[发明专利]一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法

权利要求书

1.一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法，其特征在于：包括以下步骤：

步骤一：数据提取

从铁路货运相关信息平台数据库中提取货票数据，并对货票数据进行筛选，剔除特殊客户数据，提取正常客户数据来刻画铁路货运客户发货行为；

步骤二：统计分析

利用分组聚合查询实现各个发货人相关信息的分组统计分析，即在一个铁路货运客户细分时间范围内，计算发货人最后一次发货时间以及最后一次发货时间距统计分析截止日期的天数，即获得发货人最近一次发货的时间间隔R指标，计算发货人在统计时间范围内总的发货票数或发货次数，获得发货人的发货频率F指标，计算发货人在统计时间范围内向铁路承运人支付的各票运费总收入之和，获得发货人的消费总金额M；

步骤三：标准化处理

为降低各指标属性间的差异，利用极差标准化方法实现无量纲化处理，即对所有铁路货运客户RFM信息借助公式进行标准化处理，其中公式为：

式中：i＝1,2,...,n；j＝1,2,...,|A|；

步骤四：转化处理

将铁路货运客户细分问题转化为一个求铁路货运客户类内距离之和最小的全局优化问题，如公式(1)-(4)所示：

式中：n表示铁路货运客户总数，k表示铁路货运客户聚类总数，表示第i个铁路货运客户x_i距离第k类铁路货运客户聚类中心最近；

步骤五：最终处理

利用人工蜂群算法对步骤四中所描述的全局优化问题进行求解，在目标函数最小的规则引导下，人工蜂群算法求得全局最优聚类中心坐标，并借助各个铁路货运客户坐标x_i距离相关聚类中心坐标的距离长短实现铁路货运客户细分。

2.根据权利要求1所述的一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法，其特征在于：所述步骤五中利用人工蜂群算法求解全局优化问题时，需将待解问题向人工蜂群算法群体智能寻优机制转换，即将所有聚类中心坐标统一表示为人工蜂群算法个体，将公式(2)的目标函数值转换为人工蜂群算法的适应度函数，通过人工蜂群算法的演化进化获得全局最优聚类中心。

3.根据权利要求1所述的一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法，其特征在于：所述步骤五中，需要确定对铁路货运客户聚类中心坐标进行编码的长度D,考虑到铁路货运客户属性集A＝{r，f，m}以及聚类数量K，则计算出人工蜂群算法个体编码长度D＝K×|A|，其中|A|表示集合A中元素个数，相应地，人工蜂群算法个体编码为l＝1，2，...，N_p其中，N_p表示人工蜂群算法种群规模大小。

4.根据权利要求3所述的一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法，其特征在于：记录所有铁路货运客户属性j＝1，2，...，|A|取值范围为计算出：并记y_min和y_max分别表示种群个体向量的下界和上界，则计算出：

5.根据权利要求1所述的一种基于RFM模型和人工蜂群算法的铁路货运客户细分方法，其特征在于：在所述人工蜂群算法中，设置种群参数N_p＝20，控制参数limit＝100，最大迭代次数maxFEs＝1e4，并令表示每个个体连续没有获得更新解的次数trail_l＝0(l＝1，2，...，N_p)，然后按照公式初始化N_p个种群个体y_l，其中公式为：

式中：j₂＝1，2，...，D；l＝1，2，...，N_p；rand()表示产生[0，1]上的均匀分布随机数函数。