期刊专题

10.3969/j.issn.1005-152X.2019.05.017

基于改进K-means聚类方法的新零售物流配送路径优化

钟映竑陈婵丽
广东工业大学;
引用
(0)
收藏
在新零售背景下,根据新零售的要求,从末端物流配送路径的角度出发,建立了车辆配送路径最优化数学模型,将遗传算法和K-means聚类算法进行结合与改进,对末端实体店配送方法进行优化.并以广州市天河区实际数据为例,通过Tensorflow软件仿真实验进行验证.实验结果证明,和传统遗传算法相比,基于遗传算法改进的K-means聚类方法在复杂的区域物流内可配送路程,解决了重复配送路径问题,并且优化了物流配送路径,提高了配送效率,从而改善了服务质量和用户体验度,为新零售时代的物流配送提供路径优化方法.

新零售、配送路径、遗传算法、K-means聚类算法、路径优化

38

F252.1(物资经济)

2019-06-03(万方平台首次上网日期,不代表论文的发表时间)

共7页

73-78,126

暂无封面信息
查看本期封面目录

物流技术

北大核心CSTPCD

1005-152X

42-1307/TB

38

2019,38(5)

月卡
- 期刊畅读卡 -
¥68
季卡
- 期刊畅读卡 -
¥128
年卡
- 期刊畅读卡 -
¥199
年卡
- 超级文献套餐 -
¥499
查重
- 个人文献检测 -
快速入口
开通阅读并同意
《万方数据会员(个人)服务协议》

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn