基于带约束K-means聚类的城市快递配送区域划分

快递配送区域划分是城市内快递网络优化的基础,客户的空间距离和基层站点的配送能力是配送区域划分的主要考虑因素.针对客户分布已知的快递配送区域划分,提出了考虑河流、公路等地理障碍和站点工作量的约束聚类算法.利用提出的"障碍距离",克服传统欧氏距离不能表征实际地理信息的缺陷,并设计BSP树快速实现点的可视化判断.在此基础上,利用约束聚类的思想对传统K-means算法进行改进,使其在考虑地理信息的同时,能够满足站点业务量约束.利用生成数据和实际数据分别对算法进行了数值实验.     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

基于改进量子进化算法的末端配送任务动态分配模型

大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本,资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。     

基于聚类-重心法和CFLP法的两级物流配送中心选址

为了确保物流配送中心选址的合理性,节约配送里程,降低配送的费用成本,将聚类-重心法和CFLP（Capacitated Facility Location Problem）模型结合起来来对城市的物流配送中心选址进行研究。首先,用最短距离聚类法进行配送区域划分;其次,通过CFLP模型结合聚类结果,以物流配送成本费用最小化原则选出二级物流配送中心;再次,分别对二级物流配送中心和城市中所有的区域物流配送中心使用重心法求出2个一级物流配送中心的坐标;最后,分别计算出2个一级配送中心的配送总距离和配送总费用,并进行对比分析。结果表明：选择通过对二级物流配送中心使用重心法求出的一级物流配送中心作为最终一级物流配送中心最为合理。该方法能应用到两级物流的配送中心选址过程中。     

区域配送中心物流调度模型

针对物流系统调度中存在的区域配送"少批量,多批次"供货要求的问题,作者用时间片规范订单,通过拆分、组合订单及优化调度计划,降低成本.以某企业工程实践为背景,提出了一类区域配送的物流调度模型.该物流调度模型运用组合优化的思想,基于中央配送中心、区域配送中心、门店形成的三级运输配送体系结构,提出了在一定的约束条件(时间约束条件和空间约束条件)下,以最小成本实现物流调度计划的方法.求解算例表明,该模型对解决多货品、多门店的供货问题是有效的.     

共同配送选址-路径优化模型与算法

以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的K-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。     

基于谱聚类的BaaS资源负载均衡调度算法

Fabric作为超级账本的核心项目,以其多通道的设计为用户提供更为隐私的交易空间,为了解决基于分布式架构下的多通道资源负载均衡问题,提出了基于NJ W谱聚类的区块链即服务(BaaS)负载均衡调度算法SC-channel.该算法将平台子节点的数量作为划分类簇数量的依据,首先,基于通道采用peer之间的Jaccard系数构造相似矩阵;其次,计算拉普拉斯矩阵,求取前k个特征值和特征向量并将特征向量单位化;最后,用基于数量加权的k-means算法完成聚类.在Kubernetes平台上对这种方法进行验证,并与采用经典k-meansi的NJW算法默认调度算法下的资源负载均衡度做了比较分析.结果表明,采用基于谱聚类的BaaS资源负载均衡调度算法可提高资源利用的均衡程度,增强了平台的可用性与可靠性.     

约束聚类下的B2C电商物流网络区域聚合

以城市群理论与引力模型为依托,将城市运输距离与订单量相结合,通过对欧式距离重新定义,以当量距离为约束条件,借助K-中心点聚类算法完成全国物流网络的区域划分,并对划分的结果根据类内差指数进行评估,找出聚类较为合理的方案.以2013年的网购订单量数据对全国86个地级市进行了区域划分,对聚合模型加以验证.     

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.     

基于粒子群优化聚类算法的点模型简化

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化.同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.     

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.     

基于改进的动态聚类算法的配送车辆调度研究

研究了物流配送车辆调度优化问题,建立了以所需车辆数最少为第一目标,以车辆总行程最短为第2目标的双目标优化模型.把问题分成2阶段进行求解,第1阶段用改进的动态聚类算法分派车辆的配送任务,第2阶段用动态规划方法求出车辆的行车路线;实例证明,算法有效降低问题的复杂性,使问题在合理的时间内得到满意解,模型和算法均具有较大的推广意义.     

基于改进C-K节约算法的第三方冷链物流企业车辆调度

针对冷链车辆调度中存在的配送任务重、配送成本较大、冷链物品的质量要求高、制冷追踪技术要求先进等问题,结合第三方物流企业的多商品多零售商特点,提出了新的基于改进C-K节约算法的单货栈第三方冷链物流企业的车辆调度模型.该模型以配送总成本最小为目标函数,以配送点时间窗要求、货物运输总时间限制、冷藏车体积容量和载重量限制为约束条件.以北京某第三方冷链物流企业的货物配送实例作为研究对象,利用C++编写算法程序实现了对模型的求解,求解结果验证了该模型的合理性.     

地下物流多级节点选址的双层规划模型

地下物流系统逐渐成为缓解城市交通问题的新思路,其中地下物流节点选址是其中的关键问题。利用分级配送的原则,首先基于聚类算法依据货物需求情况对城市进行区域划分。然后,在保证地上交通畅通的情况下,构建了基于双层规划的多级地下物流节点选址优化模型,并利用模拟退火-贪心算法求解一级、二级物流节点位置及各节点间可运输的最大货运量。最后,通过分析算例,验证了该地下物流多级节点选址模型的正确性和实用性。     

高维数据流的聚类离群点检测算法研究

针对基于聚类的离群点检测算法在处理高维数据流时效率和精确度低的问题,提出一种高维数据流的聚类离群点检测（CODHD-Stream）算法。该算法首先采用滑动窗口技术对数据流划分,然后通过属性约简算法对高维数据集降维;其次运用基于距离的信息熵过滤机制的 K-means 聚类算法将数据集划分成微聚类,并检测微聚类的离群点。通过实验结果分析表明:该算法可以有效提高高维数据流中离群点检测的效率和准确度。     

基于弹性分布数据集的海量空间数据密度聚类

为了快速挖掘大规模空间数据的聚集特性,在cluster_dp密度聚类算法基础上,提出了一种基于弹性分布数据集的并行密度聚类方法 PClusterdp.首先,设计一种能平衡工作负载弹性分布数据集分区方法,根据数据在空间的分布情况,自动划分网格并分配数据,使得网格内数据量相对均衡,达到平衡运算节点负载的目的;接着,提出一种适用于并行计算的局部密度定义,并改进聚类中心的计算方式,解决了原始算法需要通过绘制决策图判断聚类中心对象的缺陷;最后,通过网格内及网格间聚簇合并等优化策略,实现了大规模空间数据的快速聚类处理.实验结果表明,借助Spark数据处理平台编程实现算法,本方法可以有效实现大规模空间数据的快速聚类,与传统的密度聚类方法相比具有较高的精确度与更好的系统处理性能.     

优先队列在物流配送管理中的应用研究

针对物流企业在配送管理业务流程中的要求与特点，提出了采用优先级队列来实现分拣配货的动态调度观点，并对涉及动态调度过程中的相关数据结构与算法进行了设计，采用此技术可以提高企业的经济与社会效益．     

模糊K-m eans算法在临床路径决策中的应用

针对临床路径决策分析聚类算法中聚类效果依赖于样本数据分布且处理数据效率低的问题,提出基于均衡分配方法的模糊K-means算法的临床路径决策方法.该算法利用文字数字化处理与加权计算来建立数据格式统一且关键属性突出的样本特征值矩阵;利用基于均衡分配方法的模糊K-means算法对上述样本进行聚类分析,得到最终的聚类中心与聚类结果,以此辅助医生进行临床路径决策.采用ECLIPSE编程进行仿真,与传统模糊K-means算法和基于减法聚类的FCM算法相比,采用该算法的迭代时间分别降低了26%与70%,迭代次数分别减少了33%和82%,平均目标函数最小值分别减小了32%和28%.实验表明,该算法能够有效降低聚类效果对于样本数据分布的依赖,同时数据聚类效率与质量也有显著的提高.     

基于网络感知的两阶段虚拟机分配算法

提出了一种基于网络感知的两阶段虚拟机分配算法(NWTP).首先,针对现代数据中心网络拓扑的随机性(树形、服务器和光纤混合),根据交互对象的不同,将虚拟机的带宽请求分为网内带宽和网间带宽两种.其次,将虚拟机的分配过程分解成带宽区域划分和物理主机分配两个彼此连续的阶段,建立网络感知模型.然后,利用流水线技术将带宽区域划分和物理主机分配看作两个连续的工序,并发进行分配处理.在带宽区域划分环节,利用节点介数和聚集系数动态感知物理主机的稳定性,通过差异化的分配策略为虚拟机子集选择合适的物理主机区域.在物理主机分配环节,将更多的虚拟机分配到负载方差最大的物理主机上,提高虚拟机网内带宽的节约度,均衡物理主机的资源负载.最后,对NWTP,遗传GA,模拟退火SA,贪婪GR四种算法进行大量的仿真实验,从分配时间、延迟、吞吐率、CPU利用率、带宽利用率和物理主机使用情况六个方面验证了NWTP算法的性能.     

智能充换电服务网络调度技术研究

针对电动汽车智能充电服务网络的一体化调度管理技术进行了研究,以物流费用和充电费用最小为目的,在考虑多种约束条件的情况下计算集中型充电站的最优调度配送策略.主要分析了电池充电调度、电池调度以及车辆调度三者之间的一体化调度问题,以实现平衡电池分布,合理地调配电池,维持和确保各站能够保持与其服务需求相适应的电池储量.