一种智能化物流管理方法技术

本发明专利技术提供了一种智能化物流管理方法

【技术实现步骤摘要】
一种智能化物流管理方法、装置、设备及可读存储介质


[0001]本专利技术涉及物流管理
，具体而言，涉及智能化物流管理方法
、
装置
、
设备及可读存储介质
。

技术介绍

[0002]目前，供应链是指围绕核心物流企业，将多方物流整合起来形成的完整的供应链，在供应链的管理过程中，由于物流产品的种类多，调动频率大，物流产品之间信息差异比较大，供应区域分布散乱，常规的供应链物流管理方法效率低下
。
[0003]在专利技术公开的
CN106408240A
一种物流管理智能仓储系统及仓储方法申请中，采用模块式管理方法虽然从数据采集方面降低了人为失误，从而减少企业仓储物流成本，但是并没有从根源上解决对物流产品的快速分类，无法精准的匹配到相应的物流代收站，进而出现了物流成本高
、
物流时间段长等问题
。

技术实现思路

[0004]本专利技术的目的在于提供一种智能化物流管理方法
、
装置
、
设备及可读存储介质，以改善上述问题
。
为了实现上述目的，本专利技术采取的技术方案如下：
[0005]第一方面，本申请提供了获取应急物流的第一信息和第二信息，所述第一信息为应急物流产品到达物流代收点的集合信息，所述物流代收点是以待运输应急物流产品的位置为中心向四周延伸的所有所述物流代收点的拓扑图；所述第二信息为应急物流产品的供应链信息，所述供应链信息包括物流仓储信息
、
物流车辆信息和配送任务特征信息；
[0006]将所述第一信息和所述第二信息进行灰色关联分析，得到所述第一信息和所述第二信息的关联度；
[0007]将所述关联度
、
所述第一信息和所述第二信息发送至优化后的物流模型进行处理，得到第三信息；
[0008]根据启发式算法对所述第三信息进行计算，得到优化后的物流管理结果
。
[0009]优选地，所述将所述第一信息和所述第二信息进行灰色关联分析，得到所述第一信息和所述第二信息的关联度，其中包括：
[0010]将所述第一信息和所述第二信息进行序列分析，其中，确定所述第一信息作为反映智能化物流管理因素的母序列，确定所述第二信息作为反映智能化物流管理因素的特征序列；
[0011]对所述序列分析后的数据进行无纲量化处理，得到无纲量化处理结果；
[0012]基于所述无纲量化处理结果，求解所述母序列和所述特征序列之间的灰色关联系数值；
[0013]根据所述灰色关联系数值计算得出每个所述母序列和所述子序列的关联度值，对所述关联度值进行排序并分析
。
[0014]优选地，所述得到第三信息，之后包括：
[0015]对所述第三信息进行处理，并根据处理后的所述第三信息求解第四信息，所述第四信息为根据所述第三信息的数据集求取所述第三信息的样本空间的相似度矩阵；
[0016]根据所述相似度矩阵求得所述第三信息的度矩阵和拉普拉斯矩阵，并将求得的结果进行归一化处理；
[0017]对所述归一化处理后的数据进行分解，并取前
k
个特征值所映射的特征向量组成第一特征向量矩阵，所述第一特征向量矩阵包括应急物流产品的流量流向
、
所述物流代收点的管理成本和应急物流产品的物流效率；
[0018]基于
k
‑
means
聚类算法对所述第一特征向量矩阵进行聚类，得到分类结果
。
[0019]优选地，所述根据启发式算法对所述第三信息进行计算，得到优化后的物流管理结果，其中包括：
[0020]利用信号分解算法对所述第三信息进行时间序列分解，得到分解数据；
[0021]设置参数，并生成公式：
[0022]s
ij
＝
s
minj
+a*(s
maxj
‑
s
minj
)
[0023]其中，
s
ij
代表第
j
维的第
i
只蜘蛛猴，
s
maxj
，
s
minj
分别代表蜘蛛猴在搜索空间第
j
维上的上下边界，
a
表示
[0,1]内均匀分布的随机数；
[0024]根据公式生成算法群体中所有蜘蛛猴的初始位置，并基于适应度大小进行排序；
[0025]通过贪婪选择策略，选择适应度值高的本地领导者作为全局领导者；
[0026]基于分解数据和所述全局领导者，选取最优解作为全局领导者，记做优化后的所述物流管理结果
。
[0027]第二方面，本申请还提供了一种智能化物流管理装置，包括获取模块
、
分析模块
、
处理模块和计算模块，其中：
[0028]获取模块：用于获取应急物流的第一信息和第二信息，所述第一信息为应急物流产品到达物流代收点的集合信息，所述物流代收点是以待运输应急物流产品的位置为中心向四周延伸的所有所述物流代收点的拓扑图；所述第二信息为应急物流产品的供应链信息，所述供应链信息包括物流仓储信息
、
物流车辆信息和配送任务特征信息；
[0029]分析模块：用于将所述第一信息和所述第二信息进行灰色关联分析，得到所述第一信息和所述第二信息的关联度；
[0030]处理模块：用于将所述关联度
、
所述第一信息和所述第二信息发送至优化后的物流模型进行处理，得到第三信息；
[0031]计算模块：用于根据启发式算法对所述第三信息进行计算，得到优化后的物流管理结果
。
[0032]第三方面，本申请还提供了一种智能化物流管理设备，包括：
[0033]存储器，用于存储计算机程序；
[0034]处理器，用于执行所述计算机程序时实现所述智能化物流管理方法的步骤
。
[0035]第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于智能化物流管理方法的步骤
。
[0036]本专利技术的有益效果为：
[0037]本专利技术采集图像并对图像进行分析提取的方式，并且可以观察物流产品的外观状态，为后续分类聚类提前做准备，有效避免物流产品丢失的情况，提高物流产品的物流管理
的及时性
、
可靠性和效率性；
[0038]本专利技术采用灰色关联分析法分析关联度值，是根据物流变化发展趋势来判定因素关联程度的一种分析方法，通过系统分析，明确物流发展趋势，并且数据不需要太多，使用方便，提高了物流管理的准确度；
[0039]本专利技术采用串行分解方法对物流数据进行时序特征提取分解，以剥离噪声信号，降低数据的非平稳性，避免误差累积
、<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能化物流管理方法，其特征在于，包括：获取应急物流的第一信息和第二信息，所述第一信息为应急物流产品到达物流代收点的集合信息，所述物流代收点是以待运输应急物流产品的位置为中心向四周延伸的所有所述物流代收点的拓扑图；所述第二信息为应急物流产品的供应链信息，所述供应链信息包括物流仓储信息
、
物流车辆信息和配送任务特征信息；将所述第一信息和所述第二信息进行灰色关联分析，得到所述第一信息和所述第二信息的关联度；将所述关联度
、
所述第一信息和所述第二信息发送至优化后的物流模型进行处理，得到第三信息；根据启发式算法对所述第三信息进行计算，得到优化后的物流管理结果
。2.
根据权利要求1所述的智能化物流管理方法，其特征在于
,
所述将所述第一信息和所述第二信息进行灰色关联分析，得到所述第一信息和所述第二信息的关联度，其中包括：将所述第一信息和所述第二信息进行序列分析，其中，确定所述第一信息作为反映智能化物流管理因素的母序列，确定所述第二信息作为反映智能化物流管理因素的特征序列；对所述序列分析后的数据进行无纲量化处理，得到无纲量化处理结果；基于所述无纲量化处理结果，求解所述母序列和所述特征序列之间的灰色关联系数值；根据所述灰色关联系数值计算得出每个所述母序列和所述子序列的关联度值，对所述关联度值进行排序并分析
。3.
根据权利要求1所述的智能化物流管理方法，其特征在于
,
所述得到第三信息，之后包括：对所述第三信息进行处理，并根据处理后的所述第三信息求解第四信息，所述第四信息为根据所述第三信息的数据集求取所述第三信息的样本空间的相似度矩阵；根据所述相似度矩阵求得所述第三信息的度矩阵和拉普拉斯矩阵，并将求得的结果进行归一化处理；对所述归一化处理后的数据进行分解，并取前
k
个特征值所映射的特征向量组成第一特征向量矩阵，所述第一特征向量矩阵包括应急物流产品的流量流向
、
所述物流代收点的管理成本和应急物流产品的物流效率；基于
k
‑
means
聚类算法对所述第一特征向量矩阵进行聚类，得到分类结果
。4.
根据权利要求1所述的智能化物流管理方法，其特征在于
,
所述根据启发式算法对所述第三信息进行计算，得到优化后的物流管理结果，其中包括：利用信号分解算法对所述第三信息进行时间序列分解，得到分解数据；设置参数，并生成公式：
s
ij
＝
s
minj
+a*(s
maxj
‑
s
minj
)
其中，
s
ij
代表第
j
维的第
i
只蜘蛛猴，
s
maxj
，
s
minj
分别代表蜘蛛猴在搜索空间第
j
维上的上下边界，
a
表示
[0,1]
内均匀分布的随机数；根据公式生成算法群体中所有蜘蛛猴的初始位置，并基于适应度大小进行排序；通过贪婪选择策略，选择适应度值高的本地领导者作为全局领导者；
基于分解数据和所述全局领导者，选取最优解作为全局领导者，记做优化后的所述物流管理结果
。5.
一种智能化物流管理装置，其特征在于，包括：获取模块：用于获取应急物流的第一信息和第二信息，所述第一信息为应急物流产品到达物流代收点的集合信息，所述物流代收点是以待运输应急物流产品的位置为中心...

【专利技术属性】
技术研发人员：李鹏，陈杰，胡文益，周艳玲，
申请(专利权)人：上海赛摩物流科技有限公司，
类型：发明
国别省市：