本文關(guān)鍵詞：基于云計算的分布式庫存調(diào)撥模型構(gòu)建與算法研究

  更多相關(guān)文章： 分布式庫存 層次控制 和聲搜索 Hadoop 負載均衡

【摘要】：庫存調(diào)撥是物流管理的重要組成,隨著電子商務(wù)的蓬勃發(fā)展,庫存調(diào)撥的特點已由曾經(jīng)的地域化、獨立化轉(zhuǎn)變?yōu)榭绲貐^(qū)化和信息共享化,這一特點的集中體現(xiàn)則是分布式庫存調(diào)撥在庫存管理系統(tǒng)中的廣泛應(yīng)用。分布式庫存調(diào)撥通過一個倉儲信息中心,實現(xiàn)各地區(qū)倉庫貨物庫存的合理分配,大大的減少了庫存管理費用。但庫存信息的跨區(qū)域共享以及模型求解算法的效率與準(zhǔn)確性在大數(shù)據(jù)的背景下始終是需要不斷應(yīng)對的難題。云計算是近年來較為熱門的大數(shù)據(jù)解決方案,本文運用Hadoop的云計算平臺與并行算法設(shè)計的知識,對分布式庫存調(diào)撥模型的建立以及算法求解和性能優(yōu)化進行了研究和實驗,主要工作內(nèi)容如下:(1)建立基于云計算的層次控制分布式庫存調(diào)撥模型。針對傳統(tǒng)的集中控制與分散控制下的分布式庫存調(diào)撥模型的不足,引入云計算的PaaS(Platform-as-a-Service)服務(wù),將庫存調(diào)撥系統(tǒng)部署在云平臺上,憑借云平臺的分布式信息共享能力設(shè)計一種層次控制的分布式庫存調(diào)撥模型,該模型兼具集中控制與分散控制的優(yōu)點,充分發(fā)揮了庫存信息共享的價值。(2)設(shè)計基于云計算的改進型和聲搜索算法對模型求解。針對傳統(tǒng)尋優(yōu)算法全局搜索性能較差的缺陷,選擇啟發(fā)式算法中全局搜索性能較強的和聲搜索算法進行并行化改進,提出基于MapReduce的動態(tài)參數(shù)和聲搜索并行算法。算法通過對各個區(qū)域的庫存子系統(tǒng)分別建立和聲庫矩陣進行局部尋優(yōu),再由倉儲信息中心進行全局尋優(yōu),實現(xiàn)各區(qū)域庫存信息共享下的庫存調(diào)度優(yōu)化。實驗表明該算法在分布式庫存調(diào)撥模型的求解中能夠更快的跳出局部最優(yōu),搜索到更優(yōu)的全局解,具有實用價值。(3)對Hadoop云平臺進行負載均衡優(yōu)化。針對仿真實驗中云平臺上的算法執(zhí)行效率未達到預(yù)期的問題,研究了MapReduce在Hadoop平臺上的任務(wù)調(diào)度機制,提出DPLB(Dynamic Priority Load Balance,動態(tài)優(yōu)先級負載均衡)的優(yōu)化調(diào)度算法,該算法利用TaskTracker與JobTracker之間定時發(fā)送的心跳信息,設(shè)計一種動態(tài)優(yōu)先級的調(diào)度特征量,有效地解決了任務(wù)執(zhí)行過程中節(jié)點負載不均衡的問題,提高了模型的求解效率。研究表明,針對云計算下層次控制分布式庫存調(diào)撥模型設(shè)計的動態(tài)參數(shù)和聲搜索并行算法在庫存調(diào)撥策略的尋優(yōu)上能夠獲得較高的尋優(yōu)精度與收斂速度,并且結(jié)合動態(tài)優(yōu)先級負載均衡的平臺優(yōu)化算法能夠進一步提高尋優(yōu)效率,具有較高的研究與應(yīng)用意義。
【關(guān)鍵詞】：分布式庫存 層次控制 和聲搜索 Hadoop 負載均衡
【學(xué)位授予單位】：廣西師范學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F274;TP301.6
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-14
• 1.1 課題來源9
• 1.2 研究的背景與意義9-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-12
• 1.3.1 分布式庫存調(diào)撥模型的研究現(xiàn)狀10-11
• 1.3.2 和聲搜索算法研究現(xiàn)狀11-12
• 1.3.3 Hadoop集群負載均衡研究現(xiàn)狀12
• 1.4 論文的主要研究內(nèi)容12-13
• 1.5 本章小結(jié)13-14
• 第二章 層次控制下的分布式庫存調(diào)撥模型的建立14-24
• 2.1 分布式庫存調(diào)撥模型的介紹14-17
• 2.1.1 分布式庫存調(diào)撥模型的概念14
• 2.1.2 分散控制的分布式庫存調(diào)撥14-15
• 2.1.3 集中控制的分布式庫存調(diào)撥15
• 2.1.4 基于云計算的層次控制分布式庫存調(diào)撥15-17
• 2.2 模型假設(shè)17-18
• 2.3 符號定義18-19
• 2.4 模型建立19-22
• 2.4.1 訂貨成本19
• 2.4.2 庫存持有成本19-20
• 2.4.3 缺貨成本20
• 2.4.4 運輸成本20
• 2.4.5 其它成本20-21
• 2.4.6 訂貨點與安全庫存21
• 2.4.7 基于層次控制的分布式物流庫存調(diào)撥模型21-22
• 2.5 模型特點22-23
• 2.6 本章小結(jié)23-24
• 第三章 基于MapReduce的動態(tài)參數(shù)和聲搜索并行算法24-39
• 3.1 模型求解的算法思路24
• 3.2 和聲搜索算法介紹24-26
• 3.3 算法改進思路26
• 3.3.1 并行和聲搜索26
• 3.3.2 參數(shù)的動態(tài)設(shè)定26
• 3.4 基于MapReduce的動態(tài)參數(shù)和聲搜索并行算法26-32
• 3.4.1 和聲子庫的并行27
• 3.4.2 動態(tài)參數(shù)設(shè)計27-29
• 3.4.3 和聲搜索的Map和Reduce函數(shù)29-30
• 3.4.4 算法流程圖30-32
• 3.4.5 算法分析與優(yōu)勢32
• 3.5 算法性能測試32-38
• 3.5.1 實驗數(shù)據(jù)32-35
• 3.5.2 實驗結(jié)果與分析35-38
• 3.6 本章小結(jié)38-39
• 第四章 負載均衡優(yōu)化39-49
• 4.1 分布式庫存調(diào)撥管理優(yōu)化的進一步探討39
• 4.1.1 影響系統(tǒng)響應(yīng)時間的因素39
• 4.1.2 負載均衡優(yōu)化的意義39
• 4.2 MapReduce在Hadoop上的任務(wù)調(diào)度39-40
• 4.3 常用的作業(yè)調(diào)度算法40-41
• 4.3.1 FIFO調(diào)度算法40
• 4.3.2 Capacity Scheduler調(diào)度算法40-41
• 4.3.3 Fair Scheduler調(diào)度算法41
• 4.4 動態(tài)優(yōu)先級的負載均衡調(diào)度41-42
• 4.4.1 算法改進思想41
• 4.4.2 算法相關(guān)定義41-42
• 4.4.3 算法描述42
• 4.5 仿真實驗42-48
• 4.5.1 云平臺的軟硬件配置42-43
• 4.5.2 Hadoop集群搭建43-45
• 4.5.3 實驗結(jié)果與分析45-48
• 4.6 本章小結(jié)48-49
• 第五章 總結(jié)與展望49-51
• 5.1 工作總結(jié)49
• 5.2 工作展望49-51
• 參考文獻51-55
• 附錄 本文作者在攻讀碩士學(xué)位期間所發(fā)表的論文55-56
• 致謝56-57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張玉娜;;生產(chǎn)物流采購物流和MRPⅡ的相互作用[J];物流工程與管理;2016年02期

