[发明专利]一种基于改进二分k-均值算法的订单分组方法

摘要

本发明公开了一种基于改进二分k‑均值算法的订单分组方法，采用改进的二分k‑均值算法求解对配送中心订单分批问题，从k值选取、初始中心值的选取、异常点处理三个方面对k‑means聚类算法进行了改善，避免算法陷入局部最优，使得求解出的订单分组方案更加有效合理，从而有效提高订单分拣效率。

主权项

1.一种基于改进二分k‑均值算法的订单分组方法，其特征在于，包括如下步骤：对订单数据集进行处理，获得订单集列表T＝{t1，t2…ti…tw}；其中，ti表示第i个订单，第i个订单所包含的货品向量化表达为ti＝{aw1,aw2,…awi…awL}；ti表示第i个订单，awi表示第w个订单包含第i种货品；根据订单数量设置阈值TA的值；在订单构成的簇类中选取参考订单：将该簇类中订单长度最大的订单作为第一个参考中心订单，计算簇类中其他订单与第一个参考中心订单的相似度，并在与第一个参考订单中心相似度最小的订单中，选择订单长度最大的订单作为第二个参考中心订单；计算每个订单到每个参考中心订单的相似度rij，并将每个订单划分到与多个参考中心订单其中一者相似最大的一组；对本次分组产生的所有簇类进行检测，查看是否满足预设的第一条件；将满足第一条件的簇类标记为异常簇类，将异常簇类的参考中心订单标记为异常订单标记，并计算异常簇类中的所有订单与其他簇类参考中心订单的相似度，并将每个订单划分到与其他簇类参考中心订单相似度最大的簇类中；将剩下的所有簇类按照其SSi的值大小进行降序排序，将前N个簇类进行k‑means二次聚类(k＝2)，使得簇类数量保持不变；SSi为第i个簇类的订单相似度平方差的均值；更新每个簇类的参考中心订单，并按照前述步骤进行进行分组迭代，直至参考中心订单不再发生改变或迭代次数达到最大迭代数；判断现阶段最大SSi值是否小于等于TA，若是，则结束迭代，得出迭代分组结果TAST＝{G1…Gi…Gk},Gi表示第i个订单组；若否，则继续迭代，重复前述步骤，直至SSi值小于等于TA。