【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(jī)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(yùn)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(yàn)。本文利用機(jī)器學(xué)習(xí)對(duì)電商平臺(tái)用戶的操作數(shù)據(jù)進(jìn)行分析建模,擬定對(duì)預(yù)測(cè)購買的用戶進(jìn)行提前發(fā)貨的策略,合理降低運(yùn)輸及配送高峰。本文的工作從以下幾個(gè)方面展開:(1)對(duì)原始數(shù)據(jù)進(jìn)行分析,構(gòu)建樣本特征,針對(duì)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(jì)基于Pearson相關(guān)系數(shù)與PCA的特征選擇法,利用該算法進(jìn)行特征選擇,保留數(shù)據(jù)中的核心信息,并針對(duì)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(duì)已經(jīng)構(gòu)建樣本數(shù)據(jù)采用機(jī)器學(xué)習(xí)中的支持向量機(jī)、GBDT、邏輯回歸等基本學(xué)習(xí)方法進(jìn)行擬合,設(shè)計(jì)了基于Bagging的混合模型,提高購買預(yù)測(cè)的準(zhǔn)確率和模型的泛化能力,并對(duì)用戶的購買情況進(jìn)行預(yù)測(cè)。(3)利用電商平臺(tái)的儲(chǔ)存的用戶地理數(shù)據(jù),建立物流配送模型,實(shí)現(xiàn)對(duì)購買用戶的提前發(fā)貨策略。針對(duì)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(shí)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(shí)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(jì)了一種基于k-medoids動(dòng)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(shí)易陷入局部最優(yōu)解的問題。仿真結(jié)果表明,改進(jìn)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(jí)的增長。據(jù)官方統(tǒng)計(jì)，僅僅在２０１８年“雙十一”這逡逑一天，天貓平臺(tái)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(jì)，該電商平臺(tái)２００９年至２０１８年的雙Ｈ交易額的走勢(shì)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棿螅錘囁斕蕕畝┑ュ義狹�。辶x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義希唬保擔(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(xì)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較呱希庋蟪潭壬洗絲斕菪幸檔姆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狄詿危斕蕕囊滴窳空嫉攪巳蚩斕菀滴竦模矗埃ュ義獻(xiàn)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(hào)：2670754