买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学技术大学;中国科学技术大学国际金融研究院

摘要：本发明公开了一种基于相关性和比例的CTU系统分散存储方法，包括收集智能仓库的历史订单数据，包含每天所需的SKU的种类和对应的需求量，统计智能仓库的仓库布局图以及过道，工作台的具体坐标，并计算出每个过道到最近工作台的距离列表d；对收集智能仓库的历史订单数据进行处理，使用Apriori算法中的置信度作为两种SKU的相关性的度量，计算订单中所有SKU之间的置信度，并得到相应的相关矩阵r；确定所有SKU中，每两个SKU需求总量之比对应的比例参数矩阵c；基于仓库布局信息、参数矩阵r和比例参数矩阵c建立如下优化模型，使用模拟退火‑变邻域搜索方法对模型求解。本发明对同一订单中的SKU会存储在同一个货架上，方便拣选，提高拣选效率。

主权项：1.一种基于相关性和比例的CTU系统分散存储方法，其特征在于，所述方法步骤如下：S1：收集智能仓库的历史订单数据，包含每天所需的SKU的种类和对应的需求量，统计智能仓库的仓库布局图以及过道，工作台的具体坐标，并计算出每个过道到最近工作台的距离列表d，di表示第i个货架到最近工作台的距离；S2：对收集智能仓库的历史订单数据进行处理，使用Apriori算法中的置信度作为两种SKU的相关性的度量，计算订单中所有SKU之间的置信度，并得到相应的相关矩阵r；S3：确定所有SKU中，每两个SKU需求总量之比对应的比例参数矩阵c；S4：基于仓库布局信息、参数矩阵r和比例参数矩阵c建立如下优化模型： 其中pki表示为货架k上SKUI的料箱数，zkij表示为货架k上SKUI和SKUJ按比例存储的最大打包数量，Qi表示满足SKUI的需求量所需料箱数，qi表示一个料箱中SKUI的数量，dk表示货架k距离最近工作台的曼哈顿距离，Bk表示货架k的容量；S5：使用SAVNSP算法求解步骤S4中的优化模型，先根据SKU需求总量选择相应的货架和存储容量，然后生成初始可行解，不断变邻域搜索，直到迭代至指定次数，得到货架编号向量Kd和其对应的使用容量向量删除中为0的元素以及Kd中相同位置的元素；S6：货架上的总体位置确定之后开始上架，首先进行初始解的生成，以及基于模拟退火和变邻域搜索的迭代，初始解的生成算法如下：初始化矩阵Pinit为|K'|行，|I|列，并且元素全为0，令k＝0whilek＜|K'|do：记货架k的可用容量为b←B'[k]；初始化货架上SKU数量向量slf←M[k,:]；whileb＞0do：ifsumslf＝＝0then：选取加权相关性最大的SKU：elsethen：if|{i|i∈I,Q[i]＞0,P[k,i]＝＝0}|＞0：优先选择未上架的SKU： elsethen：计算受限次数向量：选择受限次数最大的SKU：更新P的第k行:P[k,iselect]←P[k,iselect]+1.更新剩余需求量：Q[iselect]←Q[iselect]+1.更新剩余容量：b←b-1更换下一货架：k←k+1；跟据初始解的生成算法得到上架的初步结果：存放数量矩阵Pinit；S7：为使上架的结果有效相关性最大，使用以下模拟退火-变邻域算法对结果进行迭代：初始化迭代次数和初始温度：iter←0,T←Tstart获得初始解Pinit←sol_initK',B',Q,s定义当前解：Pcur←Pinit,Pbest←Pinit计算目标函数值：fcur←fPcur,fbest←fPbestwhileiter＜max_iterandT＞Tenddo：复制矩阵：Pvns←Pcur.copy从{1，2，…，|K’|}随机选取两个货架Ks←[k1,k2]计算两个货架上每种SKU的总量Q'←[Q′1,Q′2,…,Q′|I|],其中Q′i←Pvns[k1,i]+Pvns[k2,i]找出Q′的非零列，并将其列索引记为Is对应新的存储量Qs←Q'[Is]计算各货架上存储数量:b1←B'[k1],b2←B'[k2]求解松弛后的模型Ps←MODELQs,Is,b1,b2松弛解整数化Pz←INTEGERPs,Ks,Q',B'使用Ps替换Pcur的第k1,k2行：Pvns[k1]←Ps[1],Pvns[k2]←Ps[2].求目标函数值：fvns←fPvnsiffvns＞fcurthen：Pcur←Pvns,fcur←fvnsiffcur＞fbestthenPbest←Pcur,fbest←fcurelsedo Pcur←Pvns,fcur←fvnsT←T×reciter←iter+1。

全文数据：

权利要求：

百度查询： 中国科学技术大学 中国科学技术大学国际金融研究院 基于相关性和比例的CTU系统分散存储方法