《表1 不同忠诚度客户的最优挽留成本》
本文主要利用粒子群算法解决超越函数的最优解问题,粒子群优化是基于群体智能的启发式全局搜索的一种新兴算法,粒子群优化算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。粒子群优化算法中ω为惯性权重,将初始值设置为0.9并使其随迭代次数的增加而线性递减至0.4,这样就可以先侧重于全局搜索,是搜索空间快速收敛与某一区域,然后采用局部精细搜索以获得高精度的解;C1和C2为两个学习因子(加速度因子),是非负常数,一般取为2;更新过程中,粒子每一维的位置、速度都被限制在允许范围之内;设定最大迭代次数为100;代入不同忠诚度客户的成本利润公式,得到不同忠诚度客户的终生价值和最优挽留成本如表1所示。
图表编号 | XD00173411800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 刘光榕、刘梦婷、曾志勇 |
绘制单位 | 中国电信集团有限公司丽江分公司、云南省高校数据化运营管理工程研究中心、云南财经大学统计与数学学院、云南省高校数据化运营管理工程研究中心、云南财经大学信息学院 |
更多格式 | 高清、无水印(增值服务) |