[发明专利]一种基于传粉启发聚类的商户选址方法

权利要求书

1.一种基于传粉启发聚类的商户选址方法，其特征在于，该方法具体包括以下步骤：

S1：获取数据：收集调查某地区或街道的移动终端用户的数据集；

S2：构建系统：将数据库单元、信息分类及分析单元和信息查询单元集合在一起，组建一个显示集成网站和数据库的平台；

S3：数据库信息的输入：将采集到的信息及时输入数据库，并根据时间的推移不断对数据库内信息进行更新；

S4：对数据库信息分类及分析：对数据库中的数据归类整理，运用传粉启发的聚类算法(A clustering algorithm inspired by pollination，IPCA)来挖掘用户的兴趣爱好，并判断每个不同地址的商业投资前景，然后使用SSE原则和地理信息系统分析方法选出初始的商户地址；

所述IPCA聚类算法具体包括：

1)根据昆虫介导的植物授粉生态过程的原理，抽象出昆虫传粉媒介与植物之间的相互作用，通过以下假设来制定聚类算法：a)其中每个数据代表一个单独的一年生植物，每个数据的属性代表植物花朵性状的一个特征；b)每个单独的代理代表一个模拟的昆虫传粉者，具有感知、记忆、觅食、花粉篮和对花粉进行提取和沉积的功能；c)数据之间的相似度等于不同植物物种之间的花粉粒相似度；d)每棵植物在一年后死亡，但如果获得了足够的花粉繁殖量，其后代取代亲本的位置或重新随机放置在空间的任何位置；在所有植物经过多次迭代进化之后，所有植物的位置都视为数据集的聚类结果；

2)算法中的昆虫即是代理，植物即是移动终端数据点；昆虫的觅食活动包括授粉和采粉行为，其中授粉指的是昆虫从自身花粉篮随机散落一定数量的花粉在当前的植物柱头上，即表示代理与移动终端数据点之间的信息交流，相似度的交流；采粉指的是昆虫从当前植物上获取的花粉装入自身花粉篮，即表示代理从移动终端数据点获取数据信息；

3)初始阶段，选取某个数据集和一定数量的代理，数据集中的每个数据点表示一个移动终端数据点，数据点的特征向量表示移动终端数据的特征；将所有代理和移动终端数据点的位置随机分布在空间中，并在算法开始时，使得每个代理随机选择一个数据点作为觅食对象；

4)代理选择飞往与自身位置距离最近的移动终端数据点进行觅食活动；

5)统计移动终端数据点从代理身上获得的移动终端数据点总数量N，选取欧式距离作为相似数据之间特征差异的度量，拉普拉斯核函数计算数据点间的相似度S；

6)记录代理过去的觅食历史，觅食过程完成后，在代理的觅食历史中添加该移动终端数据点；

7)判断代理的觅食历史的线性队列的长度是否超过代理的记忆深度M_d；如果线性队列的长度超过代理的记忆深度M_d，则删除超出部分的数据点的标记；如果没有超过，则不改变线性队列；

8)判断觅食次数是否达到阈值；如果代理觅食次数没有达到阈值，代理继续选择与觅食历史中不重复且网格中距离最近的移动终端数据点进行觅食活动，如果达到阈值，统计每个移动终端数据点从代理身上获得的移动终端数据点总数量N和数据点间的相似度S，当所有代理觅食次数达到上限后，根据每个移动终端数据点从代理身上获得的移动终端数据点的数据收益来计算每个数据点从所有的代理身上获得的总的数据收益；并计算当前移动终端数据点的存活概率；

每个移动终端数据点从代理身上获得的移动终端数据点的数据收益为：

每个数据点从所有的代理身上获得的总的数据收益为：

其中，D_nk表示移动终端数据点i接收来自第k个移动终端数据点的数据量，S_ik表示移动终端数据点i和移动终端数据点k之间的相似度，在算法中授粉量为固定值，m表示所有访问过移动终端数据点i的代理数量，n表示移动终端数据点i从代理身上一共接收来自n个移动终端数据点的数据；

当前数据点的存活概率为：

其中，P₀表示初始花粉收益，即初始数据收益；

9)根据每个数据点当前位置的存活概率P_i与随机数R₁比较的结果，判断数据点的当前位置是否改变；如果某个数据点i的存活概率P_iR₁，表示该位置的移动终端数据点能够存活，当前位置保持不变；如果P_iR₁，则该位置的移动终端数据点死亡，统计该数据点邻域内的其他移动终端数据点的数量；

10)如果移动终端数据点i的邻域内的移动终端数据点数量不为零，则计算该移动终端数据点的邻域适应度Fit_i，否则，利用全局位置更新策略给该移动终端数据点重新生成一个与当前存活移动终端数据点不重复的位置代替死亡数据点的位置；

11)将数据点i的适应度函数Fit_i与随机数R₂比较，如果Fit_iR₂，则该移动终端数据点的位置保持不变，数据点的下一年的子代还在此位置；如果该数据点的邻域适应度Fit_iR₂，则终端位置数据点i使用全局位置更新策略重新赋予一个位置position₁，且与当前存活移动终端数据点的位置不重复；然后使用局部位置更新策略对position₁进行局部调整，使得移动终端数据点更新到适应度更高的位置position₂；

12)当算法每迭代1000次的时候，统计此次迭代结果中改变位置的数据点的数目N_c；如果N_c高于0.2倍的移动终端数据点总数量N_p，则更新相似度参数α＝α+0.04，如果N_c低于0.2倍的N_p时，α保持不变；

13)当满足以下条件时，算法终止；

A、如果某次迭代结果显示所有数据点的位置均不改变；

B、算法迭代次数达到阈值；

14)当每个移动终端数据点在网格上得到最终的聚类位置时，根据移动终端数据得到的最终位置得到聚类簇；

S5：智能查询：查询者向系统输入欲查询的地址，然后输入相关因素的权重，得出最终的选址地点。