基于云聚类挖掘的物流信息智能分析算法-pdfnet.DOCVIP

基于云聚类挖掘的物流信息智能分析方法研究( 张玉峰，曾奕棠 （武汉大学信息资源研究中心，湖北 武汉 430072） [摘 要]目前的物流信息聚类分析模型与方法难以适应于分布、异构的大数据环境。云聚类挖掘实现了云计算与聚类挖掘的结合，其核心是实现聚类挖掘算法的MapReduce并行化。本文在构建基于云聚类挖掘的物流信息智能分析模式的基础上，以K-means算法为例，探索了并行的物流信息聚类分析算法及其实现，研究设计了MapReduce并行化的Map函数和Reduce函数。最后，分析了本方法。 Research on the Intelligent Analyzing Method of Logistics Information Based on Cloud Clustering Mining Zhang Yufeng, Zeng Yitang (Center for the Studies of Information Resource of Wuhan University, 430072) Abstract: The current analyzing model and method of logistics information clustering is difficult to adapt to the distributed and heterogeneous data environment. Cloud clustering mining whose core is the MapReduce parallelization of classification mining algorithm realizes the combination of cloud computing and clustering mining. In this paper, the intelligent analyzing model of logistics information based on cloud clustering mining is constructed. KNN algorithm is used as an example to explore the parallel analyzing algorithm of logistics information clustering and its implementation. And the Map function and Reduce function of MapReduce parallelization is designed. Finally, the advantages and application of the intelligent analyzing method of logistics information based on cloud clustering mining are analyzed. Key words: cloud mining, cloud clustering mining, logistics information, the intelligent analysis of logistics information 1相关研究回顾 作为国民经济先导性、战略性、技术性的产业，物流业近年来插上了快速腾飞的翅膀，智能物流信息平台的建设如火如荼。在物流智能化进程中，国内外学者也对此展开了深入研究，有力地推动了物流业的实践发展。在此类研究成果中，有部分学者将聚类挖掘作为实现物流信息智能分析的手段与工具，并提出了相应的物流信息智能分析理论、模型与方法。 例如，国外学者Min K.等（2006）针对产品回收的逆向物流网络选址问题，提出了一种非线性混合整数规划模型和遗传算法，实现多梯队逆向物流的网络选址优化[]。Lee J.E.等（2009）为了实现逆向物流网络选址与优化，提出了一种遗传算法(GA)和基于优先级编码方法的三阶段逆向物流信息分析模型，以节省逆向物流的运输成本和拆卸成本[]。Charles V.T.等（2010）通过应用结合沃德最小方差法和k - means算法的两阶段聚类方法，对供应链伙伴进行细分，优化第三方物流服务提供商的服务，从而可以满足客户的特定偏好[]。Mahmoudabadi A.和Tavakkoli-Moghaddam R.（2011）在对收集到的数据进行规范化处理后，提出了基于遗传算法的聚类分析方法应用于交通运输系统中超限检测站动态称重站的绩效优化方案[]。Kargari M.和Sepehri M.M.（2012）利用k - means算法，以商店位置信息、货物订单信息、