一种物流园区的货物管理方法及系统技术方案

本发明专利技术涉及一种物流园区的货物管理方法，包括获取货物信息，对货物信息进行核实；基于核实无误的货物信息采用智能分类算法进行分类，获得初步分类结果；利用智能优化算法对初步分类结果进行优化，获得分类结果；根据分类结果将货物运输至货仓指定的位置完成入库。本发明专利技术基于货物信息利用智能分类算法对货物进行初步分类，并利用智能优化算法对货物的初步分类结果进行优化，从而得到准确的分类结果，能够显著增强货物分类的准确性，在查找货物时更加容易，从而能够实现对物流园区货物的监控，提高货仓管理的透明度，方便仓库管理员进行货物管理，大大提高了管理效率。大大提高了管理效率。大大提高了管理效率。

【技术实现步骤摘要】
一种物流园区的货物管理方法及系统


[0001]本专利技术涉及智能物流
，尤其是指一种物流园区的货物管理方法及系统。

技术介绍

[0002]物流园是物流参与者集中进行物流活动的场所，是将多种物流设施和不同类型的物流企业在空间上集中布局的场所，也是一个有一定规模的和具有多种服务功能的物流企业的集结点，其人员构成主要包括货源方，承运方，车队以及周边的服务商四个部分。
[0003]物流园区前期投入大、且投入产出周期漫长，导致物流园区建设能省则省，因此一般物流园区硬件设施普遍较差，又由于物流从业人员素质相对较低，因此物流园区多为脏、乱、差的经营现状。而且，一般物流园有多个物流公司，货物种类十分繁多，很难对货物进行分门别类的管理，导致查找货物时难度较大，从而限制管理效率的提高，使得物流园货仓缺乏透明度，十分不利于管理。因此寻找一种物流园区的货物管理方法及管理系统势在必行。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中存在的技术缺陷，提供一种物流园区的货物管理方法及系统，其基于货物信息利用智能分类算法对货物进行初步分类，并利用智能优化算法对货物的初步分类结果进行优化，得到准确的分类结果，能够显著增强货物分类的准确性，在查找货物时更加容易，从而能够实现对物流园区货物的监控，提高货仓管理的透明度，方便仓库管理员进行货物管理，大大提高了管理效率。
[0005]为解决上述技术问题，本专利技术提供一种物流园区的货物管理方法，包括：
[0006]获取货物信息，对所述货物信息进行核实；
[0007]基于核实无误的所述货物信息采用智能分类算法进行分类，获得初步分类结果；
[0008]利用智能优化算法对所述初步分类结果进行优化，获得分类结果；
[0009]根据分类结果将货物运输至货仓指定的位置完成入库；
[0010]其中，基于核实无误的所述货物信息采用智能分类算法进行分类包括：
[0011]构建神经网络分类模型，设定所述模型的初始平滑因子，将所述货物信息输入所述模型，对货物信息的特征向量和各个类别匹配关系进行概率运算；
[0012]对所述概率进行整合，将属于同一类的网络节点的输出做加权平均，得到各网络节点的后验概率；
[0013]将具有最大后验概率的网络节点作为模型的输出，得到货物的初步分类结果。
[0014]在本专利技术的一个实施例中，所述货物信息包括货物重量，将所述货物重量作为货物分类的一个重要指标。
[0015]在本专利技术的一个实施例中，在对货物信息的特征向量和各个类别匹配关系进行概率运算时，其中第i类的第j个节点的输入输出关系为式中k是
数据特征向量的个数。
[0016]在本专利技术的一个实施例中，所述网络节点的后验概率的计算公式为
[0017]在本专利技术的一个实施例中，利用智能优化算法对所述初步分类结果进行优化的方法包括：
[0018]设定智能优化算法的参数，在参数区间随机生成N个平滑因子作为初始因子群，计算各个平滑因子所对应的货物分类结果，选择分类结果最准确的平滑因子将其作为最优平滑因子；
[0019]对每个平滑因子进行状态更新，获得新的平滑因子，计算新的平滑因子所对应的货物分类结果，选择分类结果最准确的新的平滑因子将其作为新的最优平滑因子，当所述新的最优平滑因子大于所述最优平滑因子时，将所述新的最优平滑因子作为进一步的最优平滑因子，
[0020]判断进一步的最优平滑因子所对应的货物分类结果是否达到满意的误差区间，若判断结果为是，则将进一步的最优平滑因子作为最终的最优平滑因子，若判断结果为否，则继续对平滑因子进行更新，直至找到最终的最优平滑因子；
[0021]对最终的最优平滑因子进行训练，得到最优的货物分类结果。
[0022]在本专利技术的一个实施例中，所述智能优化算法的参数包括平滑因子的数量N、最大迭代次数T、感知范围V、最大移动步长S以及拥挤度因子D。
[0023]在本专利技术的一个实施例中，对所述平滑因子进行更新需要遵循三个规则：感知范围V内平滑因子的数量最多不超过拥挤度因子D；感知范围V内相邻的平滑因子的更新方向一致；感知范围V内朝平滑因子的中心位置更新。
[0024]此外，本专利技术还提供一种物流园区的货物管理系统，包括：
[0025]信息获取模块，所述信息获取模块用于获取货物信息，对所述货物信息进行核实；
