基于Spark平台的分布式物流配送优化算法研究

发布时间：2021-01-02 19:56

　　在当前这个互联网高度发展,交通极度便利的时代,网络购物迅速普及,从而带动了物流行业的迅猛发展,也使得物流配送面临的数据量急剧增长。物流公司在对批量货物进行配送之前,往往都需要制定一个能够满足所有客户需求且配送成本最低的方案。因此如何为海量物流数据快速生成一个高效益的物流配送方案是一个亟待解决的问题。物流配送问题往往被模型化为车辆路径问题（vehicle routing problem,VRP）,即在给定包裹信息以及仓库信息的情况下,找到一个在满足所有包裹配送需求以及一些物理限制的同时,使得配送路径成本最小化的路径规划方案。截至目前为止,研究人员们已经提出了许多可以用于解决车辆路径问题及其衍生问题的优化算法,例如分支界限法、动态规划法、模拟退火算法以及禁忌搜索算法等等。其中禁忌搜索算法因为其具有跳出当前搜索空间的机制,能够避免陷入局部最优而表现卓越。然而目前提出的这些优化算法都因为其自身的时间复杂度或空间复杂度而难以用于应对具有大规模数据的车辆路径问题。为此,大量的并行优化算法孕育而生。因为并行禁忌搜索是一种可以加速搜索空间探索的有效策略,近年来受到了广泛关注。然而,由于高度定制的邻域搜... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

VRP示意图

示例VRP实例的另一个解决方案

用于初始解构造的数据实例

【参考文献】：
期刊论文
[1]异构集群中CPU与GPU协同调度算法的设计与实现[J]. 高原,顾文杰,丁雨恒,彭晖,陈泊宇,顾雯轩.  计算机工程与设计. 2020(02)
[2]Spark-GPU框架下海洋地理空间数据分布式并行处理任务调度[J]. 景辉,秦勃,姜晓轶,夏海涛.  中国海洋大学学报(自然科学版). 2018(S2)
[3]基于上海地区货物配送带时间窗VRP问题研究[J]. 赵吉祥,姚兴贵,孟初夏.  赤峰学院学报(自然科学版). 2018(10)
[4]基于GPU的Spark大数据技术在实验室的开发应用[J]. 周情涛,何军,胡昭华.  实验室研究与探索. 2017(01)



本文编号：2953536