本文關(guān)鍵詞：基于C-MDP的決策優(yōu)化系統(tǒng)的設(shè)計與實現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,隨著電信、銀行、零售等行業(yè)的快速發(fā)展,其行業(yè)內(nèi)部的競爭也日益激烈。行業(yè)內(nèi)的各個獨立運(yùn)營商的客戶關(guān)系管理部門人為地制定各種營銷決策來維系老客戶,吸引新客戶的同時開展交叉銷售,這使得各運(yùn)營商的短期利潤得到了一定提高,但是人為制定的營銷決策很難將實施過程中各種不確定因素全部考慮在內(nèi),無法達(dá)到運(yùn)營商最大化利潤的要求。決策優(yōu)化,通過運(yùn)用嚴(yán)謹(jǐn)?shù)乃惴▽v史數(shù)據(jù)進(jìn)行分析,建立模型,計算得出能夠最大化利潤的營銷決策,如此可以解決上述行業(yè)所遇到的問題。C-MDP,即約束馬爾可夫決策過程,是一種可以應(yīng)用決策優(yōu)化系統(tǒng)的算法。相對于人為制定的營銷決策,C-MDP可以在優(yōu)化決策時針對不同客戶群體,全面考慮各方面的約束(包括人力、時間、法律等),得出最優(yōu)營銷決策,使運(yùn)營商能夠獲得最大利潤。本文提出將決策優(yōu)化系統(tǒng)(NBAOPT)分為客戶分群(Action Cluster)和建模優(yōu)化(NBAOPT Studio)兩個模塊,客戶分群使用Python對客戶數(shù)據(jù)進(jìn)行分箱、聚類處理,將客戶劃分為不同群體,為建模優(yōu)化提供輸入；建模優(yōu)化使用XML文件定義C-MDP中的實體集、狀態(tài)集、行為集、策略集、資源集以及約束集,并使用Java實現(xiàn)了C-MDP計算實體狀態(tài)轉(zhuǎn)移中回報值的算法,通過迭代計算各個實體在狀態(tài)轉(zhuǎn)移過程中能夠獲得的最優(yōu)回報值和每個狀態(tài)下的最優(yōu)決策,并輸出模型。同時使用Dojo和Apache Wink框架實現(xiàn)了評價分析模型優(yōu)劣的可視化工具,將模型形象具體的展示給用戶。
【關(guān)鍵詞】：決策優(yōu)化 數(shù)據(jù)分箱 數(shù)據(jù)聚類 C-MDP
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP311.52
【目錄】：

• 摘要5-6
• Abstract6-12
• 第一章 引言12-15
• 1.1 項目背景12
• 1.2 國內(nèi)外決策優(yōu)化系統(tǒng)的發(fā)展概況12-13
• 1.3 本文主要研究的工作13
• 1.4 本文的組織結(jié)構(gòu)13-15
• 第二章 技術(shù)綜述15-22
• 2.1 聚類算法15-18
• 2.1.1 層次聚類算法15-16
• 2.1.2 分割聚類算法16-17
• 2.1.3 基于約束的聚類算法17
• 2.1.4 各聚類算法的分析與比較17-18
• 2.2 C-MDP介紹18-20
• 2.2.1 MDP介紹18-19
• 2.2.2 C-MDP介紹19-20
• 2.2.3 C-MDP的應(yīng)用20
• 2.3 Dojo20-21
• 2.4 Apache Wink21
• 2.5 本章小結(jié)21-22
• 第三章 NBAOPT系統(tǒng)的分析與設(shè)計22-49
• 3.1 項目總體規(guī)劃22-23
• 3.2 系統(tǒng)需求分析23-26
• 3.2.1 NBAOPT系統(tǒng)的功能需求23-25
• 3.2.2 NBAOPT系統(tǒng)的非功能需求25-26
• 3.3 系統(tǒng)總體設(shè)計與模塊設(shè)計26-48
• 3.3.1 總體結(jié)構(gòu)26-28
• 3.3.2 Action Cluster模塊設(shè)計28-35
• 3.3.3 NBAOPT Studio模塊設(shè)計35-47
• 3.3.4 數(shù)據(jù)庫設(shè)計47-48
• 3.4 本章小結(jié)48-49
• 第四章 NBAOPT系統(tǒng)的實現(xiàn)49-68
• 4.1 NBAOPT系統(tǒng)實現(xiàn)概述49
• 4.2 Action Cluster的實現(xiàn)49-55
• 4.2.1 用戶界面的實現(xiàn)49-50
• 4.2.2 分箱算法的實現(xiàn)50-52
• 4.2.3 聚類算法的實現(xiàn)52-55
• 4.3 NBAOPT Studio的實現(xiàn)55-61
• 4.3.1 用戶界面的實現(xiàn)55-56
• 4.3.2 建模優(yōu)化算法引擎的實現(xiàn)56-60
• 4.3.3 可視化工具的實現(xiàn)60-61
• 4.4 結(jié)果展示61-67
• 4.4.1 Action Cluster61-64
• 4.4.2 NBAOPT Studio64-67
• 4.5 本章小結(jié)67-68
• 第五章 總結(jié)與展望68-69
• 5.1 總結(jié)68
• 5.2 進(jìn)一步工作展望68-69
• 參考文獻(xiàn)69-72
• 致謝72-73
• 參與項目73-75

