技术总结
一种改进的K_MEANS算法对解决制造业物料采购问题，对供应商数据集进行聚类,选择最优聚类进行成本考量，计算供应商的成本，计算商家的合适指数，计算出最优成本商家，最终输出结果。本发明首先对数据集进行聚类，再对聚类最优集进行属性相似度的考量，较少了算法的计算量，提高算法搜索效率，另一方面，提高了算法解的实用度；以标准购买物料种类数目作为聚类数量，简单有效，减少了算法的复杂度；用物料种类数量来刻画两个用供应商集合中供应商与聚类中心的距离来表示相异度，易于理解，实用性高；选择最优聚类进行成本考量，降低了算法对异常值的敏感程度，同时减小了算法搜寻最优解的范围，同时在最优类内搜寻，得到的解跟理想解会更接近。
技术研发人员：姜艾佳
受保护的技术使用者：四川用联信息技术有限公司
文档号码：201610835193
技术研发日：2016.09.20
技术公布日：2017.05.03