论文部分内容阅读
自动导引车(Automated Guided Vehicle，AGV)是现代物流系统备受关注的关键设备。越来越多的大中型企业开始应用AGV系统，尝试以自动货运机器人来替代人工作业，节省人力资源成本，逐步实现工业自动化。AGV系统运行过程中积累了大量的无规则数据。如何利用数据挖掘技术对AGV系统的数据进行有效的分析，从中提取出有用的信息，并利用这些信息提高AGV系统的运行效率是一个值得研究的问题。本文提出了一种基于遗传算法的关联规则方法，并对AGV系统中的数据进行关联分析。主要内容如下：阐述了数据挖掘、遗传算法和关联规则的相关知识。针对“支持度-置信度”关联规则模型的不足，引入理解度和兴趣度这两个评价标准,根据支持度、置信度、理解度和兴趣度综合评价一条关联规则。针对进行关联规则挖掘时，计算各个评价标准要重复扫描数据库的问题，提出了一种属性目录结构，根据该结构能够有效地减少扫描数据库的次数，从而减少关联规则挖掘的时间。根据遗传算法的全局寻优的特点，提出了一种基于遗传算法的关联规则算法，详细介绍了该算法的染色体编码方式，使用支持度、置信度、理解度和兴趣度构造适应度函数并结合属性目录计算适应值，产生初始群体，设计遗传算子等方面。最终将该算法应用于AGV系统中，得到一些有价值的关联规则，并将结果与其他算法进行比较，证明该算法的高效性。通过分析解释这些规则，对AGV系统优化，仓库货物安排，货物备货量，工作人员分配等方面提供有价值的信息。