《表4 实验结果：基于随机森林与变邻域下降的车辆合乘求解》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林与变邻域下降的车辆合乘求解》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过随机森林模型对历史分组数据进行学习，得到各个特征对用户满意度的影响权重。其中，特征difD的重要性为0.71，特征difI的重要性为0.14，特征difT的重要性为0.03，特征difA的重要性为0.04，特征sexD的重要性为0.07。特征重要性将作为下一阶段采用VND算法求解LTCPP时目标函数中各优化目标的权重，即α=0.71，β=0.14，γ=0.03，δ=0.04，ε=0.07。将与文献[16]中的聚类蚁群算法（Clustering Ant Colony algorithm，CAC）进行对比，该文献中的各优化目标的权重均由人为设定。实验结果如表4所示，其中，Size表示用户数量，Rcar表示合乘后平均每天的出行车辆减少率，该值可以计算为：