元胞自动机预测客户群问题的研究

Vol.31,No.1

Sep,2010

元胞自动机预测客户群问题的研究

李　凯1,田双亮1,金　明1,张　喜2

(1.西北民族大学计算机科学与信息工程学院,甘肃兰州730030;2.淄博技师学院,山东淄博255000)

[摘　要]客户资产是企业的核心资产,能否拥有稳定的、高利润的客户群是企业能否获得竞争优势的关键所在,预

测客户群就顺理成章地成为企业生存发展的必要战略1文章采用了元胞自动机模型,分析企业中的最佳客户群,为企业赢得最大的利润1

[关键词]元胞自动机;企业;客户群

[中图分类号]TP391　　　[文献标识码]A　　　[文章编号]1009-2102(2010)01-0038-030　引言

随着市场竞争日趋激烈,传统的以产品为中心的市场战略逐渐被以客户为中心,以满足客户需求为目的的市场战略所取代,客户资源[5,6]成为企业竞争的焦点,预测客户群问题也成为客户关系管理的核心1客户群对企业利润底线的影响,远远超过企业规模、市场份额、单位成本和其他许多通常认为与竞争优势有关因素的影响1激烈的竞争必然会导致客户处于不稳定状态,每个企业都面临着严重的客户流失问题1如何根据客户的特征和客户行为预测客户群,并结合竞争环境的变化制定有效的客户挽留和赢回策略并实现赢利,是企业正常运营的重要任务,也是客户关系管理[7]研究的一个重要课题.1　元胞自动机模型

元胞自动机模型[1,3]最基本的组成是元胞、元胞空间、邻居和规则四部分1在一维元胞自动机中,通常以半径来确定邻居,距离一个元胞半径内的所有元胞均是该元胞的邻居1二维元胞自动机的邻居定义较为复杂,以最常用的规则四方网格划分,通常有以下几种形式,见图11其中(a)和(b)中的黑色元胞代表中心元胞,灰色的元胞代表黑色中心元胞的邻居1111　冯・诺依曼[2](Von.Neumann)型

一个元胞的上、下、左、右相邻四个元胞为该元胞的邻居1这里邻居半径r为1,相当于图像处理中的四邻域、四方向1其邻居定义如下:NNeumann={vi=(vix,viy)‖vix-vox|+|viy-voy|≤1,(vix,

viy)∈Z2},其中vix,viy表示邻居元胞的行列坐标值,vox,voy表示中心元胞的行列坐标值1对于四方网

格,维数为d时,一个元胞的邻居个数为2d1112　摩尔(Moore)型

一个元胞的上、下、左、右、左上、左下、右上、右下相邻八个元胞为该元胞的邻居1邻居半径r同样为1,相当于图像处理中的八邻域、八方向1其邻居定义如下:Nmoore={vi=(vix,viy)‖vix-vox|≤1,|viy-voy|≤1,(vix,viy∈Z2},vix,viy,vox,voy意义与前面相同1对于四方网格,维数为d时,一个

元胞的邻居个数为(3d-1)1

[收稿日期]2010-01-20

),男,山东淄博人,硕士研究生,主要从事计算机模拟与仿真方面的研究1[作者简介]李凯(1986—

—38—

2　元胞自动机在预测客户群中的实现

下面介绍元胞自动机的构成及规则:1)元胞分布在规则划分的网格上;

2)元胞具有0,1两种状态,0代表“死”,1代表“生”;3)元胞以相邻的8个元胞为邻居,即摩尔邻居形式;4)一个元胞的生死由其在该时刻本身的生死状态和周围八个邻居的状态决定:①在当前时刻,如

果一个元胞状态为“生”,且八个相邻元胞中有两个或三个的状态为“生”,则在下一时刻该元胞继续保持为“生”,否则“死”去;②在当前时刻,如果一个元胞状态为“死”,且八个相邻元胞中正好有三个为“生”,则该元胞在下一时刻“复活”,否则保持为“死”1

