[發(fā)明專(zhuān)利]一種基于傳粉啟發(fā)聚類(lèi)的商戶選址方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010065995.5
• 申請(qǐng)日: 2020-01-20
• 公開(kāi)（公告）號(hào): CN111242697B
• 公開(kāi)（公告）日: 2022-09-09
• 發(fā)明（設(shè)計(jì)）人: 屈洪春;吳晶晶;呂強(qiáng);張興成;尹力
• 申請(qǐng)（專(zhuān)利權(quán)）人: 重慶郵電大學(xué)
• 主分類(lèi)號(hào): G06Q30/02
• 分類(lèi)號(hào): G06Q30/02;G06K9/62;G06N3/00
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種基于傳粉啟發(fā)聚類(lèi)的商戶選址方法，其特征在于，該方法具體包括以下步驟：

S1：獲取數(shù)據(jù)：收集調(diào)查某地區(qū)或街道的移動(dòng)終端用戶的數(shù)據(jù)集；

S2：構(gòu)建系統(tǒng)：將數(shù)據(jù)庫(kù)單元、信息分類(lèi)及分析單元和信息查詢單元集合在一起，組建一個(gè)顯示集成網(wǎng)站和數(shù)據(jù)庫(kù)的平臺(tái)；

S3：數(shù)據(jù)庫(kù)信息的輸入：將采集到的信息及時(shí)輸入數(shù)據(jù)庫(kù)，并根據(jù)時(shí)間的推移不斷對(duì)數(shù)據(jù)庫(kù)內(nèi)信息進(jìn)行更新；

S4：對(duì)數(shù)據(jù)庫(kù)信息分類(lèi)及分析：對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)歸類(lèi)整理，運(yùn)用傳粉啟發(fā)的聚類(lèi)算法(A clustering algorithm inspired by pollination，IPCA)來(lái)挖掘用戶的興趣愛(ài)好，并判斷每個(gè)不同地址的商業(yè)投資前景，然后使用SSE原則和地理信息系統(tǒng)分析方法選出初始的商戶地址；

所述IPCA聚類(lèi)算法具體包括：

1)根據(jù)昆蟲(chóng)介導(dǎo)的植物授粉生態(tài)過(guò)程的原理，抽象出昆蟲(chóng)傳粉媒介與植物之間的相互作用，通過(guò)以下假設(shè)來(lái)制定聚類(lèi)算法：a)其中每個(gè)數(shù)據(jù)代表一個(gè)單獨(dú)的一年生植物，每個(gè)數(shù)據(jù)的屬性代表植物花朵性狀的一個(gè)特征；b)每個(gè)單獨(dú)的代理代表一個(gè)模擬的昆蟲(chóng)傳粉者，具有感知、記憶、覓食、花粉籃和對(duì)花粉進(jìn)行提取和沉積的功能；c)數(shù)據(jù)之間的相似度等于不同植物物種之間的花粉粒相似度；d)每棵植物在一年后死亡，但如果獲得了足夠的花粉繁殖量，其后代取代親本的位置或重新隨機(jī)放置在空間的任何位置；在所有植物經(jīng)過(guò)多次迭代進(jìn)化之后，所有植物的位置都視為數(shù)據(jù)集的聚類(lèi)結(jié)果；

2)算法中的昆蟲(chóng)即是代理，植物即是移動(dòng)終端數(shù)據(jù)點(diǎn)；昆蟲(chóng)的覓食活動(dòng)包括授粉和采粉行為，其中授粉指的是昆蟲(chóng)從自身花粉籃隨機(jī)散落一定數(shù)量的花粉在當(dāng)前的植物柱頭上，即表示代理與移動(dòng)終端數(shù)據(jù)點(diǎn)之間的信息交流，相似度的交流；采粉指的是昆蟲(chóng)從當(dāng)前植物上獲取的花粉裝入自身花粉籃，即表示代理從移動(dòng)終端數(shù)據(jù)點(diǎn)獲取數(shù)據(jù)信息；

