摘要
本申请提供了一种物流分拣中心货量预测及人员排班优化方法及系统,本申请的方法包括:对物流分拣相关数据进行采集,对采集的多源数据进行预处理,得到标准化数据集;基于标准化数据集进行动态权重融合,得到融合特征,将标准化数据集和融合特征作为原始训练集,抽样后得到若干个子数据集;利用子数据集对随机森林模型进行训练,得到货量预测模型,通过货量预测模型得到货量预测结果;基于货量预测结果构建班次出勤人数优化模型,利用该模型对人员排班进行优化,得到最终的人员排班结果。本申请能有效捕捉线路调整等因素导致的货量非线性变化,使正式工和临时工的互补性得到充分发挥,通过反馈机制不断优化排班方案,提高分拣中心智能化管理水平。
技术关键词
融合特征
随机森林模型
物流
反馈调节机制
训练集
员工
线路
动态
数据分布
预测误差
基础
可读存储介质
网络
节点
处理器
数据模块
天气
样本
系统为您推荐了相关专利信息
三维重建方法
三维重建模型
三维模型
视角
文本编码器
移动机器人
激光雷达
视觉传感器
融合特征
定位系统
多尺度细节融合
分割系统
输出特征
层级
边缘先验
叶面积指数
高时空分辨率
生成方法
地表反射率
DBN模型
神经网络控制方法
模组
遗传优化算法
组合算法
笛卡尔