基于密度峰值聚类算法的商城配送中心选址分析.pdfVIP

2025年第2期物流工程与管理

物流论坛

第47卷总第368期LOGISTICSENGINEERINGANDMANAGEMENT

doi：10.3969/j.issn.1674-4993.2025.02.002

基于密度峰值聚类算法的商城配送中心

选址分析

□林泓安，王鑫鑫

（武汉科技大学管理学院，湖北武汉430065）

【摘要】随着电子商务的迅速发展，商城配送中心选址已成为提升配送效率、降低成本和增强客户满意度的关

键。文中将密度峰值聚类（DensityPeakClustering，DPC）算法应用于商城配送中心选址问题中，通过分析历史订单

数据，自动识别订单分布的密集区域，同时引入相似度策略处理复杂数据结构并提高聚类准确性。实验结果表明，

改进的DPC算法在Flame数据集上聚类效果优越，相比于K-Means、I-DBSCAN和MeanShift算法，能更有效地识别

高密度区域，为商城配送中心选址提供科学依据，从而优化配送中心位置，提高配送效率和客户满意度。

【关键词】密度峰值聚类算法；相似度策略；商城配送选址；P-中心问题

【中图分类号】F570.3【文献标识码】A【文章编号】1674-4993（2025）02-0007-04

SiteSelectionAnalysisofMallDistributionCenterBasedonDensityPeakClusteringAlgorithm

□LINHongan，WANGXinxin

（SchoolofManagement,WuhanUniversityofScienceandTechnology,Wuhan430065,China）

【【AbstractAbstract】】Withtherapiddevelopmentofe-commerce,thesiteselectionofmalldistributioncenterhasbecomethe

keytoimprovedistributionefficiency,reducecostsandenhancecustomersatisfaction.ThispaperappliestheDensity

PeakClustering（DPC）algorithmtothesiteselectionproblemofmalldistributioncenter,whichautomaticallyidentifies

thedenseregionoforderdistributionthroughtheanalysisofhistoricalorderdata.Atthesametime,asimilaritystrategyis

introducedtodealwiththecomplexdatastructureandimprovetheclusteringaccuracy.Experimentalresultsshowthatthe

improvedDPCalgorithmhassuperiorclusteringeffectonFlamedataset,anditcanidentifyhigh-densityregionsmoreef‐

fectivelythanK-Means,I