面向Apriori算法的数据挖掘技术在仓储配置优化中的应用.pdfVIP

第36卷第3期 通化师范学院学报(自然科学) V01．36№3 2015年6月 JOURNALOFTONGHUANORMALUNIVERSITy Jun．2015 DOI：10．13877／j．cnki．cn22—1284．2015．06．003 面向Apriori算法的数据挖掘技术 在仓储配置优化中的应用4 陈先宇 (重庆交通大学，重庆南岸400074) 优良的仓储配置可以促使企业灵活且高效地组 以及配送产品的周转速度，进而提高企业经济效益． 织所经营的商品，提高企业商品周转效率，因此，如 目前，有关仓储配置的建模与优化问题已经成 何进行仓储配置的优化是当前生产、零售，以及物流 为研究热点，并取得了一系列的研究成果．例如，文 企业所面临的一个重要问题．例如，企业生产出的商 献[1]中采用Petri网对物流仓储系统建模，并利用 品往往需要暂时放置在自己的仓库中，然后再选择 ShowFlow物流仿真软件对仓储系统进行了仿真分 合适的时机将这些商品按照类别、配送数量、目的地 析．文献[2]研究了物联网环境下智能物流仓储系 等信息进行配送，所以，如何利用企业日常经营过程 统构建方法．文献[3]对基于库存成本最优化的配 中产生的历史配送信息对库存进行合理的优化配置 送中心选址问题进行了研究，建立了配送系统年总 成为提高商品周转和配送效率的一个重要途径． 成本最优化模型，并给出配送中心选址方案．文献 在零售行业中，顾客在购买某种商品后往往会 [4]中基于RFID和遗传算法研究了实时炸药仓储 再次购买与该商品相关的其他商品，例如在超市中， 优化问题，文中利用RFID技术实时获取炸药仓库 顾客购买了大米和白面之后，可能会再购买食用油 信息，提出了炸药仓库的库位分区策略，通过对炸药 等生活用品，因此，合理的商品布局不仅能够方便顾 仓储的工作特点及要求分析，建立了炸药仓储的优 客选取相关商品，也能促使顾客将某些模糊或潜在 化数学模型，并运用遗传算法求解模型的优化解． 的购买需求转换为实际购买行为，从而可以大幅度 本文采用数据挖掘的方法研究仓储配置优化问 地提高商品出售率． 题，从企业的历史交易获取企业产品的优化组织与 同样道理，在物流企业的日常经营过程中涉及 存放方案．在经典的面向关联规则的数据挖掘算法 到了大量的物资周转，这些物资需要暂存在企业的 一Apriori算法基础上，利用企业日常经营中的数 仓库中，而不同类型商品的配送周期不同，因此，只 据，挖掘和分析企业产品之间的内在流动和周转关 有优化物流企业的仓储配置才能提高仓储利用率， 联关系，进而实现企业产品的仓储优化配置． t收稿日期：2015—01—18 作者简介：陈先宇，男，重庆市沙坪坝人，实验师 ·9· 1关联规则与数据挖掘 率．从第2节的定义中可以得知，关联规则可以刻画 数据挖掘技术帮助用户从大量的数据库或文件 两个事务之间的支持度和置信度，因此，基于关联规 数据中发现并提取出用户感兴趣的数据．基于关联 则的数据挖掘技术非常适合应用到仓储配置的优化 规则的数据信息抽取是一种有效的数据挖掘方 过程中． 法口“]，面向关联规则的数据挖掘处理算法从数据 在面向关联规则的数据挖掘过程中，Apriori算 记录或者数据对象中获取数据项之间的关联性，而