CN102509248A - 一种应用于旅游组团的多目标分类方法及*** - Google Patents

一种应用于旅游组团的多目标分类方法及*** Download PDF

Info

Publication number
CN102509248A
CN102509248A CN2011103735241A CN201110373524A CN102509248A CN 102509248 A CN102509248 A CN 102509248A CN 2011103735241 A CN2011103735241 A CN 2011103735241A CN 201110373524 A CN201110373524 A CN 201110373524A CN 102509248 A CN102509248 A CN 102509248A
Authority
CN
China
Prior art keywords
combination
target classification
characteristic function
multiple target
leaf node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011103735241A
Other languages
English (en)
Other versions
CN102509248B (zh
Inventor
李天文
刘惟一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201110373524.1A priority Critical patent/CN102509248B/zh
Publication of CN102509248A publication Critical patent/CN102509248A/zh
Application granted granted Critical
Publication of CN102509248B publication Critical patent/CN102509248B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出了一种应用于旅游组团的多目标分类方法及***，属于计算机应用领域，利用特征函数，通过初始化多目标分类和利用特征函数
Figure 923137DEST_PATH_IMAGE002
对发生动态变化的动态多目标分类，将参与旅游成员
Figure 951136DEST_PATH_IMAGE003
合理较优的分配到旅游目标
Figure 195035DEST_PATH_IMAGE004
中。本发明利用两个小成员组合合并为大成员组合的思想，给出了初始化多目标分类步骤；同时在初始化多目标分类的基础上，给出了当特征函数
Figure 650288DEST_PATH_IMAGE002
发生动态变化，能快速动态更新分类结果的动态分类方法，根据游客对旅游的意愿，对旅游价格的考虑，合理形成旅游组团，实现旅游成员的合理分配。

