互联网背景下的舰船智慧物流配送系统
发布时间：2022-01-11 02:41
针对以往舰船智慧物流配送系统在数据并发量大的情况下,很难快速精准地分析最佳配送路径的问题,提出互联网背景下的舰船智慧物流配送系统研究。选用D10模块、9 110通信器和GPS接收机,在互联网技术支持下,实现对配送车辆的实时监控与系统信息的实时交换。在硬件设计基础上,建立最佳路径模型,获得个体的置换矩阵和发散矩阵,计算出智慧物流配送最佳路径,将结果传输到硬件部分并执行。测试结果表明,设计的互联网背景下的舰船智慧物流配送系统能够在较少的迭代次数中分析出最优路径,并且路径距离相比其他系统分析出的最优路径更短。
【文章来源】：舰船科学技术. 2020,42(20)北大核心
【文章页数】：3 页
【部分图文】：
监控模块结构图Fig.1Structurediagramofmonitoringmodule
inJ其中：Ai为用户需求的货物量；B为每辆车的载重容量；Lij为车辆由点到点的距离；为目标函数。nna,b,c,d,e采用viterbi算法产生初始化种群，种群中的个体代表一组客户点的有序排列。假设存在个客户，在算法中由个用户点的排序序列构成一个染色体，一个染色体对应着一个置换矩阵，在每个染色体中，每一个基因的位表示访问的次序。假设有5个用户点，个体m2经过的路径顺序依次是2，4，1，5，3，则个体m2对应的置换矩阵如图2所示。图2个体m2对应的置换矩阵Fig.2Permutationmatrixcorrespondingtoindividualm2矩阵在状态转换过程中，将目标转化为寻找最短路径问题，获得基于状态集和发射矩阵。定义最佳路径的出发点为D，D"表示目的地，其余参数如下：vr(q)=n(βr,∑r)，uij,i=1,···,R;j=1,···,R，πi,i=1,···,R，βi,∑ii=1,···,R。(7)vr(q)βr∑ruijπi∑其中：为高斯反射频率；和为高斯反射概率参数；为模型参数；为初始状态分布；为协方差矩阵。基于以上内容，在舰船智慧物流配送中配送的最优路径计算公式如下：logJ(D0,···,DR,q1,···,qR)=logπS0R∑r=1vDr1,Dr。(8)其中，D0,···,DR为不同的出发点，q1,···,qR为不同的第42卷陈勇，等：互联网背景下的舰船智慧物流配送系统·185·
行Matlab仿真。10个中转站坐标如表1所示。表1实验中转站坐标Tab.1Coordinatesofexperimentaltransferstation中转站编号经度纬度00111716.562157.2500211676.792236.5200311655.512367.1500411715.442358.2600511695.312265.7100611676.212271.1500711735.432345.2100811741.252365.3400911729.222354.5201011739.932293.68利用以上数据进行Matlab仿真以后得到中转站距离图，如图3所示。图3中转站距离仿真图Fig.3Transferstationdistancesimulationdiagram基于以上数据，使用不同的舰船智慧物流配送系统获得最优配送路径，以路径的最短距离和获得最短路径的迭代次数作为衡量不同配送系统实际性能的标准指标，根据测试结果分析系统的实际应用能力。图4中系统1为基于蚁群算法的物流配送系统，系统2为基于GIS的物流配送系统，系统3为所提物流配送系统。系统1在迭代次数在60～70次时达到最优距离159km，系统2在迭代次数80～90次时达到最优路径距离154km，系统3在迭代次数20～30次时达到最优路径距离151km。因此，设计的系统能够在最少的迭代次数内达到最优路径距离，并且在3组结果中距离最短，说明该系统在实际应用中能够更高效率地完成物流配送工作，设计的物流配送系统优于另外2种系统。图4不同系统的路径最优解测试结果Fig.4Thetestresultsoftheoptimalsolutionfordifferentsystems4结语本文主要针对港口物流行业中舰船智慧物流配送工作，研究并设计互联网背景下的舰船物流配送系统，在互联网背景下实现?
本文编号：3581920
【文章来源】：舰船科学技术. 2020,42(20)北大核心
【文章页数】：3 页
【部分图文】：
监控模块结构图Fig.1Structurediagramofmonitoringmodule
inJ其中：Ai为用户需求的货物量；B为每辆车的载重容量；Lij为车辆由点到点的距离；为目标函数。nna,b,c,d,e采用viterbi算法产生初始化种群，种群中的个体代表一组客户点的有序排列。假设存在个客户，在算法中由个用户点的排序序列构成一个染色体，一个染色体对应着一个置换矩阵，在每个染色体中，每一个基因的位表示访问的次序。假设有5个用户点，个体m2经过的路径顺序依次是2，4，1，5，3，则个体m2对应的置换矩阵如图2所示。图2个体m2对应的置换矩阵Fig.2Permutationmatrixcorrespondingtoindividualm2矩阵在状态转换过程中，将目标转化为寻找最短路径问题，获得基于状态集和发射矩阵。定义最佳路径的出发点为D，D"表示目的地，其余参数如下：vr(q)=n(βr,∑r)，uij,i=1,···,R;j=1,···,R，πi,i=1,···,R，βi,∑ii=1,···,R。(7)vr(q)βr∑ruijπi∑其中：为高斯反射频率；和为高斯反射概率参数；为模型参数；为初始状态分布；为协方差矩阵。基于以上内容，在舰船智慧物流配送中配送的最优路径计算公式如下：logJ(D0,···,DR,q1,···,qR)=logπS0R∑r=1vDr1,Dr。(8)其中，D0,···,DR为不同的出发点，q1,···,qR为不同的第42卷陈勇，等：互联网背景下的舰船智慧物流配送系统·185·
行Matlab仿真。10个中转站坐标如表1所示。表1实验中转站坐标Tab.1Coordinatesofexperimentaltransferstation中转站编号经度纬度00111716.562157.2500211676.792236.5200311655.512367.1500411715.442358.2600511695.312265.7100611676.212271.1500711735.432345.2100811741.252365.3400911729.222354.5201011739.932293.68利用以上数据进行Matlab仿真以后得到中转站距离图，如图3所示。图3中转站距离仿真图Fig.3Transferstationdistancesimulationdiagram基于以上数据，使用不同的舰船智慧物流配送系统获得最优配送路径，以路径的最短距离和获得最短路径的迭代次数作为衡量不同配送系统实际性能的标准指标，根据测试结果分析系统的实际应用能力。图4中系统1为基于蚁群算法的物流配送系统，系统2为基于GIS的物流配送系统，系统3为所提物流配送系统。系统1在迭代次数在60～70次时达到最优距离159km，系统2在迭代次数80～90次时达到最优路径距离154km，系统3在迭代次数20～30次时达到最优路径距离151km。因此，设计的系统能够在最少的迭代次数内达到最优路径距离，并且在3组结果中距离最短，说明该系统在实际应用中能够更高效率地完成物流配送工作，设计的物流配送系统优于另外2种系统。图4不同系统的路径最优解测试结果Fig.4Thetestresultsoftheoptimalsolutionfordifferentsystems4结语本文主要针对港口物流行业中舰船智慧物流配送工作，研究并设计互联网背景下的舰船物流配送系统，在互联网背景下实现?
本文编号：3581920
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3581920.html
