【摘要】：近年來,隨著人們生活水平的提高,線上購物已經(jīng)成為人們生活中不可缺少的一部分。電子商務(wù)的飛速發(fā)展為快遞行業(yè)帶來了前所未有的機遇,但是雙十一陡增的巨額訂單量容易導(dǎo)致快遞爆倉,也極大地超過了物流系統(tǒng)的運載能力,而且短期內(nèi)巨大的工作量給公司和配送員也帶來極大的壓力,緩慢的配送也為用戶帶來較差的服務(wù)體驗。本文利用機器學(xué)習(xí)對電商平臺用戶的操作數(shù)據(jù)進行分析建模,擬定對預(yù)測購買的用戶進行提前發(fā)貨的策略,合理降低運輸及配送高峰。本文的工作從以下幾個方面展開:(1)對原始數(shù)據(jù)進行分析,構(gòu)建樣本特征,針對部分樣本特征信息量少容易導(dǎo)致模型過擬合問題,設(shè)計基于Pearson相關(guān)系數(shù)與PCA的特征選擇法,利用該算法進行特征選擇,保留數(shù)據(jù)中的核心信息,并針對本文中數(shù)據(jù)的樣本不均衡性提出了集成學(xué)習(xí)方式的解決方案。(2)對已經(jīng)構(gòu)建樣本數(shù)據(jù)采用機器學(xué)習(xí)中的支持向量機、GBDT、邏輯回歸等基本學(xué)習(xí)方法進行擬合,設(shè)計了基于Bagging的混合模型,提高購買預(yù)測的準(zhǔn)確率和模型的泛化能力,并對用戶的購買情況進行預(yù)測。(3)利用電商平臺的儲存的用戶地理數(shù)據(jù),建立物流配送模型,實現(xiàn)對購買用戶的提前發(fā)貨策略。針對經(jīng)典物流配送模型考慮目標(biāo)和約束條件不夠全面,在實際應(yīng)用中存在一定的缺陷的問題,筆者在經(jīng)典模型的基礎(chǔ)上構(gòu)建了考慮時間窗和油耗的取送一體化的物流配送路徑優(yōu)化模型,并設(shè)計了一種基于k-medoids動態(tài)聚類混合拓?fù)浣Y(jié)構(gòu)的粒子群算法,解決了經(jīng)典粒子群算法在求解此類模型時易陷入局部最優(yōu)解的問題。仿真結(jié)果表明,改進型粒子群算法能很好地跳出局部最優(yōu)解,并快速收斂于全局最優(yōu)解,可有效求解物流配送路徑優(yōu)化問題。
【圖文】：

電商銷售額呈現(xiàn)指數(shù)級的增長。據(jù)官方統(tǒng)計，僅僅在２０１８年“雙十一”這逡逑一天，天貓平臺的銷售總額突破了邋２１３５億元，物流單量突破了邋１０億件。根據(jù)天逡逑貓數(shù)據(jù)統(tǒng)計，該電商平臺２００９年至２０１８年的雙Ｈ交易額的走勢圖如圖１－１所逡逑示，由此可見，隨著未來的發(fā)展和雙Ｈ交易額的X棿�，将带厘N囁斕蕕畝┑ュ義狹俊ｅ義鮮昀刺烀ㄋ喚灰錐鈄呤仆煎義希懾澹玻擔(dān)埃板邋五五巍五五五五五五危玻儒義希掊澹玻埃埃板危保叮福у義�；１�(dān)埃板危保玻埃罰掊義稀鰞镥危梗保插義�！逦￡邋�(dān)埃板危保梗卞義希埃擔(dān)插危梗常跺義希保玻常矗擔(dān)叮罰福瑰危保板義夏攴蒎義賢跡保筆昀刺烀ㄆ教ㄋ懷山歡鍆煎義細葜泄斕菪岬墓俜酵臣剖藎玻埃埃鼓晡夜目斕蒞校玻耙詡笥遙義隙玻埃保澳甑陌吭黽擁攪隋澹常耙詡笥堯擰Ｏ衷詮詰繾由濤穹⒄故盅該�，辶x先嗣槍何鐨形糠執(zhí)酉呦倫較呱�，这样极大程度上带动两z斕菪幸檔姆⒄�，而辶x系攪隋澹玻埃保賭旯詰目斕萘看锏劍常保騁詡笥遙耆司斕菔褂昧看锏攪隋澹玻臣�，辶x峽斕菪幸檔娜站癯隋澹玻狄詿�，繑淌~囊滴窳空嫉攪巳蚩斕菀滴竦模矗埃ュ義獻笥遙�，繑梯行覚n哪曄杖臚黃屏隋澹矗埃埃耙讜５縞痰吶畈⒄顧淙晃斕菪幸蕩義俠戳司藪蟮囊滴窳

本文編號：2670754