[发明专利]一种基于K-Means的库位分配算法

说明书

本发明公开了一种基于K‑Means的库位分配算法，具体涉及物流仓储领域，本发明算法将订单内sku位置欧式距离和K‑Means方法相结合的方式，对仓库商品存在一品多位，买家订单流入后该预占哪些库位的问题予以解决，K‑Means对于给定的样本集，按照样本之间的距离大小，将样本集划分为k个簇，让簇内的点尽量紧密的连在一起，而让簇间的距离尽量大。本发明可以让“相似”买家订单中的sku尽量集中在某一区域，而“相似度”低买家订单中的sku尽量分散，相较于随机库位分配或按照效期直接分配效果显著提高。

技术领域

本发明涉及物流仓储技术领域，更具体地说，本发明涉及一种基于K-Means的库位分配算法。

背景技术

随着近年来电子商务的迅猛发展，电子商务正逐渐渗透到人们生活的各个方面。仓库为了避免产生热点库位，会将商品进行一品多位分布，当买家订单流入仓库，订单中的sku应该分配到仓库的哪些库位，既能使得“相似”的sku分布的较近，而“不同”的sku又分布的较远，从而使得订单车可以在尽可能小的区域内完成订单生产，而又不至于产生拥堵。

在实际生产中，当买家订单流入仓库，库位分配遵循以下的优先顺序：

1.严格按照生产日期先后顺序；

2.货品所述的绑定库位(即生产日期相同的非绑定库位优先)；

3.按照库位排序，尽量预占相同库位清除库存；

由于过度看中了生产日期，导致本为了尽量使得作业均衡的一品多位，成了虚假的一品多位。

一个仓库日订单量动辄5-6W，由于客户的订单具有小批量、高频次等特征，容易造成订单车局部拥堵，作业不均衡，而商务环境下顾客对快递到达时间更为敏感，因此对买家的流入订单的库位分配提出了更高的要求。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种基于K-Means的库位分配算法，通过利用订单内sku位置欧式距离和K-Means方法相结合的方式，对仓库商品存在一品多位，买家订单流入后该预占哪些库位的问题予以解决，K-Means对于给定的样本集，按照样本之间的距离大小，将样本集划分为k个簇，让簇内的点尽量紧密的连在一起，而让簇间的距离尽量大；可以让“相似”买家订单中的sku尽量集中在某一区域，而“相似度”低买家订单中的sku尽量分散，相较于随机库位分配或按照效期直接分配效果显著提高。

为实现上述目的，本发明提供如下技术方案：一种基于K-Means的库位分配算法，包括如下步骤：

S1、将仓库当前商品的信息以及一段时间内买家的流入订单进行收集，且仓库当前商品的信息包含商品sku_i的位置；

S2、将已完成库位分配的订单进行K-Means聚类，具体步骤如下：

S2.1、根据流入订单数量选取恰当k值，在已完成库位分配的订单中随机选取k个sku位置作为簇中心，并计算其他所有sku与这k个“簇中心”的距离；

S2.2、对于每一个sku，将其划分到与其距离最近的“簇中心”所在的簇中，对于新簇，计算各个簇的新中心；

S3、结合商品效期，计算一个订单中所有sku位置与这k个“簇中心”距离的欧式距离和；

S4、计算步骤S3中的多个sku位置中心与步骤S2中所有簇中心的距离；

S5、赋予步骤S3和步骤S4中的距离一定的权值，将该订单中的sku进行库位分配；

S6、重复步骤S3-S5，直至步骤S1中的流入买家订单遍历完成。

在一个优选地实施方式中，所述步骤S1中，商品sku_i的位置设置为N个，商品位置矩阵D_i如下：