摘要
在资源受限的情况下，为大规模乘客提供个性化的行程规划是提高邮轮旅游运营效率和服务质量的关键挑战。传统的聚类方法主要依赖于几何相似性，往往无法解决乘客偏好与有限场地容量之间的复杂耦合问题，缺乏对最终规划质量的预测能力。为了克服这些限制，本研究提出了一种基于生物启发的数据驱动混合优化框架，用于邮轮行程规划任务的单元划分。该框架创新性地整合了遗传平衡聚类算法（GBCA）进行多目标乘客分组、核主成分分析（KPCA）从偏好数据中提取特征、改进的自适应螺旋飞燕搜索算法（ASFSSA）进行超参数优化，以及核极限学习机（KELM）进行数据驱动的行程规划质量预测。这种协同作用使框架能够根据乘客群体的偏好动态分配场地容量，并优化划分以最大化整体效益，确保负载平衡和公平性。在模拟的邮轮场景中的大量实验表明，所提出的框架显著优于传统方法，将分割质量提高了至少40%，同时展现出更快的收敛速度和更高的稳定性。这项工作为复杂的资源受限调度问题提供了一个可扩展的、智能的解决方案，展示了生物启发式数据驱动方法在工程优化中的有效应用。
