一种基于决策树的仓储模型决策优化方法技术

本发明专利技术公开了一种基于决策树的仓储模型决策优化方法，包括：采集原始数据，对原始数据预处理后作为决策树的训练集；根据训练集统计库存决策模型的各个属性，计算各个属性的信息增益率，库存决策模型的属性包括短缺成本属性、存储成本属性、补货时间属性；根据库存决策模型各个属性的信息增益率，采用C4.5算法构建决策树，决策树作为库存决策模型；基于决策树得到分类规则，分析短缺成本属性、存储成本属性、补货时间属性与仓储模型之间的相关性，并基于该分类规则进行库存仓储决策。本发明专利技术的基于决策树的仓储模型决策优化方法，决策耗时短，实时性高，且决策方案可靠。且决策方案可靠。且决策方案可靠。

【技术实现步骤摘要】
一种基于决策树的仓储模型决策优化方法


[0001]本申请属于数据挖掘
，具体涉及一种基于决策树的仓储模型决策优化方法。

技术介绍

[0002]库存，是仓库中实际储存的货物。可以分两类：一类是生产库存，即直接消耗物资的基层企业、事业的库存物资，它是为了保证企业、事业单位所消耗的物资能够不间断地供应而储存的；另一类是流通库存，即生产企业的原材料或成品库存，生产主管部门的库存和各级物资主管部门的库存。此外，还有特殊形式的国家储备物资，它们主要是为了保证及时、齐备地将物资供应或销售给基层企业、事业单位的供销库存。
[0003]因此，库存相当于物流企业的中流砥柱，企业中大约40％的资金被库存所占用，然而目前的库存决策主要是根据人工进行主观的决策。对于人工主观决策而言，对决策人或团队的专业性要求高，使得企业的库存决策成本上升，并且在面对库存量较大的决策时，所耗费的时间长，实时性差。
[0004]随着社会经济的发展，物流流程越来越复杂并且存在很多问题不可预测，这使得人工进行主观决策的难度越来越高。因此在数据挖掘技术支持的背景下，运用决策本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于决策树的仓储模型决策优化方法，其特征在于，所述基于决策树的仓储模型决策优化方法包括：步骤S1、采集原始数据，对所述原始数据预处理后作为决策树的训练集；步骤S2、根据所述训练集统计库存决策模型的各个属性，计算各个属性的信息增益率，所述库存决策模型的属性包括短缺成本属性、存储成本属性、补货时间属性，所述仓储模型作为类别属性；步骤S3、根据库存决策模型各个属性的信息增益率，采用C4.5算法构建决策树，所述决策树作为库存决策模型；步骤S4、基于所述决策树得到分类规则，分析短缺成本属性、存储成本属性、补货时间属性与仓储模型之间的相关性，并基于该分类规则进行库存仓储决策得到最优的仓储模型。2.如权利要求1所述的基于决策树的仓储模型决策优化方法，其特征在于，所述计算各个属性的信息增益率，包括：以训练集作为样本D，设样本D有N种不同分类类别的连续性属性，则样本D的类别属性的信息熵计算公式如公式(1)所示：公式(1)中，p
k
代表第k种分类类别属性占样本D的比例；根据Fayyard边界点原理，选择属性A为测试属性，属性A在样本D上有n个不同取值，将n个不同取值按从小到大排序，记为{a1,a2,...,a
n
}，选取排序后属性A相邻两类N1、N2边界点处的6个属性取值a
i
‑2，a
i
‑1，a
i
，a
i+1
，a
i+2
，a
i+3
且a
i
‑2<a
i
‑1<a
i
<a
i+1
<a
i+2
<a
i+3
，其中，a
i
是类别N1中属性A的最大值，a
i+1
是类别N2中属性A的最小值；对于样本D，测试属性A的信息熵H
A
(D)计算公式如公式(...

【专利技术属性】
技术研发人员：李伟，黄从文，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：