基于蚁群聚类算法的板式定制家具订单聚类分析

发布时间：2020-12-23 09:03

　　为研究在定制家具分批生产之前的订单聚类问题,根据不同订单的信息,选取对定制家具排产影响较大的订单特征,将订单文本向量化,计算家具订单之间的相似度。利用蚁群算法的状态转移规则,通过聚类数目未知的蚁群算法将订单类别进行归并,以聚类完成后所有类别的材料种类总数最少为目标。通过仿真试验将其与聚类数目已知的蚁群聚类算法和K-means算法聚类结果进行比较,结果表明:相对于上述两种聚类算法,在定制家具订单聚类问题研究中,本文研究的算法聚类效果更好。 

【文章来源】：林产工业. 2020年05期 北大核心

【文章页数】：4 页

【文章目录】：
1 模型构建
    1.1 问题描述
    1.2 订单表示
    1.3 订单相似度
    1.4 目标函数
2 蚁群算法
    2.1 蚁群算法原理
    2.2 基于蚂蚁觅食的蚁群聚类算法
3 算法应用
    3.1 订单预处理
    3.2 相似距离确定
    3.3 聚类算法结果
    3.4 算例结果分析
4 结论


【参考文献】：
期刊论文
[1]板式家具企业的订单组批问题研究[J]. 陈炫锐,陈庆新,毛宁.  工业工程. 2019(02)
[2]高维数据的增量式聚类算法的距离度量选择研究[J]. 邵俊健,王士同.  计算机工程与科学. 2019(02)
[3]定制衣柜标准化零部件平台的动态优化研究[J]. 任杰,许柏鸣.  林产工业. 2019(02)
[4]基于划分的蚁群聚类算法研究[J]. 李伟.  信息与电脑(理论版). 2019(02)
[5]大规模定制家具MES系统的关键技术研究[J]. 熊先青,蒋义,黄琼涛,郭伟娟,吴智慧.  制造业自动化. 2018(07)
[6]面向多品种小批量的订单成组模型研究[J]. 张于贤,丁修坤.  系统科学学报. 2018(01)
[7]木结构建筑隔声技术研究进展[J]. 刘芯彤,席飞,杨晓林,孙友富.  林产工业. 2017(07)
[8]基于视图表达的木家具异形零件分类加工方法[J]. 杨为艳,黄琼涛,熊先青,张圣清.  林产工业. 2017(04)
[9]基于蚁群优化算法的凝聚型层次聚类[J]. 吕琳,尉永清,任敏,潘晓.  计算机应用研究. 2017(01)
[10]大规模定制家具的发展现状及应用技术[J]. 熊先青,吴智慧.  南京林业大学学报(自然科学版). 2013(04)

硕士论文
[1]基于蚁群算法的聚类分析在学生成绩评价中的应用研究[D]. 付希.西南交通大学 2013
[2]基于大批量定制生产方式的客户订单处理方法研究[D]. 梁中梅.江苏科技大学 2012
[3]蚁群算法研究及其在聚类中的应用[D]. 梁君玲.华南理工大学 2011



本文编号：2933436