2 關(guān)國棟;滕飛;楊燕;;基于心跳超時機制的Hadoop實時容錯技術(shù)[J];計算機應(yīng)用;2015年10期

3 萬聰;王翠榮;王聰;賈朔;;MapReduce模型中reduce階段負載均衡分區(qū)算法研究[J];小型微型計算機系統(tǒng);2015年02期

4 楊勇;朱影;;一種基于MapReduce的粗糙集并行屬性約簡算法[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2015年01期

5 張文芬;楊家其;;考慮訂貨提前期的多種類海上突發(fā)事件應(yīng)急資源庫存控制策略研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2014年05期

6 李永林;葉春明;劉長平;;輪盤賭選擇自適應(yīng)和聲搜索算法[J];計算機應(yīng)用研究;2014年06期

7 孫小玲;李端;;整數(shù)規(guī)劃新進展[J];運籌學(xué)學(xué)報;2014年01期

8 張慶濤;;淺談庫存管理系統(tǒng)對存貨管理的提升及改善[J];時代金融;2014年06期

9 李雙;李文敬;孫環(huán)龍;林中明;;基于多核機群的人工魚群并行算法[J];計算機應(yīng)用;2013年12期

10 周家?guī)?王琦;高軍;;一種基于動態(tài)劃分的MapReduce負載均衡方法[J];計算機研究與發(fā)展;2013年S1期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉萬峰;求解車輛路徑問題的啟發(fā)式算法及其在注塑排程問題中的應(yīng)用[D];深圳大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 付光鑫;基于3PL的JMI物料庫存管理以及安全庫存預(yù)測研究[D];西南交通大學(xué);2015年

2 張釗;GA-BP算法在VMI庫存管理中的應(yīng)用與研究[D];大連海事大學(xué);2014年

3 袁大榮;基于Hadoop的云物流調(diào)度系統(tǒng)研究[D];南京郵電大學(xué);2014年

4 尹道明;基于云和聲搜索算法的知識即服務(wù)組合優(yōu)化研究[D];合肥工業(yè)大學(xué);2013年

5 楊佳;和聲搜索算法及其在多目標(biāo)優(yōu)化問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2013年

6 張勤康;基于組合評價方法的第三方物流信息平臺運行績效評價研究[D];武漢理工大學(xué);2012年

7 歐陽海濱;和聲搜索算法的研究及其應(yīng)用[D];東北大學(xué);2012年

8 潘旭明;MapReduce FairScheduler的高性能優(yōu)化及超大規(guī)模集群模擬器設(shè)計及實現(xiàn)[D];浙江大學(xué);2012年

9 王倩;一種改進的和聲搜索算法及其應(yīng)用[D];華東理工大學(xué);2012年

10 鄒冉;供應(yīng)鏈環(huán)境下分布式庫存模型構(gòu)建及算法研究[D];北京交通大學(xué);2011年

，

本文編號：786156