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張蓉,彭宏;一種基于超圖模式的高維空間數(shù)據(jù)聚類方法[J];計算機(jī)工程;2002年07期

2 張蓉;彭宏;;一種基于超圖模式的高維空間數(shù)據(jù)聚類方法[J];模式識別與人工智能;2002年02期

3 邱長春,薛超英,劉海波;一種基于障礙約束的空間數(shù)據(jù)聚類方法[J];微型機(jī)與應(yīng)用;2003年11期

4 王宇;楊莉;;基于凝聚函數(shù)的混合屬性數(shù)據(jù)聚類算法[J];大連理工大學(xué)學(xué)報;2006年03期

5 謝秦川;王方;;一種基于數(shù)據(jù)聚類技術(shù)的情報分析系統(tǒng)研制[J];警察技術(shù);2009年04期

6 賈俊芳;李德玉;;一種有效的高維分類數(shù)據(jù)聚類方法研究[J];微電子學(xué)與計算機(jī);2011年06期

7 蒙祖強(qiáng),蔡自興;個性化數(shù)據(jù)聚類的研究[J];計算機(jī)工程與應(yīng)用;2003年33期

8 劉麗娜;;一種基于超圖模式的數(shù)據(jù)聚類方法[J];石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報;2005年04期

9 陳曦;馬一峰;;空間數(shù)據(jù)聚類中的網(wǎng)格粒度求解方法[J];計算機(jī)工程;2011年19期

10 劉永立;;一種利用多主體領(lǐng)域系統(tǒng)進(jìn)行數(shù)據(jù)聚類的新方法[J];電子器件;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 武森;張桂瓊;王瑩;吳玲玉;;容差集合差異度高維不完備數(shù)據(jù)聚類[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

2 吳繼兵;李心科;;基于分治融合的混合屬性數(shù)據(jù)聚類算法研究[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2009)暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（下冊）[C];2009年

3 高學(xué)東;周磊;;Web點擊流數(shù)據(jù)聚類算法[A];全國第十屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)年會論文集[C];2006年

4 陶紅霞;車建華;劉國華;;基于聚類的個性化推薦算法[A];2005年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

5 王琳;羅可;羅永紅;;一種基于混合的IGA & PSO的數(shù)據(jù)聚類算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

6 武森;高學(xué)東;;高維稀疏數(shù)據(jù)聚類的CABOSFV算法[A];第七屆北京青年科技論文評選獲獎?wù)撐募痆C];2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 白天;生物醫(yī)學(xué)數(shù)據(jù)聚類方法研究[D];吉林大學(xué);2012年

2 彭柳青;高維高噪聲數(shù)據(jù)聚類中關(guān)鍵問題研究[D];西安電子科技大學(xué);2011年

3 孫志偉;空間數(shù)據(jù)聚類的研究[D];天津大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李凱;基于網(wǎng)絡(luò)優(yōu)化最小樹的大數(shù)據(jù)聚類分析研究[D];蘭州大學(xué);2015年

2 楊果利;基于模糊聚類的大規(guī)模數(shù)據(jù)聚類算法及其應(yīng)用研究[D];西安電子科技大學(xué);2014年

3 宋翰瀛;基于C-MDP的決策優(yōu)化系統(tǒng)的設(shè)計與實現(xiàn)[D];南京大學(xué);2014年

4 張小宇;基于圖論的符號型數(shù)據(jù)聚類算法研究[D];山西大學(xué);2009年

5 王永卿;高維海量數(shù)據(jù)聚類算法研究[D];廣西大學(xué);2007年

6 張鳴;符號數(shù)據(jù)聚類評價指標(biāo)研究[D];山西大學(xué);2013年

7 張揚(yáng);混合屬性數(shù)據(jù)聚類算法及其應(yīng)用[D];大連理工大學(xué);2013年

8 張東升;數(shù)據(jù)挖掘中的演化數(shù)據(jù)聚類算法研究[D];杭州電子科技大學(xué);2014年

9 白亮;符號屬性數(shù)據(jù)聚類算法的研究[D];山西大學(xué);2009年

10 李靜芬;流數(shù)據(jù)聚類算法的研究與改進(jìn)[D];河北工業(yè)大學(xué);2014年

  本文關(guān)鍵詞：基于C-MDP的決策優(yōu)化系統(tǒng)的設(shè)計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：342915