演化规则:若St=1,则St=胞数1

表1是一个网站客户的信息组成数据表1企业的最佳客户群如果从客户处获取最大利润,其特征由客户浏览行为、客户购买行为、感知服务质量、客户投诉记录、客户登陆社区行为所构成1

表1　客户的信息组成数据

客户ID

000100010001000200020002000300030003

月份123123123

客户浏览行为客户购买行为感知服务质量客户投诉记录客户登陆社区行为

0.350.460.870.210.430.570.670.560.380.730.640.330.740.280.810.450.240.910.110.510.220.110.860.220.250.330.210.590.310.420.780.340.560.410.800.680.410.670.370.660.890.690.870.040.93

1,S=2,30,S≠2,3

,表示t时刻元胞的状态,S为8个相邻元胞中活着的元

首先将所有个体客户按顺序排放在一张二维表格上,使每个个体的上、下、左、右都与其他个体相邻接1然后根据个体的五个属性值和元胞自动机的演化规则来判断元胞的生死,依次来推断客户群13　仿真分析及结果

本文使用的算法有CA算法、模拟退火算法(SA)和遗传算法(GA)1遗传算法[4]在对目标函数优化

—39

—

时,能以较大的概率搜索到整体最优解,但存在早熟收敛的缺陷1模拟退火算法[4]既能向目标函数优化的方向迭代,又能以一定的概率接受目标函数劣化的情况,从而避免了陷入局部最优点,但当规模变大时,学习时间加剧,收敛速度较慢1在这种实现中,GA的交叉概率Pc=0.8,变异概率Pm=0.41实验是建立在PIII1GHz处理器的PC机上,经过3个小时的运行后停止搜索1各算法寻找的最优值以及算法的时间周期如表2所示1

表2　最优解和时间周期

元胞自动机模型

遗传算法模拟退火算法

最优解124.85124.85124.85

搜索时间125.32203.27172.84

从表2可以看出,在所有的算法当中元胞自动机模型收敛到最优解的时间最少1元胞自动机模型具有比较好的并行计算能力,能在较小的搜索空间内快速地找到好的解的能力,提高了搜索效率14　结束语

本文采用了元胞自动机模型,并用于解决预测客户群的问题,以提高企业的利润和效益1经过仿真分析,验证了元胞自动机模型具有比较好的并行计算能力,提高了预测客户群的效率1参考文献:

[1]StephenWolfrum.CellularAutomata,StephenWolfram,LLC,20051

[2]VonNeumannJ.TheTheoryofSelf2reproducingAutomata[M].AWBurks,Ed.University.ofIllinoisPress,1966.[3](英国)肖帕德等著,祝玉学编.物理系统的元胞自动机模拟[M].北京:清华大学出版社.[4]邢文训,谢金星编著.现代优化计算方法[M].北京:清华大学出版社,2005.[5]李小圣.如何进行客户关系管理[M]1北京:北京大学出版社,20031

[6]马辉民,尹汉斌,郭潇.潜在流失客户的发掘模型探讨[J]1华中科技大学学报(自然科学版),2003,31(9):28-30.[7]张珏.三因素一理论在客户满意度研究中的探析[J]1商业研究,2005,24(16):135-138.

ResearchonPredictingCustomerBaseonCellularAutomata

LIKai,TIANShuang-liang,JINMing,ZHANGXi

(MathematicsandComputerScienceCollegeofNorthwestUniversityforNationalities,LanzhouGansu730030,China;ZiboTechnicianCollege,ZiboShandong255000,China)

[Abstract]Customerassetsarethecoreassetsofenterprises,canhaveastable,highlyprofitablecustomerbaseistheavailabilityofthekeycompetitiveadvantage,customerbasetheforecastonamatterofcoursebecomenecessaryforthesurvivalanddevelopmentofbusinessstrategy.Acellularautomatonmodel,anal2ysisofthebestbusinesscustomers,inordertowinthemaximumprofitenterprises.[Keywords]CellularAutomata;business;customerbase

—40—