Алгоритм нахождения оптимального расположения распределительных центров для доставки заказов с использованием методов неконтролируемого машинного обучения

Рассматривается задача автоматизации нахождения центров масс для системы объектов на поверхности Земли. Такая задача часто возникает, например, при процедуре оптимизации логистической сети компании для ускорения доставки заказов покупателям. Автоматизация такого процесса способствует оптимизации штата работников, задействованных в нем, повышает качество принимаемых решений по развитию логистических сетей за счет оценки ситуации на основе данных. Предлагается использование модифицированного авторами статьи метрического алгоритма машинного обучения K-средних с целью определения оптимальных расположений распределительных центров для доставки товаров в населенные пункты. Наличие таких центров позволяет существенно сократить затраты на перевозку, а также обеспечить высокий уровень качества обслуживания клиентов. Исследование также затрагивает более сложные случаи применения выбранного метода для поиска мест расположения складов, поскольку сам процесс зависит от логистической стратегии компании. Проведен анализ данных и определен набор признаков, подходящих для алгоритма кластеризации в качестве весов. Данные были обработаны и преобразованы для применения алгоритма. Разработан класс для получения расстояний между пунктами по автомобильным дорогам. Рассчитано оптимальное количество кластеров. Модифицирован алгоритм кластеризации в части расчета расстояний между объектами. С помощью доработанного алгоритма получен набор точек-кандидатов для расположения распределительных центров.