基于决策树的进化规划算法解决制造业物料采购问题制造技术

本发明专利技术提出了一种基于决策树的进化规划算法解决制造业物料采购问题的方法，本发明专利技术主要是解决从供应商处采购n类物资时，在满足采购量、订货期和资金等约束条件的前提下，使总的采购成本最低类型的采购问题。本发明专利技术利用供应商可靠性来作为对初始方案供应商的取舍的参考标准，简单有效；通过舍弃一些可靠性较低的供应商，减少了算法的计算量，提高了算法的搜索效率；通过利用莱维飞行算法计算个体变异量，使算法计算结果更加精确。

Evolutionary programming algorithm based on decision tree to solve the problem of material purchasing in manufacturing industry

The present invention provides a method to solve the problems in material manufacturing evolutionary programming algorithm based on decision tree, the invention is mainly to solve the purchases from suppliers n materials, in the premise of meet the purchase quantity, order period and funding constraints, the total purchasing cost of this type of minimum purchase problem. The invention uses the reliability of suppliers as the initial solution provider choice of reference standard, simple and effective; by rejecting some low reliability of suppliers, reduce the computation and improve the search efficiency of the algorithm; by using the algorithm to calculate the amount of Levy flight individual variation, make the algorithm more accurate calculation results.

【技术实现步骤摘要】

本专利技术涉及企业管理领域，具体地涉及用算法解决制造业物料采购问题。
技术介绍
随着全球市场一体化以及信息时代的来临，专业生产能够发挥其巨大的作用，企业采购的比重也大大增加，采购的重要性日益被人们所认识。在全球范围内，在工业企业的产品构成中，采购的原料以及零部件成本随着行业不同而不同，大体在30％-90％，平均水平在60％以上。从世界范围来说，对于一个典型的企业，采购成本(包括原材料，零部件)要占60％。而在中国的工业企业，各种物资的采购成本要占到企业销售成本的70％。显然采购成本是企业管理中的主体和核心部分，采购是企业管理中“最有价值”的部分。另外，根据国家经贸委1999年发布的有关数据，如果国有大中型企业每年降低采购成本2％-3％，则可增加效益500多亿人民币，相当于1997年国有工业企业实现的利润总和。因此，采购受到了社会各界相当的重视，促使采购研究成为当今社会的热点问题之一。因此，研究一种高效的智能优化方法来解决物料采购问题意义非凡。进化规划是一种随机优化方法，其目的是通过进化达到行为智能化。进化规划算法从一组随机产生的个体开始进行搜索，通过变异、选择等操作使个体向着搜索空间中越来越靠近全局最优值的区域进化。进化规划算法是一种成熟的具有鲁棒性和广泛适用性的全局优化方法，具有自组织、自优化、自学习的特性，能够不受问题性质的限制，有效地处理传统优化算法难以解决的复杂问题。但是，由于过度选择、变异操作破坏有效个体和变异算子选取不当等原因，进化规划算法存在易于过早收敛、搜索效率低、对初始参数敏感等缺点。
技术实现思路
针对现有技术的上述不足，本专利技术要解决的技术问题是提供基于决策树的进化规划算法解决制造业物料采购问题。本专利技术的目的是克服现有技术中存在的问题：进化规划算法存在收敛过早、搜索效率低、计算精度不够高等缺点。本专利技术为实现上述目的所采用的技术方案是：基于决策树的进化规划算法解决制造业物料采购问题。该算法的步骤如下：步骤1：确定采购标准：确定采购每个物料的采购量一般地，采购标准只是一个大概的量。步骤2：选择备选供应商：从供应商S1，S2，...，Sn中选择满足采购量约束和资金约束条件的备选供应商。步骤3：对备选供应商进行分类：利用决策树算法对备选供应商进行分类。决策树算法描述为：(1)计算属性的信息熵。(2)计算分割后的类别的条件熵。(3)计算类别的信息熵。(4)判断所有属性是否计算完，已计算完转到(5)，否则转(1)。(5)信息增益的计算：信息增益率使用分裂信息值将信息增益规范化。(6)按分裂属性值创建决策树：决策树基于数据结构中树的概念。(7)剪枝判定：当决策树划分得太细，数据量很大时，需要设定一个规则，使算法及时收敛，避免算法无限分支无限增长，即剪枝。(8)得到一棵分类决策树。步骤4：选择初始方案：通过决策树分类选择可靠性较高的供应商来组成采购方案集X，可靠性较低的供应商直接舍弃。供应商可靠性由信息增益和物料标准差两个标准来判定。步骤5:计算平均适应度和标准差：按目标函数计算公式、时间窗约束条件、适应度函数计算各方案的适应度值f1，f2，...，fL,平均适应度和标准偏差σ。步骤6：是否得到满意采购方案：若得到，终止计算，输出最低成本即相应的采购方案，否则转步骤7。步骤7：计算新的采购方案：L个新的采购方案组成的方案集Y的产生由莱维飞行算法来确定。步骤8：计算新的适应度值：通过适应度函数公式计算新方案集Y中各方案的适应度值，fL+1，fL+2，...，f2L。步骤9：判断集合Φ＝X∪Y中是否有适应度相同的个体存在，若无，转步骤10，若有，则产生新的个体来替换重复适应度值个体。步骤10：产生新的个体集：在集合Φ＝X∪Y中，采取个体适应度竞争策略，选择适应度函数较大的L-N0个方案组成新一轮采购方案集Z。N0是在每一代进化过程中诸如的新个体数。步骤11：将X中方案替换为新方案，X＝Z+Z′，重复步骤5到步骤12。本专利技术的有益效果是：1.设置一个标准材料采购量，使算法多了一个约束条件，从而使算法计算结果更加可靠。2.通过前剪枝法和树深度限定法对决策树的分割进行限制，防止算法无限发散。3.利用信息增益标准差作为前剪枝法的限定条件，提高了算法的准确率。4.利用改进的决策树算法对供应商进行分类，可以挑选出可信度较优的一类供应商作为初始方案。5.利用供应商可靠性来作为对初始方案供应商的取舍的参考标准，简单有效。6.供应商的物料供应可靠性由决策树算法信息增益和物料标准差来判定，使算法最初方案的可靠性更高。7.通过舍弃一些可靠性较低的供应商，较少了算法的计算量,提高了算法的搜索效率。8.通过利用莱维飞行算法计算个体变异量，使算法计算结果更加精确。9.在计算每一个个体变异量的时候，都要满足个体变异量适应度才能确定个体变异量，使算法计算结果更加精确，同时避免了算法过早收敛。附图说明图1为基于决策树的进化规划算法解决制造业物料采购问题流程图图2为决策树算法流程图具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合算法流程图进行详细、具体说明。一、物料采购问题的描述设有n类物资{M1，M2，...，Mn本文档来自技高网...

