社区商务云中大规模订单撮合方法.pdf

上传人：GAME****980

文档编号：4643584

上传时间：2018-10-23

格式：PDF

页数：8

大小：413.26KB

《社区商务云中大规模订单撮合方法.pdf》由会员分享，可在线阅读，更多相关《社区商务云中大规模订单撮合方法.pdf（8页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103489108 A (43)申请公布日 2014.01.01 CN 103489108 A (21)申请号 201310368847.0 (22)申请日 2013.08.22 G06Q 30/00(2012.01) (71)申请人浙江工商大学地址 310018 浙江省杭州市下沙高教园区学正街 18 号 (72)发明人徐斌 (74)专利代理机构杭州浙科专利事务所 ( 普通合伙 ) 33213 代理人吴秉中 (54) 发明名称社区商务云中大规模订单撮合方法 (57) 摘要本发明公开了一种社区商务云中大规模订单撮合方法，包括如下步骤：（1）基于。

2、基站、 WIFI 实现用户的定位；（2）确定用户的非定向需求；（3）通过云搜索算法，确定撮合范围；（4）结合能达到的额度和所设定的额度进行订单撮合；（5）根据商家优选模块选定若干家商家；（7）采用 MonteCarlo 模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案；（8）大规模订单撮合完成。目前主要应用于电子商务领域，以便将邻近地域的同种类商务需求订单撮合成一个大的订单，以提高商务谈判和交易的效率，寻求更低的协议价格，获得更好的性价比，从而给买家带来物美价廉的购物经历，也可以加快高品质卖家的货物及资金的周转。 (51)In。

3、t.Cl. 权利要求书 2 页说明书 4 页附图 1 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书2页说明书4页附图1页 (10)申请公布号 CN 103489108 A CN 103489108 A 1/2 页 2 1. 一种社区商务云中大规模订单撮合方法，包括如下步骤：（1）基于基站、 WIFI 等无线信号实现用户的定位；（2）确定用户的非定向需求；（3）通过云搜索算法，确定撮合范围；（4）结合能达到的额度和所设定的额度进行订单撮合；（5）根据商家优选模块选定若干家商家：首先，定向采集各商家在各类电子商务交易平台。

4、上的相关交易、评论和新闻信息，经过预处理和量化生成商家即时客观信用矩阵；然后结合用户对商品质量、价格、销量、服务和推荐度等商品附加属性的偏好指数，生成支持该用户目标的商家评价指数矩阵；最后，考虑库存量信息，选定相应的高评价指数商家根据商家优选模块选定若干家商家；（6）根据用户地域信息计算二次物流成本；（7）采用Monte Carlo模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案；（8）大规模订单撮合完成。 2. 如权利要求 1 所述的社区商务云中大规模订单撮合方法，其特征在于：所述的云搜索算法是由 K- 均值聚类算法和改。

5、进的 K- 近邻算法糅合而成。 3. 如权利要求 2 所述的社区商务云中大规模订单撮合方法，其特征在于：先利用 K- 均值聚类算法在用户所在的云节点进行局部搜索，查找有相同需求的订单， K- 均值聚类算法具体如下：输入：簇的数目 k 和包含 n 个对象的数据库；输出： k 个簇，使平方误差准则最小；算法步骤：（1）为每个聚类确定一个初始聚类中心，这样就有 K 个初始聚类中心；（2）将样本集中的样本按照最小距离原则分配到最邻近聚类；（3）使用每个聚类中的样本均值作为新的聚类中心；（4）重复步骤 2.3 直到聚类中心不再变化；（5）结。

6、束，得到 K 个聚类。 4. 如权利要求 2 所述的社区商务云中大规模订单撮合方法，其特征在于：所述的改进的 K- 近邻空间球算法搜索邻近云节点，以在固定时间内达到协议价格所需的相应预定额度为止，步骤如下：以用户所在云节点 o 为中心，以离 o 最近的云节点 i 与云节点 o 之间距离为半径，在该空间范围内搜索有相近需求的订单；若能达到协议价格所需额度，则终止搜索；否则，取更大半径进行搜索；重复上述过程。 5.如权利要求1所述的社区商务云中大规模订单撮合方法，其特征在于：所述步骤（7）具体如下：首先，构造一个以商家、采购数量、二次物。

