基于聚类和二分图匹配的物流派件调度方法

针对物流末端配送服务中派件调度时区域划分不合理、工作分配差异大的问题,提出"先分区,后排班"2阶段派件调度算法.首先利用GIS技术、Web技术和移动开发技术,构建了针对"最后1 km"配送的智能物流信息系统;在此系统内,基于k-medoids聚类算法,引入工作量均衡指标,依据实际路径距离,实现了"点面聚合,区域聚类"配送区域划分方法;应用二分图最大权匹配KM算法,实现了派件调度分配算法.在顺丰速运某网点的配送活动中进行试验,结果表明:2阶段派件调度算法的区域划分更加聚集,快递人员间的工作分配更加均衡,有效地提升物流网点的服务效率.     

基于PAM聚类分析方法的路径优化算法研究与实现

针对交通网络中多站点路径优化问题,提出一种基于PAM聚类分析的路径优化方法,根据路网实际可达距离,将路网节点按照其节点间距离关系聚类划分为以路网节点间距离大小为表征的路网站点分类集合,同时对路线优化问题中目标节点按照分类结果进行区域限定,在限定路网搜索区域同时采用动态规划进行局部搜索优化,降低了搜索算法时间复杂度.最后依据国家基础地理信息系统网站提供的国界、省会城市及主要公路基础地理数据进行算法仿真实现,证明了该算法的有效性.     

基于改进遗传算法的末端共同配送车辆路径优化

为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.     

带时间窗的物流配送区域划分模型及其算法

针对烟草行业存在客户点大规模、客户需求量不固定、配送车辆最大行驶距离限制以及客户点送货时间不固定等特点,综合考虑配送的多产品、多客户、时间限制等影响因素,通过聚类方法划分不同的配送单元,应用整数规划选择中转站不固定配送单元,以物流配送网络构建的总成本最小化为目标函数,建立了基于配送单元的固定成本和变动成本以及带时间窗的时滞成本的数学规划模型,并提出了一种改进粒子群-遗传混合算法进行直接求解.该算法在评价函数中隐含加入了距离和时间等约束条件,并设计了算法间选择性赋予方法,具有较高的全局和局部搜索能力.实例仿真表明,该混合算法的优化性能和效率优于PSO算法、GA算法、GA-PSO算法和MPSO算法,因此能够更有效地解决大规模配送点的物流配送区域划分问题.     

基于直觉模糊C-均值的客户聚类和识别方法

客户聚类和识别是大规模客户化生产中产品/服务快速有效设计的基础.考虑客户需求信息的不确定性,提出了基于直觉模糊C-均值的客户聚类算法.针对传统基于欧式距离的C-均值聚类方法无法计算直觉模糊数组间距离的缺点,采用直觉模糊交叉熵方法处理算法中的距离计算问题.同时,直觉模糊交叉熵还用来计算新客户和各客户类间的偏好相似度,进行客户识别.最后以某工程机械企业服务开发中的客户聚类和识别为例,验证了所提方法的有效性.     

基于约束信息的并行k-means算法

为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布式数据集进行聚类的基础上,修改并行k-means算法的目标函数,设计约束并行k-means算法,将站点用户的约束信息以chunklet的形式引入到分布式聚类过程,从而引导算法执行有偏搜...     

一种处理空间实体约束的空间聚类算法

分析了现有处理空间实体约束的空间聚类算法,提出一种处理空间实体约束的空间聚类算法SPOC.该算法对具有空间实体约束的空间对象进行聚类时,利用空间关系中的方向关系来选取新的中心对象,同时利用回溯的、非几何的方法求解障碍空间中两个空间对象间的障碍距离,实验表明算法SPOC是一种有效的处理空间实体约束的空间聚类算法.     

基于成对约束的主动学习半监督聚类算法

半监督学习是近年来机器学习领域中的一个重要研究方向,其监督信息的质量对半监督聚类的结果影响很大,主动学习高质量的监督信息很有必要.提出一种纠错式主动学习成对约束的方法,算法通过寻找聚类算法本身不能发现的成对约束监督信息,将其引入谱聚类算法,利用该监督信息来调整谱聚类中点与点之间的距离矩阵.采用双向寻找的方法,将点与点间距离进行排序,使得学习器即使在接收到没有标记的数据时也能进行主动学习,实现了在较少的约束下可得到较好的聚类结果.同时,该算法降低了计算复杂度,并解决了聚类过程中成对约束的奇异问题.通过在UCI基准数据集以及人工数据集的实验表明,算法的性能好于相关对比算法,并优于采用随机选取监督信息的谱聚类性能.     