【技术保护点】
基于决策树的进化规划算法解决制造业物料采购问题，本专利技术涉及企业管理领域，具体地涉及用算法解决制造业物料采购问题，其特征是，包括如下步骤：步骤1：确定采购标准：确定采购每个物料的采购量，一般地，采购标准只是一个大概的量步骤2：选择备选供应商：从供应商中选择满足采购量约束和资金约束条件的备选供应商步骤3：对备选供应商进行分类：利用决策树算法对备选供应商进行分类步骤4：选择初始方案：通过决策树分类选择可靠性较高的供应商来组成采购方案集X，可靠性较低的供应商直接舍弃，供应商可靠性由信息增益和物料标准差两个标准来判定步骤5：计算平均适应度和标准差：按目标函数计算公式、时间窗约束条件、适应度函数计算各方案的适应度值,平均适应度和标准偏差步骤6：是否得到满意采购方案：若得到，终止计算，输出最低成本即相应的采购方案，否则转步骤7步骤7：计算新的采购方案：L 个新的采购方案组成的方案集Y的产生由莱维飞行算法来确定步骤8：计算新的适应度值：通过适应度函数公式计算新方案集Y中各方案的适应度值步骤9：判断集合中是否有适应度相同的个体存在，若无，转步骤10，若有，则产生新的个体来替换重复适应度值个体步骤10：产生新的个体集：在集合中，采取个体适应度竞争策略，选择适应度函数较大的个方案组成新一轮采购方案集Z，是在每一代进化过程中诸如的新个体数步骤11：将X中方案替换为新方案，重复步骤5到步骤11。...

【技术特征摘要】
1.基于决策树的进化规划算法解决制造业物料采购问题，本发明涉及企业管理领域，具体地涉及用算法解决制造业物料采购问题，其特征是，包括如下步骤：步骤1：确定采购标准：确定采购每个物料的采购量，一般地，采购标准只是一个大概的量步骤2：选择备选供应商：从供应商中选择满足采购量约束和资金约束条件的备选供应商步骤3：对备选供应商进行分类：利用决策树算法对备选供应商进行分类步骤4：选择初始方案：通过决策树分类选择可靠性较高的供应商来组成采购方案集X，可靠性较低的供应商直接舍弃，供应商可靠性由信息增益和物料标准差两个标准来判定步骤5：计算平均适应度和标准差：按目标函数计算公式、时间窗约束条件、适应度函数计算各方案的适应度值,平均适应度和标准偏差步骤6：是否得到满意采购方案：若得到，终止计算，输出最低成本即相应的采购方案，否则转步骤7步骤7：计算新的采购方案：L个新的采购方案组成的方案集Y的产生由莱维飞行算法来确定步骤8：计算新的适应度值：通过适应度函数公式计算新方案集Y中各方案的适应度值步骤9：判断集合中是否有适应度相同的个体存在，若无，转步骤10，若有，则产生新的个体来替换重复适应度值个体步骤10：产生新的个体集：在集合中，采取个体适应度竞争策略，选择适应度函数较大的个方案组成新一轮采购方案集Z，是在每一代进化过程中诸如的新个体数步骤11：将X中方案替换为新方案，重复步骤5到步骤11。2.根据权利要求1中所述的基于决策树的进化规划算法解决制造业物料采购问题，其特征是，步骤3中具体内容如下：步骤3：对备选供应商进行分类：用决策树算法对备选供应商进行分类，具体过程为：（1）计算属性的信息熵：设S为已知类标号的数据样本集，即供应商集，类标号属性（分类属性）为定义了z个不同类的（即有z种物料），设是S中类数据样本的集合，和分别表示S和的样本个数，则对的信息熵Info(S)定义如下：其中，是中任意数据样本属于类的概率，Info(S)的实际意义是类别S中数据样本分类的平均信息量（2）计算分割后的类别的条件熵：若分类属性将S划分成个不同的子集表示数据样本集S中在上的取值为的所有样本组成的集合，选择S的一个属性A，则类别分割后的类别条件熵计算公式为：（3）计算类别的信息熵:若选择属性作为分裂属性，则类别信息熵为：（4）判断所有属性是否计算完，已计算完转到（5），否则转（1）（5）信息增益的计算：信息增益率使用分裂信息值将信息增益规范化，属性的信息增益为：从信息增益的计算公式可以看出，的实际意义是基于属性分裂后，数据集所含信息量的有效减少量，信息增益越大，表明按属性对数据集分裂所需的期望信息越少，即属...

【专利技术属性】
技术研发人员：姜艾佳，胡成华，
申请(专利权)人：四川用联信息技术有限公司，
类型：发明
国别省市：四川;51