【摘要】：全球經(jīng)濟迅速發(fā)展,物流行業(yè)已經(jīng)逐漸成為社會經(jīng)濟發(fā)展的根基及主要行業(yè),其進步程度可當作度量社會經(jīng)濟是否實現(xiàn)現(xiàn)代化的指標。但是,目前我國對物流配送服務等問題的研究,仍然處在研究傳統(tǒng)物流問題的階段上。近年來,由于電子商務快速發(fā)展,互聯(lián)網(wǎng)線上購物量迅速增長,物流配送方式已然出現(xiàn)巨大變化,大規(guī)模多區(qū)域配送及動態(tài)配送等新形式配送需求隨之產(chǎn)生,傳統(tǒng)物流配送服務方式不能維持現(xiàn)代客戶需求,也不符合日益復雜的供應鏈體系,為此保證迅速有規(guī)律供給商品及穩(wěn)定的供應體系,實現(xiàn)物流配送的通常及時效,已經(jīng)是國內(nèi)物流業(yè)不得不面對的關鍵問題。尤其在云計算技術及通信技術產(chǎn)生后,令大規(guī)模多區(qū)域的動態(tài)配送需求得以實現(xiàn),新型物流配送形式即將出現(xiàn)。本文章利用近年熱門的云技術與舊式物流管理方式相融合,建立云物流管理平臺,對物流行業(yè)發(fā)展緩慢問題起到較大幫助。云平臺接收配送要求,令社會領域內(nèi)的諸多個物流企業(yè)參與到該體系中,集合海量物流貨單,構建一個大規(guī)模的云計算物流平臺,統(tǒng)一處理海量貨單數(shù)據(jù),通過國內(nèi)各個企業(yè)的物流配送中心,制定最優(yōu)調(diào)度方案。第一,對Hadoop技術進行相關介紹。其中包含Hadoop平臺和平臺技術,并闡釋Hadoop技術背景,介紹構成Hadoop的兩個重要模塊,分別是HDFS及MapReduce并行運算框架,同時研究分析了Hadoop的子項目HBase系統(tǒng)的儲存方式和數(shù)據(jù)模型。然后,根據(jù)調(diào)度要求,設計云物流平臺調(diào)度體系,其中包括整體框架結構,即數(shù)據(jù)層、存儲層及調(diào)度算法層等多個模塊詳細設計。其次,對于動態(tài)需求調(diào)度問題,因動態(tài)需求調(diào)度問題是通過靜態(tài)問題演化而來,需要對動態(tài)問題進行探討,得到動態(tài)車輛問題形成受到信息變化原因影響,因此,運用時間軸與動態(tài)信息相結合形式,對網(wǎng)絡配送過程中產(chǎn)生信息實行記錄,使動態(tài)車輛調(diào)度問題轉換成為多個靜態(tài)車輛調(diào)度問題,使存在約束限定情況和目標函數(shù)成為考量原因,構建存在具體時間節(jié)點的車輛調(diào)度數(shù)學模型。由于求解動態(tài)需求車輛路徑調(diào)度問題要求算法具有高時效性特點,由此基于傳統(tǒng)遺傳算法實行改進,形成量子遺傳改進算,采用量子多樣特點進行染色體編碼,通過量子門旋轉實現(xiàn)進化過程,并與MapReduce編程模型融合設計算法,提高種群進化效率,結合車輛調(diào)度模型設計階段性求解策略,在動態(tài)需求客戶產(chǎn)生需求時,運用時間軸概念記載時間點,更新網(wǎng)絡中配送需求數(shù)據(jù)信息,實現(xiàn)優(yōu)化操作過程。將易城智慧物流平臺作為實驗項目,通過實驗驗證文章設計模型及算法的優(yōu)良性能。最后章節(jié),總結概述全文內(nèi)容,對云計算物流平臺的運營方式及車輛路徑調(diào)度方案的研究趨勢進行展望。
【圖文】：

圖 2. 1 Hadoop 集群框架圖Figure 2.1 Hadoop cluster framework diagram所示，Hadoop 集群的關鍵組成結構為網(wǎng)絡服務作及處理，多個用戶能夠通過不同 PC 端給定計資源。技術Google 技術基礎上對 MapReduce 和 HDFS 實行核心模塊[22]。HDFS 系統(tǒng)是 Hadoop 的核心項存儲服務，，是計算程序內(nèi)數(shù)據(jù)實現(xiàn)存儲和處理

