[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

摘要

本发明包括群集智能、空间数据挖掘技术领域，具体涉及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。特别适用于铁路口岸物流园区空间布局。本方法引入粒子群思想解决K-Medoids聚类时容易造成局部最优的问题，首先对K-Medoids算法进行了改进，不需要初始化K值，通过自调整方法确定K值。其次在聚类迭代过程中，采用改进的粒子群算法求解目标函数，加快收敛速度，得到最优的聚类划分。本发明有效地克服了传统铁路物流场站布局方法的缺点，使得选址更合理，具有良好的应用价值。

主权项

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。