首页> 中文学位 >基于大数据的物流配送中心选址优化研究
【6h】

基于大数据的物流配送中心选址优化研究

代理获取

目录

声明

致谢

摘要

第一章 绪论

1.1 论文研究的目的与意义

1.2 国内外研究现状

1.2.1 大数据研究现状

1.2.2 数据挖掘技术研究现状

1.2.3 物流配送选址研究现状

1.3 课题的主要研究内容

第二章 相关理论基础

2.1 大数据理论

2.1.2 大数据内涵分析

2.1.3 大数据特征

2.1.3 大数据关键技术

2.2 数据挖掘理论

2.2.1 数据挖掘概述

2.2.2 数据挖掘分类

2.2.3 数据挖掘步骤

2.3 物流配送中心选址理论

2.3.1 物流配送中心的概念及功能

2.3.2 物流配送中心选址方法

2.4 本章小结

第三章 基于大数据的物流配送中心选址分析

3.1 大数据来源分析

3.2 物流大数据

3.2.1 物流大数据来源分析

3.2.1 物流大数据内涵及特征

3.2.3 物流大数据应用

3.3 配送中心选址大数据

3.3.1 配送中心选址大数据分析

3.3.2 配送中心大数据特征

3.3.3 算法设计思路

3.3 本章小结

第四章 DK-Means聚类算法

4.1 聚类分析算法概述

4.1.1 聚类分析概念

4.1.2 数据结构与相似性度量

4.1.3 聚类准则函数

4.1.4 聚类分析算法分类

4.2 DK-Means聚类算法

4.2.1 算法概述

4.2.2 算法步骤

4.3 本章小结

第五章 基于MapReduce的DK-Means聚类算法设计与实现

5.1 MapReduce模型

5.1.1 MapReduce模型简介

5.1.2 MapReduce处理过程

5.2 基于MapReduce的DK-Means并行化算法设计

5.2.1 并行化算法设计

5.2.2 并行化算法实现

5.3 基于MapReduce的DK-Means并行化算法改进

5.3.1 并行化算法改进基本思路

5.3.2 并行化算法改进方法

5.3 应用实例

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况

展开▼

摘要

在整个物流过程中,物流配送中心有着承上启下的作用,上游是供应商,下游是分销商或消费者。怎样高效地、科学地选择物流配送中心,对物流配送时间、成本、效率均有很大的影响。因此,如何利用新兴技术提升物流配送效率是一件具有重要的理论价值和实践价值的研究工作。
  “大数据”是随着社交网络的兴起、处理技术的革新、物理信息的数字化发展应运而生,其蕴含的大感知数据、大交互数据、大交易数据可以给物流领域带来更多的解决方法。诸多学者认为,大数据将实现传统物流到现代物流的过渡。因此,本文旨在探索大数据在物流领域结合的可行性,借助大数据对物流配送中心选址问题进行优化。具体内容如下:
  l、大数据与现代物流:将大数据分为大感知数据、大交易数据和大交互数据三类,对比分析大数据与物流数据的来源、特征,并在此基础上提出“物流大数据”的概念,探讨了大数据与物流结合的可行性,研究大数据在物流领域的应用。
  2、基于大数据的物流配送中心选址问题:从大交易数据、大感知数据、大交互数据角度分析物流配送中心选址问题中存在的大数据,并给出基于大数据的物流配送中心选址算法的设计思路。
  3、DK-Means聚类算法设计:聚类算法是应用于配送中心选址问题的经典算法,用Dijkstra距离取代原有的欧几里得距离或曼哈顿距离。同时,Dijkstra距离的权重函数为经过分析的分拨中心“虚拟距离”,即为需求量、城市发展、交通条件、市场效益、运输距离、顾客评价等众多因素综合分析的结果。
  4.基于MapReduce的DK-Means并行化算法设计与改进:大数据中蕴含大量的非结构化数据,而传统编程模型无法对其进行处理,因此,DK-Means聚类算法的求解必须进行MapReduce的并行化处理。最后,考虑到算法的复杂程度与时间效率,对并行化算法进行改进。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号