一种基于FAHP-BCNN医药仓储中货物与货架匹配方法

摘要

本发明提供一种基于贝叶斯卷积神经网络(BCNN)和模糊层次分析法(FAHP)医药仓储中货物与货架匹配方法。利用FAHP为匹配过程添加权重，同时为每对匹配组合考虑了环境影响的因素，权重和环境影响引入使模型最大合理化。在贝叶斯卷积神经网络的基础上，将某时间片的匹配结果看作为一个状态，前面状态对后续匹配过程产生影响，状态的引入提高了模型的灵活性。本发明通过BCNN挖掘货物与货架潜在信息，计算出匹配阈值，将货物与货架匹配结果与匹配阈值比较，对于匹配失败的货物，到下一个时间段与货架进行匹配，直至匹配成功，这都有效的提升了匹配效率。通过大量的实验证明，本发明无论是在匹配成功率，还是在各种不同医药仓储场景下，相对于先前研究都有一个较大的提升。本发明促进了基于深度学习的方法在仓储领域的发展，能够广泛应用于中小型仓储企业中。