基于聚类算法的快递服务网点布局研究

《基于聚类算法的快递服务网点布局研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、‘’－、；、＇＇诗以么卑端－巧：多莉贫告猶；；：１冷达峡（！东巧兴楚豕龄苗攀ｖ心：诉々方－、－＇＾部公游终務：＾ｆｅｒ，＾诚勸底親裝淹＂－＇—＇－－－＾－７Ｔ：５ｒｖ．．．每＾、斗巧Ｕｒｒ．：、’－＾ＵＤＣ．：逼吊的飞编号＾．．、：，技卸；辭蘇．．；：？奋／＾ｌ—巧、—＇’－－，，澤，．：巧連轉華＇，或ｙｍｂｕ．仇＇Ｗ＇：；敬＾皆作芦Ｖ：暮令游５鞭據Ｉ泻觀；；＇—＇，＾一片：ｒ＊、＾＾：．碎Ｙ、；宇中；；瑞麵囊ｉ卿弄＃終＾：．ｉａ＞着ｐ＇違疑‘脖：襄徽’讀＇－—＇鱗沁謀－、■；：古，；乂．－、Ｘ义．、與户１

2、巧牛＇扛Ａ。云ＩＶ、‘’早．．＊扛’＾葦矯抑满－，前丄乂ｔＶ媒梦声；、＇海文、、＾谭－、Ｕ招您傷敎勢：户硕击学位论文终帶呼令韻、节、、＇—：＇：、、＇端义沒资兮ｉ觀＇心心、‘麻＇矣荐’作、立折’．梯論？＇續靜声如載乃车皆辩帮誇捧、聲＾＇、兵、矜、．；；＞’藻听為：（派；譯爲燃稱卸法带＇；＇：二封作巧店＾讀；可祭免产斗、巧５這葬禱ｙ题名和副题名基于聚类算法的快递服务网点布局研究蘇乂詞？＆ｎ轉篆！魚余皆錄姻作者姓名；国〇赛苗讓曼蓋據．；：嗦工獅导名眉称良全教授沈松平级指教雕葛髙。議学级别±业名称电子与通工

3、程申请位硕专信Ｓ嘴，苗霉霉苗赛Ｗ论论文文提交日期中答辩日期向綠Ａ（薦瑪理工、学位授予单位和日期成都大学（年月）、找辩委员会主席答為掉ｖ、＿ｉ巧衫，考參ｉ壤串来霉评阅人聲轉延違迄杏＾髮捐聲＾＾｜＾，纖夢｜１‘．－．＂－产＇、、：－山＇巧乂—子梦、ｒ，；是，——成Ａｖｒ户＇騎、咕＾！１ｆｆ少．一啼打！朽－＇礙古．說迄．；．！辜．．Ｖ滅絶名專綠挣轉巧异簿如热約窜焉爲．－、＾节；發心冲；兹端潔兴ｉ２０１６６為ＩＶ讀年月葛輯祭声枝杉妒‘’＇扭．：｛恣若蔡＇；哉麾鲜淹Ｖ＾心爲讀蘇參為當雖姜输窜ｉｆ繁誦儀麵Ｉ鶴替靜姻挺－識遂槪新；

4、馆、巍盈躬嶽裳＼廣裏葦茲篆始感！分类号学校代码：１０６１６ＵＤＣ学号：２０１３０日０４３０密级成都理工大学硕±学位论文基于聚类算法的快递服务网点布局研究王鹏飞指导教师姓名及职称葛良全教授沈松平窩级工程师申请学位级别硕壬专业名称电子与通信工程如论文提交日期论文答辩日期！蛛Ｈ学位授予单位和日期成都理工大学（年月）答辩委员会主席奏聲评阅人幸键幸２０１６年６月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包

5、含其他人已经发表或撰写过的研究成果，也不包含为获得成都理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的人员对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。－学位论文作者签名：＾＂－？年／月曰乙／７学位论文版权使用授权书本学位论文作者完全了解成都理工大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权成都理工大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书

6、）学位论文作者签名：一＾＾－学位论文作者导师签名：奇年貝ＢＨ巳１摘要基于聚类算法的快递服务网点布局研究摘要现代物流的商品供应或者物流服务应该更多的是面向人、面向服务的，并且呈现多样化的服务需求，物流配送中心作为现代物流的标志，合理的布局可以有效的减少不必要的运输费用和降低物品流通的环节，同时有助于企业提高生产的效益，减少库存，提高单位时间内企业库存货物的更迭量。物流配送中心的货物大概会经历以下几个阶段，分别为：接送货、搬运、存储、分拨等操作流程，但是这些流程的实施是建立在快递网点基础上的，所以如果在能够不增加成本的前提下，通过选择合理的服务网点布局方案，以期对快递公司的整

7、个配送作业效率产生积极的影响。在这种情况下，本文以选址模型作为出发点，结合用户的潜在趋势分布，提出一种基于k-means聚类算法的用户购买潜在意向的选址模型，并对其进行求解得出最佳快递网点选址布局策略。本文从理论分析的角度出发，在基于点需求的多目标选址模型中，将k-means聚类算法、蚁群算法应用到网点布局选址中，同时为了更好的使用本文的特定案例模型，对k-means聚类和蚁群算法进行了如下改进：①在k-me