基于云物流平台的运力调度问题研究
发布时间：2021-08-24 15:38
随着互联网云计算技术的发展,“互联网+”高效物流被提出,物流行业逐渐信息化、平台化,对于效率、效益的竞争愈加激烈。云物流平台利用现代信息技术,摆脱了传统的物流模式,可以智能制定物流计划,改进业务流程,充分利用有限资源,提高企业效率效益和竞争力。利用物流系统的资源共享、信息互通,进而充分利用运力资源,整合社会运力,通过计算机智能地制定调度计划,解决运力资源的合理调度是当前的关键问题。这个问题的研究对于加快云物流平台建设,提高了运输过程的效率,促进了物流成本的降低,以及我国物流业的资源整合与“互联网+”环境下的物流业发展都具有重要意义。本文基于云物流及其大数据服务关键技术研究与产业项目,根据云物流平台现有建设水平提供运力调度解决方案。云物流平台下的运力调度包括提货调度与干线运输调度两个问题,文中考虑了运输的成本、时间成本、车辆满载率、多车型、多集散中心、甩挂运输模式、动态大规模信息等一系列云物流平台下的重要影响因素,分别提出多目标运力调度模型求解这两个问题。针对提货运力调度问题,本文使用了两阶段解决策略求解多集散中心调度模型,使用KNN聚类和遗传算法求解模型得到运力调度方案,结果表明在降低...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
客户群分布散点图
第三章以订单为中心的云物流平台提货调度33图3.9客户群分布散点图Fig3.9Scatterdiagramofcustomergroups经过第一阶段聚类处理获得一系列客户群，每个客户群代表一个提货调度子问题，从而进入了第二阶段的算法处理。本小节以集散中心Center1的一个提货调度子问题为例进行求解。如图3.10所示的是选取该集散中心对应的提货调度问题的坐标分布。图3.10提货点及车辆分布散点图Fig3.10Scatterdiagramofpickuppointandvehicledistribution
第三章以订单为中心的云物流平台提货调度35表3.6提货点货品表（续）Tab3.6Listofgoodsatdeliverypoint(Continued)提货点编号货品名称货品重量(kg)发货时效（h）经纬度坐标16菜苔150024117.2507,31.712917绿豆芽350024117.1432,31.936318生菜250024117.2840,31.854419豌豆荚150024117.2725,31.932320小葱150024117.3657,31.926021苹果250024117.2639,31.765022香蕉150024117.2300,31.894123小青菜150024117.2271,31.866624樱桃250024117.2674,31.803825菠萝350024117.3105,31.816626芒果150024117.3151,31.843127大米250024117.3519,31.8647使用主观赋权法，设置各项目标权重分别为0.5，0.25，0.25，同时设置种群规模为80，交叉概率30%，变异概率10%，总迭代次数是800次，输入上表数据进行迭代。如图3.11是某次运行的最优解跟踪图，从图中可以看出遗传算法对于目标函数具有较好的优化效果，在400代左右最优值开始趋于收敛，逐渐稳定，最终达到0.1548的最佳目标值。图3.11最优值跟踪曲线图Fig3.11Optimalvaluetrackingcurve
【参考文献】：
期刊论文
[1]基于大数据背景的云物流发展模式与升级路径[J]. 狄寒梅,刘舫. 商业经济研究. 2019(21)
[2]基于云物流平台的技术与服务模式协同创新耦合机理研究[J]. 张季平,骆温平. 大连理工大学学报(社会科学版). 2019(03)
[3]大数据时代下云物流模式探究及转型路径研究[J]. 王智泓. 技术经济与管理研究. 2019(03)
[4]一种基于K近邻的比较密度峰值聚类算法[J]. 杜沛,程晓荣. 计算机工程与应用. 2019(10)
[5]基于K中心点和粗糙集的KNN分类算法[J]. 文武,李培强. 计算机工程与设计. 2018(11)
[6]基于改良C-W节约算法的甩挂运输车辆调度模型[J]. 张笛,钟明,陈龙,梁军,葛慧敏,谈建祥. 中国机械工程. 2018(19)
[7]基于大数据的电子商务物流服务创新[J]. 张晓芹. 中国流通经济. 2018(08)
[8]循环甩挂运输网络下的集装箱牵引车调度优化[J]. 黄勇,乙永松,邱琦. 华东交通大学学报. 2018(03)
[9]带时间窗的甩挂运输路径优化问题研究[J]. 边展,徐奇,靳志宏. 交通运输系统工程与信息. 2018(02)
[10]基于混合遗传算法的大规模VRP问题算法研究[J]. 冉崇善,张妍. 电脑知识与技术. 2016(18)
硕士论文
[1]考虑多场景情况的甩挂运输路径规划[D]. 郝明治.合肥工业大学 2018
[2]基于改进遗传算法的车货动态配载模型研究与设计[D]. 侯景瑞.合肥工业大学 2018
