伴隨著國內(nèi)經(jīng)濟走向繁榮,物流需求的規(guī)模也隨之不斷擴大,運輸能力面臨著挑戰(zhàn)�，F(xiàn)階段,我國物流行業(yè)還存在車主與貨主之間的供求信息不流通、車輛運力閑置、返程空駛等問題,導(dǎo)致貨運成本居高不下。然而,互聯(lián)網(wǎng)尤其是移動互聯(lián)網(wǎng)的興起為提高運輸效率帶來了新的機遇。其中一個新的機遇是車貨匹配,通過貨運物流平臺的信息共享和合理車貨資源調(diào)配,能顯著改善物流運輸效率、減少運輸費用。但是,目前貨運物流平臺較少涉及自動建立車輛與貨物之間的匹配關(guān)系,實現(xiàn)車輛的高利用率,因此本文研究了一種智能化的車輛與貨物匹配方法,并將匹配結(jié)果推薦給相應(yīng)的貨主和車主。本文首先對車貨匹配進(jìn)行建模,選擇裝載率、空駛率、時間等因素作為匹配的度量指標(biāo),這些指標(biāo)客觀、易于獲取,有效避免了新進(jìn)入市場車輛由于缺乏信譽等歷史指標(biāo)而導(dǎo)致難以推薦的困境。然后,提出了一種基于參數(shù)自適應(yīng)調(diào)整的改進(jìn)蟻群算法,算法前期采用改進(jìn)的k-means對車貨匹配方案進(jìn)行聚類來判斷每一代蟻群的狀態(tài),并相應(yīng)地對參數(shù)進(jìn)行調(diào)整,使其快速縮小尋優(yōu)范圍;在算法后期,根據(jù)混沌理論對參數(shù)進(jìn)行調(diào)整,防止算法陷入局部最優(yōu)。最后,通過多次實驗計算,證實了本文提出的自適應(yīng)參數(shù)蟻群算法在穩(wěn)定性、... 

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 物流平臺研究現(xiàn)狀
        1.2.2 車貨匹配問題研究現(xiàn)狀
        1.2.3 蟻群算法研究現(xiàn)狀
        1.2.4 研究現(xiàn)狀小結(jié)
    1.3 研究內(nèi)容
    1.4 論文結(jié)構(gòu)
第二章 貨運物流平臺車貨匹配建模
    2.1 車貨匹配模式分類
        2.1.1 簡單搜索模式
        2.1.2 自主搶單模式
        2.1.3 系統(tǒng)派單模式
    2.2 車貨匹配問題描述
    2.3 車貨匹配模型構(gòu)建
        2.3.1 模型參數(shù)
        2.3.2 模型假設(shè)
        2.3.3 模型構(gòu)建
    2.4 本章小結(jié)
第三章 基于自適應(yīng)參數(shù)控制蟻群算法的車貨匹配方法
    3.1 基本蟻群算法原理及流程
    3.2 蟻群算法求解車貨匹配問題的基本思想
    3.3 自適應(yīng)參數(shù)控制蟻群算法求解車貨匹配問題算法設(shè)計
        3.3.1 獲得初始可行解
        3.3.2 基于細(xì)菌覓食趨化的聚類技術(shù)
        3.3.3 蟻群所處狀態(tài)的判定
        3.3.4 算法參數(shù)的調(diào)整
        3.3.5 信息素更新
        3.3.6 自適應(yīng)參數(shù)控制蟻群算法求解車貨匹配問題步驟
    3.4 本章小結(jié)
第四章 實驗與結(jié)果分析
    4.1 實驗設(shè)置
    4.2 仿真實驗
        4.2.1 算法性能分析
        4.2.2 模型參數(shù)影響分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 主要工作和貢獻(xiàn)
    5.2 未來展望
參考文獻(xiàn)
攻讀碩士期間的學(xué)術(shù)活動以及成果情況


【參考文獻(xiàn)】：
期刊論文
[1]公路貨運供需信息的組合匹配模型[J]. 張青杰,竇永香,陳姝.  統(tǒng)計與決策. 2018(14)
[2]基于不確定語言關(guān)聯(lián)性信息的車貨雙邊匹配決策方法[J]. 朱江洪,王睿,李延來.  系統(tǒng)科學(xué)學(xué)報. 2018(01)
[3]基于改進(jìn)量子進(jìn)化算法的車貨供需匹配方法研究[J]. 牟向偉,陳燕,高書娟,姚思雨.  中國管理科學(xué). 2016(12)
[4]基于改進(jìn)Balance算法的車貨匹配研究[J]. 余以勝,劉鑫艷.  武漢理工大學(xué)學(xué)報. 2016(10)
[5]遺傳-蟻群算法的配電網(wǎng)狀態(tài)估計[J]. 張純,王立斌.  現(xiàn)代電子技術(shù). 2016(19)
[6]基于云生態(tài)的物流信息平臺服務(wù)模式創(chuàng)新研究[J]. 邢大寧,趙啟蘭,宋志剛.  商業(yè)經(jīng)濟與管理. 2016(08)
[7]基于粒子群蟻群算法的供應(yīng)鏈合作伙伴選擇研究[J]. 盧志剛,申康.  計算機工程與科學(xué). 2016(05)
[8]大數(shù)據(jù)時代物流信息平臺構(gòu)建與建設(shè)對策研究[J]. 王柏誼,孫慶峰.  情報科學(xué). 2016(03)
[9]基于Hadoop的并行PSO-kmeans算法實現(xiàn)Web日志挖掘[J]. 馬漢達(dá),郝曉宇,馬仁慶.  計算機科學(xué). 2015(S1)
[10]一種基于改進(jìn)PSO的K-means優(yōu)化聚類算法[J]. 謝秀華,李陶深.  計算機技術(shù)與發(fā)展. 2014(02)

碩士論文
[1]流式數(shù)據(jù)環(huán)境下車貨信息匹配方法研究[D]. 宋飛.大連海事大學(xué) 2018
[2]基于移動互聯(lián)技術(shù)的物流信息平臺商業(yè)模式分析與設(shè)計[D]. 黃鍵.西南財經(jīng)大學(xué) 2016
[3]物流公共信息平臺車貨匹配排序及誠信激勵機制研究[D]. 熊宜強.清華大學(xué) 2015
[4]基于語義網(wǎng)技術(shù)的車貨匹配系統(tǒng)[D]. 顧佳婧.清華大學(xué) 2013



本文編號：3723196