论文摘要
近年来,随着全国经济的高速发展,信息技术的不断进步,需求量的迅猛增大,这就迫使一种产业集群现象的出现。它促进了物流业在规模,结构以及信息系统方面的整合,并就此出现了产业集群与物流业的耦合。集群下的物流企业往往呈现规模小、数量多、极度分散以及竞争混乱的局面,从而很多企业将目光聚集在了物流资源整合上以及最优化的实现物流资源的调度这两个方面,这样众多的物流服务商便通过INTERNET以集群服务代理的方式提供物流服务,这种方式也逐步地成为了一种新的物流服务模式本文在物流集群的背景下,分析了企业的物流资源整合模式、管理机制与实现方法。通过实时数据库技术,SOA（Servioe Orienied Architecture）技术对企业中自治的、异构的、多样的、动态的物流信息资源进行存储,查询,整合分析,最终实现客户资源的实时共享。在企业物流资源实时共享的条件下,本文要研究集群代理下的配送车辆调度问题,但考虑到集群下企业数量的庞大性,单纯地去实现配送车辆的调度是非常困难的。这里我们通过改进的K-Means算法将整个集群区域划分成若干个小的配送区域,在每个配送区域内完成为一个物流配送车辆调度问题,即VRP （Vehicle Routing Problem）问题,进而将实际问题抽象为一个非满载,带有时间窗的VRPTW （Vehicle Routing Problem with Time Windows）模型。众所周知,VRP问题是一个强NP（Non-deterministic Polynomial）问题,并不需要精确求得最优解。考虑到启发式算法快速,灵活的特点,综上,本文拟用一个改进的遗传算法对上述问题求解,实验分析,最终并通过案例对分析结果进行实际验证。
论文目录
摘要ABSTRACT第1章 绪论1.1 研究的背景及意义1.1.1 研究背景1.1.2 研究意义1.2 国内外研究综述第2章 集群代理的物流资源整合方式研究2.1 物流资源整合概述2.2 物流资源整合的模式与管理机制2.2.1 物流资源整合的模式分析2.2.2 物流资源整合的管理机制2.3 集群代理下的物流资源整合实现方法2.3.1 基于SOA技术的物流资源整合实现框架2.3.2 基于实时数据库技术的数据管理第3章 物流企业集群的配送区域划分3.1 配送区域的聚类概述3.2 区域聚类的相关算法3.2.1 层次聚类算法3.2.2 划分聚类算法3.2.3 基于密度的聚类算法3.2.4 基于模型的聚类算法3.3 基于改进的K-Means算法对配送区域的划分3.3.1 区域划分的K-Means算法分析3.3.2 改进的K-Means算法对集群区域的划分3.3.3 区域划分的K-Means实例分析第4章 基于集群代理的物流资源调度优化模型4.1 物流配送车辆调度问题理论概述4.2 现行问题中的VRP模型分析4.2.1 实际问题描述4.2.2 实际问题模型分析4.3 求解VRP问题的研究方法总结4.3.1 精确求解算法4.3.2 模拟算法4.3.3 近似求解算法第5章 改进的遗传算法在物流资源调度问题上的应用5.1 遗传算法简介5.1.1 遗传算法的历史回顾5.1.2 遗传算法的基本特点5.2 遗传算法的基本原理与实现步骤5.3 基于改进的遗传算法求解VRPTW问题5.3.1 算法描述5.3.2 实现过程5.3.3 实验数据与结果分析第6章 结论6.1 结论6.2 展望与不足参考文献附录A 物流配送车辆调度模型部分算法攻读学位期间公开发表论文致谢
相关论文文献
标签：物流资源整合论文; 物流资源调度论文; 问题论文; 遗传算法论文;
