优化模型。引入交换和插入思想构建货位分配和指令排序的搜索邻域,并分析2种邻域构建方法对指令序列完工时间的影响。最后,设计二阶段禁忌搜索算法对问题进行求解,利用货位分配和指令排序2个阶段禁忌搜索过程的反馈获得模型最优解,其求解过程体现货位分配和指令排序2个优化方面在邻域搜索过程中互相影响、互相嵌套的复杂关系。研究结果表明:二阶段禁忌搜索算法在不同的货位规模和指令序列规模下均能获得满意解,具有较好的鲁棒性和计算效率;相比"先到先服务"和"最近邻"调度规则,本文优化方法能够有效缩短指令序列完工时间。     

采用类别相似度聚合的关联文本分类方法

针对基于关联规则的分类方法在分类时仅考虑规则的置信度并使用规则修剪技术,导致分类器的分类精度难以进一步提高的问题,提出了一种基于类别相似度聚合的关联文本分类方法.该方法采用修改的χ2统计技术提取各类别的特征词;为保证规则匹配的精度和速度,使用CR-tree存储分类规则,并给出了CR-tree的构建与匹配算法;采用向量内积来计算文本类别分量与类别标志向量的相似度,进而使用规则置信度和类别相似度的聚合值作为文本分类的依据.基于实际网络文本的实验表明,该方法仅需提取30个特征词,分类结果的微平均值即可达到92.42%,优于未经剪枝的ARC-BC分类器及KNN、Bayes分类器;在分类耗时方面,该方法与未经剪枝的ARC-BC分类器持平,表明该方法引入的相似度与聚合值的计算开销在可接受的范围内.     

基于k-means与Apriori算法的食物营养成分分析

营养作为人类生活的必要前提,大量患有某种疾病患者或由于工作职业原因对不同营养成分需求各不一致,发现不同食物种类营养成分及含量间的关系具有较强的应用价值。由于各类食物类别所含食物数量不同,针对Apriori算法通过支持度和置信度来衡量关联规则的特点,为克服各类食物数量不一致容易对挖掘结果产生不良影响,设计了一种通过k-means与Apriori算法对多种食物的营养成分及含量的挖掘与分析的方法。首先根据不同食物营养成分含量采用k-means聚类算法进行聚类,将食物数据集划分出了多个互不相交的"簇",再在各"簇"内通过Apriori算法实现食物营养成分含量之间的关联规则挖掘,其结果表明使用该方法经过聚类后的同一簇内食物营养成分关联程度明显优于直接在数据集中使用Apriori算法进行挖掘,为各类人群的合理膳食及饮食健康提供了重要的参考依据。     

基于聚类矩阵的CM—Apriori算法研究

针对关联规则中Apriori算法的不足,提出了一种基于聚类矩阵的CM-Apriori新算法.该算法只需扫描事务数据库一次,就直接按事务项数生成聚类矩阵,每次只需对部分聚类矩阵进行运算,就可以生成频繁项集.这大大减少了扫描数据库的次数和计算成本,从而有效提高了算法的运算效率,并通过实例说明了它是一种有效的关联规则挖掘方法.     

基于聚类的周期关联规则的数据挖掘

介绍了关联规则挖掘的研究情况,提出了基于聚类的周期关联规则挖掘算法,分析了该算法存在的问题并提出解决方案,展望了关联规则挖掘的未来研究方向.