一种基于改进的K-Means算法的订单分批方法
【技术领域】
[0001] 本发明属于数据挖掘领域，具体说是一种基于改进的K-Means算法的订单分批方 法。
【背景技术】
[0002] 网购时代的来临，电商企业会产生大量的物流订单，这些订单数量呈现海量性，订 单中物品品项呈现小批量、多品种、多批次的特点，给第三方物流企业的分拣作业带来很大 的难度。分拣环节在整个订单履行环节中是除了运输之外最耗费时间的环节，平均分拣时 间要占仓库内订单履行时间的40%以上，如果按照订单到达时间顺序分拣不仅费时费力， 而且易出差错，效率低下。
[0003] 订单分批是一个NP难问题，使用传统的精确算法，无法有效地解决这个问题，因而 普遍采用启发式算法来解决。在订单分批问题的解决方法中，主要分为优先规则算法、种子 算法、节约算法以及数据挖掘算法。Ruben&Jacobs提出了一种优先规则算法，定义了 "订单 信封"：一对数字，代表一个订单在通道左右两边所必需的分拣的品项数，对比各订单的"订 单信封"的数字大小，选择优先级更高的订单进行分拣;Hwang and Lee和Pan and Liu等文 献考虑了单货架MOB AS/RS分拣系统的种子算法，按照相应规则进行种子选择，然后选择其 他订单与种子进行匹配;谭俊华、李诗珍构建的数学模型仅考虑工人的行走距离，采用节约 启发式算法求解分批问题;李诗珍先进行聚类，然后通过启发式算法求解。Chen&Wu描述了 一种基于关联规则挖掘和整数规划的订单分批方法，考虑每一对订单的支持度，将关联性 较大的订单归为一批;Ling-Feng Hs i eh，Fan Chia-Yun应用自组织映射的思想，考虑订单 之间的相似性，对订单进行分批;Xu Shaoyun，Li Tieke，Wang Lei和Wang Bailin提出了考 虑处理时间和投递目的地的改进K-Means聚类算法。
[0004]这些算法中，优先规则算法比较简单，但是没有考虑订单之间的相关性，导致分拣 路径的重复;种子算法的初始值的选择比较难以确定;而节约算法也是只考虑了目标分拣 距离的最短，没有深入考虑订单的本身属性以及订单之间的关系。传统的启发式算法只能 针对小数据集进行计算，而K-Means算法可以处理大数据集，算法可伸缩并且效率很高，可 以对目前的海量订单的数据进行高效处理，但是，目前所使用K-Means聚类方法的文献仅仅 考虑了运输、处理时间等属性，没有考虑订单品项中的重复的通道数量，也缺乏对初始聚类 中心合理选择，并且容易陷入局部最优。
【发明内容】
[0005] 本发明为了克服现有技术的不足之处，提出了一种基于改进的K-Means算法的订 单分批方法，以期能有效地利用订单的实时信息，以及利用订单之间的相似性计算订单之 间的距离，准确地对大批量的物流订单进行分批，从而提高分拣作业的效率，减少分拣环节 所占用的时间。
[0006] 为了达到上述目的，本发明所采用的技术方案为：
[0007]本发明一种基于改进的K-Means算法的订单分批方法的特点是按如下步骤进行： [0008]步骤1、对数据集进行向量化处理，获得订单集X，记为X= {X1，X2，···，Xi,…，Xn} ;Xi 表示第i个订单;记第i个订单xi的到达时间为t i;记第i个订单xi的商品品项为mi;记第i个 订单xi的品项体积为vi; 1 < i < η;记分拣车的容量为V;
[0009] 步骤2、通过交叉检验法获得距离阈值^和!^，且
[0010 ]步骤3、利用Canopy算法得到中心点集合：
[0011]步骤3.1、初始化j = 1;并以第i个订单Xi作为第j个中心点Cj;以第p个订单xP作为 第j+Ι个中心点Cj+I;p关i;l《p《n;
[0012]步骤3. 2、获得η个订单分别与第j个中心点q之间的距离集合，记为
表示第i个订单Xl与第j个中心点q之间的距离;再获得η 个订单分别与第j +1个中心点Cj+1之间的距离，记为
#+11表示第i个订单Xl与第j+Ι个中心点距离，并有4/+11 = <,+1-^，也扣表示分拣第 i订单和第j+Ι个订单中所有商品品项在仓库中所走的路程，山+1表示分拣第j+Ι个订单中所 有商品品项在仓库中所走的路程；
[0013] 步骤3.3、初始化i = l;
[0014] 步骤3.4、若<.2^_或<+" <2^,则将第i个订单Xi加入到第j个中心点Cj的Canopy 集合Kj中或第i个订单Xi加入到第j + 1个中心点Cj + i的Canopy集合Kj + i中；若<乃或 < Γ2,则将第i个订单XlW订单集X中删除，将距离#^从距离集合D冲删除或将< +11从 距离集合Dj+1中删除；
[0015] 步骤3.5、将i+Ι赋值给i，并判断i>n是否成立，若成立，则表示获得更新的距离集 合0/、0、+1和订单集^;并执行步骤3.6;否则，返回步骤3.4执行；