Description

一种应用于旅游组团的多目标分类方法及***
技术领域
本发明涉及一种分类技术，具体是一种应用于旅游组团的多目标分类方法及***，根据旅游成员组合的特征函数把各成员分配到已知的多个旅游目标中的多目标分类方法及***，属于计算机应用领域。
背景技术
传统的旅游组团方法中，主要是通过旅游组织者对各个旅游成员的意愿，价格等因素来确定旅游成员加入到那个旅游团，较少考虑所有旅游成员的相互因素对组团的影响，目前这种旅游组团方式多是通过人工操作来组团，较少应用计算机处理的方法来解决旅游组团工作。
现实中很多领域，分类不仅仅依赖于参与成员各自的属性，还会依赖于成员相互间的影响，而传统的分类只依据各自的属性进行分类，没有考虑成员相互间的影响关系，这种存在相互依赖的分类情况用传统的分类方法难以实现。这种根据成员组合的特征函数把各成员合理分配到已知的多个目标中的分类称为多目标分类；论文《An Approach for Multi-objective Categorization Based on the Game Theory and Markov Process》 (W. Liu, K. Yue, T. Wu, M. Wei. Applied Soft Computing, 11 (6), p4087-4096 (2011))给出静态多目标分类方法。
多目标分类定义如下：
参与成员                                                
Figure 2011103735241100002DEST_PATH_IMAGE001
，目标
Figure 745901DEST_PATH_IMAGE002
，对于目标
Figure 72977DEST_PATH_IMAGE002
的特征函数
Figure 2011103735241100002DEST_PATH_IMAGE003
，其中
Figure 419645DEST_PATH_IMAGE004
，根据已知的特征函数
Figure 894489DEST_PATH_IMAGE003
，把n个参与成员合理较优的分配到目标
Figure 656908DEST_PATH_IMAGE002
中。
(W. Liu, K. Yue, T. Wu, M. Wei.)提出的静态多目标分类方法利用两个小成员组合合并为大成员组合的思想，其中在大成员组合中的每个小成员组合获得的分配值要大于该小成员组合单独获得的分配值。从单个成员（第一层）开始，通过两两组合形成两个成员组合（第二层），逐渐合并上一层的组合，最终得到把n个成员通过组合的形式分配到各个目标；该方法中通过组合思想得到多个分配方案，又通过马尔科夫过程从多个分配方案中挑选出一个较优的分配方案，得到合理较优的多目标分类。
 (W. Liu, K. Yue, T. Wu, M. Wei.)提出的多目标分类为静态的多目标分类方法，在两个小成员组合合并为大成员组合的过程，会得到多个分配方案，再利用马尔科夫过程挑选较优方案，使得多目标分类的复杂度过高；而且没有给出当局部成员属性或者局部成员的相互关联发生变化时，特征函数
Figure 2011103735241100002DEST_PATH_IMAGE005
发生动态局部变化，如何快速动态更新分类结果得到动态多目标分类的方法。
发明内容
本发明提出了一种旅游组团多目标分类方法，克服了现有的静态多目标分类方法复杂度过高的缺点，提出了快速的初始化多目标分类方法以完成初始化分类，并且当采集到的数据有变化引起特征函数
Figure 402273DEST_PATH_IMAGE005
发生动态变化时，能快速动态更新分类结果的动态多目标分类方法。
    本发明采用的技术方案：针对参与旅游成员，旅游目标
Figure 819665DEST_PATH_IMAGE002
，利用旅游目标
Figure 385775DEST_PATH_IMAGE002
的特征函数
Figure 421864DEST_PATH_IMAGE003
，其中
Figure 110335DEST_PATH_IMAGE004
，根据已知的特征函数
Figure 497454DEST_PATH_IMAGE003
，把
Figure 663993DEST_PATH_IMAGE006
个参与成员分配到目标中的方法，具体应用于旅游组团的多目标分类方法包括以下步骤；
1.1，根据提供的信息初始化多目标分类具体步骤包括；
1.1.1根据特征函数找出每个单个成员在所有目标下的特征函数值的最大值，将在所有目标下的特征函数值的最大值对应的成员组合和所在的目标信息记录到多目标分类树的叶子节点集合
Figure 181004DEST_PATH_IMAGE008
中，
Figure 2011103735241100002DEST_PATH_IMAGE009
；其中：
Figure 852157DEST_PATH_IMAGE010
为
Figure 2011103735241100002DEST_PATH_IMAGE011
中的节点，表示成员组合
Figure 2011103735241100002DEST_PATH_IMAGE013
在目标
Figure 87966DEST_PATH_IMAGE014
上获得最大特征函数值
Figure 2011103735241100002DEST_PATH_IMAGE015
；
1.1.2 叶子节点集合
Figure 160964DEST_PATH_IMAGE008
只有一个节点，则初始化多目标分类完成，即为初始化多目标分类结果，并得到多目标分类树
Figure 777115DEST_PATH_IMAGE007
；叶子节点集合
Figure 285457DEST_PATH_IMAGE008
有多个节点，将叶子节点集合
Figure 416224DEST_PATH_IMAGE008
中所有成员组合在所有目标下进行两两组合，判断每个两两组合是否满足条件；两两组合得到的成员组合满足条件，则将该成员组合和所在目标信息
Figure 617398DEST_PATH_IMAGE016
保存到集合
Figure 2011103735241100002DEST_PATH_IMAGE017
中，并记录下该满足条件的成员组合是由中的哪两个节点的成员组合而两两组合得到的，不满足条件则舍去该组合；
满足的条件为(1)和(2)：
Figure 512859DEST_PATH_IMAGE018
                               （1）
Figure 2011103735241100002DEST_PATH_IMAGE019
                                （2）
其中：
Figure 61914DEST_PATH_IMAGE020
：
Figure 2011103735241100002DEST_PATH_IMAGE021
表示成员组合是由叶子节点集合
Figure 496307DEST_PATH_IMAGE008
中的节点
Figure 567031DEST_PATH_IMAGE022
的成员组合
Figure 2011103735241100002DEST_PATH_IMAGE023
与节点的成员组合
Figure 2011103735241100002DEST_PATH_IMAGE025
两两组合而成；
1.1.3 集合为空集
Figure 629293DEST_PATH_IMAGE026
，则初始化多目标分类完成，叶子节点集合
Figure 921734DEST_PATH_IMAGE008
即为初始化多目标分类结果，并得到多目标分类树
Figure 841148DEST_PATH_IMAGE007
；集合
Figure 535435DEST_PATH_IMAGE017
不为空集，对集合
Figure 249313DEST_PATH_IMAGE017
中的所有组合，按权重进行降序排序，得到降序集合
Figure 858411DEST_PATH_IMAGE017
；
权重计算公式：
Figure 253620DEST_PATH_IMAGE028
                   （3）
其中：
Figure 864730DEST_PATH_IMAGE027
表示集合中的成员组合
Figure 219805DEST_PATH_IMAGE021
在目标
Figure 215443DEST_PATH_IMAGE014
下的权重；
1.1.4 循环取出降序集合
Figure 884322DEST_PATH_IMAGE017
的第1个元素
Figure 2011103735241100002DEST_PATH_IMAGE029
，将该元素添加到多目标分类树
Figure 205582DEST_PATH_IMAGE007
作为新的叶子节点，并删除集合
Figure 258114DEST_PATH_IMAGE017
中所有含有构成成员组合
Figure 260705DEST_PATH_IMAGE030
中的任意成员的元素，直到降序集合
Figure 846407DEST_PATH_IMAGE017
为空
Figure 10672DEST_PATH_IMAGE026
，得到更新后的多目标分类树
Figure 314614DEST_PATH_IMAGE007
和其叶子节点集合，跳转到第1.1.2步；
1.2，根据初始化多目标分类结果利用特征函数
Figure 295526DEST_PATH_IMAGE005
对发生动态变化的动态多目标分类；当特征函数
Figure 896271DEST_PATH_IMAGE005
发生动态变化，参与成员，目标
Figure 267789DEST_PATH_IMAGE002
