基于物流信息平台的运力调度优化研究
本文关键词:基于物流信息平台的运力调度优化研究
更多相关文章: 物流信息化 运力评价 模糊算法 神经网络 粒子群算法
【摘要】:目前,随着物流信息化水平的不断提高,人们对物流信息平台的要求已不仅限于信息的查询和发布。如何为用户提供有效信息并进行智能决策则是现阶段该领域研究的重点。着眼公路物流行业,作为物流运输业主动脉,我国公路物流行业存在明显的技术落后、效率低下等问题,车辆空载率居高不下。造成该现状的主要原因是运力供需信息的不对称和行业信誉评价体系的缺失,同时,这些问题也牵制了相关线上服务在行业内的推广。本文首先总结并分析了当前我国公路物流行业的发展现状以及存在的突出问题,在此基础上构建了基于车辆监管平台的运力调度评价模型。结合不同评价指标特征,设计了相应的衡量标准。其次,对于公路物流行业所关心的运力服务及信誉评价问题,构建评价模型。并将基于FAHP的模糊综合评价法应用于处理货运服务过程中产生的客户评价数据。在运力评价模型的第二轮多目标综合评价中,提出应用BP神经网络模型与模糊综合评价相结合的方法进行运力调度评价。结合样本数据设计模拟实验,检验模型和算法的可行性,并提出改进思路,使BP神经网络模型在该问题中的适用性大大增强。最后,进行仿真验证实验,将运力调度过程涉及到的主要功能在仿真系统中实现。从评价结果来看,整个模型较好地满足运力评级需求,结果合理有效。评价模型将公路物流过程中运力的选择调度过程全部搬移到线上,形成了从运力需求产生到运单生成的闭环操作。在满足货主对于运力需求的同时,将运力的合理调度,运力资源的优化配置考虑其中,为降低货车空载率和改善公路货运行业效率低下等问题提供了新的解决思路和方法。
【关键词】:物流信息化 运力评价 模糊算法 神经网络 粒子群算法
【学位授予单位】:西南交通大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:U492.3
【目录】:
- 摘要6-7
- Abstract7-11
- 第1章 绪论11-17
- 1.1 课题研究背景和意义11-12
- 1.2 国内外研究现状12-15
- 1.2.1 物流过程中运力资源调度匹配的研究13
- 1.2.2 货运车辆信誉评价等级及模糊综合评价法的研究13-14
- 1.2.3 BP神经网络专家系统用于多目标评价的研究14-15
- 1.3 论文结构及技术路线15-17
- 1.3.1 论文结构及主要研究内容15
- 1.3.2 论文的技术路线15-17
- 第2章 运力调度评价指标体系构建17-30
- 2.1 运力调度系统描述17-19
- 2.1.1 运力调度系统架构17
- 2.1.2 运力调度流程17-19
- 2.2 多目标评价问题常用方法概述19-20
- 2.3 评价指标的确定20-22
- 2.3.1 评价指标确定准则20-21
- 2.3.2 评价指标确定流程21-22
- 2.4 运力调度评价模型及评价体系构建22-23
- 2.4.1 总体评价指标构建22-23
- 2.4.2 基于客户反馈的货运服务评价指标系构建23
- 2.5 指标含义及指标数据预处理23-28
- 2.6 本章小结28-30
- 第3章 基于客户反馈的公路物流货运服务评价30-38
- 3.1 模糊综合评价法原理30-34
- 3.1.1 模糊综合评价法构成30
- 3.1.2 模糊综合评价法评价步骤30-34
- 3.2 模糊综合评价法在货运服务评价中的应用34-37
- 3.2.1 确定评价对象因素集、评语集34
- 3.2.2 FAHP求解指标权重34-36
- 3.2.3 单因素评价生成模糊综合评价结果36-37
- 3.3 本章小结37-38
- 第4章 基于BP神经网络的运力调度评价模型38-58
- 4.1 BP神经网络模型38-39
- 4.1.1 神经元结构38-39
- 4.1.2 BP神经网络结构39
- 4.2 BP学习算法39-46
- 4.2.1 BP算法原理39-43
- 4.2.2 BP算法实现43-44
- 4.2.3 标准BP算法改进44-46
- 4.3 基于BP神经网络模型的运力评价实现46-57
- 4.3.1 基于BP神经网络模型的运力评价实现原理46-47
- 4.3.2 BP网络样本准备47-51
- 4.3.3 运力评价BP网络模型结构及参数设计51-52
- 4.3.4 BP网络模型训练测试及分析52-57
- 4.4 本章小结57-58
- 第5章 PSO算法优化BP神经网络58-65
- 5.1 PSO算法原理58-60
- 5.2 PSO算法优化BP神经网络原理60-62
- 5.3 训练测试及分析62-64
- 5.4 本章小结64-65
- 第6章 基于BP神经网络的运力调度评价模型应用65-70
- 6.1 仿真系统设计65-68
- 6.1.1 仿真系统总体设计65-66
- 6.1.2 仿真系统功能设计66-68
- 6.2 案例分析68-69
- 6.3 本章小结69-70
- 总结与展望70-71
- 致谢71-72
- 参考文献72-76
- 附录A 客户服务评价指标FAHP评价表76-77
- 附录B 运力调度模糊综合评价表77-79
- 攻读硕士学位期间发表的论文及参与的科研项目79
【相似文献】
中国期刊全文数据库 前10条
1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期
3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期
4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期
5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期
6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期
7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期
8 宋玉华,王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期
9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期
10 王中贤,钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者 张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
中国博士学位论文全文数据库 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年
中国硕士学位论文全文数据库 前10条
1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年
5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年
6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年
7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年
8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年
9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年
10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年
,本文编号:904018
本文链接:https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/904018.html