車輛路徑問題廣泛應(yīng)用于各個領(lǐng)域,不論是機器人自主無碰運動、服務(wù)網(wǎng)絡(luò)規(guī)劃等學(xué)術(shù)研究領(lǐng)域,還是數(shù)字地圖導(dǎo)航、倉庫AGV無導(dǎo)引小車運作等工業(yè)生產(chǎn)環(huán)境,甚至是與人們生活息息相關(guān)的快遞配送業(yè),都要用到車輛路徑問題的優(yōu)化理論。車輛路徑問題的研究,不僅具有重要的學(xué)術(shù)研究意義,而且有重要的生產(chǎn)實用價值。帶有時間窗的車輛路徑問題在車輛路徑問題的基礎(chǔ)上考慮了時間成本的影響,更加符合實際需求。針對帶有時間窗的車輛路徑問題的研究已經(jīng)比較成熟,包括精確算法、啟發(fā)式算法、元啟發(fā)式算法等,但這些算法基本都是串行的集中式算法,大都只能求解中小規(guī)模的車輛路徑問題,然而現(xiàn)在的車輛路徑問題動輒就是上千個節(jié)點的規(guī)模,加上時間窗的約束,傳統(tǒng)串行算法求解效率比較低,短時間內(nèi)很難求解出可接受解。當(dāng)今大數(shù)據(jù)、云計算等計算機技術(shù)的蓬勃發(fā)展,為并行計算提供了技術(shù)支持,也為并行化解決大規(guī)模帶有時間窗的車輛路徑問題提供了新的思路。針對集群式并行計算具有高容錯性、高擴展性、高可用性和廉價性等方面的優(yōu)勢,本研究選用了經(jīng)典的集群分布式并行計算平臺----Hadoop作為并行計算的基礎(chǔ)架構(gòu),基于此使用MapReduce并行框架進(jìn)行分布式并行算法的設(shè)...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 課題背景和研究意義
        1.1.1 課題背景
        1.1.2 研究意義
    1.2 論文主要內(nèi)容
    1.3 論文組織結(jié)構(gòu)
第2章 文獻(xiàn)綜述
    2.1 車輛路徑問題
    2.2 車輛路徑問題的求解方法
        2.2.1 精確算法
        2.2.2 啟發(fā)式算法
        2.2.3 元啟發(fā)式算法
        2.2.4 人工智能方法
    2.3 遺傳算法求解車輛路徑問題
    2.4 MapReduce與 Hadoop的應(yīng)用
    2.5 遺傳算法與MapReduce的結(jié)合應(yīng)用
    2.6 本章小結(jié)
第3章 Hadoop平臺的搭建
    3.1 Hadoop平臺簡介與準(zhǔn)備工作
    3.2 Hadoop平臺的搭建與調(diào)試
    3.3 本章小結(jié)
第四章 算法設(shè)計
    4.1 問題描述
    4.2 遺傳算法求解VRPTW
        4.2.1 基因編碼
        4.2.2 初始化種群
        4.2.3 適應(yīng)度評價
        4.2.4 選擇精英解
        4.2.5 選擇交叉父體
        4.2.6 交叉操作
        4.2.7 變異操作
        4.2.8 選擇幸存解
        4.2.9 算法影響因素
    4.3 遺傳算法并行模型
    4.4 MapReduce框架
        4.4.1 Mapper的設(shè)計
        4.4.2 Reducer的設(shè)計
    4.5 基于Hadoop的并行遺傳算法的流程控制
        4.5.1 Hadoop系統(tǒng)基礎(chǔ)架構(gòu)分析
        4.5.2 算法整體流程的設(shè)計與控制
    4.6 算法回顧
    4.7 本章小結(jié)
第5章 數(shù)值實驗
    5.1 參數(shù)設(shè)置
        5.1.1 Hadoop集群參數(shù)配置與調(diào)優(yōu)
        5.1.2 初始解參數(shù)的設(shè)置
        5.1.3 遺傳操作參數(shù)的設(shè)置
    5.2 算例結(jié)果及分析
        5.2.1 算法有效性的數(shù)值驗證
        5.2.2 串行算法與并行算法的對比
        5.2.3 處理器數(shù)量對計算時間的影響
        5.2.4 處理器配置對計算時間的影響
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號：3845268