基于聚類分析的物流中心選址問(wèn)題算法研究.pdf

1、本文討論的主要內(nèi)容是物流中心選址問(wèn)題。通過(guò)將無(wú)容量限制的物流中心選址模型中傳統(tǒng)的點(diǎn)對(duì)點(diǎn)運(yùn)輸路線轉(zhuǎn)化為更貼近實(shí)際的連續(xù)圈式運(yùn)輸路線，使得模型更具實(shí)際意義。計(jì)算方法則通過(guò)將離散粒子群思想融入 K-Harmonic means聚類分析算法中，并將其用于模型的求解，通過(guò)數(shù)值實(shí)驗(yàn)證明了算法的優(yōu)越性。
　　論文第一部分介紹了物流中心選址問(wèn)題研究的意義以及物流在現(xiàn)代社會(huì)生活中的重要作用；通過(guò)對(duì)前人所做工作的總結(jié)以及當(dāng)前存在的主要問(wèn)題，提出了利用

2、聚類分析的思想進(jìn)行物流中心選址模型的計(jì)算，并將離散粒子群思想融入到聚類分析中。第二部分回顧了物流中心選址問(wèn)題的起源、發(fā)展歷程以及目前的研究狀況，先后介紹了物流中心的概念、功能以及各種目前比較流行的選址模型，對(duì)各選址模型的特點(diǎn)、算法進(jìn)行了初步的總結(jié)；重點(diǎn)介紹了本文所使用的無(wú)容量限制的單階段模型，并對(duì)解物流中心選址模型的一般方法做了較系統(tǒng)的總結(jié)。第三部分對(duì)聚類分析進(jìn)行了概述，從數(shù)據(jù)挖掘的產(chǎn)生、發(fā)展到目前的發(fā)展?fàn)顩r做了較詳細(xì)的介紹；重點(diǎn)介紹了

3、數(shù)據(jù)挖掘中的重要分支聚類分析，對(duì)聚類分析的定義、類內(nèi)測(cè)度距離、類間測(cè)度距離都做了詳盡的說(shuō)明；詳細(xì)分析了兩種聚類方法：分層次聚類法和K-Harmonic means聚類法，并對(duì)他們的優(yōu)缺點(diǎn)以及適用范圍進(jìn)行了討論。
　　本文主要內(nèi)容是第四部分和第五部分。通過(guò)對(duì)上述物流中心選址問(wèn)題、聚類分析的介紹，試圖將其相結(jié)合，即通過(guò)聚類分析的思想來(lái)研究物流中心選址問(wèn)題。將所要研究的需求點(diǎn)集進(jìn)行聚類分析，得到幾個(gè)子集，每個(gè)子集由一個(gè)物流中心供應(yīng)產(chǎn)品，

4、然后利用解中國(guó)郵遞員問(wèn)題的方法對(duì)各子集進(jìn)行串聯(lián)，即得到每個(gè)子集的運(yùn)輸費(fèi)用，從而將傳統(tǒng)的點(diǎn)對(duì)點(diǎn)運(yùn)輸路線修正為更貼近實(shí)際的連續(xù)圈式運(yùn)輸路線，并通過(guò)數(shù)值試驗(yàn)證明了本文思想的優(yōu)越性。
　　第五部分介紹了粒子群算法的產(chǎn)生與原理以及連續(xù)型粒子群算法和離散型粒子群算法的區(qū)別與聯(lián)系并將離散粒子群的思想引入聚類分析，結(jié)合 K-Harmonic means聚類法較強(qiáng)的局部搜索特點(diǎn)和粒子群思想的全局搜索特點(diǎn)，得到了一個(gè)能夠更快地接近最優(yōu)解的K-Harm