如今物流行業(yè)發(fā)展迅速,隨著“無車承運人”物流業(yè)務(wù)新模式的興起,現(xiàn)有的以該業(yè)務(wù)模式為基礎(chǔ)的物流車輛集配平臺雖在一定程度上解決了車貨匹配的問題,但也只局限于部分操作實現(xiàn)了專家系統(tǒng),絕大部分包含決策的操作仍然由人工完成,無法真正實現(xiàn)智能化操作。該模式中車輛調(diào)度模塊往往無法對已有的貨運信息進行有效整合分析,為用戶提供最佳的運輸路線。這將導(dǎo)致大量的貨運信息被閑置,無法滿足用戶實時獲取貨運信息以使成本最小化的需求。因此,物流企業(yè)亟待通過構(gòu)建智能化的物流車輛集配平臺來為用戶提供最優(yōu)運輸路線。本文首先將調(diào)度問題抽象成為典型的NP-Hard（Non-deterministic Polynomial Hard）問題——車輛路徑問題（Vehicle Routing Problem,簡稱VRP問題）,然后通過改進遺傳算法進行求解,并以此算法為基礎(chǔ)設(shè)計并實現(xiàn)智能物流車輛集配平臺中的智能車輛調(diào)度模塊。該平臺利用智能算法解決車貨自動匹配、路徑最優(yōu)問題,無需調(diào)度人員操作,真正實現(xiàn)“人工智能”,同時為用戶推送合理的貨運信息,滿足用戶對節(jié)約運輸成本、時間的需求。本文的主要工作如下:（1）針對在車輛調(diào)度中利用遺傳算法求解V... 

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 物流集配平臺的研究現(xiàn)狀
        1.2.2 車輛路徑問題VRP的研究現(xiàn)狀
    1.3 課題的主要研究內(nèi)容
    1.4 論文章節(jié)安排
第二章 多種群混合改進型車輛調(diào)度算法DGA
    2.1 車輛調(diào)度中的VRP問題及相關(guān)算法研究
        2.1.1 車輛調(diào)度中的VRP問題描述
        2.1.2 解決VRP問題的常用算法
        2.1.3 傳統(tǒng)遺傳算法概述
    2.2 多種群混合改進型車輛調(diào)度算法DGA
        2.2.1 自然數(shù)編碼
        2.2.2 三種群協(xié)同進化策略
        2.2.3 模擬退火機制
        2.2.4 多種群混合改進型車輛調(diào)度算法DGA
    2.3 基于DGA算法的VRP仿真實驗
        2.3.1 基于DGA算法的實例仿真
        2.3.2 實驗計算結(jié)果及分析
    2.4 本章小結(jié)
第三章 智能物流車輛集配平臺的整體設(shè)計
    3.1 需求分析
        3.1.1 功能需求
        3.1.2 非功能需求
        3.1.3 業(yè)務(wù)流程
    3.2 智能物流車輛集配平臺的整體架構(gòu)
        3.2.1 體系結(jié)構(gòu)設(shè)計
        3.2.2 系統(tǒng)架構(gòu)設(shè)計
    3.3 智能物流車輛集配平臺的模塊劃分
        3.3.1 用戶管理中心
        3.3.2 智能車輛調(diào)度中心
        3.3.3 財務(wù)管理中心
        3.3.4 其他中心模塊
    3.4 智能物流車輛集配平臺的數(shù)據(jù)庫設(shè)計
        3.4.1 數(shù)據(jù)庫字典
        3.4.2 主要數(shù)據(jù)庫表格設(shè)計
    3.5 本章小結(jié)
第四章 智能物流車輛集配平臺的實現(xiàn)
    4.1 系統(tǒng)登錄模塊
        4.1.1 用戶登錄
        4.1.2 管理員登錄
    4.2 用戶管理中心
        4.2.1 訂單管理
        4.2.2 貨運信息
        4.2.3 資料管理
    4.3 財務(wù)管理中心
        4.3.1 付款管理
        4.3.2 退款管理
        4.3.3 賬單查詢
        4.3.4 運費模型
    4.4 智能車輛調(diào)度中心
        4.4.1 智能調(diào)度實現(xiàn)
        4.4.2 數(shù)據(jù)導(dǎo)入
        4.4.3 歷史回溯
        4.4.4 人工調(diào)度模式
    4.5 其他中心模塊
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻
致謝
在校期間發(fā)表的學(xué)術(shù)成果


