首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于模型的物流效率指标智能分析及优化方法及系统 

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:江苏零浩网络科技有限公司

摘要:本发明公开了基于模型的物流效率指标智能分析及优化方法及系统,涉及物流效率优化技术领域,通过使用聚类模型对历史订单特征向量集合进行聚类分析,获得每个订单聚类簇对应的历史效率特征子集,使用主成分分析方法对历史效率特征子集进行分析,获得订单聚类簇的效率相关性矩阵,计算各个效率指标的优化权重,获得各个效率指标的优先级排名,对于待优化物流订单,将距离最近的中心对应的订单聚类簇作为适宜订单聚类簇,根据适宜订单聚类簇的各个效率指标的优先级排名对待优化物流订单进行物流效率的优化。避免了盲目的优化方向的摸索,极大的提高了物流效率。

主权项:1.基于模型的物流效率指标智能分析及优化方法,其特征在于,包括以下步骤:步骤一:预先收集历史物流订单集合,每个历史物流订单包括历史订单特征向量集合和历史效率特征集合;步骤二:使用聚类模型对历史订单特征向量集合进行聚类分析,获得K个订单聚类簇,以及每个订单聚类簇对应的历史效率特征子集;K为预设的订单聚类簇的数量;步骤三:对于每个订单聚类簇,使用主成分分析方法对历史效率特征子集进行分析,获得该订单聚类簇的效率相关性矩阵;步骤四:对于每个订单聚类簇,基于效率相关性矩阵,计算各个效率指标的优化权重,将优化权重按从大到小排序,获得各个效率指标的优先级排名;步骤五:对于待优化物流订单,收集订单特征向量,并计算订单特征向量与K个订单聚类簇中心的距离,将距离最近的中心对应的订单聚类簇作为适宜订单聚类簇;步骤六:根据适宜订单聚类簇的各个效率指标的优先级排名对待优化物流订单进行物流效率的优化;所述使用聚类模型对历史物流订单特征向量集合进行聚类分析,获得K个订单聚类簇,以及每个订单聚类簇对应的历史效率特征子集的方式包括:步骤11:将每笔历史物流订单的历史物流订单特征向量转化为一个N维离散点;其中,N为历史物流订单特征向量中元素的数量,所述N维离散点在每一个维度的坐标对应历史物流订单特征向量中的一个特征参数;步骤12:随机选择K个N维离散点作为初始聚类中心,其余的N维离散点作为非初始聚类中心;步骤13:对于每个非初始聚类中心,计算到每个初始聚类中心的欧式距离,把每个N维离散点划分到离其最近的初始聚类中心所在的聚类簇中;步骤14:计算每个聚类簇内N维离散点的每个维度对应的物流特征参数的平均值,将每个维度对应的特征参数的平均值组成新的N维离散点,将该新的N维离散点作为该聚类簇的新聚类中心;步骤15:重新计算每个N维离散点到每个新聚类中心的欧式距离,将每个N维离散点重新划分到最近的新聚类中心所在的聚类簇中;步骤16:重复步骤14-步骤15,直至所有划分的聚类簇中的N维离散点不再变化,将每个聚类簇的编号标记为k,k=1,2,3,...K,并执行步骤17;步骤17:每个聚类簇作为订单聚类簇;获得每个订单聚类簇中包含的所有N维离散点,将其中的所有N维离散点组成离散点集合;对于每个订单聚类簇,从历史物流订单集合中筛选出离散点集合对应的历史物流订单,组成历史物流订单子集;从历史效率特征集合中筛选出历史物流订单子集所对应的历史效率特征子集;所述对于每个订单聚类簇,使用主成分分析方法对历史效率特征子集进行分析,获得该订单聚类簇的效率相关性矩阵,包括:对于每个订单聚类簇对应的历史效率特征子集,执行步骤21-步骤26;步骤21:将历史效率特征子集转化为二维特征矩阵形式,所述二维特征矩阵中每行对应一个历史物流订单,每列对应一个物流效率指标;步骤22:对二维特征矩阵中的各项指标值进行归一化处理,保证各项指标值的取值范围为[0,1];步骤23:对归一化后的二维特征矩阵计算协方差矩阵,所述协方差矩阵描述了各个效率指标之间的线性关系;步骤24:对所述协方差矩阵进行特征值分解,得到各个效率指标的特征值和对应的特征向量;步骤25:将二维特征矩阵根据特征值和对应的特征向量,投影至主成分空间矩阵中;所述主成分空间矩阵中每个元素为各个历史物流订单在各个物流效率指标上的投影得分;步骤26:计算主成分空间矩阵的相关矩阵作为效率相关性矩阵,所述相关矩阵中的每个元素表示每两个物流效率指标之间的相关性;所述投影至主成分空间矩阵的方法为:将历史物流订单的编号标记为i,将物流效率指标的编号标记为j;对于第i个历史物流订单,其第j个物流效率指标PCij的计算公式为: ;其中,为物流效率指标的数量;Xih为二维特征矩阵中,第i个行,第h列对应的元素值,为第j个物流效率指标对应的特征向量中的第h个值;所述对于每个订单聚类簇,基于效率相关性矩阵,计算各个效率指标的优化权重的方式包括:计算各个物流效率指标的平均相关系数Pj作为优化权重;所述平均相关系数的计算方式为: ;其中,为效率相关性矩阵中第i行第j列的元素值。

全文数据:

权利要求:

百度查询: 江苏零浩网络科技有限公司 基于模型的物流效率指标智能分析及优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。