[0026]货物分类模块，所述货物分类模块用于基于核实无误的所述货物信息采用智能分类算法进行分类，获得初步分类结果；
[0027]分类优化模块，所述分类优化模块用于利用智能优化算法对所述初步分类结果进行优化，获得分类结果；
[0028]货物入库模块，所述货物入库模块用于根据分类结果将货物运输至货仓指定的位置完成入库；
[0029]其中，基于核实无误的所述货物信息采用智能分类算法进行分类包括：
[0030]构建神经网络分类模型，设定所述模型的初始平滑因子，将所述货物信息输入所述模型，对货物信息的特征向量和各个类别匹配关系进行概率运算；
[0031]对所述概率进行整合，将属于同一类的网络节点的输出做加权平均，得到各网络节点的后验概率；
[0032]将具有最大后验概率的网络节点作为模型的输出，得到货物的初步分类结果。
[0033]在本专利技术的一个实施例中，在对货物信息的特征向量和各个类别匹配关系进行概
率运算时，其中第i类的第j个节点的输入输出关系为式中k是数据特征向量的个数；对所述概率进行整合，将属于同一类的网络节点的输出做加权平均，得到各网络节点的后验概率，网络节点的后验概率的计算公式为
[0034]在本专利技术的一个实施例中，所述分类优化模块包括分类优化单元，所述分类优化单元执行以下操作：
[0035]设定智能优化算法的参数，在参数区间随机生成N个平滑因子作为初始因子群，计算各个平滑因子所对应的货物分类结果，选择分类结果最准确的平滑因子将其作为最优平滑因子；
[0036]对每个平滑因子进行状态更新，获得新的平滑因子，计算新的平滑因子所对应的货物分类结果，选择分类结果最准确的新的平滑因子将其作为新的最优平滑因子，当所述新的最优平滑因子大于所述最优平滑因子时，将所述新的最优平滑因子作为进一步的最优平滑因子，
[0037]判断进一步的最优平滑因子所对应的货物分类结果是否达到满意的误差区间，若判断结果为是，则将进一步的最优平滑因子作为最终的最优平滑因子，若判断结果为否，则继续对平滑因子进行更新，直至找到最终的最优平滑因子；
[0038]对最终的最优平滑因子进行训练，得到最优的货物分类结果。
[0039]本专利技术的上述技术方案相比现有技术具有以下优点：
[0040]本专利技术提供了一种物流园区的货物管理方法及管理系统，其基于货物信息利用智能分类算法对货物进行初步分类，并利用智能优化算法对货物的初步分类结果进行优化，从而得到准确的分类结果，能够显著增强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物流园区的货物管理方法，其特征在于，包括：获取货物信息，对所述货物信息进行核实；基于核实无误的所述货物信息采用智能分类算法进行分类，获得初步分类结果；利用智能优化算法对所述初步分类结果进行优化，获得分类结果；根据分类结果将货物运输至货仓指定的位置完成入库；其中，基于核实无误的所述货物信息采用智能分类算法进行分类包括：构建神经网络分类模型，设定所述模型的初始平滑因子，将所述货物信息输入所述模型，对货物信息的特征向量和各个类别匹配关系进行概率运算；对所述概率进行整合，将属于同一类的网络节点的输出做加权平均，得到各网络节点的后验概率；将具有最大后验概率的网络节点作为模型的输出，得到货物的初步分类结果。2.根据权利要求1所述的物流园区的货物管理方法，其特征在于：所述货物信息包括货物重量，将所述货物重量作为货物分类的一个重要指标。3.根据权利要求1所述的物流园区的货物管理方法，其特征在于：在对货物信息的特征向量和各个类别匹配关系进行概率运算时，其中第i类的第j个节点的输入输出关系为式中k是数据特征向量的个数。4.根据权利要求3所述的物流园区的货物管理方法，其特征在于：所述网络节点的后验概率的计算公式为5.根据权利要求1所述的物流园区的货物管理方法，其特征在于：利用智能优化算法对所述初步分类结果进行优化的方法包括：设定智能优化算法的参数，在参数区间随机生成N个平滑因子作为初始因子群，计算各个平滑因子所对应的货物分类结果，选择分类结果最准确的平滑因子将其作为最优平滑因子；对每个平滑因子进行状态更新，获得新的平滑因子，计算新的平滑因子所对应的货物分类结果，选择分类结果最准确的新的平滑因子将其作为新的最优平滑因子，当所述新的最优平滑因子大于所述最优平滑因子时，将所述新的最优平滑因子作为进一步的最优平滑因子，判断进一步的最优平滑因子所对应的货物分类结果是否达到满意的误差区间，若判断结果为是，则将进一步的最优平滑因子作为最终的最优平滑因子，若判断结果为否，则继续对平滑因子进行更新，直至找到最终的最优平滑因子；对最终的最优平滑因子进行训练，得到最优的货物分类结果。6.根据权利要求5所述的物流园区的货物管理方法，其特征在于：所述智能优化算法的参数包括平滑因子的数量N、最大迭代次数T、感知范围V、最大移动步长S以及拥挤度因子D。7.根据权利要求5所述的物流园区的货物管理方法，其特征在于：对所述平...

【专利技术属性】
技术研发人员：栾小丽，许飞鸿，杜康，贾明，
申请(专利权)人：江苏物云通物流科技有限公司，
类型：发明
国别省市：