基于聚类的多配送中心车辆调度问题研究

为了实现Web服务请求数据的快速聚类，并提高聚类的准确率，提出一种基于增量式时间序列和任务调度的Web数据聚类算法，该算法进行了Web数据在时间序列上的聚类定义，并采用增量式时间序列聚类方法，通过数据

突发性事件中应急物资调度方案最优化问题是典型的车辆路径规划（VRP）问题。对于大规模的VRP问题求解，经典的启发式算法易陷入局部最优，难以得到高质量的调度方案。针对这一问题，提出了一种基于K均值聚类和

论文研究-配送中心补货作业问题的启发式算法.pdf,

聚类搜索算法，主要讲述了相关的思想和算法，进行了分析

一篇基于网格聚类的博士论文，总结了目前比较主流的网格聚类算法。大家来看看啊！

【摘要】：随着网格技术和数据挖掘技术的成熟,基于网格的数据挖掘应用越来越广泛。简要的介绍网格和数据挖掘的基础知识,并结合局域网中个人计算机的特点,分析由个人计算机组建的网格环境下的数据挖掘过程,并给出

大数据的挖掘是当今的研究热点,也有着巨大的商业价值。新型框架Spark部署在Hadoop平台上,它的机器学习算法几乎可以完全替代传统的MahoutMapReduce的编程模式,但由于Spark的内存模

在数据挖掘的所有算法中,聚类分析尤为重要.基于划分的聚类算法就是用统计分析的方法研究分类问题.本文介绍了聚类的定义及聚类算法的种类,详细阐述了K均值聚类算法和K中心点聚类算法的基本原理并对它们的性能进

随着互联网以及计算机技术的不断发展,现实中所需要研究数据的数量不断增长,如何更好的将所要研究的数据进行有效划分,进而降低维度或者是降低数据量成为了数据挖掘研究的热点。针对传统聚类算法的缺点,提出了基于

研究了一种考虑订单发货区域的物流配送问题，针对问题建立了两阶段多目标整数规划模型：订单车辆指派模型和车辆配送调度模型；基于对模型及问题特点的分析，构造了一种两阶段优化算法。第一阶段，基于聚类—约束满足