论文摘要
随着计算机技术、网络通信技术和信息处理技术的发展,战争的信息化程度越来越高,战时装备应急机动保障也趋向智能化。战时装备应急保障中物资配送线路的优化选择和维修点的设置,对应急保障的速度、成本、效益和安全至关重要。对保障区域进行划分,实施分块保障可以提高保障效率、减少运输费用、增大安全性、简化保障程序。数据挖掘中的聚类分析为装备保障区域自动划分问题提供了一种有效的解决方法。本文在研究数据挖掘中已有聚类算法的基础上,结合装备保障区域自动划分问题的特点,深入剖析划分要求,采用基于图论的聚类算法对该问题进行建模求解;针对划分后所得的装备保障区域可能是任意形状多密度的情况,结合图建模方法提出了一种最小生成树聚类算法MSTClust,该算法通过邻边权值的比值来控制聚类过程;根据MSTClust算法生成的最小生成子树中边权值的统计信息,结合控制参数构建了一个聚类结果评价函数,当该函数取值最小时聚类结果最佳;运用上述聚类结果评价函数,通过改变控制参数对该函数的最小值进行搜索,实现了参数的自动设置;在装备保障区域划分时可能存在一些约束条件,本文借鉴MSTClust的思想改造了著名的kruskal算法,提出了一种处理约束的最小生成树聚类算法COP-MSTClust;采用人工数据集和UCI真实数据集对上述算法的效果和性能进行了实验验证;最后,进行仿真实验分析,说明了基于约束的聚类算法COP-MSTClust在装备保障区域划分问题中的合理性和可行性。本文首次采用基于约束的聚类分析对装备应急保障区域划分问题进行建模求解;提出了两种效果良好、性能优越的聚类算法,特别是COP-MSTClust算法还可以处理多种约束的聚类问题;并通过仿真实验证明了算法在解决装备保障区域动态自动划分问题上的合理性和有效性,为我军装备应急机动保障机制提供了一种有价值的技术参考。
论文目录
相关论文文献
标签：聚类分析论文; 最小生成树论文; 基于约束的聚类论文; 装备应急机动保障论文; 装备保障区域划分论文;