论文部分内容阅读
随着社会经济与科学技术高速发展,现代物流业正在走向智能化、系统化、高效化的发展道路。面对货运业务中因车源和货源信息不对称所造成的车辆闲置和空驶等问题,各式各样的物流信息平台如雨后春笋般应运而生,用于促进车源与货源信息的流通与共享,但是车货信息匹配方法其相关研究尚处于起步阶段。现在多数车货信息匹配方法研究主要集中在“主动信息检索”以及“建立线下车货评价体系进行评价”来实现车货信息匹配,而在应用层面上,现有匹配方法也仅仅将目光限制在大型货车与货物对接后长途运输这一货运场景中,未能满足现代物流货物运输的多样性,也未能满足现代物流的智能化、实时性、精细化、多场景适配等新需求。因此,本文在现代货运物流提出新需求的背景下,对智能化、实时性车货信息匹配方法展开研究,研究对促进货运物流现代化变革有很强的理论意义与应用价值。本文在归纳研究背景以及相关研究现状的基础上,以流式数据理论和Storm实时计算框架、k-Means聚类算法以及遗传算法为基础技术与方法,经过对货运物流抽象研究,提出了流式数据环境下车货信息匹配方法。本文研究主要包括以下几个方面:通过确定车货信息匹配问题概念,建立车货信息匹配问题组合优化数学模型;然后在基本遗传算法求解车货信息匹配问题的基础上,采用矩阵编码方式进行染色体设计,提出多级惩罚-修复策略处理约束,采用自适应交叉算子进行交叉操作,提出Hadamard乘积变异算子进行染色体变异,改进措施提升算法效率与结果精度;在匹配算法研究的基础上,使用Storm搭建流式数据环境下车货信息匹配方法框架,提出方法实施步骤;最后首先通过Java编程实验验证了改进遗传算法求解的有效性与算法性能,然后基于Java-Storm编程验证流式数据环境下车货信息匹配方法具有有效性,且方法在持续流式数据验证运行过程中有效率保持优良。