為研究在定制家具分批生產之前的訂單聚類問題,根據不同訂單的信息,選取對定制家具排產影響較大的訂單特征,將訂單文本向量化,計算家具訂單之間的相似度。利用蟻群算法的狀態(tài)轉移規(guī)則,通過聚類數(shù)目未知的蟻群算法將訂單類別進行歸并,以聚類完成后所有類別的材料種類總數(shù)最少為目標。通過仿真試驗將其與聚類數(shù)目已知的蟻群聚類算法和K-means算法聚類結果進行比較,結果表明:相對于上述兩種聚類算法,在定制家具訂單聚類問題研究中,本文研究的算法聚類效果更好。 

【文章來源】：林產工業(yè). 2020年05期 北大核心

【文章頁數(shù)】：4 頁

【文章目錄】：
1 模型構建
    1.1 問題描述
    1.2 訂單表示
    1.3 訂單相似度
    1.4 目標函數(shù)
2 蟻群算法
    2.1 蟻群算法原理
    2.2 基于螞蟻覓食的蟻群聚類算法
3 算法應用
    3.1 訂單預處理
    3.2 相似距離確定
    3.3 聚類算法結果
    3.4 算例結果分析
4 結論


【參考文獻】：
期刊論文
[1]板式家具企業(yè)的訂單組批問題研究[J]. 陳炫銳,陳慶新,毛寧.  工業(yè)工程. 2019(02)
[2]高維數(shù)據的增量式聚類算法的距離度量選擇研究[J]. 邵俊健,王士同.  計算機工程與科學. 2019(02)
[3]定制衣柜標準化零部件平臺的動態(tài)優(yōu)化研究[J]. 任杰,許柏鳴.  林產工業(yè). 2019(02)
[4]基于劃分的蟻群聚類算法研究[J]. 李偉.  信息與電腦(理論版). 2019(02)
[5]大規(guī)模定制家具MES系統(tǒng)的關鍵技術研究[J]. 熊先青,蔣義,黃瓊濤,郭偉娟,吳智慧.  制造業(yè)自動化. 2018(07)
[6]面向多品種小批量的訂單成組模型研究[J]. 張于賢,丁修坤.  系統(tǒng)科學學報. 2018(01)
[7]木結構建筑隔聲技術研究進展[J]. 劉芯彤,席飛,楊曉林,孫友富.  林產工業(yè). 2017(07)
[8]基于視圖表達的木家具異形零件分類加工方法[J]. 楊為艷,黃瓊濤,熊先青,張圣清.  林產工業(yè). 2017(04)
[9]基于蟻群優(yōu)化算法的凝聚型層次聚類[J]. 呂琳,尉永清,任敏,潘曉.  計算機應用研究. 2017(01)
[10]大規(guī)模定制家具的發(fā)展現(xiàn)狀及應用技術[J]. 熊先青,吳智慧.  南京林業(yè)大學學報(自然科學版). 2013(04)

碩士論文
[1]基于蟻群算法的聚類分析在學生成績評價中的應用研究[D]. 付希.西南交通大學 2013
[2]基于大批量定制生產方式的客戶訂單處理方法研究[D]. 梁中梅.江蘇科技大學 2012
[3]蟻群算法研究及其在聚類中的應用[D]. 梁君玲.華南理工大學 2011



本文編號：2933436