粒子群算法在基于LBS快递派送中的应用研究

发布时间：2017-09-30 22:19

  本文关键词：粒子群算法在基于LBS快递派送中的应用研究

  更多相关文章： 快递派送 LBS 粒子群算法 最优路径规划 轨迹回放

【摘要】：快递作为新兴行业,正改变人们的消费方式与生活习惯。快递派送工作,是配送的最后一个环节。目前,快递派送阶段仍然采用以结果管理过程的传统方式,主要存在快递派送路线规划不合理、快递员出勤后位置信息获取困难及快递签收信息难以实时回传等问题。LBS技术快速发展和智能手机的迅速普及,为问题的解决提供了契机,将LBS技术应用到快递派送管理中,实现新的快递派送管理模式,规划最优派送路径,对提高快递派送效率有较大意义。本文在研究快递派送管理现状及相关信息技术的基础上,对快递派送中存在的问题进行分析,并提出相应的解决方案。对快递派送最优路径问题进行深入分析,将其转化成TSP问题,构建派送最优路径规划的数学模型和粒子群算法在最优路径规划中的应用模型,运用粒子群算法求解最优路径,针对求解结果存在波动性大、易陷入局部最优且耗时较长的缺点,对粒子群算法提出了改进措施,应用经典算例和本文设计的快递派送算例分别进行实验仿真,对实验结果进行对比分析,实验结果显示改进的粒子群算法对快递派送最优路径求解效果更优。对快递员实时位置信息的获取,结合Android系统的定位模块和百度LBS云平台的鹰眼轨迹服务,实现快递员位置信息的收集,并上传至云端,管理者通过Web管理端实现对快递员的实时定位以及轨迹回放。另外,快递的实时签收信息由Android端上传至服务器,在百度地图上以麻点分布图的形式展现给管理者。根据问题的解决方案,采用Java EE和MVC软件设计模式构建了快递派送系统Web管理端,运用Android开发技术实现了系统的LBS服务和系统的Android客户端,通过Web Service完成移动端与服务器端的数据交互。实现基于LBS快递派送管理系统的主要功能,包括为管理人员提供的LBS实时定位及历史轨迹回放和派送完成情况实时查看;为快递员提供的派送任务管理和派送最优路径规划。
【关键词】：快递派送 LBS 粒子群算法 最优路径规划 轨迹回放
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.52;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-17
• 1.1 研究背景及意义9-10
• 1.2 快递派送中存在的问题10-11
• 1.3 研究现状11-15
• 1.3.1 快递派送管理现状11-12
• 1.3.2 TSP问题研究现状12-13
• 1.3.3 粒子群算法研究现状13-15
• 1.4 研究目的15
• 1.5 论文组织结构15-17
• 2 相关技术分析及选择17-25
• 2.1 LBS服务技术分析与平台选择17-21
• 2.1.1 LBS起源及发展17-18
• 2.1.2 LBS的体系结构及工作流程18-19
• 2.1.3 LBS云服务平台的选择19-21
• 2.2 定位技术分析与选择21-23
• 2.2.1 小区识别码21
• 2.2.2 基站三角测量21-22
• 2.2.3 GPS与辅助GPS22-23
• 2.2.4 定位技术选择23
• 2.3 粒子群算法求解TSP问题23-24
• 2.4 本章小结24-25
• 3 基于LBS的最优派送路径规划模型及算法应用模型25-31
• 3.1 问题描述及分析25-26
• 3.2 快递派送中最优路径规划数学模型26-28
• 3.3 粒子群算法在最优路径规划中的应用模型28-29
• 3.4 本章小结29-31
• 4 基于LBS快递派送管理系统的需求分析及功能设计31-43
• 4.1 需求分析31-33
• 4.2 总体设计33-35
• 4.3 功能设计35-39
• 4.4 数据库表设计39-42
• 4.5 本章小结42-43
• 5 基于LBS快递派送管理系统功能实现43-79
• 5.1 系统开发工具与环境43
• 5.2 定位信息收集43-47
• 5.3 派送任务管理47-52
• 5.4 最优派送路径规划52-71
• 5.4.1 粒子群算法求解快递派送最优路径52-57
• 5.4.2 粒子群算法的改进57-63
• 5.4.3 改进效果分析63-69
• 5.4.4 绘制派送最优路径图69-71
• 5.5 LBS定位与轨迹回放71-75
• 5.6 派送完成情况查看75-77
• 5.7 本章小结77-79
• 6 总结与展望79-81
• 6.1 本文工作总结79-80
• 6.2 未来研究展望80-81
• 致谢81-83
• 参考文献83-86

【参考文献】

中国期刊全文数据库 前10条

1 李源昊;陆平;吴一凡;韦薇;宋国杰;;面向移动社会网络的用户年龄与性别特征识别[J];计算机应用;2016年02期

2 张晨;明德祥;陈建云;杨俊;;A-GPS辅助定位技术研究[J];计算机测量与控制;2016年01期

3 程毕芸;鲁海燕;徐向平;沈莞蔷;;求解旅行商问题的改进局部搜索混沌离散粒子群优化算法[J];计算机应用;2016年01期

4 月尤;;国务院首次出台快递业发展纲领性文件——2020年:乡乡有网点 村村通快递[J];广东交通;2015年06期

5 徐丽蕊;;城市配送TSP问题的LINGO求解[J];电子设计工程;2015年13期

6 董跃华;戴玉倩;;混合粒子群算法的软件测试数据自动生成[J];计算机应用;2015年02期

7 王宝生;屈宝存;;蚁群算法在求解TSP问题中的改进研究[J];电子设计工程;2014年22期

8 王凯;韩雪峰;;基于混沌离散PSO算法的乙烯生产过程模型变量的选择[J];计算机测量与控制;2014年08期

9 刘丹;陈冰;;基于D-S理论与QFD结合的物流服务产品设计[J];武汉理工大学学报(信息与管理工程版);2014年04期

10 杨浩雄;刘彤;;商业区快递车辆路径优化及仿真[J];计算机仿真;2014年08期

中国硕士学位论文全文数据库 前8条

1 李秋影;基于全局最优预测的自适应变异粒子群优化算法[D];吉林大学;2015年

2 赵恒;基于LBS的本地美食推荐系统的研究与实现[D];电子科技大学;2015年

3 倪全贵;粒子群遗传混合算法及其在函数优化上的应用[D];华南理工大学;2014年

4 吴蔚;安卓平台快递派送辅助软件开发[D];北京邮电大学;2013年

5 杨少健;基于Android的LBS移动订餐系统的设计与实现[D];暨南大学;2012年

6 汪超;基于云混沌粒子群算法的配电网无功规划优化[D];上海交通大学;2011年

7 李赵阳;基于粒子群算法的武器—目标分配问题求解[D];吉林大学;2009年

8 邵艺;基于WebServices的快递业务系统研究[D];上海交通大学;2008年

，

本文编号：950744