7、流成本等作为随机变量，以总价最低作为目标的概率模型；其次，根据模型的特点和随机变量的分布特性，并对每个随机变量进行抽权利要求书 CN 103489108 A 2 2/2 页 3 样；再次，在所建立的模型上进行仿真试验、计算，求出总价的随机解；最后，通过反复模拟，给出最低总价的概率解以及解的精度估计，进而依据概率解确定具体的商务采购及物流规划方案。权利要求书 CN 103489108 A 3 1/4 页 4 社区商务云中大规模订单撮合方法技术领域 0001 本发明涉及一种订单撮合方法，具体是一种社区商务云中大规模订单撮合方法。背景技术。

8、 0002 目前电子商务中，消费者获利的方式主要有两种：比价网络：买家可以通过网上的各种比价网络，来获得同类商品中不同商家的销售价格，进而比较后从中做出选择。虽然比价网络能够给用户提供相关产品的最低零售价信息，但是不能保证最低售价的商品质量最优，而且由于单个用户需求量有限，从而也就无法从商家那里获得大批量订购的更优惠价格。 0003 团购：买家可以通过在线组团以获得特定商家指定商品在指定时间段内的特定优惠价格。但是团购的营销推荐倾向性明显，基本上都是各大电商网站推荐各自的商家及产品，而且各网站的团购基本上是由商家发起的，更多为了提高人气、清除积压的打折。

9、推销方法，在时间、商品种类上有诸多限制，从而在一定程度上剥夺了用户选择权。另外，团购商品的质量也无法保证，有些无良商家将一些即将到期的产品组织开团，以次充好，以降低损失，实际上把损失转移到消费者身上。 0004 大规模订单撮合技术目前主要应用于电子商务领域，以便将邻近地域的同种类商务需求订单撮合成一个大的订单，以提高商务谈判和交易的效率，寻求更低的协议价格，获得更好的性价比，从而给买家带来物美价廉的购物经历，也可以加快高品质卖家的货物及资金的周转。另外，本技术也可以应用于物流领域、国际贸易等领域。发明内容 0005 为了解决现有技术中存在的上述技术。

10、问题，本发明提供了一种社区商务云中大规模订单撮合方法，包括如下步骤：（1）基于基站、 WIFI 等无线信号实现用户的定位；（2）确定用户的非定向需求；（3）通过云搜索算法，确定撮合范围；（4）结合能达到的额度和所设定的额度进行订单撮合；（5）根据商家优选模块选定若干家商家：首先，定向采集各商家在各类电子商务交易平台上的相关交易、评论和新闻信息，经过预处理和量化生成商家即时客观信用矩阵；然后结合用户对商品质量、价格、销量、服务和推荐度等商品附加属性的偏好指数，生成支持该用户目标的商家评价指数矩阵；最后，考虑库存量信息，选定。

11、相应的高评价指数商家根据商家优选模块选定若干家商家；（6）根据用户地域信息计算二次物流成本；（7）采用Monte Carlo模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案；（8）大规模订单撮合完成。说明书 CN 103489108 A 4 2/4 页 5 0006 进一步的，所述的云搜索算法是由 K- 均值聚类算法和改进的 K- 近邻算法糅合而成。 0007 进一步的，先利用 K- 均值聚类算法在用户所在的云节点进行局部搜索，查找有相同需求的订单， K- 均值聚类算法具体如下：输入：簇的数目 k 和包含 n 个对象的数据库；输出。

12、： k 个簇，使平方误差准则最小；算法步骤： 1. 为每个聚类确定一个初始聚类中心，这样就有 K 个初始聚类中心； 2. 将样本集中的样本按照最小距离原则分配到最邻近聚类； 3. 使用每个聚类中的样本均值作为新的聚类中心； 4. 重复步骤 2.3 直到聚类中心不再变化； 5. 结束，得到 K 个聚类。 0008 进一步的，所述的改进的 K- 近邻空间球算法搜索邻近云节点，以在固定时间内达到协议价格所需的相应预定额度为止，步骤如下： 1.以用户所在云节点o为中心，以离o最近的云节点i与云节点o之间距离为半径，在该空间范围内搜索有相近需求的订单； 2. 若能达。

13、到协议价格所需额度，则终止搜索； 3. 否则，取更大半径进行搜索； 4. 重复上述过程。 0009 进一步的，所述步骤（7）具体如下：首先，构造一个以商家、采购数量、二次物流成本等作为随机变量，以总价最低作为目标的概率模型；其次，根据模型的特点和随机变量的分布特性，并对每个随机变量进行抽样；再次，在所建立的模型上进行仿真试验、计算，求出总价的随机解；最后，通过反复模拟，给出最低总价的概率解以及解的精度估计，进而依据概率解确定具体的商务采购及物流规划方案。 0010 本发明的大规模订单撮合方法目前主要应用于电子商务领域，以便将邻近地。

