隨著外賣行業(yè)的迅速發(fā)展,外賣配送效率依然不高,仍存在一些可優(yōu)化的環(huán)節(jié),本文從機器學習算法這一新視角對配送進行優(yōu)化,嘗試用支持向量回歸算法（Support Vetor Regession,SVR）改善配送中騎手取餐等待問題和同一目的地訂單配送低效問題。 

【文章來源】：計算機產(chǎn)品與流通. 2019,(11)

【文章頁數(shù)】：2 頁

【文章目錄】：
二、傳統(tǒng)外賣流程及優(yōu)化點
    （一）傳統(tǒng)外賣流程
    （二）流程分析及優(yōu)化點
    （三）同一目的地訂單歸集方法
三、利用支持向量回歸（SVR）對商家備餐時間的預測
    （一）支持向量回歸（SVR)
    （二）備餐時間預測模型創(chuàng)建與探討
    （三）備餐時間預測實現(xiàn)步驟
    （四）備餐時間預測編程實現(xiàn)方法
四、總結與展望


【參考文獻】：
期刊論文
[1]O2O外賣訂單配送任務分配模式研究[J]. 鄧娜,張建軍.  上海管理科學. 2018(01)
[2]基于SVM+GA的客運車輛到站時間預測[J]. 張昕,姜佳佳,劉進.  計算機與數(shù)字工程. 2017(06)
[3]基于KNN和SVR的航班滑出時間預測[J]. 馮霞,孟金雙.  西南交通大學學報. 2017(05)
[4]基于支持向量機的回歸預測綜述[J]. 李永娜.  信息通信. 2014(11)
[5]支持向量機與RBF神經(jīng)網(wǎng)絡回歸性能比較研究[J]. 劉蘇蘇,孫立民.  計算機工程與設計. 2011(12)
[6]基于流形學習的多示例回歸算法[J]. 詹德川,周志華.  計算機學報. 2006(11)



本文編號：3424944