一种均值邻域混合算法解决制造业物料采购问题的制作方法

本发明涉及企业管理领域，具体地涉及用算法解决制造业物料采购问题。

背景技术：

随着全球市场一体化以及信息时代的到来，企业采购的比重大大增加。在全球范围内，工业企业的产品构成中，采购的原料以及零部件成本平均水平在60％以上。从世界范围来说，对于一个典型的企业，采购成本(包括原材料，零部件)要占60％。而在中国的工业企业，各种物资的采购成本要占到企业销售成本的70％。显然采购成本是企业管理中的主体和核心部分，采购是企业管理中“最有价值”的部分。另外，根据国家经贸委1999年发布的有关数据，如果国有大中型企业每年降低采购成本2％-3％,可增加效益500多亿远人民币，相当于1997年国有工业人企业实现利润的总和。因此，采购越来越受到人们的关注和重视，对采购的研究也称为当今社会的热点问题之一。

然而，研究一种高效的智能优化方法来解决物料采购问题非常有意义。企业采购的主要目标是降低企业成本。

K_means算法在大量数据处理中有着非常广泛的应用，它的主要思想是通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立。K_means算法有计算时间短、速度快、容易解释等优点。但是对异常值敏感、对一些问题的解不够精确。

但是对于一些规模不够大的采购问题而言，没有必要进行大量的聚类。但是，聚类算法的思想却可以解决一些选择性问题。

技术实现要素：

针对现有技术的上述不足，本发明要解决的技术问题是提供一种均值邻域混合算法解决制造业物料采购问题。

本发明的目的是克服现有技术中存在的问题：K_means算法计算精度不够高等缺点，对异常值敏感，制造业物料采购问题存在很多折中问题没有解决。

本发明为实现上述目的所采用的技术方案是：一种均值邻域混合算法解决制造业物料采购问题。

该算法的步骤如下：

步骤1：初始化数据集。初始化采购商数据集P，属性(物料)数据集A，采购物料标准X。

步骤2：选择初始解。以物料采购标准作为初始解。

步骤3：计算采购标准适应的移动步长。

步骤4：计算新的物料集解。

步骤5：计算计算相异度。属性数据集中每个属性与计算新的物料集解的相异度，相异度用距离来表示。在此，用欧几里得距离来表示属性数据集中每个属性与物料采购标准的相异度。

步骤6：计算成本。

步骤7：计算商家的合适指数。

步骤8：选出适应度最大的物料供应商。

步骤9：计算找出最优成本商家。

步骤10：选出最优供应商。选择准则为：判断最优成本供应商与适应度最大的供应商是否是同一家供应商，如果是，转步骤11；如果不是，以步骤2计算得到的新的物料集解，作为初始解并转步骤3。

步骤11：算法结束，输出最佳结果。

本发明的有益效果是：

1、以物料采购标准作为初始解，使最优解能够更加接近采购标准。

2、利用移动步长来设定采购标准的邻域，能够使算法在最优解附近游动，加快了算法得到最优解的速度。

3、利用平均值与标准值之差作为步长，降低了K_means算法对异常值敏感的可能性。

4、通过新的物料集来计算相异度，让算法不过快收敛，提高了算法的计算精度。

5、通过商家的合适指数，利用成本和相异度两个指标刻画供应商的合适指数，从两个方面为问题把关，使最终解更加可靠。

6、利用判断最优成本供应商与适应度最大的供应商是否是同一家供应商作为最优解得判断标准，可靠有效。

7、在不满足最优解条件的情况下，以步骤2计算得到的新的物料集解，使算法解更快向更优且接近实际值方向游动。

附图说明

图1为一种均值邻域混合算法解决制造业物料采购问题。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合算法流程图进行详细、具体说明。

一、物料采购问题的描述

初始化采购商数据集P，属性(物料)数据集A，采购物料标准X。设有K类物资X＝{X_i|i＝1，2，...，K}。分别从供应商资P＝{P_j|i＝1，2，...，N}处采购，每种物资都有采购指标，如价格和运输费用等。在进行采购时，每种物资都选择一个指标作为主要指标，其他指标作为参考指标。如何选择不同物资的供应商，制定一个采购方案X＝{X₁，X₂，...，X_k}，在满足采购量、订货期和资金等约束条件的前提下，使总的采购成本最低。建立规划模型如下：

目标函数：

其中q_i＝f(x₁，x₂，...，x_m)为第i类物资的采购量，q_ix_ij表示第i类物资关于指标j的成本，x_ij表示第j个采购指标值，C(X_i)表示第i类物资的采购成本，C(x^*)为最优采购方案x^*的成本，即最优成本。

约束条件：

1)采购量约束：采购者和供应商对每一项指标都允许有一个浮动的区间，即：x_ij∈[T₁(j)，T₂(j)]，i＝1，2，...，n；j＝1，2，...，mT₁(j)，T₂(j)分别为指标的下限和上限。

2)资金约束：每类物资的采购资金需满足：

q_i＝f(x₁，x₂，…，x_m)是k次齐次方程，成本函数c(q_i)反映了采购成本与采购量之间的约束关系，l为采购成本。

二、具体实施步骤

步骤1：初始化数据集。初始化采购商数据集P，属性(物料)数据集A，采购物料标准X。P＝{P_j|i＝1，2，...，N}，X＝{X_i|i＝1，2，...，K}，A＝{A_i|i＝1，2，...，N·K}

步骤2：选择初始解。以物料采购标准作为初始解。

步骤3：计算采购标准适应的移动步长。

步骤4：计算新的物料集解。

X′_i＝X_i+d_i

步骤5：计算属性数据集中每个属性与计算新的物料集解的相异度。相异度用距离来表示。再此，用欧几里得距离来表示属性数据集中每个属性与物料采购标准的相异度，具体为：

步骤6：计算成本。

步骤7：计算商家的合适指数。

步骤8：选出适应度最大的物料供应商。选择准则如下：

其中better对应的供应商记为p。

步骤9：计算找出最优成本商家。计算方法如下:

目标函数：

其中q_i＝f(x₁，x₂，...，x_m)为第i类物资的采购量，q_ix_ij表示第i类物资关于指标j的成本，x_ij表示第j个采购指标值，C(X_i)表示第i类物资的采购成本，C(x^*)为最优采购方案x^*的成本，即最优成本。

约束条件：

1)采购量约束：采购者和供应商对每一项指标都允许有一个浮动的区间，即：x_ij∈[T₁(j)，T₂(j)]，i＝1，2，...，n；j＝1，2，...，N

T₁(j)，T₂(j)分别为指标的下限和上限。

2)资金约束：每类物资的采购资金需满足：

q_i＝f(x₁，x₂，...，x_m)是k次齐次方程，成本函数c(q_i)反映了采购成本与采购量之间的约束关系，l为采购成本。

其中最优成本供应商记为q。

步骤10：选出最优供应商。选择准则为：判断最优成本供应商与适应度最大的供应商是否是同一家供应商，如果是(p＝q)，转步骤11；如果不是，以步骤2计算得到的新的物料集解，作为初始解并转步骤3。

步骤11：算法结束，输出最佳结果。