，特征函数发生变化，变化后的特征函数
Figure 2011103735241100002DEST_PATH_IMAGE031
，其中
Figure 396468DEST_PATH_IMAGE032
，根据已知的特征函数
Figure 612686DEST_PATH_IMAGE005
和
Figure 2011103735241100002DEST_PATH_IMAGE033
，把
Figure 557508DEST_PATH_IMAGE006
个参与成员分配到目标中的动态多目标分类步骤；
1.2.1 比较变化前特征函数
Figure 150743DEST_PATH_IMAGE005
与变化后的特征函数
Figure 588677DEST_PATH_IMAGE033
，找出特征函数有变化的成员组合集合：
Figure 274873DEST_PATH_IMAGE034
，
Figure 2011103735241100002DEST_PATH_IMAGE035
为特征函数值有变化的成员组合，
Figure 544181DEST_PATH_IMAGE036
为有特征函数变化的组合数，对
Figure 2011103735241100002DEST_PATH_IMAGE037
按成员组合
Figure 719947DEST_PATH_IMAGE035
成员数目从小到大排序；
1.2.2 ，
Figure 2011103735241100002DEST_PATH_IMAGE039
取值范围为
Figure 931803DEST_PATH_IMAGE040
，则按照初始化多目标分类方法对所有成员按照变化后的特征函数
Figure 822661DEST_PATH_IMAGE033
进行重新多目标分类；否则，删除
Figure 107011DEST_PATH_IMAGE037
中冗余成员，保留所有最小公共成员组合：
1.2.2.1 取
Figure 316276DEST_PATH_IMAGE037
集合的第1个元素，为一个成员组合；
1.2.2.2 将成员组合
Figure 588174DEST_PATH_IMAGE042
添加到
Figure 2011103735241100002DEST_PATH_IMAGE043
集合中，
Figure 105743DEST_PATH_IMAGE044
，将
Figure 5566DEST_PATH_IMAGE037
集合中包含
Figure 147177DEST_PATH_IMAGE042
成员组合的元素删除，
Figure 2011103735241100002DEST_PATH_IMAGE045
；
1.2.2.3 如果
Figure 183266DEST_PATH_IMAGE046
，则得到最小公共成员组合集合
Figure 2011103735241100002DEST_PATH_IMAGE047
，其中r表示
Figure 871737DEST_PATH_IMAGE043
集合元素的个数，否则，跳转到步骤1.2.2.1；
1.2.3 依照
Figure 55593DEST_PATH_IMAGE043
集合中的各个成员组合对
Figure 425395DEST_PATH_IMAGE007
多目标分类树进行局部拆分：
1.2.3.1 
Figure 581570DEST_PATH_IMAGE048
；
1.2.3.2 取
Figure 440941DEST_PATH_IMAGE043
集合中元素；
1.2.3.3 分情况考虑：
第一种情况：成员组合
Figure 613559DEST_PATH_IMAGE049
等于多目标分类树
Figure 521472DEST_PATH_IMAGE007
的叶子节点
Figure 594470DEST_PATH_IMAGE050
的成员组合，即，则
如果
Figure 562426DEST_PATH_IMAGE049
成员组合是由单个成员构成，则用的成员组合
Figure 432479DEST_PATH_IMAGE049
和所在的目标，替换多目标分类树
Figure 625563DEST_PATH_IMAGE007
的叶子节点的成员组合和目标，跳转到步骤1.2.3.4；否则，将多目标分类树
Figure 328202DEST_PATH_IMAGE007
中的叶子节点节点从
Figure 161346DEST_PATH_IMAGE007
树删除，跳转重新执行步骤1.2.3.3；
第二种情况：成员组合
Figure 208936DEST_PATH_IMAGE049
为多目标分类树
Figure 518695DEST_PATH_IMAGE007
的叶子节点
Figure 386157DEST_PATH_IMAGE053
的成员组合的真子集，
Figure 439564DEST_PATH_IMAGE050
，即
Figure 341660DEST_PATH_IMAGE054
；则将多目标分类树
Figure 822320DEST_PATH_IMAGE007
中的
Figure 380341DEST_PATH_IMAGE053
节点从
Figure 535641DEST_PATH_IMAGE007
树删除，跳转重新执行步骤1.2.3.3，否则，跳转到步骤1.2.3.4；
1.2.3.4 
Figure 2011103735241100002DEST_PATH_IMAGE055
，如果集合的成员组合都处理完，即
Figure 209385DEST_PATH_IMAGE056
，则跳转到步骤1.2.4，否则，跳转到步骤1.2.3.2；
   1.2.4 将当前的多目标分类树执行初始化多目标分类步骤1.1.2至步骤1.1.4，得到动态分类结果的多目标分类树
Figure 446648DEST_PATH_IMAGE007
，叶子节点集合
Figure 261020DEST_PATH_IMAGE008
即为多目标分类结果。
所述的应用于旅游组团的多目标分类方法的***，包括移动终端、信息处理平台、短信网关、短信服务平台；移动终端通过无线网络与信息处理平台相连，信息处理平台通过短信网关和短信服务平台连接。
所述的信息处理平台包括数据接收模块、数据处理模块、信息发布模块，数据接收模块的输入端通过无线连接和客户移动终端相连、输出端连接数据处理模块的输入端，信息发布模块与数据处理模块输出端连接、同时与客户移动终端无线连接；数据处理模块包括特征函数计算模块和组团分类模块，特征函数计算模块以程序形式将函数
Figure 2011103735241100002DEST_PATH_IMAGE057
的计算过程固化在其中，组团分类模块以程序形式将应用于旅游组团的多目标分类方法固化于其中；负责信息传出的信息发布模块通过短信服务平台和客户手机无线连接。
所述的公式
Figure 145800DEST_PATH_IMAGE057
，其中表示旅游成员组合去目的地
Figure 175515DEST_PATH_IMAGE060
的特征函数值，
Figure 2011103735241100002DEST_PATH_IMAGE061
表示成员组合
Figure 906710DEST_PATH_IMAGE059
中的成员
Figure 962391DEST_PATH_IMAGE062
对待价格的权重，
Figure 2011103735241100002DEST_PATH_IMAGE063
表示
Figure 779037DEST_PATH_IMAGE064
人组合去目的地
Figure 781628DEST_PATH_IMAGE060
旅游每人的归一化单价，其中
Figure 305014DEST_PATH_IMAGE064
表示成员组合
Figure 33060DEST_PATH_IMAGE059
中的成员个数，
Figure 2011103735241100002DEST_PATH_IMAGE065
表示成员组合中的成员
Figure 877706DEST_PATH_IMAGE062
想去旅游意愿的权重，
Figure 317914DEST_PATH_IMAGE066
表示成员组合
Figure 918660DEST_PATH_IMAGE059
中的成员
Figure 382002DEST_PATH_IMAGE062
想去目的地旅游意愿值。
本发明的有益效果：本发明提出的一种应用于旅游组团的多目标分类方法可以根据特征函数将
Figure 2011103735241100002DEST_PATH_IMAGE067
个参与成员合理、快速的分配到多个目标中；
1、如果特征函数不变化，可以直接用初始化多目标分类实现快速分类；
2、如果有旅游成员的意愿，权重或价格变化，引起特征函数有变化，则不用对所有参与成员都重新分配，只要将原分类结果中有变化的组合进行局部更新，就可以快速有效的实现动态多目标分类；而且其动态特性，不只针对一次特征函数的动态变化；特征函数动态变化分类更新后，又有特征函数变化，仍可以用上次更新得到的多目标分类树
Figure 584893DEST_PATH_IMAGE007
进行再次更新；
本发明提出的旅游组团方法，能根据用户对旅游的意愿，对旅游价格的考虑，合理形成旅游组团，实现旅游成员的合理分配。
附图说明
图1为本发明方法中初始化多目标分类的实现步骤图；
图2为本发明方法中动态多目标分类的实现步骤图；
图3为本发明方法中实施例的初始化多目标分类树PG图；
图4为本发明方法中实施例的特征函数变化后的多目标分类树PG图；
图5是本发明***结构示意图；
图6是本发明***中信息处理平台结构示意图。
具体实施方式
     本发明提出了一种应用于旅游组团的多目标分类方法，具体实施时预先得到参与成员集合，目标集合
