一个基于社区相似度分析物流网络优化算法.docVIP

一个基于社区相似度分析物流网络优化算法 　　摘 要： 随着物流网络的快速扩张，如何在异构系统中交换物品信息已经成为影响物流效率的重要因素，而社交网络与物流网络都具有异构的特征，因此将物流网的各个节点看作是社交网络的社区，利用多关系社交网络社区挖掘算法来寻找各个异构的物流网络中固有的社区结构，从而发现物流网中隐藏的规律并进行路径优化等网络行为是可行的。通过对4 000例物流数据的对比试验，得出基于相似度的社区挖掘算法在准确率、算法复杂度和效率上都优于K均值算法和回归算法。 　　关键词： 社区挖掘； 物流网络； 相似度分析； 优化算法 　　中图分类号： TN711?34 文献标识码： A 文章编号： 1004?373X（2016）06?0045?04 　　A logistics network optimization algorithm based on community similarity analysis 　　YU Lei， WU Qiang 　　（Xi’an University of Technology， Xi’an 710048， China） 　　Abstract： With the rapid expansion of logistics network， how to exchange the information of goods in heterogeneous systems has become an important factor affecting the efficiency of logistics. However， both social network and logistics network have a same heteroid feature： heterogeneity. Therefore， it is entirely feasible to find out the hidden law of logistics network and optimizing route by using the intrinsic community structure of each heteroid logistics network， which is calculated by a community mining algorithm of multi?relation social network. The contrast test result of 4000 logistics data from three different algorithms shows that the community mining algorithm based on similarity is better than K?mean algorithm and regression?based algorithm in accuracy rate， complexity and efficiency. 　　Keywords： community mining； logistics network； similarity analysis； optimization algorithm 　　目前，对于物流网络设计的研究分为三个层次：策略、战术和运作[1]。策略和战术研究主要是为供应商解决货物储备的决策问题，如仓库大小和位置、货物价格和数量以及组织一个高效、低成本的物流网络。总之，物流网络的建立和优化，需要考虑四个层次的内容：物流中的选址[2]、对客户的聚类[3]、配送区域划分[4]和车辆调度[5]。一些学者将复杂网络理论应用在物流网上，试图解决区域选址问题[4]。一些学者利用遗传算法建立染色体表达式解决车辆调度问题（Vehicle Scheduling Problem，VSP）[6?7]。 　　而物流网中普遍存在物流效率低、成本高、大量的异构系统不能顺畅交换数据等问题。在物流网中，如何准确获取物品信息、如何在异构系统中交换物品信息，已经成为近几年物流网络研究的热点。本文提出一种基于相似度的社区挖掘算法，将物流网的各个节点看作是社交网络（Social Networks）的社区，社区结构可能各不相同，物品是隶属于不同社区的成员（意味着，不同物流节点的信息组成是异构的）。通过社区挖掘寻找各个异构的物流网络中固有的社区结构，从而发现物流网中隐藏的规律并进行路径优化等网络行为。 　　1 相关工作 　　对物流中所涉及到的数据，建立一个适用于物流的地理社会网络，通过分析和处理，优化物流流程，提高物流效率。物流的产生和发展的原因在于没有将时间、空间以及人这三者关系结合起来，