[发明专利]一种基于大数据的智能管理方法、系统及介质

权利要求书

1.一种基于大数据的智能管理方法，其特征在于，包括以下步骤：

获取当前物流仓储各货物类型的待出库订单信息，根据所述当前物流仓储各货物类型的待出库订单信息进行预估，以获取当前物流仓储各货物类型的出库效率；

通过大数据网络获取影响入库效率的影响因子数据，并通过层次分析法对所述影响因子数据进行分析，以获取每个影响因子数据的权重向量信息；

获取物流管理平台中待分配入库的订单信息，并基于所述每个影响因子数据的权重向量信息以及待分配入库的订单信息预估当前物流仓储各货物类型的入库效率；

根据所述当前物流仓储各货物类型的出库效率构建剩余仓位目标函数组，并基于所述当前物流仓储各货物类型的入库效率构建入库仓位目标函数组，基于遗传算法对所述剩余仓位目标函数组以及入库预估仓位目标函数组进行求解，以获取预设时间之内最优的货物入库分配结果；

其中，获取当前物流仓储各货物类型的待出库订单信息，根据所述当前物流仓储各货物类型的待出库订单信息进行预估，以获取当前物流仓储各货物类型的出库效率，具体包括以下步骤：

根据各货物类型的出库效率设置关键词信息，通过大数据网络根据所述关键词信息进行数据检索，以获取各等级的物流仓储各货物类型的出库效率，根据所述各等级的物流仓储各货物类型的出库效率构建信息数据库；

获取当前物流仓储的仓储等级以及取当前物流仓储各货物类型的待出库订单信息，将所述当前物流仓储的仓储等级输入到信息数据库中进行一次匹配，以获取匹配度大于预设匹配度的物流仓储，并获取匹配度大于预设匹配度的物流仓储对应的各货物类型的出库效率；

获取当前物流仓储各货物类型的待出库订单信息，并根据所述当前物流仓储各货物类型的待出库订单信息进行分类，以获取各货物类型的待出库订单信息；

基于匹配度大于预设匹配度的物流仓储对应的各货物类型的出库效率以及各货物类型的待出库订单信息获取当前物流仓储各货物类型的出库效率；

其中，通过大数据网络获取影响入库效率的影响因子数据，并通过层次分析法对所述影响因子数据进行分析，以获取每个影响因子数据的权重向量信息，具体包括以下步骤：

通过大数据网络获取影响入库效率的影响因子数据，并确定评价的层次结构体系，将所述的评价的层次结构体系分为目标层、准则层以及方案层；

将入库效率输入到准则层中，并将所述影响入库效率的影响因子数据输入到方案层中，预设若干个影响效果，并将所述影响效果输入到目标层中，生成评价指标体系；

根据所述准则层以及方案层组内的各因素进行相互比较，以预设定量标度进行相对重要性定量化，生成标度值，根据标度值构建判断矩阵；

通过方根法对所述判断矩阵进行归一化计算，得到特征向量，并获取所述特征向量在判断矩阵的最大值，根据所述特征向量以及最大值得到每个影响因子数据的权重向量信息；

其中，获取物流管理平台中待分配入库的订单信息，并基于所述每个影响因子数据的权重向量信息以及待分配入库的订单信息预估当前物流仓储各货物类型的入库效率，具体包括以下步骤：

获取物流管理平台中待分配入库的订单信息，并根据货物类型对所述物流管理平台中待分配入库的订单信息进行数据分类，以获取各货物类型对应的待分配入库的订单信息；

基于所述每个影响因子数据的权重向量信息构建入库效率预估模型，并获取当前物流仓储的影响因子数据；

根据所述当前物流仓储的影响因子数据对所述入库效率预估模型进行调整，以获取调整后的入库效率预估模型；

基于所述调整后的入库效率预估模型以及各货物类型对应的待分配入库的订单信息得到当前物流仓储各货物类型的入库效率；

其中，入库效率预估模型具体满足以下关系式：

；

其中，k 为实时的入库效率；各货物类型初始时的入库效率；y为影响因子的个数；为第x 个天气情况的影响权重值，e为自然对数的底数；为预设时间段之内第x个天气情况所发生的概率值；

其中，根据所述当前物流仓储各货物类型的出库效率构建剩余仓位目标函数组，具体包括以下步骤：

获取当前时刻物流仓储的剩余仓位数据信息，并根据所述当前时刻物流仓储的剩余仓位数据信息初始化物流仓储的待入库仓位信息；

基于所述初始化物流仓储的待入库仓位信息以及当前物流仓储各货物类型的出库效率构建剩余仓位目标函数组，其中，仓位目标函数组满足：

；

其中，为实时仓位数据信息，n为出库货物类型的个数，为第i个货物类型的出库效率，为时间，Q为初始化后的物流仓储的待入库仓位信息；

其中，基于所述当前物流仓储各货物类型的入库效率构建入库仓位目标函数组，具体包括以下步骤：

获取当前时刻的实时仓位数据信息，并根据所述当前物流仓储各货物类型的入库效率以及当前时刻的实时仓位数据信息构建入库仓位目标函数组，其中，入库仓位目标函数组具体满足以下关系式：

；

其中，为实时仓位数据信息，m为入库货物类型的个数，为待分配货物的第j个货物类型的入库效率，为时间；

其中，基于遗传算法对所述剩余仓位目标函数组以及入库预估仓位目标函数组进行求解，以获取预设时间之内最优的货物入库分配结果，具体包括以下步骤：

在解空间中均匀产生若干个染色体个数，并预设每一个染色体的维度，以生成初代种群，并确定种群规模以及最大进化代数，对选择比例、交叉概率、变异概率进行初始化；

以所述物流管理平台中待分配入库的订单信息作为分配基础，基于剩余仓位目标函数组的计算值以及入库预估仓位目标函数组，对所述初代种群中的每一个染色体个体进行快速非支配排序和拥挤度计算，并对所述初代种群进行选择、交叉、变异操作，以获得下一代种群；

将所述初代种群与所述下一代种群合并，以获得新种群，以所述物流管理平台中待分配入库的订单信息作为分配基础，并基于所述剩余仓位目标函数组的计算值以及入库预估仓位目标函数组，对所述新种群中每一个所述染色体个体进行快速非支配排序和拥挤度的计算；

对所述新种群选择符合条件的个体来组成新初代种群，确定演化过程的进化代数，若所述进化代数小于所述最大进化代数，则所述进化代数的数量加一，并转至对所述初代种群进行选择、交叉、变异操作，以获得下一代种群，若所述进化代数大于所述最大进化代数，则中止迭代并输出预设之间之内最优的货物入库分配结果。