Figure 369495DEST_PATH_IMAGE068
及特征函数
Figure 252000DEST_PATH_IMAGE005
的数据，首先根据发明内容中的步骤进行初始化多目标分类，得到初始化分类结果。当特征函数有变化时，获得变化的特征函数
Figure 604484DEST_PATH_IMAGE033
，在初始化分类结果的基础上按照发明内容中的动态多目标分类步骤进行动态更新分类结果。
本发明中针对参与旅游成员
Figure 609349DEST_PATH_IMAGE001
，旅游目标
Figure 47284DEST_PATH_IMAGE002
，利用旅游目标
Figure 795797DEST_PATH_IMAGE002
的特征函数
Figure 2788DEST_PATH_IMAGE003
，其中，根据已知的特征函数
Figure 605249DEST_PATH_IMAGE003
，把
Figure 829557DEST_PATH_IMAGE006
个参与成员分配到目标
Figure 218950DEST_PATH_IMAGE002
中的方法，具体应用于旅游组团的多目标分类方法包括以下步骤；
如图1所示：1.1根据服务器端特征函数计算模块提供的信息进行初始化多目标分类具体步骤包括：
1.1.1 根据特征函数找出每个单个成员在所有目标下的特征函数值的最大值，将在所有目标下的特征函数值的最大值对应的成员组合和所在的目标信息记录到多目标分类树
Figure 237722DEST_PATH_IMAGE007
的叶子节点集合
Figure 712566DEST_PATH_IMAGE008
中，
Figure 740565DEST_PATH_IMAGE009
；其中：
Figure 922147DEST_PATH_IMAGE010
为中的节点，表示成员组合
Figure 73960DEST_PATH_IMAGE013
在目标
Figure 192133DEST_PATH_IMAGE014
上获得最大特征函数值；
1.1.2 叶子节点集合
Figure 182272DEST_PATH_IMAGE008
只有一个节点，则初始化多目标分类完成，
Figure 303812DEST_PATH_IMAGE008
即为初始化多目标分类结果，并得到多目标分类树
Figure 673613DEST_PATH_IMAGE007
；叶子节点集合
Figure 892105DEST_PATH_IMAGE008
有多个节点，将叶子节点集合
Figure 689160DEST_PATH_IMAGE008
中所有成员组合在所有目标下进行两两组合，判断每个两两组合是否满足条件；两两组合得到的成员组合满足条件，则将该成员组合和所在目标信息保存到集合中，并记录下该满足条件的成员组合是由
Figure 842689DEST_PATH_IMAGE008
中的哪两个节点的成员组合而两两组合得到的，不满足条件则舍去该组合；
满足的条件为(1)和(2)：
Figure 810645DEST_PATH_IMAGE018
                               （1）
Figure 906777DEST_PATH_IMAGE019
                                （2）
其中：
Figure 680698DEST_PATH_IMAGE020
：
Figure 545886DEST_PATH_IMAGE021
表示成员组合是由叶子节点集合
Figure 747060DEST_PATH_IMAGE008
中的节点
Figure 330488DEST_PATH_IMAGE022
的成员组合
Figure 908100DEST_PATH_IMAGE023
与节点
Figure 627794DEST_PATH_IMAGE024
的成员组合
Figure 937553DEST_PATH_IMAGE025
两两组合而成；
1.1.3 集合
Figure 572058DEST_PATH_IMAGE017
为空集
Figure 625465DEST_PATH_IMAGE026
，则初始化多目标分类完成，叶子节点集合
Figure 527562DEST_PATH_IMAGE008
即为初始化多目标分类结果，并得到多目标分类树
Figure 8222DEST_PATH_IMAGE007
；集合
Figure 628559DEST_PATH_IMAGE017
不为空集，对集合
Figure 220078DEST_PATH_IMAGE017
中的所有组合，按权重
Figure 914364DEST_PATH_IMAGE027
进行降序排序，得到降序集合；
权重计算公式：
Figure 673559DEST_PATH_IMAGE028
                   （3）
其中：
Figure 632550DEST_PATH_IMAGE027
表示集合中的成员组合
Figure 269384DEST_PATH_IMAGE021
在目标
Figure 598734DEST_PATH_IMAGE014
下的权重；
1.1.4 循环取出降序集合
Figure 797635DEST_PATH_IMAGE017
的第1个元素
Figure 528830DEST_PATH_IMAGE029
，将该元素添加到多目标分类树
Figure 522194DEST_PATH_IMAGE007
作为新的叶子节点，并删除集合C中所有含有构成成员组合
Figure 338840DEST_PATH_IMAGE030
中的任意成员的元素，直到降序集合
Figure 75852DEST_PATH_IMAGE017
为空，得到更新后的多目标分类树
Figure 592863DEST_PATH_IMAGE007
和其叶子节点集合
Figure 834489DEST_PATH_IMAGE008
，跳转到第1.1.2步；
如图2所示：1.2根据初始化多目标分类结果利用特征函数
Figure 171929DEST_PATH_IMAGE005
对发生动态变化的动态多目标分类；当特征函数
Figure 815400DEST_PATH_IMAGE005
发生动态变化，参与成员
Figure 212884DEST_PATH_IMAGE001
，目标
Figure 941805DEST_PATH_IMAGE002
，特征函数
Figure 20620DEST_PATH_IMAGE005
发生变化，变化后的特征函数，其中
Figure 352561DEST_PATH_IMAGE032
。根据已知的特征函数
Figure 866981DEST_PATH_IMAGE005
和，把
Figure 101970DEST_PATH_IMAGE006
个参与成员分配到目标
Figure 106835DEST_PATH_IMAGE002
中的动态多目标分类步骤；
1.2.1 比较变化前特征函数
Figure 544770DEST_PATH_IMAGE005
与变化后的特征函数
Figure 27704DEST_PATH_IMAGE033
，找出特征函数有变化的成员组合集合：
Figure 500274DEST_PATH_IMAGE034
，
Figure 676040DEST_PATH_IMAGE035
为特征函数值有变化的成员组合，
Figure 601271DEST_PATH_IMAGE036
为有特征函数变化的组合数，对
Figure 389360DEST_PATH_IMAGE037
按成员组合
Figure 450857DEST_PATH_IMAGE035
成员数目从小到大排序；
1.2.2 
Figure 735208DEST_PATH_IMAGE038
，
Figure 210052DEST_PATH_IMAGE039
取值范围为
Figure 238051DEST_PATH_IMAGE040
，则按照初始化多目标分类方法对所有成员按照变化后的特征函数
Figure 481950DEST_PATH_IMAGE033
进行重新多目标分类；否则，删除
Figure 671623DEST_PATH_IMAGE037
中冗余成员，保留所有最小公共成员组合；
1.2.2.1 取
Figure 633763DEST_PATH_IMAGE037
集合的第1个元素
Figure 199873DEST_PATH_IMAGE041
，
Figure 501542DEST_PATH_IMAGE042
为一个成员组合；
1.2.2.2 将成员组合
Figure 425898DEST_PATH_IMAGE042
添加到
Figure 813017DEST_PATH_IMAGE043
集合中，
Figure 245135DEST_PATH_IMAGE044
。将
Figure 135731DEST_PATH_IMAGE037
集合中包含
Figure 932785DEST_PATH_IMAGE042
成员组合的元素删除，
Figure 603938DEST_PATH_IMAGE045
；
1.2.2.3 如果
Figure 777431DEST_PATH_IMAGE046
，则得到最小公共成员组合集合，其中
Figure 2011103735241100002DEST_PATH_IMAGE069
表示
Figure 818385DEST_PATH_IMAGE043
集合元素的个数，否则，跳转到步骤1.2.2.1；
1.2.3 依照
Figure 490017DEST_PATH_IMAGE043
集合中的各个成员组合对多目标分类树进行局部拆分：
1.2.3.1 
Figure 129126DEST_PATH_IMAGE048
