自动化挑选系统的品项分配方法、系统、设备及存储介质技术方案

本发明专利技术公开了自动化挑选系统的品项分配方法、系统、设备及存储介质，采用网格聚类的方法，将获取的数据点映射到网格空间中，区分高密度网格和低密度网格，仅考虑可能存在聚类中心的高密度网格，对高密度网格簇中的数据点进行聚类划分，并对得到的聚类中心进行重新标签，得到实际的聚类划分结果，降低了寻找聚类中心的复杂度，保证了聚类的精度，减少了计算量，提高聚类中心的选择准确度，随后对非聚类中心的的数据点再次进行划分，将聚类中心的数据点和非聚类中心的数据点分开划分，容错率较低，提高了最终输出的聚类划分结果，本发明专利技术公开的方法缩短了品项分拣的时间，提高了品项挑选的能力，缩短了时间成本，提高了后期物流配送的效率。送的效率。送的效率。

【技术实现步骤摘要】
自动化挑选系统的品项分配方法、系统、设备及存储介质


[0001]本专利技术属于订单挑选领域，涉及自动化挑选系统的品项分配方法、系统、设备及存储介质。

技术介绍

[0002]随着时代的高速发展，人们越发对物流配送的时效性有着更高的要求，高时效的需求同样影响到了当代的物流配送中心中的三大核心业务：货物存储、订单作业分拣、订单货物配送。其中，订单作业分拣任务是准确地将订单中要求的货物从存放的货位中分拣出来的过程，订单作业的高效分拣对物流配送中心整体的出货效率有着比较大的影响以及有效提高客户对企业服务的满意度。因此，订单拣选效率是衡量企业服务的一个重要指标。
[0003]物流配送中心会根据自动化发展的过程，来选择符合自身条件的订单拣选系统。订单拣选系统可分为两大类：传统的人工拣选系统和先进的自动化拣选系统。人工拣选系统在过去一直是配送中心首选的订单拣选系统，它无需配备造价高昂的拣选设备，使用的是廉价的劳动力，它处于分拣系统的主导地位。但随着时代和自动化技术的发展，人工成本的不断上涨，以及产业和消费者对待时效性的高标准，物流配送中心逐渐将人工拣选系统替换成自动化拣选系统，或者两者结合使用。自动化拣选系统相较于人工拣选系统来说，具有效率高、拣选出错率低和管理方便等优点，在物流配送中心总逐渐占据了主导地位。据相关数据统计，在人工拣选系统中，订单作业分拣时间占到物流配送中心中总的作业时间的30％以上，分拣成本占配送总成本50％以上；而在自动化分拣系统中，订单作业分拣任务时间占40％以上，并且自动化拣选设备成本占总投入的60％以上。
[0004]在自动化拣选系统中，根据拣选的设备类型可分为基于A字架拣选设备的自动化拣选系统和基于阵列式拣选机的自动化拣选系统。传统的A字架系统因设备成本和系统布局等原因的限制，仅适用于那些有限数量品项的订单分拣。而随着订单结构的越发复杂和订单拣选效率的高需求，A字架系统已经无法满足此类场景。自动化拣选系统中的订单作业任务的分拣效率受到多方面因素的影响，例如场地规划、自动化拣选设备选型和品项分配等。其中，场地规划和拣选设备一旦选定，很难对其进行优化，通常只能从物理层面上进行优化，例如考虑改进现有拣选机、扩充机器数量，或者更换效率更佳的拣选设备，受场地的约束性交大，同时增加了订单挑选的成本，而且在进行品项分配时，订单挑选的时间较长，挑选能力较低，无法满足复杂的订单结构，导致后期物流配送的整体效率较低。

