基于Hadoop的智慧物流平台的车辆调度优化算法的设计与实现

发布时间：2020-05-24 20:13

【摘要】：全球经济迅速发展,物流行业已经逐渐成为社会经济发展的根基及主要行业,其进步程度可当作度量社会经济是否实现现代化的指标。但是,目前我国对物流配送服务等问题的研究,仍然处在研究传统物流问题的阶段上。近年来,由于电子商务快速发展,互联网线上购物量迅速增长,物流配送方式已然出现巨大变化,大规模多区域配送及动态配送等新形式配送需求随之产生,传统物流配送服务方式不能维持现代客户需求,也不符合日益复杂的供应链体系,为此保证迅速有规律供给商品及稳定的供应体系,实现物流配送的通常及时效,已经是国内物流业不得不面对的关键问题。尤其在云计算技术及通信技术产生后,令大规模多区域的动态配送需求得以实现,新型物流配送形式即将出现。本文章利用近年热门的云技术与旧式物流管理方式相融合,建立云物流管理平台,对物流行业发展缓慢问题起到较大帮助。云平台接收配送要求,令社会领域内的诸多个物流企业参与到该体系中,集合海量物流货单,构建一个大规模的云计算物流平台,统一处理海量货单数据,通过国内各个企业的物流配送中心,制定最优调度方案。第一,对Hadoop技术进行相关介绍。其中包含Hadoop平台和平台技术,并阐释Hadoop技术背景,介绍构成Hadoop的两个重要模块,分别是HDFS及MapReduce并行运算框架,同时研究分析了Hadoop的子项目HBase系统的储存方式和数据模型。然后,根据调度要求,设计云物流平台调度体系,其中包括整体框架结构,即数据层、存储层及调度算法层等多个模块详细设计。其次,对于动态需求调度问题,因动态需求调度问题是通过静态问题演化而来,需要对动态问题进行探讨,得到动态车辆问题形成受到信息变化原因影响,因此,运用时间轴与动态信息相结合形式,对网络配送过程中产生信息实行记录,使动态车辆调度问题转换成为多个静态车辆调度问题,使存在约束限定情况和目标函数成为考量原因,构建存在具体时间节点的车辆调度数学模型。由于求解动态需求车辆路径调度问题要求算法具有高时效性特点,由此基于传统遗传算法实行改进,形成量子遗传改进算,采用量子多样特点进行染色体编码,通过量子门旋转实现进化过程,并与MapReduce编程模型融合设计算法,提高种群进化效率,结合车辆调度模型设计阶段性求解策略,在动态需求客户产生需求时,运用时间轴概念记载时间点,更新网络中配送需求数据信息,实现优化操作过程。将易城智慧物流平台作为实验项目,通过实验验证文章设计模型及算法的优良性能。最后章节,总结概述全文内容,对云计算物流平台的运营方式及车辆路径调度方案的研究趋势进行展望。
【图文】：

框架图,框架图,核心项,存储服务

图 2. 1 Hadoop 集群框架图Figure 2.1 Hadoop cluster framework diagram所示，Hadoop 集群的关键组成结构为网络服务作及处理，多个用户能够通过不同 PC 端给定计资源。技术Google 技术基础上对 MapReduce 和 HDFS 实行核心模块[22]。HDFS 系统是 Hadoop 的核心项存储服务，，是计算程序内数据实现存储和处理

系统框架,节点

图 2.2 HDFS 系统框架图Figure 2.2 Framework diagram of HDFS system中可以看出，文件被划分成一个或者许多个数据于 DataNode 节点，NameNode 节点是中心服务开关操作和重命名 namespace 处理。此外，运用lock 相对的数据节点映射联系。经过元数据节能为处理使用者的读文件过程及写文件的过程制或是删除等操作。HDFS 以 Java 为表现过程大型服务系统时，各个机器需要单独运行节点任aNode 节点任务。统文件读取与写入过程
【学位授予单位】：中国科学院大学(中国科学院沈阳计算技术研究所)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U492.22

【参考文献】