；
1.2.3.2 取
Figure 267983DEST_PATH_IMAGE043
集合中元素
Figure 913728DEST_PATH_IMAGE049
；
1.2.3.3 分情况考虑：
第一种情况：成员组合
Figure 163444DEST_PATH_IMAGE049
等于多目标分类树
Figure 148718DEST_PATH_IMAGE007
的叶子节点
Figure 520793DEST_PATH_IMAGE050
的成员组合，即
Figure 591517DEST_PATH_IMAGE051
，则
如果
Figure 208706DEST_PATH_IMAGE049
成员组合是由单个成员构成，则用的成员组合
Figure 529146DEST_PATH_IMAGE049
和所在的目标，替换多目标分类树的叶子节点的成员组合和目标，跳转到步骤1.2.3.4；否则，将多目标分类树
Figure 497605DEST_PATH_IMAGE007
中的叶子节点
Figure 149166DEST_PATH_IMAGE053
节点从
Figure 256799DEST_PATH_IMAGE007
树删除，跳转重新执行步骤1.2.3.3；
第二种情况：成员组合
Figure 652008DEST_PATH_IMAGE049
为多目标分类树的叶子节点
Figure 852625DEST_PATH_IMAGE053
的成员组合的真子集，
Figure 119658DEST_PATH_IMAGE050
，即
Figure 380875DEST_PATH_IMAGE054
；则将多目标分类树
Figure 784175DEST_PATH_IMAGE007
中的节点从
Figure 859764DEST_PATH_IMAGE007
树删除，跳转重新执行步骤1.2.3.3，否则，跳转到步骤1.2.3.4；
1.2.3.4 
Figure 596776DEST_PATH_IMAGE055
，如果集合的成员组合都处理完，即
Figure 612322DEST_PATH_IMAGE056
，则跳转到步骤1.2.4，否则，跳转到1.2.3.2。
1.2.4 将当前的多目标分类树
Figure 152150DEST_PATH_IMAGE007
执行初始化多目标分类步骤1.1.2至步骤1.1.4，得到动态分类结果的多目标分类树
Figure 692853DEST_PATH_IMAGE007
，叶子节点集合
Figure 336324DEST_PATH_IMAGE008
即为多目标分类结果。
本发明提出的多目标分类方法的具体实施中动态多目标分类步骤1.2.2判断是否只有局部成员组合的特征函数发生了变化。如果
Figure 733807DEST_PATH_IMAGE038
，
Figure 462729DEST_PATH_IMAGE039
的取值范围为
Figure 603860DEST_PATH_IMAGE070
，则按照初始化多目标分类方法对所有成员按照变化后的特征函数
Figure 101838DEST_PATH_IMAGE033
进行重新多目标分类。
    以下给出了一个本发明方法提出的旅游组团多目标分类方法的具体实施例。
成员
Figure 2011103735241100002DEST_PATH_IMAGE071
去伦敦(L) 和巴黎(P)两个目标城市旅游。A成员想独自伦敦旅游的特征函数为
Figure 670222DEST_PATH_IMAGE072
。A成员和B成员想一起去伦敦旅游的特征函数为
Figure 2011103735241100002DEST_PATH_IMAGE073
。所有成员组合去伦敦和巴黎旅游的特征函数如表1：
VL(A) VL(B) VL(C) VL(AB) VL(AC) VL(BC) VL(ABC)
0.52 0.74 0.65 1.295 1.21 1.435 1.991
VP(A) VP(B) VP(C) VP(AB) VP(AC) VP(BC) VP(ABC)
0.6 0.42 0.55 1.16 1.31 1.15 1.85
表1
如何把成员
Figure 450222DEST_PATH_IMAGE071
合理的组团到两个目标城市旅游？根据本发明的旅游组团多目标分类方法具体的分配步骤如下：
第1步：执行初始化多目标分类方法步骤1.1.1，根据特征函数找出每个单个成员在所有目标下的特征函数值的最大值，将在所有目标下的特征函数值的最大值对应的成员组合和所在的目标信息记录到多目标分类树
Figure 332727DEST_PATH_IMAGE007
的叶子节点集合
Figure 747528DEST_PATH_IMAGE008
中，
Figure 690076DEST_PATH_IMAGE074
。
第2步：执行初始化多目标分类方法步骤1.1.2，
Figure 190327DEST_PATH_IMAGE008
由三个节点构成，由每个节点的成员组合在所有目标下两两组合得到成员组合集合
Figure 2011103735241100002DEST_PATH_IMAGE075
，判断每个两两组合是否满足条件。
表示AB组合在P目标下，判断:
Figure 2011103735241100002DEST_PATH_IMAGE077
Figure 557483DEST_PATH_IMAGE078
不满足条件，
Figure 482714DEST_PATH_IMAGE076
不保存到集合C中。
同理，
Figure 2011103735241100002DEST_PATH_IMAGE079
，
Figure 769339DEST_PATH_IMAGE080
，，
Figure 158732DEST_PATH_IMAGE082
不满足条件，不保存到集合C中。
对于
Figure 2011103735241100002DEST_PATH_IMAGE083
，判断：
Figure 505399DEST_PATH_IMAGE084
Figure 2011103735241100002DEST_PATH_IMAGE085
Figure 917926DEST_PATH_IMAGE083
满足条件，
Figure 244128DEST_PATH_IMAGE083
保存到集合
Figure 425710DEST_PATH_IMAGE017
中，
Figure 943279DEST_PATH_IMAGE086
。
第3步：执行初始化多目标分类方法步骤1.1.3，集合
Figure 843102DEST_PATH_IMAGE017
非空，对集合
Figure 471529DEST_PATH_IMAGE086
中的所有组合，按权重
Figure 507619DEST_PATH_IMAGE027
进行降序排序，得到降序集合
Figure 133772DEST_PATH_IMAGE086
。
Figure 2011103735241100002DEST_PATH_IMAGE087
第4步：执行初始化多目标分类方法步骤1.1.4，取出降序集合
Figure 583208DEST_PATH_IMAGE017
的第1个元素
Figure 251212DEST_PATH_IMAGE083
，将该元素添加到多目标分类树
Figure 407387DEST_PATH_IMAGE007
作为新的叶子节点。并删除集合
Figure 266758DEST_PATH_IMAGE017
中所有含有构成成员组合
Figure 875594DEST_PATH_IMAGE088
中的成员B或C的元素，降序集合
Figure 49087DEST_PATH_IMAGE017
为空。得到更新后的多目标分类树
Figure 90041DEST_PATH_IMAGE007
和其叶子节点集合
Figure 2011103735241100002DEST_PATH_IMAGE089
。跳转到初始化多目标分类方法步骤1.1.2。
第5步：执行初始化多目标分类方法步骤1.1.2，叶子节点集合
Figure 248490DEST_PATH_IMAGE008
由两个节点构成，由中每个节点的成员组合在所有目标下两两组合得到成员组合集合
Figure 377345DEST_PATH_IMAGE090
，判断每个两两组合是否满足条件。
Figure 2011103735241100002DEST_PATH_IMAGE091
表示ABC组合在P目标下，判断:
Figure 578519DEST_PATH_IMAGE092
不满足条件，
Figure 224264DEST_PATH_IMAGE091
不保存到集合
Figure 473979DEST_PATH_IMAGE017
中。
同理，
Figure 459253DEST_PATH_IMAGE094
不满足条件，不保存到集合
Figure 831329DEST_PATH_IMAGE017
中。
第6步：执行初始化多目标分类方法步骤1.1.3，集合
Figure 902053DEST_PATH_IMAGE017
为空
Figure 519241DEST_PATH_IMAGE026
，则初始化多目标分类完成，得到多目标分类树，如图3所示。其叶子节点集合
Figure 901998DEST_PATH_IMAGE008
为如图3所示的节点
Figure 194439DEST_PATH_IMAGE083
和节点，即为初始化多目标分类结果。表示BC成员组合到伦敦，A成员到巴黎。
如图3所示：基于上述步骤得到的多目标分类树
Figure 113853DEST_PATH_IMAGE007
。
当特征函数
Figure 808140DEST_PATH_IMAGE005