[0016] 步骤3.6、从所述更新的距离集合D/和D、+ 1中分别选出最大距离记为 和 若,则以€所对应的订单作为第j+2个中心点邮，若€ ><=，则以 所对应的订单作为第j+2个中心点cj+2;
[0017] 步骤3.7、判断更新的订单集X'是否为空，若为空，则表示获得中心点集合，记为c ={(31，〇2，"_，(^^"(：(1};1<」^;9表示中心点的个数 ;否则，将」+1赋值给」，并返回步骤3.2 执行；
[0018] 步骤4、使用改进的K-Means算法进行聚类：
[0019] 步骤4.1、初始化i = l;
[0020] 步骤4.2、利用式（1)计算第i个订单Xl的商品品项nu与第j个中心点q的相似度 $,从而获得第i个订单Xi与q个中心点的相似违
[0021：
[0022] 步骤4.3、从第i个订单的相似度51中选出一个最大值并计算最大值所对 应的中心点所在的第max个簇K max中所有订单的总品项体积与最大值<1所对应的订单品 项体积之和是否超出分拣车的容量V，若超出，则将最大值所对应的订单划分到次最大 值所对应的中心点所在的簇中；否则，将最大值所对应的订单划分到第max个簇Kmax中；
[0023] 步骤4.4、将i+1赋值给i，并判断i >η是否成立，若成立，贝lj表示由所述中心点集合 c形成q个簇，记为Κ = {Κι，K2，…，Kj，…，Kq} ;Kj表示第j个簇；并有
;表示第j个簇Kj中第r个订单;Rj表示第j个簇Kj中的订单 总数;并输出q个簇K后，执行步骤5;否则，返回步骤4.2执行；
[0024]步骤5、计算第j个簇Kj中Tj个订单的平均到达时间Tj，从而获得q个簇的平均到达 时间{Ti，T2，…，Tj，…，Tq}并按照升序进行排序，从而获得最优簇f = {K/，K/，…，K/，…， KqMo
[0025] 与已有技术相比，本发明的有益效果体现在：
[0026] 1、本发明在进行订单分批时对订单分批的过程进行了建模，通过Canopy算法得到 初始中心点，避免了 K-Means聚类时选择聚类数目的盲目性，然后利用订单之间的相似性进 行K-Means聚类，提升了订单分批的效果，减少了分拣距离和分批次数，提高了设施的使用 效率。
[0027] 2、本发明在生成初始解(订单中心点）时，采用了Canopy算法按照一定的计算规则 自动生成了初始中心点和K值，避免了以往K-Means聚类时随机选择初始点的弊端；同时在 生成初始中心点的过程中，采用了最大最小原则筛选中心点，保证了初始解的有效性，提高 了聚类的效果。
[0028] 3、在计算订单之间的相似性时，采用了共同储位数和品项差值作为订单之间的距 离。既保证了聚类的有效性，也减少了运算时间，可以对大数量集的订单数据进行处理，提 高了订单分批的效率。
【附图说明】
[0029]图1为本发明算法流程图；
[0030] 图2为本发明与KMB算法在各指标下的比较图。
【具体实施方式】
[0031] 本实施例中的订单分批方法，使用了来自大量的来自于电商网站的真实数据，然 后对数据集进行预处理，把订单转化为向量，之后先对数据集进行交叉验证，确定距离阀值 Τι和T2的大小，利用Canopy方法将订单集划分为K个Canopy，得到各个Canopy的中心点和K 值，最终通过K-Means算法进行聚类，得到各个分批。最后通过采集的真实订单数据集与其 他基础算法进行比较。具体地说：
[0032] 如图1所示，一种基于改进的K-Means算法的订单分批方法，是应用于订单分批问 题中，订单分批中包含订单集X以及订单集X的划分;将订单集X的划分结果记为Τχ??Κ^ Κ2,...，心，...，Kk}表示第j个分批；1 < j < k，k为分批个数;并按如下步骤进行：
[0033]步骤1、对数据集进行向量化处理，获得订单集X，记为X = { XI，X2，…，Xi，…，Xn} ; Xi 表示第i个订单;记第i个订单Xi的到达时间为t i;记第i个订单Xi的商品品项为mi;记第i个 订单Xl的品项体积为v1;l < i 记分拣车的容量为V;订单数据来源于某电商网站订单，也 可以是物流企业的业务系统中的订单数据，本实施例中以电商订单数据作为初始数据。实 施中每个订单商品品项对应一个仓库货位，用数字表示相应位置；
[0034] 步骤2、通过交叉检验法获得距离阈值^和!^，且TiSTs;交叉检验柴永S折交叉证， 其过程是将随机抽取的2000个订单集分为10个大小相同的子集，其中9个自己作为训练集， 余下的1个作为测试集，这一过程对可能的10种选择重复进行。使用不同的阈值参数进行训 练，最后用测试集进行训练；
[0035]步骤3、利用Canopy算法得到中心点集合：
[003