考虑优先级和时间窗约束的应急物资调配模型

突发公共卫生事件的不确定性和突发性特点,使得高效精准的应急物资调配方案显得尤为重要。构建突发公共卫生事件背景下生活物资配送中转站的选址模型,并考虑特殊事件的发生,改进优先级系数和时间窗的计算,以运输距离、违反车辆容量与时间窗约束的惩罚成本最小为多目标,构建物资配送路径规划模型,通过K-means聚类算法解决选址问题,设置遗传算法和大邻域搜索算法的混合遗传算法求解最优配送路径。最后以长春市朝阳区的物资配送为例进行实证分析,结果表明可以将200个小区聚类为60个物资需求站点进行配送,需要26辆车将物资从调配中心转运到需求站点,并得到4类最优的物资配送方案,为解决突发公共卫生事件下应急物资配置提供了新的思路。     

基于空问定位的聚类算法在电信业客户划分中的应用

随着电信市场竞争的不断加剧,电信企业传统的营销模式正在向主动、精确营销模式转变.因此,客户划分显得至关重要.采用数据挖掘中聚类的方法对电信业的客户进行划分,在比较了现有聚类算法计算复杂度普遍较高的的基础上,采用了一种基于空间定位的方法,将客户数据对象映射到特征空间中,并利用空间立方体的某些特殊顶点定位任意数据,通过计算数据点与空间立方体顶点群的距离差异,完成聚类过程.为了适合电信业客户的特殊性质,改进对客户属性数据的处理过程.通过电信客户的数据实验结果表明,算法的时间复杂度降至 O(N) 级别.     

基于最短主干道距离的零售户聚类研究

在研究零售户聚类分析中,传统的k中心聚类方法,计算成本过大,无法有效应用子大数据集.提出了零售户聚类方法,继承CLARANS算法迭代思想,采用全局随机抽样技术,将算法应用于大型空间数据集,通过多次迭代尽量寻求最优聚类结果.聚类结果的评价标准为基于最短主干道距离(SARD)的总距离.该聚类算法是在CLARANS算法的基础上进行改进,使其能够处理带地理信息的数据对象,且聚类结果满足需求约束条件限制.     

一种基于密度的分布式聚类算法

对基于密度的分布式聚类算法DBDC（density based distributed clustering）进行改进,提出了一种基于密度的分布式聚类算法DBDC＊.该算法在局部筛选代表点时结合贝叶斯信息准则BIC,得到少量精准反映局部站点数据分布的BIC核心点,有效降低了分布式聚类过程中的数据通信量,全局聚类时综合考虑了各站点数据的分布情况.实验结果表明,算法DBDC＊的效率优于DBDC,聚类效果好.     

城市物流配送的二阶段启发式算法

针对城市物流配送的特点,将空间聚类算法与蚁群算法相结合运用到路径规划中,提出了一个基于交通网络的VRP二阶段解法.以带权图描述城市交通路网,利用交通网络中各个结点间的距离关系和结点的需求量,以配送车辆的容量为聚类的约束,通过多次迭代将所有结点聚集成相互独立的多个簇.选择簇间相似性最小的聚类,利用蚁群算法,根据簇之间和簇内结点间的距离关系,分两次规划配送路径,最终得到配送中心到所有结点的配送路径.该算法通过聚类降低系统复杂度,缩短了蚁群搜索时间,具有较快的速度.最后用一个仿真实例验证二阶段算法的有效性.     

乳腺 MR 图像的有效分割

乳腺核磁共振影像（ MR）的有效分割一直是医学影像分析领域的研究热点。针对目前人工解读图像信息的不足,提出一种自动化分割乳腺MR图像的方法,该方法结合传统FCM算法和最小距离分类器实现了感兴趣区域中不同位置、灰度值相似的样本点按距离分类。算法首先根据图像的灰度信息利用FCM算法实现聚类,其次自动提取感兴趣区域的聚类信息,并利用最小距离分类器对其按距离分类。实验结果表明,该算法对乳腺核磁共振影像的分割具有较高的准确性,提高了其组织划分的精度,且自动化程度比较高,为后续进行肿瘤区域的自动提取与识别奠定基础。     

O2O模式下外卖骑手的配送路径优化

基于大连市某外卖配送站点的运营实例,针对午餐高峰时段涌入的大量订单,对骑手的配送路径进行优化.以最大化运输效率为目标,综合考虑外卖配送的实际约束,有针对性地构建骑手配送路径优化的混合整数规划模型,开发改进型蚁群算法对实例进行求解.然后,将所得结果与行业实际数据、小规模算例的CPLEX精确解以及传统的蚁群算法进行对比,从多方面验证了算法的合理性与有效性.最后,详细分析了算法参数对优化结果的影响机理,可为外卖配送行业提供决策支持.     