部分发生变化，新的特征函数
Figure 522018DEST_PATH_IMAGE033
如表2所示，进行以下动态多目标分类步骤，可以快速得到分类结果。
(A)
Figure 962544DEST_PATH_IMAGE096
(B)
Figure 75118DEST_PATH_IMAGE096
(C)
Figure 163160DEST_PATH_IMAGE096
(AB)
Figure 492510DEST_PATH_IMAGE096
(AC)
Figure 425831DEST_PATH_IMAGE096
(BC)
Figure 157027DEST_PATH_IMAGE096
 (ABC)
0.62 0.74 0.65 1.4 1.21 1.435 2.3
Figure 2011103735241100002DEST_PATH_IMAGE097
(A)
Figure 415970DEST_PATH_IMAGE097
(B)
Figure 967037DEST_PATH_IMAGE097
(C)		 (AB)
Figure 56795DEST_PATH_IMAGE097
(AC)		 (BC)
Figure 462686DEST_PATH_IMAGE097
(ABC)
0.6 0.42 0.55 1.16 1.31 1.15 1.85
表2
第1步：执行动态多目标分类方法步骤1.2.1，比较变化前特征函数
Figure 65705DEST_PATH_IMAGE005
与变化后的特征函数
Figure 443597DEST_PATH_IMAGE033
，找出特征函数有变化的成员组合集合，对
Figure 106660DEST_PATH_IMAGE037
按成员组合
Figure 570002DEST_PATH_IMAGE035
成员数目从小到大排序：
Figure 976712DEST_PATH_IMAGE098
。
第2步：执行动态多目标分类方法步骤1.2.2，
Figure 2011103735241100002DEST_PATH_IMAGE099
，成员组合AB，ABC都包含成员A，从中删除成员组合AB，ABC，从而得到最小公共组合集合为
Figure 544539DEST_PATH_IMAGE100
，
Figure 2011103735241100002DEST_PATH_IMAGE101
第3步：执行动态多目标分类方法步骤1.2.3，依照
Figure 823074DEST_PATH_IMAGE043
集合中的各个成员组合对
Figure 705579DEST_PATH_IMAGE007
多目标分类树进行局部拆分。
执行动态多目标分类方法步骤1.2.3.1，
Figure 120380DEST_PATH_IMAGE048
；
执行动态多目标分类方法步骤1.2.3.2，取
Figure 797349DEST_PATH_IMAGE043
集合中元素
Figure 235284DEST_PATH_IMAGE102
执行动态多目标分类方法步骤1.2.3.3，成员组合等于多目标分类树的叶子节点
Figure 2011103735241100002DEST_PATH_IMAGE103
，属于第一种情况，又因为
Figure 868019DEST_PATH_IMAGE102
成员组合是由单个成员构成，则，
Figure 793249DEST_PATH_IMAGE104
用
Figure 2011103735241100002DEST_PATH_IMAGE105
替换多目标分类树
Figure 79874DEST_PATH_IMAGE007
的叶子节点
Figure 469267DEST_PATH_IMAGE095
，跳转执行动态多目标分类方法步骤1.2.3.4，，，
Figure 990881DEST_PATH_IMAGE043
集合的成员组合都处理完，则跳转动态多目标分类方法步骤1.2.4。
第4步：执行动态多目标分类方法步骤1.2.4，将当前的多目标分类树执行初始化多目标分类步骤1.1.2，
Figure 191498DEST_PATH_IMAGE008
由两个成员组合构成，由
Figure 153637DEST_PATH_IMAGE008
每个节点的成员组合在所有目标下两两组合得到成员组合集合
Figure 719748DEST_PATH_IMAGE090
，判断每个两两组合是否满足条件。
Figure 755837DEST_PATH_IMAGE091
表示ABC组合在P目标下，判断:
Figure 2011103735241100002DEST_PATH_IMAGE107
Figure 444307DEST_PATH_IMAGE108
不满足条件，
Figure 628164DEST_PATH_IMAGE091
不保存到集合
Figure 997966DEST_PATH_IMAGE017
中。
判断
Figure 717922DEST_PATH_IMAGE094
：
Figure 2011103735241100002DEST_PATH_IMAGE109
Figure 514977DEST_PATH_IMAGE110
Figure 186130DEST_PATH_IMAGE094
满足条件，保存到集合中。
第5步：执行初始化多目标分类方法步骤1.1.3，集合
Figure 167041DEST_PATH_IMAGE017
非空，对集合中的所有组合，按权重进行降序排序，得到降序集合
Figure 293446DEST_PATH_IMAGE111
。
第6步：执行初始化多目标分类方法步骤1.1.4，取出降序集合
Figure 5050DEST_PATH_IMAGE017
的第1个元素
Figure 523817DEST_PATH_IMAGE094
，将该元素添加到多目标分类树
Figure 662675DEST_PATH_IMAGE007
作为新的叶子节点。并删除集合
Figure 42841DEST_PATH_IMAGE017
中所有含有构成成员组合
Figure 558136DEST_PATH_IMAGE112
中的成员A或B或C的元素，降序集合
Figure 543409DEST_PATH_IMAGE017
为空
Figure 915485DEST_PATH_IMAGE026
。得到更新后的多目标分类树
Figure 720630DEST_PATH_IMAGE007
和其叶子节点集合
Figure 2011103735241100002DEST_PATH_IMAGE113
；跳转到初始化多目标分类方法步骤1.1.2。
第7步：执行初始化多目标分类方法步骤1.1.2，叶子节点集合由一个节点构成，则动态多目标分类完成，得到多目标分类树，如图4所示；其叶子节点集合
Figure 720575DEST_PATH_IMAGE008
为如图4所示的节点
Figure 278595DEST_PATH_IMAGE094
，即为初始化多目标分类结果；表示ABC成员组合到伦敦。
为了方便本发明使用，本发明还提出了一种应用于旅游组团的多目标分类方法的***，如图5所示，包括移动终端、信息处理平台、短信网关、短信服务平台；移动终端通过无线网络与信息处理平台相连，信息处理平台通过短信网关和短信服务平台连接。
多目标分类方法的***的工作流程是：参加旅游成员通过移动终端把客户信息直接发送到信息处理平台，信息在信息处理平台经过处理，得出组团结果；若用户通过短信服务平台发出业务请求，信息处理平台即可将组团结果以及相关出行建议以短信形式发送至用户手机。
本***信息处理平台内部结构如图6所示，包括数据接收模块、数据处理模块、信息发布模块，数据接收模块的输入端通过无线连接和客户移动终端相连、输出端连接数据处理模块的输入端，信息发布模块与数据处理模块输出端连接、同时与客户移动终端无线连接；数据处理模块包括特征函数计算模块和组团分类模块，特征函数计算模块以程序形式将函数
Figure 932430DEST_PATH_IMAGE057
的计算过程固化在其中，组团分类模块以程序形式将应用于旅游组团的多目标分类方法固化于其中；负责信息传出的信息发布模块通过短信服务平台和客户手机无线连接。
所述的公式
Figure 892296DEST_PATH_IMAGE057
，其中
Figure 606174DEST_PATH_IMAGE058
表示旅游成员组合去目的地
Figure 843437DEST_PATH_IMAGE060
的特征函数值，表示成员组合
Figure 480272DEST_PATH_IMAGE059
中的成员
Figure 311087DEST_PATH_IMAGE062
对待价格的权重，
Figure 509987DEST_PATH_IMAGE063
表示
Figure 241183DEST_PATH_IMAGE064
人组合去目的地
Figure 234547DEST_PATH_IMAGE060
旅游每人的归一化单价，其中
Figure 51193DEST_PATH_IMAGE064
表示成员组合中的成员个数，
Figure 577169DEST_PATH_IMAGE065
表示成员组合中的成员想去旅游意愿的权重，表示成员组合
Figure 527753DEST_PATH_IMAGE059
中的成员
Figure 128499DEST_PATH_IMAGE062
想去目的地
Figure 654158DEST_PATH_IMAGE060
旅游意愿值。
本发明是通过具体实施过程进行说明的，在不脱离本发明范围的情况下，还可以对发明进行各种变换及等同代替，因此，本发明不局限于所公开的具体实施过程，而应当包括落入本发明权利要求范围内的全部实施方案。