14、域的同种类商务需求订单撮合成一个大的订单，以提高商务谈判和交易的效率，寻求更低的协议价格，获得更好的性价比，从而给买家带来物美价廉的购物经历，也可以加快高品质卖家的货物及资金的周转。另外，本方法也可以应用于物流领域、国际贸易等领域。 0011 大规模订单撮合方法可以使用户主动动态并团，进而可以以更优价格获得高质量商品。与此同时，商家借助该平台发布的趋势信息，可以更有针对性地设计好他们的产品，订单规模的扩大，允许他们向社区商务云承诺更实惠的协议价格。通过用户群和商家的不断良性交互，用户、商家、电子商务平台、社区商务云等将可能实现多赢局面，电子商务环境。

15、也将更为健康、有序。 0012 当前的团购模式往往由商家发起，不是随时有的，而且在待团购商品上用户基本没有选择权。社区商务云中大规模订单撮合技术很好的利用了社区云的规模效应，积极促成一定的规模商务，进而取得更低的协议价格，获得更好的性价比，给买家带来物美价廉的购物经历；同时，大规模订单也可以加快高品质卖家的货物存销及资金的周转速度；另外，大规模订单也创造了物流优化的机会，进而有效地降低了商务谈判和营销成本以及电子商说明书 CN 103489108 A 5 3/4 页 6 务中的物流费用。附图说明 0013 图 1 是本发明的社区商务云中大规模订单撮合方。

16、法的流程示意图。具体实施方式 0014 下面结合附图对本发明作进一步说明。 0015 本发明的社区商务云中大规模订单撮合方法基于运营性能的考虑，撮合的对象仅限于邻近地域且订单列表比较相似的订单，通过邻近地域的同类商务需求的商务融合，实现社区商务云中大规模订单撮合，即在全额保障用户选择权的基础上实现全网范围的商务需求的主动动态团购模式。具体步骤如下： 1、基于基站、 WIFI 等无线信号实现用户的定位； 2、确定用户的非定向需求； 3、通过特定的云搜索算法，确定撮合范围：所用的云搜索算法是由 K- 均值聚类算法和改进的 K- 近邻算法糅合而成，先利用 K- 均。

17、值聚类算法在用户所在的云节点进行局部搜索，查找有相同需求的订单。K- 均值聚类算法具体如下：输入：簇的数目 k 和包含 n 个对象的数据库。 0016 输出： k 个簇，使平方误差准则最小。 0017 算法步骤： 1. 为每个聚类确定一个初始聚类中心，这样就有 K 个初始聚类中心； 2. 将样本集中的样本按照最小距离原则分配到最邻近聚类； 3. 使用每个聚类中的样本均值作为新的聚类中心； 4. 重复步骤 2.3 直到聚类中心不再变化； 5. 结束，得到 K 个聚类。 0018 将样本分配给距离它们最近的中心向量，并使目标函数值减小：更新簇平均值：计算准。

18、则函数 E ：如若相同需求的订单数量达不到协议价格所需的预定额度，再利用改进的 K- 近邻空间球算法搜索邻近云节点，以在固定时间内达到协议价格所需的相应预定额度为止。具体算法步骤如下：说明书 CN 103489108 A 6 4/4 页 7 5.以用户所在云节点o为中心，以离o最近的云节点i与云节点o之间距离为半径，在该空间范围内搜索有相近需求的订单； 6. 若能达到协议价格所需额度，则终止搜索； 7. 否则，取更大半径进行搜索； 8. 重复上述过程； 9. 结合能达到的额度和所设定的额度进行订单撮合； 10. 根据商家优选模块选定若干家商家：首先，。

19、定向采集各商家在各类电子商务交易平台上的相关交易、评论和新闻信息，经过预处理和量化生成商家即时客观信用矩阵；然后结合用户对商品质量、价格、销量、服务和推荐度等商品附加属性的偏好指数，生成支持该用户目标的商家评价指数矩阵；最后，考虑库存量信息，选定相应的高评价指数商家根据商家优选模块选定若干家商家 11. 根据用户地域信息计算二次物流成本二次物流成本就是云节点在收到商品后配发到具体用户所需的物流成本 12. 采用 Monte Carlo 模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案首先，构造一个以商家、采购数量、二次物流成本等作为随机变量，以总价最低作为目标的概率模型；其次，根据模型的特点和随机变量的分布特性，并对每个随机变量进行抽样；再次，在所建立的模型上进行仿真试验、计算，求出总价的随机解；最后，通过反复模拟，给出最低总价的概率解以及解的精度估计，进而依据概率解确定具体的商务采购及物流规划方案。 0019 13. 大规模订单撮合完成。说明书 CN 103489108 A 7 1/1 页 8 图 1 说明书附图 CN 103489108 A 8 。

