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

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

【摘要】：伴隨著我國計算機技術的迅猛發(fā)展以及互聯(lián)網(wǎng)應用的快速普及,電子商務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。然而,現(xiàn)有的的車輛配送路線設計多根據(jù)以往設計的經(jīng)驗得出,其使用的優(yōu)化算法沒有考慮如今復雜的城市道路交通狀況,已有的計算機配送路線運算實現(xiàn)方法也無法滿足大量數(shù)據(jù)涌現(xiàn)情況下的快速高效運算。如何在物流配送中心的業(yè)務量呈指數(shù)級增長及道路交通情況日趨復雜的背景下,優(yōu)化物流配送路線和使用計算機快速準確實現(xiàn)配送路線是本論文主要研究解決的問題。此文在前人已有的大量研究成果基礎上,考慮到如今配送量劇增的情況以及道路交通出現(xiàn)的新問題構建了大量物流配送線路優(yōu)化模型,并采用大數(shù)據(jù)分析工具進行了編程實現(xiàn)。此論文的內(nèi)容框架如下:第一章概述。先簡單介紹了大數(shù)據(jù)時代的來臨使各國學者企業(yè)都在大數(shù)據(jù)的應用積極投入研究。大數(shù)據(jù)在物流企業(yè)物流配送路線設計中的應用更是成為當今熱點。接著介紹了國內(nèi)外線路優(yōu)化的研究現(xiàn)狀。同時對聚類分析的幾種算法和一種生物質能算法——遺傳算法進行了介紹。最后又對世界各國對Mapreduce編程研究成果和發(fā)展已經(jīng)達到什么程度進行了介紹。第二章闡述了為什么選擇k-means聚類算法進行配送區(qū)域劃分和遺傳算法進行配送路線優(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)模配送路線的設計過程。在本章中首先對k-means聚類算法如何進行配送區(qū)域劃分進行闡述,其次,對利用遺傳算法對大規(guī)模物流配送路線的優(yōu)化進行詳細說明。并對考慮了道路交通因子的遺傳算法進行并行化處理,為下一章的Mapreduce編程實現(xiàn)提供準備。第三章在對Mapreduce工作原理、工作流程介紹的基礎上,對k-means聚類算法、遺傳算法進行Mapreduce編程實現(xiàn)。通過Mapper函數(shù)和Reducer函數(shù)的偽代碼編寫實現(xiàn)配送區(qū)域的劃分和配送路線的設計。第四章以貴陽煙草物流配送中心為例對上述配送路線的設計過程進行實例論證。第五章結束語,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,最后提出文章的論述還所存在的缺陷和提出了改進方向和方法,使下一步再進行研究時思路清晰。
【學位授予單位】：貴州財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U116.2;F426.8;F252

【參考文獻】

中國期刊全文數(shù)據(jù)庫 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];計算機技術與發(fā)展;2013年02期

2 魯偉明;杜晨陽;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];計算機研究與發(fā)展;2012年08期

3 趙衛(wèi)中;馬慧芳;傅燕翔;史忠植;;基于云計算平臺Hadoop的并行k-means聚類算法設計研究[J];計算機科學;2011年10期

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

5 王旭坪;阮俊虎;張凱;馬超;;有模糊時間窗的車輛調度組合干擾管理研究[J];管理科學學報;2011年06期

6 曹二保;湯春華;;車輛數(shù)目未知的帶時間窗口的車輛路徑混合遺傳算法[J];武漢理工大學學報(交通科學與工程版);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];計算機工程;2010年08期

8 余明珠;李建斌;雷東;;裝卸一體化的車輛路徑問題及基于插入法的新禁忌算法[J];中國管理科學;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題[J];物流技術;2010年05期

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

中國碩士學位論文全文數(shù)據(jù)庫 前5條

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

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

3 陳愛平;基于Hadoop的聚類算法并行化分析及應用研究[D];電子科技大學;2012年

4 李應安;基于MapReduce的聚類算法的并行化研究[D];中山大學;2010年

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

，

本文編號：1306467