基于机器学习支持向量回归SVR算法对外卖配送流程优化的研究

发布时间：2021-10-08 20:56

　　随着外卖行业的迅速发展,外卖配送效率依然不高,仍存在一些可优化的环节,本文从机器学习算法这一新视角对配送进行优化,尝试用支持向量回归算法（Support Vetor Regession,SVR）改善配送中骑手取餐等待问题和同一目的地订单配送低效问题。 

【文章来源】：计算机产品与流通. 2019,(11)

【文章页数】：2 页

【文章目录】：
二、传统外卖流程及优化点
    （一）传统外卖流程
    （二）流程分析及优化点
    （三）同一目的地订单归集方法
三、利用支持向量回归（SVR）对商家备餐时间的预测
    （一）支持向量回归（SVR)
    （二）备餐时间预测模型创建与探讨
    （三）备餐时间预测实现步骤
    （四）备餐时间预测编程实现方法
四、总结与展望


【参考文献】：
期刊论文
[1]O2O外卖订单配送任务分配模式研究[J]. 邓娜,张建军.  上海管理科学. 2018(01)
[2]基于SVM+GA的客运车辆到站时间预测[J]. 张昕,姜佳佳,刘进.  计算机与数字工程. 2017(06)
[3]基于KNN和SVR的航班滑出时间预测[J]. 冯霞,孟金双.  西南交通大学学报. 2017(05)
[4]基于支持向量机的回归预测综述[J]. 李永娜.  信息通信. 2014(11)
[5]支持向量机与RBF神经网络回归性能比较研究[J]. 刘苏苏,孙立民.  计算机工程与设计. 2011(12)
[6]基于流形学习的多示例回归算法[J]. 詹德川,周志华.  计算机学报. 2006(11)



本文编号：3424944