摘要
申请专利号：	CN201310368847.0	申请日：	2013.08.22
公开号：	CN103489108A	公开日：	2014.01.01
当前法律状态：	驳回	有效性：	无权
法律详情：	发明专利申请公布后的驳回IPC(主分类):G06Q 30/00申请公布日:20140101\|\|\|实质审查的生效IPC(主分类):G06Q 30/00申请日:20130822\|\|\|公开
IPC分类号：	G06Q30/00(2012.01)I	主分类号：	G06Q30/00
申请人：	浙江工商大学
发明人：	徐斌
地址：	310018 浙江省杭州市下沙高教园区学正街18号
优先权：
专利代理机构：	杭州浙科专利事务所(普通合伙) 33213	代理人：	吴秉中
PDF完整版下载：	PDF下载

内容摘要

本发明公开了一种社区商务云中大规模订单撮合方法，包括如下步骤：（1）基于基站、WIFI实现用户的定位；（2）确定用户的非定向需求；（3）通过云搜索算法，确定撮合范围；（4）结合能达到的额度和所设定的额度进行订单撮合；（5）根据商家优选模块选定若干家商家；（7）采用MonteCarlo模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案；（8）大规模订单撮合完成。目前主要应用于电子商务领域，以便将邻近地域的同种类商务需求订单撮合成一个大的订单，以提高商务谈判和交易的效率，寻求更低的协议价格，获得更好的性价比，从而给买家带来物美价廉的购物经历，也可以加快高品质卖家的货物及资金的周转。

权利要求书

权利要求书
1.  一种社区商务云中大规模订单撮合方法，包括如下步骤：
（1）基于基站、WIFI等无线信号实现用户的定位；
（2）确定用户的非定向需求；
（3）通过云搜索算法，确定撮合范围；
（4）结合能达到的额度和所设定的额度进行订单撮合；
（5）根据商家优选模块选定若干家商家：
    首先，定向采集各商家在各类电子商务交易平台上的相关交易、评论和新闻信息，经过预处理和量化生成商家即时客观信用矩阵；然后结合用户对商品质量、价格、销量、服务和推荐度等商品附加属性的偏好指数，生成支持该用户目标的商家评价指数矩阵；最后，考虑库存量信息，选定相应的高评价指数商家根据商家优选模块选定若干家商家；
（6）根据用户地域信息计算二次物流成本；
（7）采用Monte Carlo模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案；
（8）大规模订单撮合完成。

2.  如权利要求1所述的社区商务云中大规模订单撮合方法，其特征在于：所述的云搜索算法是由K-均值聚类算法和改进的K-近邻算法糅合而成。

3.  如权利要求2所述的社区商务云中大规模订单撮合方法，其特征在于：先利用K-均值聚类算法在用户所在的云节点进行局部搜索，查找有相同需求的订单，K-均值聚类算法具体如下：
输入：簇的数目k和包含n个对象的数据库；
输出：k个簇，使平方误差准则最小；
算法步骤：
（1）为每个聚类确定一个初始聚类中心，这样就有K 个初始聚类中心；
（2）将样本集中的样本按照最小距离原则分配到最邻近聚类；
（3）使用每个聚类中的样本均值作为新的聚类中心；
（4）重复步骤2.3直到聚类中心不再变化；
（5）结束，得到K个聚类。

4.  如权利要求2所述的社区商务云中大规模订单撮合方法，其特征在于：所述的改进的K-近邻空间球算法搜索邻近云节点，以在固定时间内达到协议价格所需的相应预定额度为止，步骤如下：
以用户所在云节点o为中心，以离o最近的云节点i与云节点o之间距离为半径，在该空间范围内搜索有相近需求的订单；
若能达到协议价格所需额度，则终止搜索；
否则，取更大半径进行搜索；
重复上述过程。

