加权区域物流网络结构分析

doi:10.3778/j.issn.1002-8331.2009.26.074

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (26): 245-248.DOI: 10.3778/j.issn.1002-8331.2009.26.074

• 工程与应用 • 上一篇

加权区域物流网络结构分析

杨光华^1,2，李夏苗¹，谢小良¹

1.中南大学交通运输工程学院，长沙 410075
2.湖南交通职业技术学院，长沙 410004

收稿日期:2009-02-09 修回日期:2009-03-13 出版日期:2009-09-11 发布日期:2009-09-11
通讯作者: 杨光华

Structural analysis of regional logistics network based on weighted network

YANG Guang-hua^1,2，LI Xia-miao¹，XIE Xiao-liang¹

1.School of Traffic & Transportation Engineering，Central South University，Changsha 410075，China
2.Hunan Communication Polytechnic College，Changsha 410004，China

Received:2009-02-09 Revised:2009-03-13 Online:2009-09-11 Published:2009-09-11
Contact: YANG Guang-hua

摘要/Abstract

摘要： 分析区域物流网络结构能了解物流宏观层面特征。把物流量赋予网络上，构建基于加权网络的区域物流网络。从节点度和强度分布、边的权重差异度、加权集聚性、节点度相关性等对区域物流网络结构进行定量分析。并以湖南省为例，发现其区域内物流节点强度和边差异度大、为同类混合网络等特征，这表明加权网络可以揭示更多区域物流网络的结构特征。

关键词: 加权网络, 区域物流, 结构, 湖南省

Abstract: It can understand the macro-level characteristics of regional logistics to analyze structure of regional logistics network.The paper，assigning the magnitudes of logistics to network，constitutes regional logistics network based on the weighted network，and makes quantitative analysis to structural characteristics of regional logistics network from four perspectives：node degree and strength，edge weight disparity，weight clustering and node degree correlations.To an example of Hunan province，it finds a few characteristics of logistics node weight disparity been more，same kind mixed network and so on，indicating the weighted network can reveal more structure characteristics of regional logistics network.

Key words: weighted network, regional logistics, structure, Hunan province

中图分类号:

F252.8

杨光华^1,2，李夏苗¹，谢小良¹. 加权区域物流网络结构分析[J]. 计算机工程与应用, 2009, 45(26): 245-248.

YANG Guang-hua^1,2，LI Xia-miao¹，XIE Xiao-liang¹. Structural analysis of regional logistics network based on weighted network[J]. Computer Engineering and Applications, 2009, 45(26): 245-248.

[1]	王晋宇，杨海涛，李高源，张长弓，冯博迪. 生成对抗网络及其图像处理应用研究进展[J]. 计算机工程与应用, 2021, 57(8): 26-35.
[2]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[3]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[4]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[5]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[6]	赖俊，魏竞毅，陈希亮. 分层强化学习综述[J]. 计算机工程与应用, 2021, 57(3): 72-79.
[7]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[8]	陈柳，陈明举，薛智爽，罗仕胜. 轻量化高精度卷积神经网络的安全帽识别方法[J]. 计算机工程与应用, 2021, 57(22): 177-181.
[9]	谢俊章，彭辉，唐健峰，侯奕辰，曾庆喜. 改进YOLOv4的密集遥感目标检测[J]. 计算机工程与应用, 2021, 57(22): 247-256.
[10]	张荣霞，武长旭，孙同超，赵增顺. 深度强化学习及在路径规划中的研究进展[J]. 计算机工程与应用, 2021, 57(19): 44-56.
[11]	詹玲，张艺文. 基于SCM与SSD的混合高效键值存储系统研究[J]. 计算机工程与应用, 2021, 57(19): 97-103.
[12]	伍旭东，唐麒，张伟，张健，魏急波，王一军. 基于扩展有限状态机的SCA符合性测试方法研究[J]. 计算机工程与应用, 2021, 57(16): 263-268.
[13]	杨延娇，赵国涛，王丕栋. 基于语义与情感的句子相似度计算方法[J]. 计算机工程与应用, 2021, 57(16): 151-158.
[14]	杨春雨，徐洋，张思聪，李小剑. 基于静态特征融合的恶意软件分类方法[J]. 计算机工程与应用, 2021, 57(15): 147-155.
[15]	左保川，张晴. 采用特征引导机制的显著性检测网络[J]. 计算机工程与应用, 2021, 57(14): 201-208.

加权区域物流网络结构分析

Structural analysis of regional logistics network based on weighted network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics