一种哈夫曼物料采购决策算法制造技术

本发明专利技术提出了一种哈夫曼物料采购决策算法，首先利用C4.5算法建立采购决策树。之后，计算决策树所有叶子节点的继承财产量，即权值，通过权值得到某个叶子节点到决策树根节点链路上的决策价值。利用哈夫曼算法将权值建成哈夫曼树，用后序遍历法将哈夫曼树的叶子节点输出，即得到了采购决策方案的一个优劣排序。本发明专利技术可以得到一个易于理解，准确率较高的采购分析构架；通过模拟子女继承父母财产的模式，采用信息增益计算决策树叶子节点的财产继承值，继承值越高，则该叶子结点到决策树根节点的链路价值越高；通过哈夫曼算法将叶子节点构建最优二叉树（哈夫曼树），用后续遍历法输出哈夫曼树的叶子节点，使得决策分析直观有序。

An algorithm for purchasing decision making of Huffman material

The present invention provides a method for purchasing decision making of Huffman material. Firstly, the C4.5 algorithm is used to establish the purchasing decision tree. After that, the inheritance property of all the leaf nodes of the decision tree is calculated, that is, the weight value, and the value of the decision is obtained by the right of a leaf node to the decision tree root node link. The use of Huffman algorithm will be built into the Huffman tree, with the method of sequential traversal of the Huffman tree leaf node output, that is, the purchase of a good or bad decision alternatives. The invention can obtain a high accuracy and easy to understand, the procurement framework; paternal inheritance by simulating the child model, using the information gain calculation of decision tree leaf node to inherit property value inheritance value is high, then the link value of the leaf node to the root node of the decision is higher; by the Huffman algorithm will be a leaf node to construct the optimal two tree (Huffman tree), with subsequent leaf node traversal output Huffman tree, making decision analysis of orderly.

【技术实现步骤摘要】

本专利技术涉及企业管理领域，具体地涉及用算法分析制造业材料采购问题。
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。C4.5算法是决策树类算法的一种，它是以算法选择信息增益的扩充信息增益率为属性选择度量，争取克服算法关于多值属性选择的偏向性，其与关于决策树分类器模型的构造过程算法相同。C4.5算法产生的分类规则易于理解，准确率较高。哈夫曼算法常用于数据压缩，用得越多的编码长度越短，最终就会得到最优编码。由C4.5算法构建出的决策树信息量多且复杂，要想得到一个确切的解决方案非常困难。
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一种哈夫曼物料采购决策算法。本专利技术的目的是为了克服现有算法的问题：由C4.5算法构建出的决策树信息量多且较复杂，不容易得到一个确切的解决方案。本专利技术为实现上述目的所采用的技术方案是：一种哈夫曼物料采购决策算法。该算法的步骤如下：步骤1：构建采购决策树：利用基于C4.5算法构建采购决策树。具体的描述如下：(1)抽象C4.5算法参数：将物料供应商的类型、等级、所能供给的数量、所供给物料的质量信用度、供应商规模等信息抽象到C4.5算法中，作为算法的数据样本、属性等参数。(2)计算属性的信息熵。(3)计算分割后的类别的条件熵。(4)计算类别的信息熵。(5)判断所有属性是否计算完，已计算完转到(6)，否则转(1)。(6)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。(7)按分裂属性值创建决策树：决策树C4.5的创建是通过将所有属性的信息增益率按大小排序，然后将各个属性作为分支的根节点的顺序。将最大增益率的属性作为树双亲结点，其余的作为该结点的孩子。(8)剪枝判定：本专利技术采用前剪枝法结合树深度限定法对决策树进行剪枝。步骤2：构建采购最优决策树：创建了决策树后，可以清晰的看到各个属性的效果。通过模拟生活中子女继承父母财产的一个简单模式，计算叶子节点的继承财产数来构建最优决策树。继承财产数用信息增益来刻画。(1)计算每个节点的自有财产：每个节点所拥有的财产用增益函数表示。(2)计算每层孩子节点可能继承的家族财产数量。(3)统计接子节点数目N。(4)构造决策最优二叉树：利用哈夫曼算法构造决策最优二叉树。哈夫曼算法描述为：a.根据N个叶子节点继承财产序列够建成N棵二叉树的森林F＝{T1，T2，…，TN本文档来自技高网...

【技术保护点】
一种哈夫曼物料采购决策算法，该方法涉及涉及企业管理领域，其特征是，包括如下步骤：步骤1：构建采购决策树：利用基于C4.5算法构建采购决策树抽象C4.5算法参数：将物料供应商的类型、等级、所能供给的数量、所供给物料的质量信用度、供应商规模等信息抽象到C4.5算法中，作为算法的数据样本、属性等参数计算属性的信息熵计算分割后的类别的条件熵计算类别的信息熵判断所有属性是否计算完，已计算完转到（6），否则转（1）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按分裂属性值创建决策树：决策树C4.5的创建是通过将所有属性的信息增益率按大小排序，然后将各个属性作为分支的根节点的顺序，将最大增益率的属性作为树双亲结点，其余的作为该结点的孩子剪枝判定：本专利技术采用前剪枝法结合树深度限定法对决策树进行剪枝步骤2：构建采购最优决策树：创建了决策树后，可以清晰的看到各个属性的效果，通过模拟生活中子女继承父母财产的一个简单模式，计算叶子节点的继承财产数来构建最优决策树，继承财产数用信息增益来刻画（1）计算每个节点的自有财产：每个节点所拥有的财产用增益函数表示（2）计算每层孩子节点可能继承的家族财产数量（3）统计接子节点数目N（4）构造决策最优二叉树：利用哈夫曼算法构造决策最优二叉树步骤3：输出最优决策结果：步骤2造出的最优二叉树就是最优决策树，决策树叶子节点的继承财产值越大，说从决策树根节点到该叶子节点的这条链路的决策越优，所以，在哈夫曼树中，距离根节点越近的叶子节点对应的到决策树根节点的链路越好，只要将哈夫曼树中的叶子节点按照后续遍历法遍历输出，即可得到决策方案的一个优劣排序。...

【技术特征摘要】
1.一种哈夫曼物料采购决策算法，该方法涉及涉及企业管理领域，其特征是，包括如下步骤：步骤1：构建采购决策树：利用基于C4.5算法构建采购决策树抽象C4.5算法参数：将物料供应商的类型、等级、所能供给的数量、所供给物料的质量信用度、供应商规模等信息抽象到C4.5算法中，作为算法的数据样本、属性等参数计算属性的信息熵计算分割后的类别的条件熵计算类别的信息熵判断所有属性是否计算完，已计算完转到（6），否则转（1）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按分裂属性值创建决策树：决策树C4.5的创建是通过将所有属性的信息增益率按大小排序，然后将各个属性作为分支的根节点的顺序，将最大增益率的属性作为树双亲结点，其余的作为该结点的孩子剪枝判定：本发明采用前剪枝法结合树深度限定法对决策树进行剪枝步骤2：构建采购最优决策树：创建了决策树后，可以清晰的看到各个属性的效果，通过模拟生活中子女继承父母财产的一个简单模式，计算叶子节点的继承财产数来构建最优决策树，继承财产数用信息增益来刻画（1）计算每个节点的自有财产：每个节点所拥有的财产用增益函数表示（2）计算每层孩子节点可能继承的家族财产数量（3）统计接子节点数目N（4）构造决策最优二叉树：利用哈夫曼算法构造决策最优二叉树步骤3：输出最优决策结果：步骤2造出的最优二叉树就是最优决策树，决策树叶子节点的继承财产值越大，说从决策树根节点到该叶子节点的这条链路的决策越优，所以，在哈夫曼树中，距离根节点越近的叶子节点对应的到决策树根节点的链路越好，只要将哈夫曼树中的叶子节点按照后续遍历法遍历输出，即可得到决策方案的一个优劣排序。2.根据权利要求1中的一种哈夫曼物料采购决策算法，其特征是，以上所述步骤1中相关的计算过程如下：步骤1：构建采购决策树：利用基于C4.5算法构建采购决策树，具体的为：（1）抽象C4.5算法参数：将物料供应商的类型、等级、所能供给的数量、所供给物料的质量信用度、供应商规模等信息抽象到C4.5算法中，作为算法的数据样本、属性等参数，具体问题具体给出对应的参数关系（2）计算属性的信息熵：设S为已知类标号的数据样本集，类标号属性为定义了m个不同类的，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（3）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：（4）计算类别的信息熵:若选择属性作为...

【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