买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京一招建材科技有限公司申请的专利一种RFID仓储物流管理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120069702B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510138900.0，技术领域涉及：G06Q10/083；该发明授权一种RFID仓储物流管理方法及系统是由万佩;翁强强设计研发完成，并于2025-02-08向国家知识产权局提交的专利申请。

本一种RFID仓储物流管理方法及系统在说明书摘要公布了：本发明公开了一种RFID仓储物流管理方法及系统，本发明涉及仓储物流管理技术领域，本发明构建历史商品信息数据库，利用GAT对商品数据进行特征提取，并采用HDBSCAN对商品进行聚类，对每个簇中的商品利用核岭回归模型去训练，利用粒子群去优化其参数，得到最佳储存位置模型，当有新商品进入仓库时，通过RFID标签获得信息，利用训练好的GAT模型提取其特征，找到它与各簇特征中心最小距离对应的簇Cmin，代入Qmin，得到新商品的最佳储存位置，利用回溯算法生成该存储位置到仓门所有备选路径，并采用Pareto算法对备选路径寻优。本发明可快速定位新商品的储存位置，并提前规划出库时到仓门的最优路径。

本发明授权一种RFID仓储物流管理方法及系统在权利要求书中公布了：1.一种RFID仓储物流管理方法，其特征在于，包括以下步骤： S1、根据仓库历史信息构造商品特征数据库和最佳储存位置数据库； S2、利用图注意力网络GAT对商品特征数据库中的数据进行特征提取，具体操作为：对商品数据进行标准化处理；构建各商品之间的关联图G＝V,E；确定GAT层的超参数，包括注意力头数量K、输出特征维度dout；初始化每个注意力头的权重矩阵和注意力系数向量； 利用拉丁超立方体LHS对每个节点的邻居节点进行采样；计算每个节点vi和经LHS后的邻居节点vj在每个注意力头k下的注意力系数其中，为采样后的邻居节点集合，LeakyReLU的公式为LeakyReLUa＝max0.01a,a；得到每个注意力头k下节点vi的聚合特征其中，是经过归一化后的注意力权重；将每个注意力头k下的特征进行拼接，得到节点vi的最终输出特征为其中，concat为拼接函数； S3、基于GAT提取的特征，采用HDBSCAN密度聚类算法对商品进行聚类操作，得到r个簇； S4、利用核岭回归模型对每簇Ct中的商品进行训练，通过粒子群优化算法对其正则化参数和核参数进行寻优，得到最佳储存位置模型QTt，具体操作为：构建数据集E1＝{Y1,U1,Y2,U2,...,Yn,Un}，其中，Yi∈Rdout是经GAT提取的输入特征向量，Ui是最佳储存位置数据库中的数据；划分70％训练集和30％测试集；设定粒子群规模为N，惯性权重w，学习因子c1、c2，粒子i的位置可表示为Qi＝λi,σ1i，速度表示为Vi＝vλ,i,vσ1,i，初始化粒子的速度Vi为0向量，Qi在设定参数范围内随机生成，初始个体最优位置pbesti＝Qi，全局最优位置为gbest；对于训练集中的[0.7*n]个样本，根据所选的高斯核函数即得到核矩阵K∈R[0.7*n]×[0.7*n]，其中，[]为取整符号；对于每一个粒子，将其位置参数Qi代入到核岭回归模型，该核岭回归模型的目标函数为由KTK+λiIβ＝KTU计算得到系数向量β；利用k折交叉验证，使用得到的核岭回归模型在训练集上进行训练和验证，并计算模型的均方误差MSE作为适应度值Fi，即其中，MSEj是第j折验证的均方误差，nj是第j折验证集的样本数，为真实值，为预测值；比较每个粒子当前适应度值，并更新pbesti和gbest；更新粒子的速度和位置： 将得到的全局最优位置gbest作为核岭回归模型的最优正则化参数和核参数，代入训练集重新训练模型，得到QTt；使用测试集对QTt进行评估，若效果不佳，则继续迭代寻优，直到找到最佳QTt； S5、当有新商品进入仓库时，通过RFID阅读器扫描新商品的RFID标签，获取其全部信息，再利用训练好的GAT模型提取其特征，并计算它与各簇特征中心之间的距离，找出距离最小的簇Cmin，将特征代入Cmin对应的商品最佳储存位置模型Qmin中，得到新商品的最佳储存位置； S6、基于新商品的最佳储存位置，利用回溯算法生成从仓库入口到该储存位置的所有备选路径，并采用Pareto算法对备选路径进行多目标优化，得到最优的备选路径。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京一招建材科技有限公司，其通讯地址为：210000 江苏省南京市江北新区浦珠北路133号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。