基于机器学习与启发式算法的物流调度研究
发布时间：2020-05-19 10:27
【摘要】：近年来,随着人们生活水平的提高,线上购物已经成为人们生活中不可缺少的一部分。电子商务的飞速发展为快递行业带来了前所未有的机遇,但是双十一陡增的巨额订单量容易导致快递爆仓,也极大地超过了物流系统的运载能力,而且短期内巨大的工作量给公司和配送员也带来极大的压力,缓慢的配送也为用户带来较差的服务体验。本文利用机器学习对电商平台用户的操作数据进行分析建模,拟定对预测购买的用户进行提前发货的策略,合理降低运输及配送高峰。本文的工作从以下几个方面展开:(1)对原始数据进行分析,构建样本特征,针对部分样本特征信息量少容易导致模型过拟合问题,设计基于Pearson相关系数与PCA的特征选择法,利用该算法进行特征选择,保留数据中的核心信息,并针对本文中数据的样本不均衡性提出了集成学习方式的解决方案。(2)对已经构建样本数据采用机器学习中的支持向量机、GBDT、逻辑回归等基本学习方法进行拟合,设计了基于Bagging的混合模型,提高购买预测的准确率和模型的泛化能力,并对用户的购买情况进行预测。(3)利用电商平台的储存的用户地理数据,建立物流配送模型,实现对购买用户的提前发货策略。针对经典物流配送模型考虑目标和约束条件不够全面,在实际应用中存在一定的缺陷的问题,笔者在经典模型的基础上构建了考虑时间窗和油耗的取送一体化的物流配送路径优化模型,并设计了一种基于k-medoids动态聚类混合拓扑结构的粒子群算法,解决了经典粒子群算法在求解此类模型时易陷入局部最优解的问题。仿真结果表明,改进型粒子群算法能很好地跳出局部最优解,并快速收敛于全局最优解,可有效求解物流配送路径优化问题。
【图文】：
电商销售额呈现指数级的增长。据官方统计，仅仅在２０１８年“双十一”这逡逑一天，天猫平台的销售总额突破了邋２１３５亿元，物流单量突破了邋１０亿件。根据天逡逑猫数据统计，该电商平台２００９年至２０１８年的双Ｈ交易额的走势图如图１－１所逡逑示，由此可见，随着未来的发展和双Ｈ交易额的X棿螅锤嗫斓莸亩┑ュ义狭俊ｅ义鲜昀刺烀ㄋ唤灰锥钭呤仆煎义希慑澹玻担埃板邋五五巍五五五五五五危玻儒义希掊澹玻埃埃板危保叮福у义希唬保担埃板危保玻埃罚掊义稀鰞镥危梗保插义希″巍赍澹担埃板危保梗卞义希埃担插危梗常跺义希保玻常矗担叮罚福瑰危保板义夏攴蒎义贤迹保笔昀刺烀ㄆ教ㄋ怀山欢钔煎义细葜泄斓菪岬墓俜酵臣剖荩玻埃埃鼓晡夜目斓莅校玻耙诩笥遥义隙玻埃保澳甑陌吭黾拥搅隋澹常耙诩笥尧拧Ｏ衷诠诘缱由涛穹⒄故盅该停义先嗣枪何镄形糠执酉呦伦较呱希庋蟪潭壬洗丝斓菪幸档姆⒄梗义系搅隋澹玻埃保赌旯诘目斓萘看锏剑常保骋诩笥遥耆司斓菔褂昧看锏搅隋澹玻臣义峡斓菪幸档娜站癯隋澹玻狄诖危斓莸囊滴窳空嫉搅巳蚩斓菀滴竦模矗埃ュ义献笥遥斓菪幸档哪晔杖胪黄屏隋澹矗埃埃耙谠５缟痰呐畈⒄顾淙晃斓菪幸荡义侠戳司薮蟮囊滴窳
本文编号：2670754
【图文】：
电商销售额呈现指数级的增长。据官方统计，仅仅在２０１８年“双十一”这逡逑一天，天猫平台的销售总额突破了邋２１３５亿元，物流单量突破了邋１０亿件。根据天逡逑猫数据统计，该电商平台２００９年至２０１８年的双Ｈ交易额的走势图如图１－１所逡逑示，由此可见，随着未来的发展和双Ｈ交易额的X棿螅锤嗫斓莸亩┑ュ义狭俊ｅ义鲜昀刺烀ㄋ唤灰锥钭呤仆煎义希慑澹玻担埃板邋五五巍五五五五五五危玻儒义希掊澹玻埃埃板危保叮福у义希唬保担埃板危保玻埃罚掊义稀鰞镥危梗保插义希″巍赍澹担埃板危保梗卞义希埃担插危梗常跺义希保玻常矗担叮罚福瑰危保板义夏攴蒎义贤迹保笔昀刺烀ㄆ教ㄋ怀山欢钔煎义细葜泄斓菪岬墓俜酵臣剖荩玻埃埃鼓晡夜目斓莅校玻耙诩笥遥义隙玻埃保澳甑陌吭黾拥搅隋澹常耙诩笥尧拧Ｏ衷诠诘缱由涛穹⒄故盅该停义先嗣枪何镄形糠执酉呦伦较呱希庋蟪潭壬洗丝斓菪幸档姆⒄梗义系搅隋澹玻埃保赌旯诘目斓萘看锏剑常保骋诩笥遥耆司斓菔褂昧看锏搅隋澹玻臣义峡斓菪幸档娜站癯隋澹玻狄诖危斓莸囊滴窳空嫉搅巳蚩斓菀滴竦模矗埃ュ义献笥遥斓菪幸档哪晔杖胪黄屏隋澹矗埃埃耙谠５缟痰呐畈⒄顾淙晃斓菪幸荡义侠戳司薮蟮囊滴窳
本文编号：2670754
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/2670754.html