圖 2.2 HDFS 系統(tǒng)框架圖Figure 2.2 Framework diagram of HDFS system中可以看出，文件被劃分成一個或者許多個數(shù)據(jù)于 DataNode 節(jié)點，NameNode 節(jié)點是中心服務開關操作和重命名 namespace 處理。此外，運用lock 相對的數(shù)據(jù)節(jié)點映射聯(lián)系。經(jīng)過元數(shù)據(jù)節(jié)能為處理使用者的讀文件過程及寫文件的過程制或是刪除等操作。HDFS 以 Java 為表現(xiàn)過程大型服務系統(tǒng)時，各個機器需要單獨運行節(jié)點任aNode 節(jié)點任務。統(tǒng)文件讀取與寫入過程
【學位授予單位】：中國科學院大學(中國科學院沈陽計算技術研究所)
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U492.22

【參考文獻】

相關期刊論文 前10條

1 張水旺;胡小建;;云物流概念模型及其運作機理研究[J];科技管理研究;2015年19期

2 黃海芹;林基明;王俊義;;基于改進混合遺傳算法的云資源調(diào)度算法[J];電視技術;2015年18期

3 范云滿;洪娜;錢慶;方安;;利用Hadoop/HBase的藥物基因組數(shù)據(jù)云存儲實踐研究[J];現(xiàn)代圖書情報技術;2015年05期

4 孫彥超;王興芬;;基于Hadoop框架的MapReduce計算模式的優(yōu)化設計[J];計算機科學;2014年S2期

5 高珊珊;李萌萌;;帶時間窗的多配送中心多車型車輛調(diào)度問題[J];大慶師范學院學報;2014年06期

6 殷脂;葉春明;;多配送中心物流配送車輛調(diào)度問題的分層算法模型[J];系統(tǒng)管理學報;2014年04期

7 李佳書;范厚明;張曉楠;李陽;;帶有車輛總成本和時間窗約束的工業(yè)區(qū)廢棄物回收車輛調(diào)度優(yōu)化[J];物流技術;2014年03期

8 金天坤;高揚;;遺傳算法的原理及組成淺析[J];科技視界;2014年04期

9 張曉楠;任志國;曹一冰;劉瑞雪;;交通運輸最短路徑分析系統(tǒng)的設計與實現(xiàn)[J];測繪工程;2014年01期

10 欒景超;馬志強;李昊u&;董科軍;;Hadoop分布式文件系統(tǒng)資源管理器的設計與實現(xiàn)[J];科研信息化技術與應用;2014年01期

相關碩士學位論文 前10條

1 張矯艷;基于MapReduce的分布式ETL過程的研究與優(yōu)化[D];東華大學;2017年

2 宋園園;基于Hadoop的Web日志存儲及預處理優(yōu)化研究[D];河北工程大學;2016年

3 段秋丹;基于MapReduce的文獻發(fā)現(xiàn)系統(tǒng)研究與設計[D];山東大學;2016年

4 黃鈺;基于城市物流聯(lián)合配送的車輛路徑優(yōu)化建模研究[D];重慶交通大學;2016年

5 張曉;城市快遞配送車輛路徑規(guī)劃研究[D];西南交通大學;2016年

6 胡夢楠;HDFS云存儲系統(tǒng)可用性能的優(yōu)化研究[D];電子科技大學;2016年

7 劉佩;基于糾刪碼技術的HD_EC文件系統(tǒng)的設計與實現(xiàn)[D];曲阜師范大學;2015年

8 賈玉辰;Hadoop中海量小文件存取關鍵技術的研究與實現(xiàn)[D];南京郵電大學;2015年

9 韓麗穎;基于Hadoop技術的軌道交通MSS系統(tǒng)數(shù)據(jù)存儲應用研究[D];北京交通大學;2015年

10 李熙文;Hadoop應用快速開發(fā)平臺的設計與實現(xiàn)[D];北京郵電大學;2015年

本文編號：2678929