張薇 四川職業(yè)技術(shù)學(xué)院

前言：對(duì)于電子商務(wù)物流信息的實(shí)時(shí)提取，會(huì)影響到物流定位及信息處理等工作的質(zhì)量及效果，當(dāng)前的主流提取方法，對(duì)電子商務(wù)物流信息提取的穩(wěn)定性提出要求，這種情況下，就需要采取有效措施優(yōu)化電子商務(wù)物流信息的實(shí)時(shí)提取效果。

一、電子商務(wù)物流信息特征矢量

電子商務(wù)物流信息的實(shí)時(shí)提取，需要對(duì)信息的時(shí)間序列及數(shù)據(jù)向量加以計(jì)算，確定計(jì)算結(jié)果，用以實(shí)時(shí)替換電子商務(wù)物流信息，新建粒子群，以調(diào)整商務(wù)物流信息，以商務(wù)物流信息的具體特征為基礎(chǔ)，進(jìn)行矢量重新打造，從而實(shí)現(xiàn)對(duì)于物流信息的精準(zhǔn)分類，保證電子商務(wù)物流信息特征矢量的均衡性。

在對(duì)電子商務(wù)物流信息加以實(shí)時(shí)提取時(shí)，需要對(duì)工作的重點(diǎn)有所明確，檢驗(yàn)信息產(chǎn)生及其所產(chǎn)生的粒子群進(jìn)行檢驗(yàn)，概率為p（x0），則其粒子群為。在移動(dòng)網(wǎng)絡(luò)環(huán)境下，網(wǎng)絡(luò)數(shù)據(jù)與線性函數(shù)之間的距離被無限拉近，對(duì)物流信息數(shù)據(jù)權(quán)值加以輸入，以R表現(xiàn)其局部信息的提取，通過這種方式對(duì)粒子群信息集合的最值加以計(jì)算。物流信息數(shù)據(jù)集中，包含若干數(shù)據(jù)樣本，其信息數(shù)據(jù)集合以X表示，可確定其物流信息表達(dá)式：

該表達(dá)式中，存在物流數(shù)據(jù)向量：

對(duì)電子商務(wù)物流信息表達(dá)式加以替換為：

新建粒子群，調(diào)整電子商務(wù)物流信息，重新構(gòu)建其矢量特征，確定電子商務(wù)物理信息矢量特征的表達(dá)式，即：

經(jīng)過以上論述，新建粒子群以革新電子商務(wù)物流信息，并對(duì)其加以重新調(diào)整。

二、基于粒子群優(yōu)化算法的物流信息實(shí)時(shí)提取

經(jīng)過以上論述，重新構(gòu)建電子商務(wù)物流信息特征矢量的情況下，可采用混沌差分算法的全局搜索性能，集中物流信息的特征矢量及其數(shù)據(jù)信息，整合其聚類粒子權(quán)值，并加以計(jì)算。在推動(dòng)粒子群進(jìn)化的過程中，對(duì)物流信息混沌擾動(dòng)矢量加以引入，結(jié)合模糊算法，對(duì)電子商務(wù)物流信的個(gè)體/整體最優(yōu)解進(jìn)行計(jì)算，確定其聚類中心擾動(dòng)矢量，確定信息聚類矩陣，以及適應(yīng)度目標(biāo)函數(shù)。對(duì)擁有最小物流信息目標(biāo)適應(yīng)度函數(shù)值的個(gè)體加以定位，有效調(diào)整并重新打造信息，便于對(duì)其實(shí)時(shí)提取。

若移動(dòng)網(wǎng)絡(luò)環(huán)境下，電子商務(wù)物流信息特征矢量數(shù)據(jù)集存在均勻性與遍歷性，假設(shè)該數(shù)據(jù)集為，M個(gè)個(gè)體物流信息粒子共同組成粒子群，則在最優(yōu)目標(biāo)導(dǎo)向下，電子商務(wù)物流信息數(shù)據(jù)集中，滿足其目標(biāo)最優(yōu)化的有限數(shù)據(jù)集為：

基于以上計(jì)算，確定移動(dòng)網(wǎng)絡(luò)環(huán)境下的電子商務(wù)物流信息個(gè)體及整體的最優(yōu)解，計(jì)算其聚類中心擾動(dòng)矢量，對(duì)標(biāo)準(zhǔn)粒子群加以優(yōu)化，確定其電子商務(wù)物流信息聚類矩陣[1]。在此基礎(chǔ)上，充分體現(xiàn)電子商務(wù)物流信息聚類的同時(shí)所表現(xiàn)出的種群變化性，將其與聚類算法相互融合，計(jì)算粒子群差分?jǐn)_動(dòng)環(huán)境下的物流信息適應(yīng)度目標(biāo)函數(shù)：

計(jì)算物流信息最大向量，以及物流信息樣本的距離：

進(jìn)而對(duì)物流信息聚類數(shù)據(jù)加以計(jì)算，

通過粒子群差分?jǐn)_動(dòng)計(jì)算，確定其產(chǎn)生相應(yīng)物流信息的初始隸屬度矩陣，將該矩陣納入到種群個(gè)體，確定該個(gè)體擾動(dòng)變量表達(dá)式，經(jīng)過一系列計(jì)算，確定梯度下降情況下的電子商務(wù)物流信息范圍下的信息序列及其表達(dá)式，加以計(jì)算，可確定移動(dòng)網(wǎng)絡(luò)環(huán)境下的電子商務(wù)物流信息聚類正處于穩(wěn)定狀態(tài)下，向其間增加若干擾動(dòng)變量的混沌分量。

為盡可能保證粒子群差分?jǐn)_動(dòng)狀態(tài)的搜索效果，并保證其全局搜索性能與局部所搜性能的均衡性，保證整體最優(yōu)，則應(yīng)當(dāng)對(duì)電子商務(wù)環(huán)境下的物流信息種群進(jìn)化歷程中的本代多樣性因子加以計(jì)算。

門限值差值越小，全局搜索與局部搜索性能之間的均衡性就越突出，與電子商務(wù)物流信息優(yōu)化的目標(biāo)愈發(fā)貼近，從而對(duì)物流信息適應(yīng)度目標(biāo)函數(shù)的最小值加以確定，優(yōu)化粒子群的基礎(chǔ)上，結(jié)合其優(yōu)化算法，采集電子商務(wù)物流信息數(shù)據(jù)，對(duì)物流信息個(gè)體及整體個(gè)體加以明確，提煉電子商務(wù)物流信息中的第j個(gè)粒子物流信息的樣本值，基于這一方式對(duì)其加以進(jìn)一步優(yōu)化及調(diào)整，具體的調(diào)整方法在于：

整合電子商務(wù)物流信息及物流個(gè)體粒子的具體位置的相關(guān)信息數(shù)據(jù)，計(jì)算個(gè)體及整體最優(yōu)物流信息的采樣值。

基于粒子群的差分?jǐn)_動(dòng)進(jìn)化算法，擾動(dòng)并分解移動(dòng)網(wǎng)絡(luò)中的電子商務(wù)物流信息的粒子群，計(jì)算其中某粒子在全局優(yōu)化擾動(dòng)下的聚類中心概率數(shù)值[2]。整合移動(dòng)網(wǎng)絡(luò)環(huán)境下的某電子商務(wù)物流信息動(dòng)態(tài)慣性權(quán)重及聚類中心調(diào)解參數(shù)，其概率值加以計(jì)算。基于各種電子商務(wù)物流信息的類型劃分，對(duì)最為適宜的物流信息個(gè)體最小值加以計(jì)算在粒子群中增加電子商務(wù)物流信息的擾動(dòng)序列，重新打造電子商務(wù)物流信息，并加以提取，通過以下公式進(jìn)行計(jì)算：

三、結(jié)果分析

經(jīng)過以上一系列計(jì)算，采用有效的性能測評(píng)方法，對(duì)其有效性加以明確，經(jīng)過測評(píng)可以確定，本文所采取的提取方法，其查詢結(jié)果與真實(shí)數(shù)值基本相同，聚類中心調(diào)節(jié)參數(shù)的不同取值，對(duì)物流信息加以提取，可確定其提取運(yùn)行時(shí)間具備穩(wěn)定性與適應(yīng)性，所提取的運(yùn)行時(shí)間持續(xù)上升，到達(dá)一定峰值，呈現(xiàn)出持續(xù)狀態(tài)，進(jìn)而下降。實(shí)際上，參數(shù)的調(diào)整，會(huì)對(duì)運(yùn)行時(shí)間帶來改變。

結(jié)語：移動(dòng)信息網(wǎng)絡(luò)環(huán)境下，對(duì)于電子商務(wù)行業(yè)物流信息的提取，可采用分布提取方法，并且對(duì)時(shí)間及通信效率加以詳細(xì)計(jì)算。出于提高物流信息接收效率、縮短信息接收時(shí)間的考量，可以粒子群優(yōu)化算法為基礎(chǔ)，對(duì)分布式物流信息加以實(shí)時(shí)提取。