科研之友
微信
新浪微博
Facebook
分享链接
摘要
对于大规模客户群体，如何高效合理地规划出网点位置，在节省物流企业配送成本的前提下提高货物的周转率和及时送达率，目前已成为快递物流系统网络优化的难点。为解决此类问题，针对某地区物流公司的客户信息，采用粒子群优化的K-means聚类算法进行快递网点选址。具体过程：首先采用手肘法评估研究区域需设立的最佳快递网点数；为改善K-means初始簇中心带来的易陷入局部最优解问题，利用粒子群优化算法对数据集进行迭代寻优，重新确定初始簇中心；最后通过K-means聚类算法在全局最优解附近空间完成聚类任务，最终得到的聚类结果代表配送区域的划分方案，聚类的簇中心即为快递网点位置。此外，利用3个评价指标对粒子群优化Kmeans聚类算法和传统K-means聚类算法进行对比分析。结果表明，结合粒子群优化算法后的聚类结果其类内数据相似度更高，类间数据的差异与距离更大，取得的聚类效果更合理。
- 单位
