[发明专利]仓库管理方法和装置以及计算机可读介质

权利要求书

1.一种仓库管理方法，其特征在于，包括：

根据各仓间每种商品在前M天的每天出库量计算各仓间每种商品在第(M+1)天的预测库存占比；

获取各仓间每种商品在第(M+1)天的实际库存占比；

根据各仓间每种商品的预测库存占比与实际库存占比的差值计算各仓间每种商品的分类等级；以及

根据各仓间每种商品的分类等级及在(M+1)天的预测库存占比确定在(M+1)天各仓间多种商品的理货操作的执行顺序以及每种商品在第(M+1)天的移仓数量，所述M为正整数。

2.根据权利要求1所述的仓库管理方法，其特征在于，采用灰度预测模型计算各仓间每种商品在第(M+1)天的预测库存占比。

3.根据权利要求1所述的仓库管理方法，其特征在于，还包括：对于相同分类等级，先执行销量高的商品的理货操作。

4.根据权利要求1所述的仓库管理方法，其特征在于，所述计算各仓间每种商品的分类等级包括：

根据各仓间每种商品的预测库存占比与实际库存占比的差值构建特征矩阵；以及

根据聚类算法计算所述特征矩阵的聚类中心集，并根据所述特征矩阵的聚类中心集得到各仓间每种商品的等级分类。

5.根据权利要求4所述的仓库管理方法，其特征在于，所述根据聚类算法计算所述特征矩阵的聚类中心集，并根据所述特征矩阵的聚类中心集得到各仓间每种商品的等级分类包括：

根据所述特征矩阵生成临时的聚类中心集；

根据全局Kmeans聚类算法获取新的聚类中心集；以及

对新的聚类中心集调优得到最终聚类中心集，根据最终聚类中心集得到各仓间每种商品的等级分类。

6.根据权利要求4或5所述的仓库管理方法，其特征在于，所述构建特征矩阵包括：

构建相似矩阵A∈R^n*n，n为商品种数，A_ii＝0，

其中x_i和x_j分别表示商品种类为i和j的商品对应的预测库存占比与真实库存占比的差值，i和j取值为1到n，且i≠j,σ是参数，n是正整数；

构造矩阵L＝D^-1/2AD^-1/2,

计算矩阵L的前k个特征值对应的特征向量X₁,X₂,…,X_k，构造矩阵X＝[X₁,X₂,…,X_k]_n*k，规范化矩阵X的行向量，得到特征矩阵Y＝[Y₁,Y₂,…,Y_k]_n*k，k是正整数。

7.根据权利要求6所述的仓库管理方法，其特征在于，所述根据所述特征矩阵生成临时的聚类中心集包括：

根据Y＝[Y₁,Y₂,…,Y_k]_n*k初始化粒子群，生成随机聚类中心集M＝{m₁^*,m₂^*,…m_t^*}，t为人工设定值；

引入适应度函数，计算每个粒子的适应度值；

更新每个粒子搜索到的最优解和整个粒子群搜索到的最优位置，并不断调整随机聚类中心集的每个聚类中心的位置，直到聚类中心的位置与每个点的距离为最小或达到最大迭代次数，最终得到的聚类中心集M＝{m₁,m₂,…m_t}，t个聚类中心集。