随着电子商务的飞速发展和全球市场经济的竞争加剧,基于4Ps营销理论(产品-Product、价格-Price、渠道-Place、促销-Promotion)的传统企业竞争模式已被基于客户关系的经营理念所逐步取代,以客户为中心必然是未来企业发展的核心战略。企业在长期经营过程中积累了大量能够真实客观地反映客户的消费模式跟潜在需求的客户数据。将智能化的客户细分技术与企业丰富的客户数据资源进行有效结合,能够帮助企业区分客户优先级,从而制定更快捷、准确、有效的经营管理策略。依托国家自然科学基金项目(71571120),本文首先回顾总结了客户细分问题和特征选择方法,接着,构建了以客户分类错误率最小化和特征数目最小化为目标的客户特征选择优化模型,并给出了针对客户特征选择优化模型的细菌启发式求解方案,最后,将所开发的优化技术应用到多个客户细分问题实例当中。具体的研究内容如下:第一,构建多目标客户特征选择优化模型。以最小化客户分类错误率、最小化特征数目为目标,本文针对性地构建多目标客户特征选择优化模型,旨在选择出最适合于分析客户消费行为的特征变量,从而为企业客户关系管理策略的制定与实施提供指导。第二,面向客户细分问题设计新型的细菌启发式多目标算法。细菌启发式算法作为新型的群体智能优化方法,因并行计算能力强大和求解鲁棒性较强的优点,已被成功应用到多个优化领域。本文研究了细菌启发式算法从单目标到多目标的扩展方法,引入细菌健康值评估机制以保证优化解的质量,改进外部档案存储机制以实现对优化过程中得到的解的有效存储,设计“隐秩序”为导向的信息交流机制以提高算法的求解效率和收敛速度,引入边界控制机制保证解的可行性和多样性。本文采用四个基准数据集,开展细菌启发式优化方法与其他五种具有代表性的多目标算法的性能对比。第三,开发面向客户细分模型求解的优化技术。面向多目标客户细分的应用问题,本文针对性地设计细菌启发式多目标特征选择方法对客户细分优化模型进行求解,每个细菌代表一种潜在的客户特征组合方案,在迭代搜索中进行不断地优化。本文选取了澳大利亚客户审批数据集、德国信贷数据集、台湾客户信用卡违约数据集作为客户细分实例,并开展了与其他多目标启发式特征选择优化方法在该问题上的对比研究。实验结果验证了所提出的优化方法在求解多目标客户细分问题上的有效性。