基于C-MDP的决策优化系统的设计与实现

发布时间：2017-05-03 11:14

  本文关键词：基于C-MDP的决策优化系统的设计与实现，，由笔耕文化传播整理发布。

【摘要】：近年来,随着电信、银行、零售等行业的快速发展,其行业内部的竞争也日益激烈。行业内的各个独立运营商的客户关系管理部门人为地制定各种营销决策来维系老客户,吸引新客户的同时开展交叉销售,这使得各运营商的短期利润得到了一定提高,但是人为制定的营销决策很难将实施过程中各种不确定因素全部考虑在内,无法达到运营商最大化利润的要求。决策优化,通过运用严谨的算法对历史数据进行分析,建立模型,计算得出能够最大化利润的营销决策,如此可以解决上述行业所遇到的问题。C-MDP,即约束马尔可夫决策过程,是一种可以应用决策优化系统的算法。相对于人为制定的营销决策,C-MDP可以在优化决策时针对不同客户群体,全面考虑各方面的约束(包括人力、时间、法律等),得出最优营销决策,使运营商能够获得最大利润。本文提出将决策优化系统(NBAOPT)分为客户分群(Action Cluster)和建模优化(NBAOPT Studio)两个模块,客户分群使用Python对客户数据进行分箱、聚类处理,将客户划分为不同群体,为建模优化提供输入；建模优化使用XML文件定义C-MDP中的实体集、状态集、行为集、策略集、资源集以及约束集,并使用Java实现了C-MDP计算实体状态转移中回报值的算法,通过迭代计算各个实体在状态转移过程中能够获得的最优回报值和每个状态下的最优决策,并输出模型。同时使用Dojo和Apache Wink框架实现了评价分析模型优劣的可视化工具,将模型形象具体的展示给用户。
【关键词】：决策优化 数据分箱 数据聚类 C-MDP
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP311.52
【目录】：

• 摘要5-6
• Abstract6-12
• 第一章 引言12-15
• 1.1 项目背景12
• 1.2 国内外决策优化系统的发展概况12-13
• 1.3 本文主要研究的工作13
• 1.4 本文的组织结构13-15
• 第二章 技术综述15-22
• 2.1 聚类算法15-18
• 2.1.1 层次聚类算法15-16
• 2.1.2 分割聚类算法16-17
• 2.1.3 基于约束的聚类算法17
• 2.1.4 各聚类算法的分析与比较17-18
• 2.2 C-MDP介绍18-20
• 2.2.1 MDP介绍18-19
• 2.2.2 C-MDP介绍19-20
• 2.2.3 C-MDP的应用20
• 2.3 Dojo20-21
• 2.4 Apache Wink21
• 2.5 本章小结21-22
• 第三章 NBAOPT系统的分析与设计22-49
• 3.1 项目总体规划22-23
• 3.2 系统需求分析23-26
• 3.2.1 NBAOPT系统的功能需求23-25
• 3.2.2 NBAOPT系统的非功能需求25-26
• 3.3 系统总体设计与模块设计26-48
• 3.3.1 总体结构26-28
• 3.3.2 Action Cluster模块设计28-35
• 3.3.3 NBAOPT Studio模块设计35-47
• 3.3.4 数据库设计47-48
• 3.4 本章小结48-49
• 第四章 NBAOPT系统的实现49-68
• 4.1 NBAOPT系统实现概述49
• 4.2 Action Cluster的实现49-55
• 4.2.1 用户界面的实现49-50
• 4.2.2 分箱算法的实现50-52
• 4.2.3 聚类算法的实现52-55
• 4.3 NBAOPT Studio的实现55-61
• 4.3.1 用户界面的实现55-56
• 4.3.2 建模优化算法引擎的实现56-60
• 4.3.3 可视化工具的实现60-61
• 4.4 结果展示61-67
• 4.4.1 Action Cluster61-64
• 4.4.2 NBAOPT Studio64-67
• 4.5 本章小结67-68
• 第五章 总结与展望68-69
• 5.1 总结68
• 5.2 进一步工作展望68-69
• 参考文献69-72
• 致谢72-73
• 参与项目73-75

【相似文献】

中国期刊全文数据库 前10条

1 张蓉,彭宏;一种基于超图模式的高维空间数据聚类方法[J];计算机工程;2002年07期

2 张蓉;彭宏;;一种基于超图模式的高维空间数据聚类方法[J];模式识别与人工智能;2002年02期

3 邱长春,薛超英,刘海波;一种基于障碍约束的空间数据聚类方法[J];微型机与应用;2003年11期

4 王宇;杨莉;;基于凝聚函数的混合属性数据聚类算法[J];大连理工大学学报;2006年03期

5 谢秦川;王方;;一种基于数据聚类技术的情报分析系统研制[J];警察技术;2009年04期

6 贾俊芳;李德玉;;一种有效的高维分类数据聚类方法研究[J];微电子学与计算机;2011年06期

7 蒙祖强,蔡自兴;个性化数据聚类的研究[J];计算机工程与应用;2003年33期

8 刘丽娜;;一种基于超图模式的数据聚类方法[J];石家庄铁路职业技术学院学报;2005年04期

9 陈曦;马一峰;;空间数据聚类中的网格粒度求解方法[J];计算机工程;2011年19期

10 刘永立;;一种利用多主体领域系统进行数据聚类的新方法[J];电子器件;2014年01期

中国重要会议论文全文数据库 前6条

1 武森;张桂琼;王莹;吴玲玉;;容差集合差异度高维不完备数据聚类[A];第十二届中国管理科学学术年会论文集[C];2010年

2 吴继兵;李心科;;基于分治融合的混合属性数据聚类算法研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集（下册）[C];2009年

3 高学东;周磊;;Web点击流数据聚类算法[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

4 陶红霞;车建华;刘国华;;基于聚类的个性化推荐算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

5 王琳;罗可;罗永红;;一种基于混合的IGA & PSO的数据聚类算法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

6 武森;高学东;;高维稀疏数据聚类的CABOSFV算法[A];第七届北京青年科技论文评选获奖论文集[C];2003年

中国博士学位论文全文数据库 前3条

1 白天;生物医学数据聚类方法研究[D];吉林大学;2012年

2 彭柳青;高维高噪声数据聚类中关键问题研究[D];西安电子科技大学;2011年

3 孙志伟;空间数据聚类的研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 李凯;基于网络优化最小树的大数据聚类分析研究[D];兰州大学;2015年

2 杨果利;基于模糊聚类的大规模数据聚类算法及其应用研究[D];西安电子科技大学;2014年

3 宋翰瀛;基于C-MDP的决策优化系统的设计与实现[D];南京大学;2014年

4 张小宇;基于图论的符号型数据聚类算法研究[D];山西大学;2009年

5 王永卿;高维海量数据聚类算法研究[D];广西大学;2007年

6 张鸣;符号数据聚类评价指标研究[D];山西大学;2013年

7 张扬;混合属性数据聚类算法及其应用[D];大连理工大学;2013年

8 张东升;数据挖掘中的演化数据聚类算法研究[D];杭州电子科技大学;2014年

9 白亮;符号属性数据聚类算法的研究[D];山西大学;2009年

10 李静芬;流数据聚类算法的研究与改进[D];河北工业大学;2014年

  本文关键词：基于C-MDP的决策优化系统的设计与实现，由笔耕文化传播整理发布。

本文编号：342915