[发明专利]一种基于轮廓系数和AP聚类算法的离散覆盖仓库选址方法

说明书

本发明公开了一种基于轮廓系数和AP聚类算法的离散覆盖仓库选址方法，将库存承载力作为衡量偏度的方法，有效反映了仓库容量与辐射范围的正比关系；考虑轮廓系数的定义，根据簇的内聚度和分离度引入新的约束，同时考虑优化中心覆盖面积和等待时间，在信息迭代传播时对偏度进行自适应更新。基于轮廓系数约束和偏度更新的AP聚类算法有助于避免震荡，加快算法收敛速度，获得兼具理想服务范围和合理响应时间的中心组合。本发明的方法可以达到提高选址准确性和改善选址综合性能的技术效果。

技术领域

本发明涉及仓库选址技术领域，具体涉及一种基于轮廓系数和AP聚类算法的离散覆盖仓库选址方法。

背景技术

随着工业制造业的快速发展和物流运输服务的兴起，传统的商品供应链面临货品集散能力有限、供应中心选址不合理等问题，可靠的供应通道和便捷的售后服务流程成为供货商的一项核心竞争力。理想的备件中心组合能有效响应需求，规避时间和经济损失，提高用户的满意度；而建设一个成熟的、承载力满足当前需求量的供货中心成本高昂、容错空间小，且中心位置不合理也将造成可观的资源浪费和经济损失。由此可见，仓库备件中心的设立和选址在供需链中起着重要作用，亟需综合多因素通过科学合理的方法确定。

现有技术中，通常采用传统的AP聚类算法对备件仓库进行离散覆盖选址的研究。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

(1)传统的AP算法聚类结果易受偏度参数的影响，且偏度不具有统一的衡量和评价标准。不当的偏度可能引起震荡，使算法无法收敛得到可行解；或选址中心过于稠密或稀疏，前者将导致中心覆盖重叠引起资源浪费，后者将造成可观的等待时间和经济损失，降低用户满意度。

(2)传统的AP聚类算法的目标是最大化网络相似度，而在仓库选址问题中还应兼顾中心覆盖面积和库存承载力等因素。

由此可知，现有采用传统的AP聚类算法进行仓库选址存在准确性不高和综合性能不佳的技术问题。

发明内容

有鉴于此，本发明提供了一种基于轮廓系数和AP聚类算法的离散覆盖仓库选址方法，用以解决或者至少部分解决现有技术中的方法存在的准确性不高和综合性能不佳的技术问题。

本发明提供了一种基于轮廓系数和AP聚类算法的离散覆盖仓库选址方法，包括：

步骤S1：根据需求点间的特征建立相似度矩阵，其中，对角线上的偏度值采用每个潜在中心的条件作为初始值，并根据相似度矩阵创建参与AP聚类的中间量；

步骤S2：引入基于轮廓系数的约束规则，其中，约束规则包括原信息更新规则以及基于原信息更新规则和簇的内聚度和分离度的新约束规则；

步骤S3：建立新约束规则与节点间的置信网络，采用基于因子图模型的近似计算算法max-product计算非对角线和对角线元素的信息更新公式，迭代更新置信网络中的传播公式和中间量，并根据传播公式和中间量更新信息量，直到网络收敛；

步骤S4：根据收敛后节点的信息量计算每个点的备件中心，取使得吸引度和支持度之和最大的需求点作为选址中心，得到中心解及其集群。

在一种实施方式中，步骤S1具体包括：

步骤S1.1：根据备选点间的距离、仓库容量、建设成本建立相似度矩阵{s_ij}_i∈N,j∈N，非对角线上的值采用备选点之间的距离函数表示：其中min_d、max_d分别表示备选点间距离的最小值和最大值；对角线上的偏度值p_k采用每个备选点的属性加权和作为初始值：p_k＝aV_k+bC_k，其中，V_k和C_k分别表示第k个备选点的仓库容量和建设成本；