本文關(guān)鍵詞：大數(shù)據(jù)下城市應(yīng)急藥品的藥店選擇規(guī)劃，由筆耕文化傳播整理發(fā)布。

【摘要】：人類社會的發(fā)展,總是不可避免的會與疾病斗爭。除了癌癥,艾滋病等人類一直面臨的醫(yī)學(xué)難題,近些年來,各種新式的疾病以及傳染病屢見不鮮,在中國,03年“SARS病毒”,09年“甲型H1N1流感”,13年“H7N9禽流感”等等橫行肆虐,在國外,14年西非埃博拉病毒導(dǎo)致7373人死亡,15年韓國MERS疫情導(dǎo)致16693人隔離,俄羅斯每年因流感死亡的人數(shù)達(dá)20000之多。病毒,它在地球上作為物種而存在的時間遠(yuǎn)遠(yuǎn)超過了人類,在人類發(fā)展史上,它也給人類帶來了最多的生存威脅,而且近些年的侵?jǐn)_頻發(fā),也不得不引人反思�，F(xiàn)代的醫(yī)學(xué)家也在積極研究對傳染病的預(yù)防與控制的方法。據(jù)統(tǒng)計,中國目前超千萬人口的城市已經(jīng)有15個之多,在人口數(shù)量如此龐大的城市中,一旦爆發(fā)傳染病,傳染速度將不堪設(shè)想,未雨綢繆遠(yuǎn)勝亡羊補牢,此時,將預(yù)防該傳染病的藥物在城市中進(jìn)行有效的分配顯得尤為重要。因為往往在發(fā)放初期,這種藥物的數(shù)量是十分有限的,那么,如何在一個城市中,在有限的藥品數(shù)量下,合理地選取一部分藥店進(jìn)行分配,使得分配的藥店數(shù)最少,受益的人口數(shù)最多,最有效地降低大規(guī)模暴發(fā)疫情的可能性,這正是本文所要探討的問題。本文首先通過對應(yīng)急藥品的藥店選擇規(guī)劃問題進(jìn)行數(shù)學(xué)建模,并采用Lasso回歸實現(xiàn)對指標(biāo)集合精簡的目的,進(jìn)一步推導(dǎo)出一個與人流量,距離相關(guān)并需要優(yōu)化的目標(biāo)函數(shù)。然后以上海市為例,利用hadoop大數(shù)據(jù)平臺技術(shù)以及爬蟲技術(shù),對我們所需數(shù)據(jù)進(jìn)行收集。通過ADMM(交替方向乘子法)算法將目標(biāo)函數(shù)分解為ADMM形式進(jìn)行求解,并利用ADMM特性實現(xiàn)多核計算,提出了結(jié)果的評定標(biāo)準(zhǔn)。最終我們采用web形式對數(shù)據(jù)結(jié)果進(jìn)行動態(tài)可視化處理,完成對復(fù)雜問題的科學(xué)的多種可視化手段的融合。
【關(guān)鍵詞】：大數(shù)據(jù) 交替方向乘子法 最優(yōu)規(guī)劃 Lasso
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R95;O221
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 課題的研究背景和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.3 本文主要研究內(nèi)容11-12
• 1.4 論文內(nèi)容結(jié)構(gòu)12-13
• 第2章 應(yīng)急藥品的藥店規(guī)劃問題的Lasso數(shù)學(xué)模型13-21
• 2.1 傳統(tǒng) 0-1 規(guī)劃應(yīng)用及其面臨的問題13-15
• 2.2 出行距離意愿模型15-16
• 2.3 Lasso回歸應(yīng)用16-20
• 2.3.1 Lasso簡介16-17
• 2.3.2 基于L12范式的Group Lasso簡介及使用17-18
• 2.3.3 Network Lasso簡介及使用18-20
• 2.4 本章小結(jié)20-21
• 第3章 大數(shù)據(jù)下應(yīng)急藥品的藥店規(guī)劃問題的數(shù)據(jù)收集21-35
• 3.1 Hadoop簡介21-25
• 3.1.1 Hadoop平臺概述21-23
• 3.1.2 Hadoop平臺關(guān)鍵技術(shù)HDFS與MapReduce簡介23-25
• 3.2 Hadoop平臺搭建25-28
• 3.3 使用mapreduce實現(xiàn)的人流量記錄提取28-31
• 3.4 藥店與地鐵所有距離列表的python爬蟲及百度地圖api應(yīng)用31-34
• 3.5 本章小結(jié)34-35
• 第4章 基于ADMM的應(yīng)急藥品的藥店規(guī)劃問題的優(yōu)化實現(xiàn)35-43
• 4.1 出行意愿模型的公式求解35-37
• 4.2 應(yīng)急藥品的藥量規(guī)劃問題的ADMM算法研究37-41
• 4.2.1 ADMM算法概述37-38
• 4.2.2 基于ADMM的應(yīng)急藥品的藥店選擇規(guī)劃問題的求解38-40
• 4.2.3 ADMM算法的具體實現(xiàn)40-41
• 4.3 應(yīng)急藥品的藥量選擇規(guī)劃問題的結(jié)果評定標(biāo)準(zhǔn)制定41-42
• 4.4 本章小結(jié)42-43
• 第5章 基于web形式的優(yōu)化結(jié)果的動態(tài)可視化處理43-51
• 5.1 網(wǎng)站搭建及功能模塊43-46
• 5.2 實驗結(jié)果與分析46-50
• 5.3 本章小結(jié)50-51
• 第6章 總結(jié)與展望51-53
• 參考文獻(xiàn)53-57
• 致謝57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊麗娟;馬云艷;;基于Lasso類方法在時間序列變量選擇中的應(yīng)用[J];魯東大學(xué)學(xué)報(自然科學(xué)版);2016年01期

2 ;上海市第五次綜合交通調(diào)查主要成果[J];交通與運輸;2015年06期

3 孫秋年;饒元;;基于關(guān)聯(lián)分析的網(wǎng)絡(luò)數(shù)據(jù)可視化技術(shù)研究綜述[J];計算機科學(xué);2015年S1期

4 任磊;杜一;馬帥;張小龍;戴國忠;;大數(shù)據(jù)可視分析綜述[J];軟件學(xué)報;2014年09期

5 維克托·邁爾·舍恩伯格;肯尼思·庫克耶;;大數(shù)據(jù)時代[J];銷售與市場(評論版);2013年05期

6 徐多;曹曉宇;耿江華;;0-1整數(shù)規(guī)劃模型在漂流旅行行程安排中的應(yīng)用[J];科技信息;2012年27期

7 田垅;劉宗田;;最小二乘法分段直線擬合[J];計算機科學(xué);2012年S1期

8 崔杰;李陶深;蘭紅星;;基于Hadoop的海量數(shù)據(jù)存儲平臺設(shè)計與開發(fā)[J];計算機研究與發(fā)展;2012年S1期

9 潘海嘯;沈青;張明;;城市形態(tài)對居民出行的影響——上海實例研究[J];城市交通;2009年06期

10 王潤華;;基于Hadoop集群的分布式日志分析系統(tǒng)研究[J];科技信息;2009年15期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 龔高晟;通用分布式文件系統(tǒng)的研究與改進(jìn)[D];華南理工大學(xué);2010年

  本文關(guān)鍵詞：大數(shù)據(jù)下城市應(yīng)急藥品的藥店選擇規(guī)劃，由筆耕文化傳播整理發(fā)布。

，

本文編號：280891