基于多变量决策树的旅游线路设计应用研究.docVIP

基于多变量决策树的旅游线路设计应用研究 　　摘 要 　　作为成功的旅行的基础，旅游线路的设计日益受到重视。本文在对旅游线路设计方法进行分析研究的基础之上，依据应用实际，通过改进原有多变量决策树的生成算法，提出了旅游线路设计多变量决策树构造方法。该方法在有效继承多变量决策树可减少属性重复测试和减小决策树规模的优点的同时，可以直观的显示出影响空间内景点选择的核心要素以及线路规划的决策结果。 　　【关键词】旅游线路设计 粗糙集 多变量决策树 属性的相对核 　　1 引言 　　伴随着经济社会的发展和对更高生活品质的追求，旅游愈发成为了人们休闲娱乐生活的重要组成部分。旅游线路的设计，作为一次成功旅行的基础，自然也愈发受到旅行者和旅游组织者或旅游产品提供者的重视。不同消费者对旅游目的地有偏好选择，消费同一旅游产品的形式也可能不一，旅游需求的多样化要求旅游组织者或旅游产品提供者设计更加丰富、多样、合理的旅游产品以满足市场的需求。 　　在研究旅游线路设计方面，有一定代表性的方法包括通过对旅游者有显著影响的教育程度、年龄、职业等方面的分析，构造TRDI指标分析并设计旅游线路；有利用近似算法求解旅游路线的最佳图论模型和数学模型；有用精确约束算法、启发式算法求解收益最大化的线路；以及改进的自适应蚁群算法构建个性化旅游线路设计模型。 　　本文将利用基于粗糙集理论构建多变量决策树理论，构造多更为简便、直观的旅游线路决策树。该树将目的地属性与其他属性相结合，使得决策树的路径可以直观的表示出推荐的旅游路线。此外，一方面，有效避免了传统决策树在构造过程中某些属性或路径被多次检验和子树的重复；另一方面，使得基于不同需求而得出的旅游线路设计结果以更加简明的方式被表达、便于理解和应用。 　　2 问题描述与算法设计 　　2.1 问题描述 　　虽然旅游者具有一些共同的心理特征和需求，各个旅游产品所面临的客源总体上是大致重合的。但是由于兴趣、性格、能力的差异，旅游者对旅游产品的需求往往存在着差别，即便同一种旅游线路，对于不同人的效用也是不一样的。为了使不同的旅游者获得更好的旅游体验，旅游产品提供者有必要细分不同旅游者的需求，提供更具针对性的旅游选择以供选择。通常，将旅游空间划分为大、中、小三个尺度，本文重点讨论中尺度的旅游空间，以成都市为例讨论城市内部的旅游空间。 　　决策树是一种类似于流程图的树结构，其在每个非叶节点上表示在一个属性上的测试。跟踪一条由根到叶的路径，该叶节点就存放着该院组的类预测。它获取的知识用树表示，直观易懂，且具有很好的准确率。但普通决策树也可能因为某些属性被多次测试而导致重复和冗余。为了，避免这一问题的发生，引入了多变量决策树的概念。多变量决策树将核心属性组筛选出来优先测试，有效减少了属性的重复检测，从而提高了决策树的效率。 　　本文利用前期随机抽样问卷调查所得的成都旅游者的旅游行为空间偏好调查结果作为训练集，基于粗糙集理论及本文提出的应用的具体需求构造多变量决策树，该树利用目的地属性与其他属性共同构成多变量测试属性，可以直观的表示出对具有不同需求的旅游者的旅游线路进行设计并做出分类决策。 　　2.2 旅游线路设计多变量决策树生成算法 　　（1）定义1：设U是感兴趣的对象组成的有限集合，称为论域R是定义在U上的一个等价关系。U/R表示R在U上到处的划分[x]R表示包含x的R的等价类x∈U。在粗糙集理论中，将序对（U，R）称为一个近似空间。任何子集XU，称为一个概念。对每个概念X可定义下、上近似如下： 　　则称{Z1，Z2，…，Zn+1}在U上确定的等价关系为P相对于Q的泛化，记作GENQ（P）。 　　本文根据上述相对核的定义，结合文中提出的具体应用，选取对于决策属性至关重要的核心属性组和目的地属性作为决策树的根结点，以下述步骤构造旅游线路设计多变量决策树： 　　输入：训练数据集，候选属性集C，目的地属性 　　输出：决策树 　　方法： 　　（1）将训练数据集中的连续型数据离散化。 　　（2）计算条件属性C对于决策属性D的核，记作CORED（C）。 　　（3）if CORED（C）为空 then 转（6）。 　　（4）else 不妨设CORED（C）={a1，a2，…，ak}。 　　（5）令P= a1∧a2∧…∧ak，计算P相对于D的泛化GEND（P），将它和目的地属性作为决策树的根节点，转（7）。 　　（6）用C4.5的方法计算每个节点的信息增益率GainRatio（A），选择信息增益率最大的节点作为最佳属性，令最佳属性和目的地属性成为该节点的检验。 　　（7）用C4.5的方法计算其他每个节点的信息增益率GainRatio（A），选择信息增益率最大的结点作为最佳属性，令最佳属性为该节点的检验