5.  如权利要求1所述的社区商务云中大规模订单撮合方法，其特征在于：所述步骤（7）具体如下：
首先，构造一个以商家、采购数量、二次物流成本等作为随机变量，以总价最低作为目标的概率模型；其次，根据模型的特点和随机变量的分布特性，并对每个随机变量进行抽样；再次，在所建立的模型上进行仿真试验、计算，求出总价的随机解；最后，通过反复模拟，给出最低总价的概率解以及解的精度估计，进而依据概率解确定具体的商务采购及物流规划方案。

说明书

说明书社区商务云中大规模订单撮合方法
技术领域
本发明涉及一种订单撮合方法，具体是一种社区商务云中大规模订单撮合方法。
背景技术
目前电子商务中，消费者获利的方式主要有两种：
比价网络：买家可以通过网上的各种比价网络，来获得同类商品中不同商家的销售价格，进而比较后从中做出选择。虽然比价网络能够给用户提供相关产品的最低零售价信息，但是不能保证最低售价的商品质量最优，而且由于单个用户需求量有限，从而也就无法从商家那里获得大批量订购的更优惠价格。
团购：买家可以通过在线组团以获得特定商家指定商品在指定时间段内的特定优惠价格。但是团购的营销推荐倾向性明显，基本上都是各大电商网站推荐各自的商家及产品，而且各网站的团购基本上是由商家发起的，更多为了提高人气、清除积压的打折推销方法，在时间、商品种类上有诸多限制，从而在一定程度上剥夺了用户选择权。另外，团购商品的质量也无法保证，有些无良商家将一些即将到期的产品组织开团，以次充好，以降低损失，实际上把损失转移到消费者身上。
大规模订单撮合技术目前主要应用于电子商务领域，以便将邻近地域的同种类商务需求订单撮合成一个大的订单，以提高商务谈判和交易的效率，寻求更低的协议价格，获得更好的性价比，从而给买家带来物美价廉的购物经历，也可以加快高品质卖家的货物及资金的周转。另外，本技术也可以应用于物流领域、国际贸易等领域。
发明内容
为了解决现有技术中存在的上述技术问题，本发明提供了一种社区商务云中大规模订单撮合方法，包括如下步骤：
（1）基于基站、WIFI等无线信号实现用户的定位；
（2）确定用户的非定向需求；
（3）通过云搜索算法，确定撮合范围；
（4）结合能达到的额度和所设定的额度进行订单撮合；
（5）根据商家优选模块选定若干家商家：
    首先，定向采集各商家在各类电子商务交易平台上的相关交易、评论和新闻信息，经过预处理和量化生成商家即时客观信用矩阵；然后结合用户对商品质量、价格、销量、服务和推荐度等商品附加属性的偏好指数，生成支持该用户目标的商家评价指数矩阵；最后，考虑库存量信息，选定相应的高评价指数商家根据商家优选模块选定若干家商家；
（6）根据用户地域信息计算二次物流成本；
（7）采用Monte Carlo模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案；
（8）大规模订单撮合完成。
进一步的，所述的云搜索算法是由K-均值聚类算法和改进的K-近邻算法糅合而成。
进一步的，先利用K-均值聚类算法在用户所在的云节点进行局部搜索，查找有相同需求的订单，K-均值聚类算法具体如下：
输入：簇的数目k和包含n个对象的数据库；
输出：k个簇，使平方误差准则最小；
算法步骤：
1.为每个聚类确定一个初始聚类中心，这样就有K 个初始聚类中心；
2.将样本集中的样本按照最小距离原则分配到最邻近聚类；
3.使用每个聚类中的样本均值作为新的聚类中心；
4.重复步骤2.3直到聚类中心不再变化；
5.结束，得到K个聚类。
进一步的，所述的改进的K-近邻空间球算法搜索邻近云节点，以在固定时间内达到协议价格所需的相应预定额度为止，步骤如下：
1.      以用户所在云节点o为中心，以离o最近的云节点i与云节点o之间距离为半径，在该空间范围内搜索有相近需求的订单；
2.      若能达到协议价格所需额度，则终止搜索；
3.      否则，取更大半径进行搜索；
4.      重复上述过程。
进一步的，所述步骤（7）具体如下：
首先，构造一个以商家、采购数量、二次物流成本等作为随机变量，以总价最低作为目标的概率模型；其次，根据模型的特点和随机变量的分布特性，并对每个随机变量进行抽样；再次，在所建立的模型上进行仿真试验、计算，求出总价的随机解；最后，通过反复模拟，给出最低总价的概率解以及解的精度估计，进而依据概率解确定具体的商务采购及物流规划方案。
本发明的大规模订单撮合方法目前主要应用于电子商务领域，以便将邻近地域的同种类商务需求订单撮合成一个大的订单，以提高商务谈判和交易的效率，寻求更低的协议价格，获得更好的性价比，从而给买家带来物美价廉的购物经历，也可以加快高品质卖家的货物及资金的周转。另外，本方法也可以应用于物流领域、国际贸易等领域。
大规模订单撮合方法可以使用户主动动态并团，进而可以以更优价格获得高质量商品。与此同时，商家借助该平台发布的趋势信息，可以更有针对性地设计好他们的产品，订单规模的扩大，允许他们向社区商务云承诺更实惠的协议价格。通过用户群和商家的不断良性交互，用户、商家、电子商务平台、社区商务云等将可能实现多赢局面，电子商务环境也将更为健康、有序。
当前的团购模式往往由商家发起，不是随时有的，而且在待团购商品上用户基本没有选择权。社区商务云中大规模订单撮合技术很好的利用了社区云的规模效应，积极促成一定的规模商务，进而取得更低的协议价格，获得更好的性价比，给买家带来物美价廉的购物经历；同时，大规模订单也可以加快高品质卖家的货物存销及资金的周转速度；另外，大规模订单也创造了物流优化的机会，进而有效地降低了商务谈判和营销成本以及电子商务中的物流费用。
附图说明
图1是本发明的社区商务云中大规模订单撮合方法的流程示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明的社区商务云中大规模订单撮合方法基于运营性能的考虑，撮合的对象仅限于邻近地域且订单列表比较相似的订单，通过邻近地域的同类商务需求的商务融合，实现社区商务云中大规模订单撮合，即在全额保障用户选择权的基础上实现全网范围的商务需求的主动动态团购模式。具体步骤如下：
1、  基于基站、WIFI等无线信号实现用户的定位；
2、  确定用户的非定向需求；
3、  通过特定的云搜索算法，确定撮合范围：
所用的云搜索算法是由K-均值聚类算法和改进的K-近邻算法糅合而成，先利用K-均值聚类算法在用户所在的云节点进行局部搜索，查找有相同需求的订单。K-均值聚类算法具体如下：
输入：簇的数目k和包含n个对象的数据库。
输出：k个簇，使平方误差准则最小。
算法步骤：
1.为每个聚类确定一个初始聚类中心，这样就有K 个初始聚类中心；
2.将样本集中的样本按照最小距离原则分配到最邻近聚类；
3.使用每个聚类中的样本均值作为新的聚类中心；
4.重复步骤2.3直到聚类中心不再变化；
5.结束，得到K个聚类。
将样本分配给距离它们最近的中心向量，并使目标函数值减小：

