[发明专利]一种基于聚类和节约算法的路线优化推荐方法

说明书

技术领域

本发明涉及路线导航领域，更具体地说涉及一种基于聚类和节约算法的为烟草行业客户经理拜 访零售户的路线优化推荐方法。

背景技术

客户经理是烟草公司与零售客户的桥梁，客户经理通过客户拜访进行信息沟通、经营指导、品 牌培育和终端建设等客户服务，同时，从零售客户中搜集市场信息，为公司决策提供依据。每个客 户经理一般负责一、二百个零售户，每天需要拜访10-20户，工作责任大、任务重，因此合理规划 客户经理的拜访路径对于提高客户经理的拜访效率和拜访质量具有重要的研究意义。

客户经理拜访路径问题实际上是一个旅行商(travelingsalesmanproblem,TSP)问题，客户经 理从公司出发，确定一条访遍预拜访零售户的最短路径，最后返回公司。TSP问题是一个NP完全 难题，求解方法主要采用启发式近似算法，例如蚁群算法、遗传算法(geneticalgorithm，GA)、 免疫算法(immunealgorithms，IA)、模拟退火算法(SimulatedAnnealing，SA)、蛙跳算法(Shuffled FrogLeapingAlgorithm，SFLA)等。这些算法大都存在容易陷入局部最优、过早收敛、收敛速度 慢、收敛精度低等缺陷。

节约算法由Clarke和Wright于1964年提出，该算法思想简单，是一种很好的解决旅行商问题 的算法，可以快速得到问题的满意解。然而目前并没有利用节约算法为优化推荐路线方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于聚类和节约算法的路线优化推荐方法。 本发明通过对烟草行业客户经理的工作流程及工作特点进行研究分析，通过利用k-means聚类方法 零售户划分到不同的区域，根据拜访率、客户类型、走访量、路径最优及其他特殊要求等条件，推 荐每天的拜访客户，根据推荐的客户位置分布或者对于客户经理自选的拜访客户，利用节约算法规 划客户经理的拜访路径，使得拜访路径最优，拜访时间最短，提高了客户经理的工作效率。

本发明提供了一种基于聚类和节约算法的路线优化推荐方法，其特征在于，依次包括如下步骤：

步骤1：建立问题数学模型：

步骤1.1：把客户经理服务的每个零售户作为一个点，所有预拜访客户构成一个集合： C＝{c₁,c₂,…c_n}；

步骤1.2：规划一条拜访路线，使得总的拜访路径最短，满足：

minF(C)＝_d(S,c_i)+Σd(c_i,c_j)+d(c_j,S)

其中d(S,c_i)表示公司S到某一客户i的距离，Σd(c_i,c_j)表示从客户i经过其他所有客户到 达客户j的路径距离，d(c_j,S)表示客户j到公司S的距离，i＝1…n,j＝1…n,j≠i，n为大 于等于0的整数；

步骤2：基于改进K-means聚类算法的烟草零售户区域划分，按照零售户之间的路程距离进行 聚类，使得每个聚类中的零售户距离相对最近；

步骤3：基于随机数字表示法和分层抽样相结合的方法进行预拜访客户推荐，把k个聚类划分 看作k层，对每个聚类中的零售户进行编号，根据客户档次给予不同数目的编号，利用随机数字法 从中选取客户；

步骤4：基于节约算法优化零售户拜访路径，使客户经理拜访完所有的客户所需时间最短，以服务每一个客户节点为起始解，根据三角形两边之和大于第三边的性质，起始状况为每服务一个客户后便回到原点，拜访总路程为：d_ij为客户i与客户j之间的距离；

而后计算路线间合并后的路程节约值：

s(i,j)＝d_oi+d_io+d_oj+d_jo-(d_oi+d_jo+d_ij)＝d_io+d_oj-d_ij，

将得到的路程节约值以降序排序而依次合并路线，最后按照最大的节约值归并拜访客户的路 径，得到最优拜访路径；