文献综述（或调研报告）：
文献[1]的研究中，在包括正负顶点权值的网络中，正负1-中心问题要求使中心与具有正权重的顶点的最大加权距离和中心与具有负权重的顶点的最大加权距离的线性组合最小。在一个具有n个顶点和m条边的网络中，正负1-中心问题可以在时间复杂度内解决。网络上的中心问题要求在网络上定位新设施，使得新设施到网络的每个顶点的最大加权距离最小化。
在树上，可以实现更好的复杂性。关于树的例子，Megiddo给出了1-中心问题的线性时间算法。中心问题在公共设施的选址中有应用，例如紧急服务。网络的顶点可以代表一些人口中心，目标是定位紧急服务，例如最小化到达最远人口中心的时间。与上述问题相反的是厌恶型中心问题。该问题要求在网络上定位新设施，使得新设施与网络顶点的最小加权距离最大化。在过去几年中，涉及厌恶型设施的位置问题越来越受到关注。
在路径图或星图中，此问题可以在线性时间复杂度内解决。其中，有n个顶点的路径上的正负1-中心问题可以在时间复杂度O(n)内解决。
此外，我们还可以使用顶点权重为1和-1的仙人掌图来研究此问题。未加权仙人掌图上的正负1-中心问题可以在仙人掌的顶点数量的线性时间内求解。
由[2]可知，影响选址的主要因素包括人口因素、交通设施情况、竞争强度和其他因素，我们在数据中选取的特征应该紧紧围绕这四点关键因素。特征选择也可以成为特征子集选择，指的是从原始的特征集合中通过一定的方法选择出特征子集，使得最后模型的某些指标更加优化。特征选择的一般过程是首先生成特征子集，定义一个评价函数用于对生成的特征子集的性能进行评价，同时设置一个与评价函数相关的停止准则，以便当选择的特征子集的评价函数满足这个准则的时候就停止搜索，最后在测试数据集上测试得到的特征子集的准确性。
本课题的候选地是若干区域，我们要对一个大型区域划分网格，把每个网格作为待分类数据，我们将待研究区域划分为M*N个2000*2000m的网格进行分析，其中M代表南北方向的网格数量，N代表东西方向的网格数量，每个区域都可以用一个二维坐标表示(xi,yi)，区域ID按从左到右从上到下的顺序依次递增，因此，定义区域ID计算公式为：Rid=xi N*yi。
[3]中表明，一般问题是在网络中定位中心设施以便最小化其与流动源的距离之和，每个距离被适当地加权以反映相关的流量和/或成本。在[3]中，给出了两类拓扑简单网络的简单一次通过求解算法，即非循环网络或只包含一个周期的网络。第一种算法基于还原过程，该过程也可以产生涉及一般网络的问题的有用简化。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
