基于數(shù)據(jù)挖掘算法的托盤(pán)流轉(zhuǎn)封閉環(huán)識(shí)別.pdf

1、隨著我國(guó)物流業(yè)的不斷進(jìn)步，以托盤(pán)共用為代表的可重用資源優(yōu)化使用勢(shì)必成為物流業(yè)的發(fā)展趨勢(shì)，托盤(pán)共用系統(tǒng)的建立可以為社會(huì)節(jié)約大量的物流成本，也可以為環(huán)境保護(hù)做出巨大的貢獻(xiàn)。在托盤(pán)共用系統(tǒng)的不斷推進(jìn)過(guò)程中，相應(yīng)數(shù)據(jù)庫(kù)中會(huì)沉淀大量的托盤(pán)流轉(zhuǎn)信息，這些信息當(dāng)中隱藏著很多重要的知識(shí)，通過(guò)對(duì)這些知識(shí)的挖掘可以發(fā)現(xiàn)托盤(pán)流動(dòng)的實(shí)際特點(diǎn)，為托盤(pán)共用系統(tǒng)的決策者提供相應(yīng)的決策支持。
　　通過(guò)關(guān)聯(lián)規(guī)則的使用可以發(fā)現(xiàn)托盤(pán)流轉(zhuǎn)數(shù)據(jù)當(dāng)中出現(xiàn)頻率較高的關(guān)聯(lián)規(guī)則，

2、即頻繁項(xiàng)集，而這些數(shù)據(jù)當(dāng)中又隱含著存在封閉環(huán)流動(dòng)趨勢(shì)的托盤(pán)信息，通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行相關(guān)處理，可以準(zhǔn)確識(shí)別出存在于托盤(pán)流轉(zhuǎn)數(shù)據(jù)當(dāng)中的封閉環(huán)流動(dòng)信息。這些信息可以為托盤(pán)庫(kù)存的優(yōu)化和服務(wù)站節(jié)點(diǎn)位置的優(yōu)化提供依據(jù)，在提升托盤(pán)共用系統(tǒng)運(yùn)營(yíng)效率的同時(shí)，降低運(yùn)營(yíng)成本。
　　本文首先對(duì)托盤(pán)共用系統(tǒng)的研究現(xiàn)狀和數(shù)據(jù)挖掘的研究現(xiàn)狀進(jìn)行介紹，隨后提出了托盤(pán)流轉(zhuǎn)封閉環(huán)的概念，并通過(guò)對(duì)比分析的方法將Apriori算法確定為本研究的基礎(chǔ)算法。
　　鑒于

3、Apriori算法自身效率低下的問(wèn)題，本論文提出了算法的改進(jìn)建議，即在頻繁k-1項(xiàng)集生成頻繁k項(xiàng)集的過(guò)程中增加一個(gè)剪枝操作，從而減小頻繁k項(xiàng)集的生成數(shù)量，從而提升算法的效率。
　　本文提出了基于Apriori算法的封閉環(huán)識(shí)別模型，并對(duì)該模型做出了相應(yīng)的模型假設(shè)，歸納來(lái)講，本模型的計(jì)算過(guò)程分為三步:第一，通過(guò)Apriori關(guān)聯(lián)規(guī)則挖掘算法識(shí)別出托盤(pán)路徑數(shù)據(jù)當(dāng)中的頻繁2項(xiàng)集;第二，通過(guò)時(shí)間相減的方法來(lái)判斷頻繁2項(xiàng)集當(dāng)中托盤(pán)的具體流向情