3)初始階段，選取某個(gè)數(shù)據(jù)集和一定數(shù)量的代理，數(shù)據(jù)集中的每個(gè)數(shù)據(jù)點(diǎn)表示一個(gè)移動(dòng)終端數(shù)據(jù)點(diǎn)，數(shù)據(jù)點(diǎn)的特征向量表示移動(dòng)終端數(shù)據(jù)的特征；將所有代理和移動(dòng)終端數(shù)據(jù)點(diǎn)的位置隨機(jī)分布在空間中，并在算法開(kāi)始時(shí)，使得每個(gè)代理隨機(jī)選擇一個(gè)數(shù)據(jù)點(diǎn)作為覓食對(duì)象；

4)代理選擇飛往與自身位置距離最近的移動(dòng)終端數(shù)據(jù)點(diǎn)進(jìn)行覓食活動(dòng)；

5)統(tǒng)計(jì)移動(dòng)終端數(shù)據(jù)點(diǎn)從代理身上獲得的移動(dòng)終端數(shù)據(jù)點(diǎn)總數(shù)量N，選取歐式距離作為相似數(shù)據(jù)之間特征差異的度量，拉普拉斯核函數(shù)計(jì)算數(shù)據(jù)點(diǎn)間的相似度S；

6)記錄代理過(guò)去的覓食歷史，覓食過(guò)程完成后，在代理的覓食歷史中添加該移動(dòng)終端數(shù)據(jù)點(diǎn)；

7)判斷代理的覓食歷史的線性隊(duì)列的長(zhǎng)度是否超過(guò)代理的記憶深度M_d；如果線性隊(duì)列的長(zhǎng)度超過(guò)代理的記憶深度M_d，則刪除超出部分的數(shù)據(jù)點(diǎn)的標(biāo)記；如果沒(méi)有超過(guò)，則不改變線性隊(duì)列；

8)判斷覓食次數(shù)是否達(dá)到閾值；如果代理覓食次數(shù)沒(méi)有達(dá)到閾值，代理繼續(xù)選擇與覓食歷史中不重復(fù)且網(wǎng)格中距離最近的移動(dòng)終端數(shù)據(jù)點(diǎn)進(jìn)行覓食活動(dòng)，如果達(dá)到閾值，統(tǒng)計(jì)每個(gè)移動(dòng)終端數(shù)據(jù)點(diǎn)從代理身上獲得的移動(dòng)終端數(shù)據(jù)點(diǎn)總數(shù)量N和數(shù)據(jù)點(diǎn)間的相似度S，當(dāng)所有代理覓食次數(shù)達(dá)到上限后，根據(jù)每個(gè)移動(dòng)終端數(shù)據(jù)點(diǎn)從代理身上獲得的移動(dòng)終端數(shù)據(jù)點(diǎn)的數(shù)據(jù)收益來(lái)計(jì)算每個(gè)數(shù)據(jù)點(diǎn)從所有的代理身上獲得的總的數(shù)據(jù)收益；并計(jì)算當(dāng)前移動(dòng)終端數(shù)據(jù)點(diǎn)的存活概率；

每個(gè)移動(dòng)終端數(shù)據(jù)點(diǎn)從代理身上獲得的移動(dòng)終端數(shù)據(jù)點(diǎn)的數(shù)據(jù)收益為：

每個(gè)數(shù)據(jù)點(diǎn)從所有的代理身上獲得的總的數(shù)據(jù)收益為：

其中，D_nk表示移動(dòng)終端數(shù)據(jù)點(diǎn)i接收來(lái)自第k個(gè)移動(dòng)終端數(shù)據(jù)點(diǎn)的數(shù)據(jù)量，S_ik表示移動(dòng)終端數(shù)據(jù)點(diǎn)i和移動(dòng)終端數(shù)據(jù)點(diǎn)k之間的相似度，在算法中授粉量為固定值，m表示所有訪問(wèn)過(guò)移動(dòng)終端數(shù)據(jù)點(diǎn)i的代理數(shù)量，n表示移動(dòng)終端數(shù)據(jù)點(diǎn)i從代理身上一共接收來(lái)自n個(gè)移動(dòng)終端數(shù)據(jù)點(diǎn)的數(shù)據(jù)；