Claims (3)

1.一种应用于旅游组团的多目标分类方法，针对参与旅游成员                                                ，旅游目标
Figure 818415DEST_PATH_IMAGE002
，通过旅游目标的特征函数
Figure 808554DEST_PATH_IMAGE003
，其中
Figure 930094DEST_PATH_IMAGE004
，根据已知的特征函数
Figure 362212DEST_PATH_IMAGE003
，把
Figure 518387DEST_PATH_IMAGE005
个参与成员分配到目标
Figure 315441DEST_PATH_IMAGE002
中的方法，其特征在于：具体应用于旅游组团的多目标分类方法包括以下步骤；
1.1 根据提供的信息进行初始化多目标分类，具体包括；
1.1.1根据特征函数找出每个单个成员在所有目标下的特征函数值的最大值，将在所有目标下的特征函数值的最大值对应的成员组合和所在的目标信息记录到多目标分类树的叶子节点集合
Figure 395972DEST_PATH_IMAGE007
中，
Figure 468970DEST_PATH_IMAGE008
；其中：
Figure 436926DEST_PATH_IMAGE009
为
Figure 595375DEST_PATH_IMAGE010
中的节点，表示成员组合
Figure 2011103735241100001DEST_PATH_IMAGE011
在目标
Figure 306979DEST_PATH_IMAGE012
上获得最大特征函数值
Figure 234484DEST_PATH_IMAGE013
；
1.1.2若 叶子节点集合
Figure 373341DEST_PATH_IMAGE007
只有一个节点，则初始化多目标分类完成，
Figure 520551DEST_PATH_IMAGE007
即为初始化多目标分类结果，并得到多目标分类树；若叶子节点集合
Figure 817857DEST_PATH_IMAGE007
有多个节点，将叶子节点集合
Figure 127616DEST_PATH_IMAGE007
中所有成员组合在所有目标下进行两两组合，判断每个两两组合是否满足条件；两两组合得到的成员组合满足条件，则将该成员组合和所在目标信息保存到集合
Figure 314064DEST_PATH_IMAGE015
中，并记录下该满足条件的成员组合是由
Figure 153844DEST_PATH_IMAGE007
中的哪两个节点的成员组合进行两两组合得到的，不满足条件则舍去该组合；
满足的条件为(1)和(2)：
Figure 696821DEST_PATH_IMAGE016
                               （1）
                                （2）
其中：
Figure 410141DEST_PATH_IMAGE018
：
Figure 104428DEST_PATH_IMAGE019
表示成员组合是由叶子节点集合
Figure 21568DEST_PATH_IMAGE007
中的节点
Figure 863622DEST_PATH_IMAGE020
的成员组合
Figure 258831DEST_PATH_IMAGE021
与节点
Figure 135520DEST_PATH_IMAGE022
的成员组合
Figure 957983DEST_PATH_IMAGE023
两两组合而成；
1.1.3 若集合
Figure 225016DEST_PATH_IMAGE015
为空集，则初始化多目标分类完成，叶子节点集合
Figure 155112DEST_PATH_IMAGE007
即为初始化多目标分类结果，并得到多目标分类树
Figure 712258DEST_PATH_IMAGE006
；若集合
Figure 466587DEST_PATH_IMAGE015
不为空集，对集合
Figure 265916DEST_PATH_IMAGE015
中的所有组合，按权重
Figure 789301DEST_PATH_IMAGE025
进行降序排序，得到降序集合
Figure 219145DEST_PATH_IMAGE015
；
权重计算公式：
                   （3）
其中：
Figure 798211DEST_PATH_IMAGE025
表示集合中的成员组合在目标
Figure 568087DEST_PATH_IMAGE012
下的权重；
1.1.4 循环取出降序集合
Figure 210683DEST_PATH_IMAGE015
的第1个元素
Figure 708661DEST_PATH_IMAGE027
，将该元素添加到多目标分类树
Figure 542624DEST_PATH_IMAGE006
作为新的叶子节点，并删除集合中所有含有构成成员组合
Figure 438085DEST_PATH_IMAGE028
中的任意成员的元素，直到降序集合
Figure 790569DEST_PATH_IMAGE015
为空
Figure 733117DEST_PATH_IMAGE024
，得到更新后的多目标分类树
Figure 233369DEST_PATH_IMAGE006
和其叶子节点集合
Figure 653986DEST_PATH_IMAGE007
，跳转到第步骤1.1.2；
1.2 根据初始化多目标分类结果利用特征函数
Figure 702056DEST_PATH_IMAGE029
对发生动态变化的动态多目标分类；当特征函数
Figure 815505DEST_PATH_IMAGE029
发生动态变化，参与成员
Figure 803053DEST_PATH_IMAGE001
，目标
Figure 27361DEST_PATH_IMAGE002
，特征函数
Figure 151175DEST_PATH_IMAGE029
发生变化，变化后的特征函数
Figure 435526DEST_PATH_IMAGE030
，其中
Figure 848052DEST_PATH_IMAGE031
，根据已知的特征函数
Figure 938368DEST_PATH_IMAGE029
和
Figure 119951DEST_PATH_IMAGE032
，把个参与成员分配到目标
Figure 773228DEST_PATH_IMAGE002
中，其动态多目标分类步骤如下；
1.2.1 比较变化前特征函数
Figure 401656DEST_PATH_IMAGE029
与变化后的特征函数
Figure 703324DEST_PATH_IMAGE032
，找出特征函数有变化的成员组合集合：
Figure 126215DEST_PATH_IMAGE033
，为特征函数值有变化的成员组合，
Figure 883136DEST_PATH_IMAGE035
为有特征函数变化的组合数，对按成员组合
Figure 633103DEST_PATH_IMAGE034
成员数目从小到大排序；
1.2.2 若，
Figure 979213DEST_PATH_IMAGE038
取值范围为
Figure 989894DEST_PATH_IMAGE039
，则按照初始化多目标分类方法对所有成员按照变化后的特征函数
Figure 20167DEST_PATH_IMAGE032
进行重新多目标分类；否则，删除
Figure 116299DEST_PATH_IMAGE036
中冗余成员，保留所有最小公共成员组合；
1.2.2.1 取
Figure 890220DEST_PATH_IMAGE036
集合的第1个元素，
Figure 894265DEST_PATH_IMAGE041
为一个成员组合；
1.2.2.2 将成员组合
Figure 540010DEST_PATH_IMAGE041
添加到集合中，
Figure 338781DEST_PATH_IMAGE043
，将
Figure 648540DEST_PATH_IMAGE036
集合中包含
Figure 781581DEST_PATH_IMAGE041
成员组合的元素删除，
Figure 834987DEST_PATH_IMAGE044
；
1.2.2.3 如果
Figure 674767DEST_PATH_IMAGE045
，则得到最小公共成员组合集合
Figure 217744DEST_PATH_IMAGE046
，其中r表示
Figure 510185DEST_PATH_IMAGE042
集合元素的个数，否则，跳转到步骤1.2.2.1；
1.2.3 依照
Figure 429600DEST_PATH_IMAGE042
集合中的各个成员组合对多目标分类树进行局部拆分；
1.2.3.1 ；
1.2.3.2 取
Figure 384546DEST_PATH_IMAGE042
集合中元素
Figure 779755DEST_PATH_IMAGE048
；
1.2.3.3 分情况考虑：
第一种情况：成员组合
Figure 390865DEST_PATH_IMAGE048
等于多目标分类树
Figure 478907DEST_PATH_IMAGE006
的叶子节点
Figure 745940DEST_PATH_IMAGE049
的成员组合，即
Figure 7157DEST_PATH_IMAGE050
，则：
如果成员组合是由单个成员构成，则用的成员组合和所在的目标，替换多目标分类树的叶子节点
Figure 310224DEST_PATH_IMAGE052
的成员组合和目标，跳转到步骤1.2.3.4；否则，将多目标分类树
Figure 740069DEST_PATH_IMAGE006
中的叶子节点
Figure 778432DEST_PATH_IMAGE052
节点从
Figure 319135DEST_PATH_IMAGE006
树删除，跳转重新执行步骤1.2.3.3；
第二种情况：成员组合
Figure 962606DEST_PATH_IMAGE048
为多目标分类树的叶子节点
Figure 89011DEST_PATH_IMAGE052
的成员组合的真子集，
Figure 230142DEST_PATH_IMAGE049
，即；则将多目标分类树
Figure 234187DEST_PATH_IMAGE006
中的
Figure 14186DEST_PATH_IMAGE052
节点从树删除，跳转重新执行步骤1.2.3.3，否则，跳转到步骤1.2.3.4；
1.2.3.4 
Figure 311493DEST_PATH_IMAGE054
，如果
Figure 254041DEST_PATH_IMAGE042
集合的成员组合都处理完，即
Figure 691975DEST_PATH_IMAGE055
，则跳转到步骤1.2.4，否则，跳转到步骤1.2.3.2；
   1.2.4将当前的多目标分类树
Figure 174909DEST_PATH_IMAGE006
执行初始化多目标分类步骤1.1.2至步骤1.1.4，得到动态分类结果的多目标分类树
Figure 709796DEST_PATH_IMAGE006
，叶子节点集合
Figure 557666DEST_PATH_IMAGE007
即为多目标分类结果。
2.一种应用于旅游组团的多目标分类方法的***，其特征在于：***包括移动终端、信息处理平台、短信网关、短信服务平台；移动终端通过无线网络与信息处理平台相连，信息处理平台通过短信网关和短信服务平台连接。
3.根据权利要求2所述的应用于旅游组团的多目标分类方法的***，其特征在于：所述的信息处理平台包括数据接收模块、数据处理模块、信息发布模块，数据接收模块的输入端通过无线连接和客户移动终端相连、输出端连接数据处理模块的输入端，信息发布模块与数据处理模块输出端连接、同时与客户移动终端无线连接；数据处理模块包括特征函数计算模块和组团分类模块，特征函数计算模块以程序形式将函数
Figure 46679DEST_PATH_IMAGE056
的计算过程固化在其中，组团分类模块以程序形式将应用于旅游组团的多目标分类方法固化于其中；负责信息传出的信息发布模块通过短信服务平台和客户手机无线连接。
CN201110373524.1A 2011-11-22 2011-11-22 一种应用于旅游组团的多目标分类方法及*** Expired - Fee Related CN102509248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110373524.1A CN102509248B (zh) 2011-11-22 2011-11-22 一种应用于旅游组团的多目标分类方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110373524.1A CN102509248B (zh) 2011-11-22 2011-11-22 一种应用于旅游组团的多目标分类方法及***

