[发明专利]一种融入粒子群优化思想的带约束铁路物流场站空间聚类方法

权利要求书

1.融入粒子群优化思想的带约束铁路物流场站空间聚类方法，包括以下步骤：

1)数据获取：确定物流园区各项指标数据，在常用的物流园区空间布局5大指标体系11个变量（一级指标：地区国民经济总体发展水平、地区社会再生产条件、工商业发展水平、交通运输支持条件、对外经济贸易的发展水平；二级指标：地区经济总水平、地区人均经济发展水平、工业市场物流客户潜在规模、工业发展水平、地区零售市场规模、地区运输量规模、交通通达度、外贸发展规模、外资利用规模；三级指标等）的基础上，加入地域性政策导向差异化指标；

2)数据预处理：对数据进行噪声处理，主要是对数据集进行空缺值处理。假设数据集X中数据x_i的属性个数为m，如果空缺属性个数则认为该条数据是噪声，直接过滤；反之，将空缺属性补充为所有该属性的加权平均(通常取平均值)；

3)确定聚类簇K值，使用相关系数ρ_xy的倒数作为计算距离，这样可以将K-Medoids应用到范畴数据上，而且拥有较高的精度，对于非球型聚类的适应性好于欧几里德距离。同时考虑各个地区中桥梁、河流、公路等物理障碍物对距离计算的影响，综合设置带处理操作和障碍的约束条件。使用目标函数动态评价每次迭代的聚类质量，G越大说明聚类质量越好，其中C′_i是类C_i的中心，是数据对象x_j与相应的聚类中心的相关系数。改进型K-Medoids的K个聚类中心不需要事先指定，而是通过计算得到最佳聚类数K_opt。初始选取计算K-1和K的聚类质量，调整K的大小，迭代至聚类K簇不再发生变化；

4)初始化粒子群：若粒子群的群体规模为n，则第i(i＝1,2，...,n)个粒子的位置可表示为X_id，每个粒子的位置表示为P_id。设置参数，初始化搜索点的位置及其速度值，通常在允许的范围内随机产生，每个粒子的P_id坐标设置为其当前位置，且计算出其相应的个体极值（即个体极值点的适应度值），而全局极值（即全局极值点的适应度值）对应个体极值中最好的，记录该最好值的粒子 序号，并将P_gd设置为该最好粒子的当前位置。具体计算公式为：

V_id(t+1)=αV_id(t)+λ₁rand()(P_id(t)-X_id(t))+λ₂rand()(P_gd(t)-X_id(t))(1)

V_id(t+1)=αV_id(t)+λ₁rand()(P_id(t)-X_id(t))+λ₂rand()(P_id(t)-X_id(t))(2)

X_id(t+1)=V_id(t)+X_id(t)(3)

其中V_id表示第i个粒子在第d为上的速度；α为惯性权重因子，用来控制前面的速度对当前速度的影响，α取值较大时，可以加强PSO的全局搜索能力，α取值较小时，可以加强PSO的局部搜索能力，α通常取值在[0.6,1]之间。λ₁,λ₂为调节因子，且满足λ₁+λ₂=2，λ₁,λ₂∈(0,2)，用来调节全局最好粒子和个体最好粒子，并加速收敛；rand()是均匀分布在(0,1)区间的随机数。公式(1)为全局PSO，公式(2)为局部PSO，保证了PSO能够快速收敛，且具有多样性；

5)对粒子群中的每个粒子，计算粒子的适应度值；

6)对每个粒子，比较它的适应度值和它经历过的最好位置P_id的适应度值，如果更好，更新P_id；

7)对每个粒子，比较它的适应度值和群体所经历过的最好位置P_gd的适应度值，如果更好，更新P_gd；

8)根据公式(4)和公式(5)调整粒子的速度和位置；其中公式(4)获取每个粒子的个体极值，公式(5)获取全局极值。

Pid(t+1)=Xid(t+1)iff(Xid(t+1)≥f(Pid(t))Pid(t)iff(Xid(t+1))<f(Pid(t))---(4)]]>

P_gd(t+1)=max(P_id(t+1)),(i＝1,2,...,n)    (5)

9)对新一代粒子使用改进型K-Medoids优化；根据粒子的聚类中心，按照相关系数确定聚类划分；按照聚类划分，计算新的聚类中心，获取中心值；

10)若达到最大代数，则继续执行；否则，转步骤(3)；

11)输出最优聚类结果。根据聚类结果，辅助决策者选择铁路物流场站的建设地点。