论文部分内容阅读
近年来，伴随着电子商务的进一步推广与应用，物流的滞后对其发展的制约日益明显。物流配送是物流活动中直接与消费者相连的环节，而车辆调度问题(VRP)是物流配送的核心问题，它直接影响配送成本。另一方面，移动互联网的到来使得静态的商品流管理已无法满足市场需求，加之在物流配送分析决策过程中，大量的信息都与地理位置有关，地理信息系统(Geographic Information System，GIS)凭借其强大的空间数据处理和分析能力，在物流中的应用日益广泛。 现阶段很多学者首先将配送区域进行聚类划分，主要包括人工划分和基于K-means算法的聚类划分；然后运用各类启发式算法求解VRP问题，包括：遗传算法、蚁群算法、模拟退火算法等。但是，K-means算法度量为欧氏空间距离，这在真实道路网中并不适合，并且当前GIS物流配送系统采用的标准不统一，不具备开放性、灵活性，更无法实现移动端的物流配送方案。 本文针对以上问题，研究了物流配送的移动互联网优化方案，采用可缩放矢量图形(Scalable Vector Graphics，SVG)作为配送方案的可视化标准。首先运用基于SVG道路网络边的聚类算法将配送区域进行聚类划分，继而根据配送车辆载重，对小的聚类块进行更大范围的二次聚类；然后在聚类划分的基础上，构造求解VRP问题的遗传算法数学模型，通过降低编码复杂度、简化适应度评估工作量，从而提高算法求解效率；最后，在移动终端上实现配送方案的可视化，得到物流配送的移动互联网优化方案。通过实验，证明本文在算法优化及移动互联网配送方案的可行性，从而充分论证了本课题的研究成果。