协同物流中的服务组合算法比较研究

发布时间：2017-06-27 11:02

  本文关键词：协同物流中的服务组合算法比较研究，由笔耕文化传播整理发布。

【摘要】：随着物流产业模式的发展,面临着很强的整合需求,构建合理高效的组合服务已成为世界迫切的要求。组合服务的优劣很大程度上取决于所使用的服务组合算法性能的好坏,而单个服务组合算法由于其效率、能力的限制,已无法应变不确定的市场环境。如:服务订单成交量短时间剧增,物流企业满足不了用户的需求,出现“爆仓”现象;或者服务订单量锐减,物流企业却没有在能力范围内提供给最终用户又快又好的服务。基于此,本文在对服务组合领域中表现出色的服务组合算法进行研究分析的基础上,构建了支撑协同物流服务组合的自适应算法机制。本文的研究内容主要包括:(1)本文对现有遗传算法(Genetic Algorithm,GA)、人工蜂群算法(Artifical Bee Colony Algorithm,ABC)及最大最小蚁群算法(Max-Min Ant System,MMAS)的相关知识和运行原理进行描述,并改进了ABC的运行流程。最终,分别确定了基于三种算法的适用于物流服务组合的运行步骤并做出了比较分析。(2)经过以上三种服务组合算法四个方面的比较分析,本文融合事例推理的原理构建了自适应的物流服务组合算法。该方法在市场环境变更的状况下能够对服务需求序列的状态进行预测,并以此为根据动态调整服务组合策略,切实提高了系统的应变能力。最后,本文通过实验对所提算法的正确性进行了验证。(3)对自适应算法做出了优化。本文在协同物流服务中,在考虑纵向协同的同时并注重横向协同的作用优势能够增大候选服务的数量并提高组合服务的能力,实验表明优化算法能够有效的增加服务的成功率以及可用性。本文从多数用户的需求进行分析,探究在不确定性因素干扰下,如何对市场环境预测并实时调整服务组合策略,这对现代物流发展具有一定的研究意义。
【关键词】：协同物流 事例推理 预测 自适应 组合策略
【学位授予单位】：河南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F252;TP18
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-11
• 1 绪论11-23
• 1.1 研究背景及意义11-15
• 1.1.1 研究背景11-12
• 1.1.2 问题的提出12-14
• 1.1.3 研究意义14-15
• 1.2 国内外研究现状15-20
• 1.2.1 协同物流的研究现状15-17
• 1.2.2 服务组合方法研究现状17-19
• 1.2.3 自适应算法研究现状19-20
• 1.3 本文的研究内容20-21
• 1.4 本文的结构安排21-22
• 1.5 本章小结22-23
• 2 相关技术与方法23-35
• 2.1 物流服务QoS计算模型23-27
• 2.1.1 物流服务QoS属性23-24
• 2.1.2 服务组合模式24-26
• 2.1.3 正规化公式26-27
• 2.1.4 QoS计算公式27
• 2.2 物流服务组合算法27-32
• 2.2.1 标准遗传算法27-28
• 2.2.2 人工蜂群算法28-30
• 2.2.3 最大最小蚁群算法30-31
• 2.2.4 传统算法的特点分析31-32
• 2.3 支撑优化算法的方法32-33
• 2.3.1 迪杰斯特拉算法模型32
• 2.3.2 基于事例推理的预测调度32-33
• 2.4 本章小结33-35
• 3 物流服务组合算法的比较分析35-51
• 3.1 物流服务组合模型35-36
• 3.2 物流服务组合算法36-42
• 3.2.1 改进的ABC的算法流程36-37
• 3.2.2 基于ABC的服务组合算法模型37-39
• 3.2.3 基于GA的服务组合算法模型39-41
• 3.2.4 基于MMAS的服务组合算法模型41-42
• 3.3 实验分析比较42-49
• 3.3.1 实验设置42-43
• 3.3.2 实验分析43-49
• 3.4 本章小结49-51
• 4 自适应服务组合算法51-61
• 4.1 物流服务运作模式51-52
• 4.2 情景状况分析52-54
• 4.2.1 情景特征52
• 4.2.2 模型库的建立52-53
• 4.2.3 自适应控制策略53-54
• 4.3 基于CBR的服务需求预测54-56
• 4.3.1 负荷事例对象的组织54-55
• 4.3.2 负荷事例的检索55-56
• 4.3.3 基于CBR的物流服务预测56
• 4.4 自适应算法模型56-58
• 4.5 实验与分析58-59
• 4.6 本章小结59-61
• 5 基于领域自适应算法的优化61-71
• 5.1 协同物流营运方式61-63
• 5.2 自适应协同物流服务组合63-66
• 5.2.1 协同物流服务优化选择63-64
• 5.2.2 自适应协同物流服务优化模型64-65
• 5.2.3 自适应QoS计算模型65-66
• 5.3 实验与分析66-70
• 5.3.1 横向协同对服务成功率的影响67-69
• 5.3.2 横向协同对服务可用性的影响69-70
• 5.4 本章小结70-71
• 6 总结和展望71-73
• 6.1 工作总结71
• 6.2 研究创新71
• 6.3 研究展望71-72
• 6.4 本章小结72-73
• 参考文献73-79
• 作者简历79-81
• 学位论文数据集81

【相似文献】

中国期刊全文数据库 前10条

1 童小明;;全部组合算法[J];电脑编程技巧与维护;2011年19期

2 杨绍祺;适于计算机辅助电路设计的组合算法[J];计算机学报;1981年04期

3 钟珞;最佳并行排列组合算法[J];微机发展;1991年01期

4 李磊;谢小璐;;韦伯型多点设施优化选址的组合算法研究[J];计算机工程与应用;2013年22期

5 杨光;鲁新龙;;2S83A及精粗组合算法简介[J];山西电子技术;2009年02期

6 刘通,苏光大;一种基于部件的人像组合算法[J];计算机工程与应用;2002年12期

7 杨武;尹迪;耿伯英;;改进的证据组合算法编队情报信息融合技术[J];火力与指挥控制;2008年05期

8 周相兵;兰青青;;基于最优树算法的服务组合算法研究[J];自动化技术与应用;2007年09期

9 刘德贵,陈丽容;一类刚性大系统实时数值仿真的组合算法[J];科学通报;1999年02期

10 占炜;;用VB 6.0实现简单数字组合算法程序[J];电脑知识与技术(学术交流);2007年07期

中国硕士学位论文全文数据库 前5条

1 张焕焕;协同物流中的服务组合算法比较研究[D];河南理工大学;2015年

2 郭燕莎;组合算法的研究与实现[D];天津工业大学;2008年

3 雷君林;服务组合算法的实验与仿真环境[D];哈尔滨工业大学;2011年

4 李钢;基于难度组合算法的自动出题系统[D];渤海大学;2013年

5 梁啸;基于蚁群和免疫组合算法的物流配送路径优化问题的研究[D];吉林大学;2007年

  本文关键词：协同物流中的服务组合算法比较研究，由笔耕文化传播整理发布。

，

本文编号：489504