當(dāng)前數(shù)據(jù)點(diǎn)的存活概率為：

其中，P₀表示初始花粉收益，即初始數(shù)據(jù)收益；

9)根據(jù)每個(gè)數(shù)據(jù)點(diǎn)當(dāng)前位置的存活概率P_i與隨機(jī)數(shù)R₁比較的結(jié)果，判斷數(shù)據(jù)點(diǎn)的當(dāng)前位置是否改變；如果某個(gè)數(shù)據(jù)點(diǎn)i的存活概率P_iR₁，表示該位置的移動(dòng)終端數(shù)據(jù)點(diǎn)能夠存活，當(dāng)前位置保持不變；如果P_iR₁，則該位置的移動(dòng)終端數(shù)據(jù)點(diǎn)死亡，統(tǒng)計(jì)該數(shù)據(jù)點(diǎn)鄰域內(nèi)的其他移動(dòng)終端數(shù)據(jù)點(diǎn)的數(shù)量；

10)如果移動(dòng)終端數(shù)據(jù)點(diǎn)i的鄰域內(nèi)的移動(dòng)終端數(shù)據(jù)點(diǎn)數(shù)量不為零，則計(jì)算該移動(dòng)終端數(shù)據(jù)點(diǎn)的鄰域適應(yīng)度Fit_i，否則，利用全局位置更新策略給該移動(dòng)終端數(shù)據(jù)點(diǎn)重新生成一個(gè)與當(dāng)前存活移動(dòng)終端數(shù)據(jù)點(diǎn)不重復(fù)的位置代替死亡數(shù)據(jù)點(diǎn)的位置；

11)將數(shù)據(jù)點(diǎn)i的適應(yīng)度函數(shù)Fit_i與隨機(jī)數(shù)R₂比較，如果Fit_iR₂，則該移動(dòng)終端數(shù)據(jù)點(diǎn)的位置保持不變，數(shù)據(jù)點(diǎn)的下一年的子代還在此位置；如果該數(shù)據(jù)點(diǎn)的鄰域適應(yīng)度Fit_iR₂，則終端位置數(shù)據(jù)點(diǎn)i使用全局位置更新策略重新賦予一個(gè)位置position₁，且與當(dāng)前存活移動(dòng)終端數(shù)據(jù)點(diǎn)的位置不重復(fù)；然后使用局部位置更新策略對(duì)position₁進(jìn)行局部調(diào)整，使得移動(dòng)終端數(shù)據(jù)點(diǎn)更新到適應(yīng)度更高的位置position₂；

12)當(dāng)算法每迭代1000次的時(shí)候，統(tǒng)計(jì)此次迭代結(jié)果中改變位置的數(shù)據(jù)點(diǎn)的數(shù)目N_c；如果N_c高于0.2倍的移動(dòng)終端數(shù)據(jù)點(diǎn)總數(shù)量N_p，則更新相似度參數(shù)α＝α+0.04，如果N_c低于0.2倍的N_p時(shí)，α保持不變；

13)當(dāng)滿足以下條件時(shí)，算法終止；

A、如果某次迭代結(jié)果顯示所有數(shù)據(jù)點(diǎn)的位置均不改變；

B、算法迭代次數(shù)達(dá)到閾值；

14)當(dāng)每個(gè)移動(dòng)終端數(shù)據(jù)點(diǎn)在網(wǎng)格上得到最終的聚類(lèi)位置時(shí)，根據(jù)移動(dòng)終端數(shù)據(jù)得到的最終位置得到聚類(lèi)簇；

S5：智能查詢：查詢者向系統(tǒng)輸入欲查詢的地址，然后輸入相關(guān)因素的權(quán)重，得出最終的選址地點(diǎn)。