本文關(guān)鍵詞：基于Mapreduce的大量物流配送線路優(yōu)化與實(shí)現(xiàn)

  更多相關(guān)文章： k-means聚類算法 遺傳算法并行化 道路交通因素 Mapreduce編程技術(shù) 大量物流配送配送線路優(yōu)化

【摘要】：伴隨著我國(guó)計(jì)算機(jī)技術(shù)的迅猛發(fā)展以及互聯(lián)網(wǎng)應(yīng)用的快速普及,電子商務(wù)得到了迅速興起和快速發(fā)展,現(xiàn)代物流業(yè)也得到了前所未有的發(fā)展,各物流配送中心的配送量呈現(xiàn)出井噴式的增長(zhǎng)。然而,現(xiàn)有的的車輛配送路線設(shè)計(jì)多根據(jù)以往設(shè)計(jì)的經(jīng)驗(yàn)得出,其使用的優(yōu)化算法沒(méi)有考慮如今復(fù)雜的城市道路交通狀況,已有的計(jì)算機(jī)配送路線運(yùn)算實(shí)現(xiàn)方法也無(wú)法滿足大量數(shù)據(jù)涌現(xiàn)情況下的快速高效運(yùn)算。如何在物流配送中心的業(yè)務(wù)量呈指數(shù)級(jí)增長(zhǎng)及道路交通情況日趨復(fù)雜的背景下,優(yōu)化物流配送路線和使用計(jì)算機(jī)快速準(zhǔn)確實(shí)現(xiàn)配送路線是本論文主要研究解決的問(wèn)題。此文在前人已有的大量研究成果基礎(chǔ)上,考慮到如今配送量劇增的情況以及道路交通出現(xiàn)的新問(wèn)題構(gòu)建了大量物流配送線路優(yōu)化模型,并采用大數(shù)據(jù)分析工具進(jìn)行了編程實(shí)現(xiàn)。此論文的內(nèi)容框架如下:第一章概述。先簡(jiǎn)單介紹了大數(shù)據(jù)時(shí)代的來(lái)臨使各國(guó)學(xué)者企業(yè)都在大數(shù)據(jù)的應(yīng)用積極投入研究。大數(shù)據(jù)在物流企業(yè)物流配送路線設(shè)計(jì)中的應(yīng)用更是成為當(dāng)今熱點(diǎn)。接著介紹了國(guó)內(nèi)外線路優(yōu)化的研究現(xiàn)狀。同時(shí)對(duì)聚類分析的幾種算法和一種生物質(zhì)能算法——遺傳算法進(jìn)行了介紹。最后又對(duì)世界各國(guó)對(duì)Mapreduce編程研究成果和發(fā)展已經(jīng)達(dá)到什么程度進(jìn)行了介紹。第二章闡述了為什么選擇k-means聚類算法進(jìn)行配送區(qū)域劃分和遺傳算法進(jìn)行配送路線優(yōu)化的原因,并具體闡述了如何利用k-means聚類算法和遺傳算法如何完成大規(guī)模配送路線的設(shè)計(jì)過(guò)程。在本章中首先對(duì)k-means聚類算法如何進(jìn)行配送區(qū)域劃分進(jìn)行闡述,其次,對(duì)利用遺傳算法對(duì)大規(guī)模物流配送路線的優(yōu)化進(jìn)行詳細(xì)說(shuō)明。并對(duì)考慮了道路交通因子的遺傳算法進(jìn)行并行化處理,為下一章的Mapreduce編程實(shí)現(xiàn)提供準(zhǔn)備。第三章在對(duì)Mapreduce工作原理、工作流程介紹的基礎(chǔ)上,對(duì)k-means聚類算法、遺傳算法進(jìn)行Mapreduce編程實(shí)現(xiàn)。通過(guò)Mapper函數(shù)和Reducer函數(shù)的偽代碼編寫實(shí)現(xiàn)配送區(qū)域的劃分和配送路線的設(shè)計(jì)。第四章以貴陽(yáng)煙草物流配送中心為例對(duì)上述配送路線的設(shè)計(jì)過(guò)程進(jìn)行實(shí)例論證。第五章結(jié)束語(yǔ),闡述了本論文優(yōu)化的成果,以及交代了本論文的創(chuàng)新點(diǎn),最后提出文章的論述還所存在的缺陷和提出了改進(jìn)方向和方法,使下一步再進(jìn)行研究時(shí)思路清晰。
【學(xué)位授予單位】：貴州財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U116.2;F426.8;F252

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張磊;張公讓;張金廣;;一種網(wǎng)格化聚類算法的MapReduce并行化研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年02期

2 魯偉明;杜晨陽(yáng);魏寶剛;沈春輝;葉振超;;基于MapReduce的分布式近鄰傳播聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2012年08期

3 趙衛(wèi)中;馬慧芳;傅燕翔;史忠植;;基于云計(jì)算平臺(tái)Hadoop的并行k-means聚類算法設(shè)計(jì)研究[J];計(jì)算機(jī)科學(xué);2011年10期

4 馬建華;房勇;袁杰;;多車場(chǎng)多車型最快完成車輛路徑問(wèn)題的變異蟻群算法[J];系統(tǒng)工程理論與實(shí)踐;2011年08期

5 王旭坪;阮俊虎;張凱;馬超;;有模糊時(shí)間窗的車輛調(diào)度組合干擾管理研究[J];管理科學(xué)學(xué)報(bào);2011年06期

6 曹二保;湯春華;;車輛數(shù)目未知的帶時(shí)間窗口的車輛路徑混合遺傳算法[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2011年01期

7 馬世霞;劉丹;賈世杰;;基于蟻群算法的文本聚類算法[J];計(jì)算機(jī)工程;2010年08期

8 余明珠;李建斌;雷東;;裝卸一體化的車輛路徑問(wèn)題及基于插入法的新禁忌算法[J];中國(guó)管理科學(xué);2010年02期

9 姚錦寶;夏禾;姚寶珍;;基于并行遺傳算法的車輛路徑問(wèn)題[J];物流技術(shù);2010年05期

10 崔雪麗;朱道立;馬良;;模糊約定時(shí)間車輛路徑問(wèn)題及其螞蟻算法求解[J];系統(tǒng)工程學(xué)報(bào);2009年04期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 傅軼娜;基于MapReduce和遺傳算法的粗糙集屬性約簡(jiǎn)研究[D];安徽大學(xué);2014年

2 李云;基于遺傳算法的動(dòng)態(tài)路徑優(yōu)化[D];太原理工大學(xué);2013年

3 陳愛(ài)平;基于Hadoop的聚類算法并行化分析及應(yīng)用研究[D];電子科技大學(xué);2012年

4 李應(yīng)安;基于MapReduce的聚類算法的并行化研究[D];中山大學(xué);2010年

5 夏新海;物流配送車輛調(diào)度優(yōu)化研究[D];武漢理工大學(xué);2004年

，

本文編號(hào)：1306467