更新簇平均值：

计算准则函数E：

如若相同需求的订单数量达不到协议价格所需的预定额度，再利用改进的K-近邻空间球算法搜索邻近云节点，以在固定时间内达到协议价格所需的相应预定额度为止。具体算法步骤如下：
5.      以用户所在云节点o为中心，以离o最近的云节点i与云节点o之间距离为半径，在该空间范围内搜索有相近需求的订单；
6.      若能达到协议价格所需额度，则终止搜索；
7.      否则，取更大半径进行搜索；
8.      重复上述过程；
9.      结合能达到的额度和所设定的额度进行订单撮合；
10.  根据商家优选模块选定若干家商家：
    首先，定向采集各商家在各类电子商务交易平台上的相关交易、评论和新闻信息，经过预处理和量化生成商家即时客观信用矩阵；然后结合用户对商品质量、价格、销量、服务和推荐度等商品附加属性的偏好指数，生成支持该用户目标的商家评价指数矩阵；最后，考虑库存量信息，选定相应的高评价指数商家根据商家优选模块选定若干家商家
11.  根据用户地域信息计算二次物流成本
二次物流成本就是云节点在收到商品后配发到具体用户所需的物流成本
12.  采用Monte Carlo模拟动态规划方法，获得大规模撮合订单的商务采购及物流规划方案
首先，构造一个以商家、采购数量、二次物流成本等作为随机变量，以总价最低作为目标的概率模型；其次，根据模型的特点和随机变量的分布特性，并对每个随机变量进行抽样；再次，在所建立的模型上进行仿真试验、计算，求出总价的随机解；最后，通过反复模拟，给出最低总价的概率解以及解的精度估计，进而依据概率解确定具体的商务采购及物流规划方案。
13.  大规模订单撮合完成。