技术实现思路

[0005]本专利技术的目的在于解决现有技术中订单在分拣时，受到场地和设备的约束，针对数量大且品项复杂繁多的订单时，挑选的时间长，挑选效率低的问题，提供自动化挑选系统的品项分配方法、系统、设备及存储介质，聚类算法来进行品项分配，从而缩短订单的拣选时间，进而提高拣选设备的拣选能力、提高自动化拣选系统的性能以及提高物流配送中心的整体效率。
[0006]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0007]自动化挑选系统的品项分配方法，包括以下步骤：
[0008]将获取的数据点映射到网格空间中，根据数据点划分高密度网格和低密度网格，基于高密度网格形成高密度中心网格簇，在高密度中心网格簇中获取聚类中心，对获取的聚类中心进行聚类，得到预聚类中心；
[0009]将获取的预聚类中心作为核心点，对核心点进行聚类操作，通过聚类结果重新对核心预聚类中心点标记实际的聚类标签，得到实际的聚类划分结果；
[0010]基于得到的聚类中心，分别对高密度网格区和低密度网格区中非聚类中心的数据点进行聚类划分，得到非聚类中心的聚类划分结果；
[0011]汇集聚类中心实际的聚类划分结果和非簇中心的聚类簇划分结果，得到最终聚类结果。
[0012]本专利技术的进一步改进在于：
[0013]所述在高密度网格簇中获取聚类中心的步骤包括：
[0014]将网格空间进行划分，形成g*g的均匀网格，将数据集中的数据点映射到网络空间中；
[0015]根据ρ
ij
＝count(g
ij
)计算每一个网格的单元网格密度ρ
ij
，并将结果存入网格密度矩阵中；
[0016]按照网格密度从小到大排序，筛选前rg2个网格作为低密度网格，剩下的作为高密度网格，更新高密度网格矩阵；
[0017]以四连接方式合并高密度网格，形成m个高密度网格簇；
[0018]根据ρ
cluster_i
＝∑ρ
pq
计算每一个簇的高密度网格簇密度ρ
cluster_i
；
[0019]设定预聚类中心的个数为k，将k与m进行比较，根据k与m的比较结果在m个高密度网格簇中选择k个聚类中心；
[0020]再次对k个聚类中心聚类，得到k
‘
个预聚类中心。
[0021]所述在m个高密度网格簇中选择k个聚类中心的步骤为：
[0022]当m＝k时，将m个高密度网格簇视为k个中心网格簇，计算每一个中心网格簇内的邻接矩阵，在中心网格簇内基于DPC选择k个聚类中心c
i
；
[0023]当m>k时，计算每一个网格簇成为中心网格的概率P
i
，其中P
i
＝ρ
cluster_i
∑dist(c
i
,c
j
)，根据得到的概率计算结果，将网格簇从大到小排列，选择k
‑
1个网格簇视为中心网格簇，剩余的m
‑
k+1个网格簇视为余下的一个中心网格簇，然后计算每一个中心网格簇内的邻接矩阵，在中心网格簇内基于DPC选择k个聚类中心c
i
；
[0024]当m<k时，将m个网格簇视为一个中心网格簇，计算每一个中心网格簇内的邻接矩阵，在中心网格簇内基于DPC选择k个聚类中心c
i
。
[0025]所述得到实际聚类划分结果的步骤为：
[0026]基于SC多阶段聚类方法重新将获取的预聚类中心的标签修改，并输出聚类后的聚类集合数据，得到实际的聚类划分结果。
[0027]所述对高密度网格中的非聚类中心进行聚类划分的步骤为：
[0028]当k
‘
＝k时，中心点所在簇内的所有样本的聚类标签与该聚类中心的标签保持一致，即，lable(x
j
)
←
lable(c
i
)；
[0029]当k
‘
≠k或k
‘
＝1时，即表示在一个中心网格簇内进行k个簇划分过程，网格簇失去作用，高密度网格区内数据点的聚类标签应与密度大于或等于此点的最邻近的一点的簇标签保持一致。
[0030]所述对低密度网格中的非聚类中心进行聚类划分的步骤为：
[0031]寻找距离该低密度网格块最近的簇，并将该低密度网格内的数据点的簇标签归于最近簇一侧，如果某一个低密本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.自动化挑选系统的品项分配方法，其特征在于，包括以下步骤：将获取的数据点映射到网格空间中，根据数据点划分高密度网格和低密度网格，基于高密度网格形成高密度中心网格簇，在高密度中心网格簇中获取聚类中心，对获取的聚类中心进行聚类，得到预聚类中心；将获取的预聚类中心作为核心点，对核心点进行聚类操作，通过聚类结果重新对核心预聚类中心点标记实际的聚类标签，得到实际的聚类划分结果；基于得到的聚类中心，分别对高密度网格区和低密度网格区中非聚类中心的数据点进行聚类划分，得到非聚类中心的聚类划分结果；汇集聚类中心实际的聚类划分结果和非簇中心的聚类簇划分结果，得到最终聚类结果。2.根据权利要求1所述的一种自动化挑选系统的品项分配方法，其特征在于，所述在高密度网格簇中获取聚类中心的步骤包括：将网格空间进行划分，形成g*g的均匀网格，将数据集中的数据点映射到网络空间中；根据ρ
ij
＝count(g
ij
)计算每一个网格的单元网格密度ρ
ij
，并将结果存入网格密度矩阵中；按照网格密度从小到大排序，筛选前rg2个网格作为低密度网格，剩下的作为高密度网格，更新高密度网格矩阵；以四连接方式合并高密度网格，形成m个高密度网格簇；根据ρ
cluster_i
＝∑ρ
pq
计算每一个簇的高密度网格簇密度ρ
cluster_i
；设定预聚类中心的个数为k，将k与m进行比较，根据k与m的比较结果在m个高密度网格簇中选择k个聚类中心；再次对k个聚类中心聚类，得到k
‘
个预聚类中心。3.根据权利要求2所述的一种自动化挑选系统的品项分配方法，其特征在于，所述在m个高密度网格簇中选择k个聚类中心的步骤为：当m＝k时，将m个高密度网格簇视为k个中心网格簇，计算每一个中心网格簇内的邻接矩阵，在中心网格簇内基于DPC选择k个聚类中心c
i
；当m>k时，计算每一个网格簇成为中心网格的概率P
i
，其中P
i
＝ρ
cluster_i
∑dist(c
i
,c
j
)，根据得到的概率计算结果，将网格簇从大到小排列，选择k
‑
1个网格簇视为中心网格簇，剩余的m
‑
k+1个网格簇视为余下的一个中心网格簇，然后计算每一个中心网格簇内的邻接矩阵，在中心网格簇内基于DPC选择k个聚类中心c
i
；当m<k时，将m个网格簇视为一个中心网格簇，计算每一个中心网格簇内的邻接矩阵，在中心网格簇内基于DPC选择k个聚类中心c
i
。4.根据权利要求1所述的一种自动化挑选...

【专利技术属性】
技术研发人员：尚昊，赵加坤，
申请(专利权)人：江苏至信信用评估咨询有限公司，
类型：发明
国别省市：