[3]基于K-Means++和遗传算法的提货车辆路径研究[D]. 张雪婷.首都经济贸易大学 2017
[4]基于改进遗传算法的物流配载系统的设计与实现[D]. 张嘉宁.哈尔滨工业大学 2015
[5]基于云平台的多配送中心车辆调度问题研究[D]. 邢鹏.北京交通大学 2013
[6]基于两层次聚类的车辆配载调度方法[D]. 朱琳.天津大学 2010
[7]干线运输车辆调度问题研究[D]. 徐小华.山东大学 2007
本文编号：3360263
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
客户群分布散点图
第三章以订单为中心的云物流平台提货调度33图3.9客户群分布散点图Fig3.9Scatterdiagramofcustomergroups经过第一阶段聚类处理获得一系列客户群，每个客户群代表一个提货调度子问题，从而进入了第二阶段的算法处理。本小节以集散中心Center1的一个提货调度子问题为例进行求解。如图3.10所示的是选取该集散中心对应的提货调度问题的坐标分布。图3.10提货点及车辆分布散点图Fig3.10Scatterdiagramofpickuppointandvehicledistribution
第三章以订单为中心的云物流平台提货调度35表3.6提货点货品表（续）Tab3.6Listofgoodsatdeliverypoint(Continued)提货点编号货品名称货品重量(kg)发货时效（h）经纬度坐标16菜苔150024117.2507,31.712917绿豆芽350024117.1432,31.936318生菜250024117.2840,31.854419豌豆荚150024117.2725,31.932320小葱150024117.3657,31.926021苹果250024117.2639,31.765022香蕉150024117.2300,31.894123小青菜150024117.2271,31.866624樱桃250024117.2674,31.803825菠萝350024117.3105,31.816626芒果150024117.3151,31.843127大米250024117.3519,31.8647使用主观赋权法，设置各项目标权重分别为0.5，0.25，0.25，同时设置种群规模为80，交叉概率30%，变异概率10%，总迭代次数是800次，输入上表数据进行迭代。如图3.11是某次运行的最优解跟踪图，从图中可以看出遗传算法对于目标函数具有较好的优化效果，在400代左右最优值开始趋于收敛，逐渐稳定，最终达到0.1548的最佳目标值。图3.11最优值跟踪曲线图Fig3.11Optimalvaluetrackingcurve
【参考文献】：
期刊论文
[1]基于大数据背景的云物流发展模式与升级路径[J]. 狄寒梅,刘舫. 商业经济研究. 2019(21)
[2]基于云物流平台的技术与服务模式协同创新耦合机理研究[J]. 张季平,骆温平. 大连理工大学学报(社会科学版). 2019(03)
[3]大数据时代下云物流模式探究及转型路径研究[J]. 王智泓. 技术经济与管理研究. 2019(03)
[4]一种基于K近邻的比较密度峰值聚类算法[J]. 杜沛,程晓荣. 计算机工程与应用. 2019(10)
[5]基于K中心点和粗糙集的KNN分类算法[J]. 文武,李培强. 计算机工程与设计. 2018(11)
[6]基于改良C-W节约算法的甩挂运输车辆调度模型[J]. 张笛,钟明,陈龙,梁军,葛慧敏,谈建祥. 中国机械工程. 2018(19)
[7]基于大数据的电子商务物流服务创新[J]. 张晓芹. 中国流通经济. 2018(08)
[8]循环甩挂运输网络下的集装箱牵引车调度优化[J]. 黄勇,乙永松,邱琦. 华东交通大学学报. 2018(03)
[9]带时间窗的甩挂运输路径优化问题研究[J]. 边展,徐奇,靳志宏. 交通运输系统工程与信息. 2018(02)
[10]基于混合遗传算法的大规模VRP问题算法研究[J]. 冉崇善,张妍. 电脑知识与技术. 2016(18)
硕士论文
[1]考虑多场景情况的甩挂运输路径规划[D]. 郝明治.合肥工业大学 2018
[2]基于改进遗传算法的车货动态配载模型研究与设计[D]. 侯景瑞.合肥工业大学 2018
[3]基于K-Means++和遗传算法的提货车辆路径研究[D]. 张雪婷.首都经济贸易大学 2017
[4]基于改进遗传算法的物流配载系统的设计与实现[D]. 张嘉宁.哈尔滨工业大学 2015
[5]基于云平台的多配送中心车辆调度问题研究[D]. 邢鹏.北京交通大学 2013
[6]基于两层次聚类的车辆配载调度方法[D]. 朱琳.天津大学 2010
[7]干线运输车辆调度问题研究[D]. 徐小华.山东大学 2007
本文编号：3360263
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3360263.html