Publications (2)

Publication Number Publication Date
CN102509248A true CN102509248A (zh) 2012-06-20
CN102509248B CN102509248B (zh) 2016-03-30

Family

ID=46221326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110373524.1A Expired - Fee Related CN102509248B (zh) 2011-11-22 2011-11-22 一种应用于旅游组团的多目标分类方法及***

Country Status (1)

Country Link
CN (1) CN102509248B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679508A (zh) * 2013-12-10 2014-03-26 苏州海客科技有限公司 基于时间和空间约束的自助拼团方法
CN103700044A (zh) * 2013-12-24 2014-04-02 苏州海客科技有限公司 旅游前自助拼团方法
CN103761692A (zh) * 2013-12-31 2014-04-30 苏州海客科技有限公司 面向旅游交友的自动组团方法
CN109242594A (zh) * 2018-07-27 2019-01-18 国政通科技有限公司 一种旅游团组生成方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117471A (zh) * 2009-12-31 2011-07-06 上海天那电器有限公司 自助旅游多媒体网络服务平台
CN102135983A (zh) * 2011-01-17 2011-07-27 北京邮电大学 基于网络用户行为的群体划分方法和装置
CN102202012A (zh) * 2011-05-30 2011-09-28 中国人民解放军总参谋部第五十四研究所 通信网络的社团划分方法与***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117471A (zh) * 2009-12-31 2011-07-06 上海天那电器有限公司 自助旅游多媒体网络服务平台
CN102135983A (zh) * 2011-01-17 2011-07-27 北京邮电大学 基于网络用户行为的群体划分方法和装置
CN102202012A (zh) * 2011-05-30 2011-09-28 中国人民解放军总参谋部第五十四研究所 通信网络的社团划分方法与***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WEI YILIU等: "《An approach for multi-objective categorization based on the game theory and Markov process》", 《APPLIED SOFT COMPUTING》, 30 June 2011 (2011-06-30) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679508A (zh) * 2013-12-10 2014-03-26 苏州海客科技有限公司 基于时间和空间约束的自助拼团方法
CN103700044A (zh) * 2013-12-24 2014-04-02 苏州海客科技有限公司 旅游前自助拼团方法
CN103761692A (zh) * 2013-12-31 2014-04-30 苏州海客科技有限公司 面向旅游交友的自动组团方法
CN109242594A (zh) * 2018-07-27 2019-01-18 国政通科技有限公司 一种旅游团组生成方法、装置及存储介质

Also Published As

Publication number Publication date
CN102509248B (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN105103506B (zh) 用于为云计算网络中的非均匀带宽请求分配带宽的方法和***
US8606721B1 (en) Implicit social graph edge strengths
CN103679498B (zh) 一种对网络终端的信息推送方法及其***
CN102509248A (zh) 一种应用于旅游组团的多目标分类方法及***
CN108964949A (zh) 虚拟机迁移方法、sdn控制器及计算机可读存储介质
CN104021189A (zh) 一种民航旅客网络生成方法
CN100461891C (zh) 群发短消息业务中的号码处理***及处理方法
Maheri et al. Size and topology optimization of trusses using hybrid genetic-particle swarm algorithms
CN106453143A (zh) 带宽设置方法、装置和***
Chou et al. A clonal selection algorithm for energy-efficient mobile agent itinerary planning in wireless sensor networks
ITRM20110315A1 (it) Procedure realizzative di funzionalità dinamiche avanzate nell'ambito dei social network e relativi dispositivi di rete che ne permettono l'implementazione.
JP2013003763A (ja) 情報推薦装置、情報推薦方法及び情報推薦プログラム
Hosapujari et al. Development of a hub and spoke model for bus transit route network design
WO2013025056A2 (ko) 게임을 이용한 광고 서비스 방법 및 그 시스템
CN107133339A (zh) 线路查询方法和装置以及存储介质、处理器
CN106131134A (zh) 一种消息内容合并去重方法及***
CN106982126A (zh) 一种资源共享计费方法及计费装置、内存库
CN105681287A (zh) 基于筛选规则的用户服务分配筛选方法
CN110465086A (zh) 一种游戏物品展示方法、装置及存储介质
Arias-Melia et al. The vehicle sharing and task allocation problem: MILP formulation and a heuristic solution approach
CN102377826A (zh) 一种对等网络中冷门资源索引的优化放置方法
CN104598324B (zh) 一种已删除信息的恢复方法和装置
CN107659982A (zh) 一种无线网络接入点的分类方法及装置
CN103631797B (zh) 用于数据列表的操作方法和装置
CN107590213A (zh) 基于手机大数据的混合推荐***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160330

Termination date: 20201122