基于Mapreduce的大量物流配送线路优化与实现

发布时间：2017-12-19 02:07

  本文关键词：基于Mapreduce的大量物流配送线路优化与实现

  更多相关文章： k-means聚类算法 遗传算法并行化 道路交通因素 Mapreduce编程技术 大量物流配送配送线路优化

【摘要】：伴随着我国计算机技术的迅猛发展以及互联网应用的快速普及,电子商务得到了迅速兴起和快速发展,现代物流业也得到了前所未有的发展,各物流配送中心的配送量呈现出井喷式的增长。然而,现有的的车辆配送路线设计多根据以往设计的经验得出,其使用的优化算法没有考虑如今复杂的城市道路交通状况,已有的计算机配送路线运算实现方法也无法满足大量数据涌现情况下的快速高效运算。如何在物流配送中心的业务量呈指数级增长及道路交通情况日趋复杂的背景下,优化物流配送路线和使用计算机快速准确实现配送路线是本论文主要研究解决的问题。此文在前人已有的大量研究成果基础上,考虑到如今配送量剧增的情况以及道路交通出现的新问题构建了大量物流配送线路优化模型,并采用大数据分析工具进行了编程实现。此论文的内容框架如下:第一章概述。先简单介绍了大数据时代的来临使各国学者企业都在大数据的应用积极投入研究。大数据在物流企业物流配送路线设计中的应用更是成为当今热点。接着介绍了国内外线路优化的研究现状。同时对聚类分析的几种算法和一种生物质能算法——遗传算法进行了介绍。最后又对世界各国对Mapreduce编程研究成果和发展已经达到什么程度进行了介绍。第二章阐述了为什么选择k-means聚类算法进行配送区域划分和遗传算法进行配送路线优化的原因,并具体阐述了如何利用k-means聚类算法和遗传算法如何完成大规模配送路线的设计过程。在本章中首先对k-means聚类算法如何进行配送区域划分进行阐述,其次,对利用遗传算法对大规模物流配送路线的优化进行详细说明。并对考虑了道路交通因子的遗传算法进行并行化处理,为下一章的Mapreduce编程实现提供准备。第三章在对Mapreduce工作原理、工作流程介绍的基础上,对k-means聚类算法、遗传算法进行Mapreduce编程实现。通过Mapper函数和Reducer函数的伪代码编写实现配送区域的划分和配送路线的设计。第四章以贵阳烟草物流配送中心为例对上述配送路线的设计过程进行实例论证。第五章结束语,阐述了本论文优化的成果,以及交代了本论文的创新点,最后提出文章的论述还所存在的缺陷和提出了改进方向和方法,使下一步再进行研究时思路清晰。
【学位授予单位】：贵州财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U116.2;F426.8;F252

【参考文献】

中国期刊全文数据库 前10条

1 张磊;张公让;张金广;;一种网格化聚类算法的MapReduce并行化研究[J];计算机技术与发展;2013年02期

2 鲁伟明;杜晨阳;魏宝刚;沈春辉;叶振超;;基于MapReduce的分布式近邻传播聚类算法[J];计算机研究与发展;2012年08期

3 赵卫中;马慧芳;傅燕翔;史忠植;;基于云计算平台Hadoop的并行k-means聚类算法设计研究[J];计算机科学;2011年10期

4 马建华;房勇;袁杰;;多车场多车型最快完成车辆路径问题的变异蚁群算法[J];系统工程理论与实践;2011年08期

5 王旭坪;阮俊虎;张凯;马超;;有模糊时间窗的车辆调度组合干扰管理研究[J];管理科学学报;2011年06期

6 曹二保;汤春华;;车辆数目未知的带时间窗口的车辆路径混合遗传算法[J];武汉理工大学学报(交通科学与工程版);2011年01期

7 马世霞;刘丹;贾世杰;;基于蚁群算法的文本聚类算法[J];计算机工程;2010年08期

8 余明珠;李建斌;雷东;;装卸一体化的车辆路径问题及基于插入法的新禁忌算法[J];中国管理科学;2010年02期

9 姚锦宝;夏禾;姚宝珍;;基于并行遗传算法的车辆路径问题[J];物流技术;2010年05期

10 崔雪丽;朱道立;马良;;模糊约定时间车辆路径问题及其蚂蚁算法求解[J];系统工程学报;2009年04期

中国硕士学位论文全文数据库 前5条

1 傅轶娜;基于MapReduce和遗传算法的粗糙集属性约简研究[D];安徽大学;2014年

2 李云;基于遗传算法的动态路径优化[D];太原理工大学;2013年

3 陈爱平;基于Hadoop的聚类算法并行化分析及应用研究[D];电子科技大学;2012年

4 李应安;基于MapReduce的聚类算法的并行化研究[D];中山大学;2010年

5 夏新海;物流配送车辆调度优化研究[D];武汉理工大学;2004年

，

本文编号：1306467