基于复杂网络聚类的最优选址模型.pdfVIP

第33卷第2期 地 理 科 学 Vol. 33 No. 2 2 0 13 年02 月 SCIENTIA GEOGRAPHICA SINICA Feb . , 2 0 1 3 基于复杂网络聚类的最优选址模型 1 2 戴技才 ，宗会明 （1.重庆师范大学地理与旅游学院重庆400047 ；2.西南大学地理科学学院，重庆400715 ） 摘要摘要：最优选址在社会经济活动中非常重要。传统的网络聚类分析以空间两点之间的直线度量距离，而不是以 空间最短网络路径作为聚类条件，无法找到复杂网络的最优选址中心。基于最短路径的复杂网络聚类模型，探 索复杂道路网络中的最优选址。模型通过迭代法获取近似最优解，二分邻域分割法逼近最优解分布区，应用邻 域下降法达到最优选址点。实验结果表明：本模型与穷举-Dijkstra 算法相比，计算精度相当，计算速度提高了约 23 倍以上。模型以复杂网络聚类为基础推导，为复杂网络选址、聚类提供了一种新的理论与方法。 关关 键键 词词：选址；网络聚类；复杂网络；最短路径；Dijkstra 算法 中图分类号中图分类号: K903 文献标识码文献标识码:A 文章编号文章编号: 1000-0690(2013)02-0143-07 为了揭示大型自然与社会复杂网络的社团结构等 前 言 [17,18] 性质 ，学者们提出了基于局部搜索的快速复杂 [19~21] 选址模型属于网络聚类分析的范畴。网络聚 网络聚类算法 。基于密度的聚类方法对孤立 [22] 类能分析网络拓扑结构、理解网络功能，是数据挖 点不敏感，能发现任意形状的类 。 [1,2] 掘、探查性数据分析中的重要支撑技术 。网络 谱方法(spectral method)将网络聚类转化为二 聚类法的基本原则是：给定n个样本，按照一定的 次型优化问题，通过计算特殊矩阵的特征向量优 [23] 分类方法将数据划分为k类(或者称为簇，k≤n) ，每 化预定义截函数进行聚类 。除此之外，还有基于 个类至少包含一个样本，且每个样本只属于某一 统计学方法、神经网络方法、基于网格的多分辨率 类。网络聚类的类中心可以作为单点选址或多点 聚类法等。上述聚类算法几乎都是采用点与点之 选址的地点。网络聚类方法较多，各有特点，如层