一种基于流形距离核的谱聚类和量子聚类融合算法

谱聚类是一种基于图谱划分理论的聚类算法,本质上是将聚类问题转化为图的最优划分问题;量子聚类可以充分挖掘数据样本的内在信息,是一种基于划分的无监督聚类算法.为了充分发挥谱聚类算法和量子聚类算法的优势,本文提出了一种基于流形距离核的谱聚类和量子聚类融合算法(MFD-NJW-QC).首先,计算数据集的流形距离核矩阵,构造相应的拉普拉斯矩阵;其次,根据拉普拉斯矩阵的若干最大特征值对应的特征向量构造新数据集,并使用量子聚类算法对新构造的数据集进行聚类,从而得到原始数据的类标签;最后,基于7个人工数据集和5个UCI数据集验证MFD-NJW-QC算法的聚类性能.结果显示,MFD-NJW-QC算法能够明显提高聚类性能,尤其对于具有流形结构,且类簇大小不平衡、密度分布不均匀的数据集优势更为突出.     

基于敏感等级划分的(l,t)-相近性匿名算法

针对t-相近性模型实现方法信息损失大和算法执行代价高的问题,提出一种基于敏感等级划分的(l,t)-相近性模型.该模型放宽了t-相近性模型对等价类的约束,要求等价类中敏感等级的分布与数据集中敏感等级的分布间距离不大于阈值t,并使用Hellinger距离度量敏感等级分布间的距离,以避免传统EMD距离须人工设定基准距离、计算量高的问题;同时,提出了一种基于聚类的(l,t)-相近性匿名算法((l,t)-CCA),使用敏感值的自信息来度量敏感度以实现敏感属性的等级划分,并以聚类的思想形成等价类来实现(l,t)-相近性模型.实验结果表明:该算法不仅能够抵御相似性攻击,而且信息损失低,时间开销少,能够更加有效地实现数据发布中数据的可用性与隐私安全间的平衡.     

基于库存利润的快递企业人员调配优化建模与求解方法

为了得到快递企业人员调配的优化方案,使企业有效利用资源提高利润,本文对服务于不同区域客户的快递企业末端配送网点进行分析,结合实际对其一天中各时段来件量应用时间序列季节系数法进行预测.在其配送过程中的人员,配送量,车辆等因素的约束下,通过对该网点的人员调配来达到极大化库存环节利润的目标建立数学模型,并应用改进的粒子群算法求解.通过仿真实验说明得到的人员调配方案的有效性.     

基于聚类关联规则的公交扒窃犯罪时空分析

提出了一种基于聚类的时空关联规则的公交犯罪挖掘算法.针对某市一个区的110报警数据库中的大量业务信息进行分析.首先,通过文本挖掘技术从案情信息中提取时间、地点等信息,并利用高德地图API的地理编码服务和POI搜索功能对提取的地址信息进行地址匹配,提取受害人上下车站点、乘坐公交线路等信息.其次,对提取得到的时空数据进行归并处理.最后,根据案发时段、季节以及是否节假日进行聚类分析,然后在簇内进行时空关联规则分析.这种挖掘方法具有以下特点:①在聚类基础上进行关联规则分析,减少扫描数据库次数,大大缩小数据扫描范围,提高算法效率,更加适合海量犯罪数据的挖掘.②聚类后簇内数据具有相似性,特征更加明显,在此基础上进行关联规则分析产生较小的频繁项集,并且提取出置信度较高的规则.③考虑犯罪行为的时空特性,挖掘过程中同时考虑了案发季节、是否节假日等因素.     

客户资源共享及需求可拆分的车辆路径问题

随着物流量的剧增,物流企业之间的竞争力体现在配送速度及配送成本上.由于企业难以突破传统的竞争思维,物流领域的相关企业均是各自为政,难免会出现恶性竞争.加之我国目前物流设施设备、信息技术相对国外较落后,物流企业可以将区域内的客户资源共享、整合来提高收益.虽然目前已有配送中心之间进行了客户资源的共享,但因为没有正确整合而事倍功半.笔者在多个配送中心共享客户资源的情况下,考虑客户的需求可拆分,以车辆行驶距离最短为目标函数,建立二阶段模型,将聚类算法与模拟退火算法结合使用,求解二阶段模型.用聚类算法求出每个配送中心最优的配送范围,模拟退火算法求解出每个配送中心车辆的最优配送路线.最后结合数值案例,借助MATLAB验证算法的有效性.