【參考文獻】：
期刊論文
[1]我國物流標(biāo)準(zhǔn)化建設(shè)現(xiàn)狀問題及對策[J]. 林凱瓊,戴曉震.  現(xiàn)代商貿(mào)工業(yè). 2018(07)
[2]無車承運人的發(fā)展對策研究[J]. 陳文.  福建交通科技. 2017(06)
[3]我國無車承運人運營模式創(chuàng)新及發(fā)展路徑[J]. 王勉,劉峰麗.  物流科技. 2017(12)
[4]傳統(tǒng)物流向智慧物流轉(zhuǎn)型方略[J]. 周叮波,鄧松.  開放導(dǎo)報. 2017(06)
[5]大數(shù)據(jù)解讀“雙11”[J]. 董忱.  齊魯周刊. 2017(46)
[6]基于最小生成樹的城市物流配送路線算法優(yōu)化研究[J]. 洪繼程.  科技創(chuàng)新與應(yīng)用. 2017(31)
[7]基于禁忌搜索的蟻群優(yōu)化算法[J]. 張慕雪,張達敏,楊菊蜻,朱陳柔玲.  通信技術(shù). 2017(08)
[8]當(dāng)車貨匹配遇到無車承運[J]. 常俏.  中國物流與采購. 2017(07)
[9]港口企業(yè)發(fā)展無車承運人有關(guān)問題的初步思考[J]. 朱正清.  天津經(jīng)濟. 2017(03)
[10]基于遺傳算法的物流車輛派送管理[J]. 劉海燕,余世欣.  電子設(shè)計工程. 2017(02)

博士論文
[1]融合多源信息的推薦算法研究[D]. 余永紅.南京大學(xué) 2017
[2]配送企業(yè)車輛路徑問題模型與算法研究[D]. 王超.北京交通大學(xué) 2015
[3]大規(guī)模動態(tài)車輛路徑問題優(yōu)化方法研究[D]. 饒衛(wèi)振.大連理工大學(xué) 2012

碩士論文
[1]基于多源數(shù)據(jù)的品牌汽車需求預(yù)測研究[D]. 梁士全.合肥工業(yè)大學(xué) 2017
[2]求解車輛路徑問題的智能算法研究[D]. 向婷.西華師范大學(xué) 2017
[3]基于分布估計算法的車輛調(diào)度問題研究[D]. 趙培瑤.昆明理工大學(xué) 2017
[4]改進多種群遺傳算法的研究及其在車輛路徑優(yōu)化的應(yīng)用[D]. 王東.廣西大學(xué) 2016
[5]車輛運輸路徑優(yōu)化問題研究與應(yīng)用[D]. 張昊.長春工業(yè)大學(xué) 2016
[6]基于SA的多目標(biāo)城市物流配送路徑優(yōu)化研究[D]. 賈定芳.天津理工大學(xué) 2016
[7]基于遺傳算法的物流配送路徑優(yōu)化研究與應(yīng)用[D]. 富文軍.延安大學(xué) 2015
[8]基于C-W節(jié)約算法成品油二次配送車輛路線優(yōu)化研究[D]. 程少雄.長安大學(xué) 2015
[9]帶模糊時間窗的冷鏈物流車輛配送路徑優(yōu)化[D]. 張金鳳.武漢理工大學(xué) 2013
[10]基于油耗最小的物流配送車輛優(yōu)化調(diào)度問題研究[D]. 李雪萍.廣西大學(xué) 2012



本文編號：3719416