更全的杂志信息网

生鲜产品的共享云物流资源优化调度算法*

更新时间:2016-07-05

0 引言

目前云物流的研究主要停留在概念及架构方面,在云物流资源封装、建模、调度、监控与管理方面成果较少[1-3]。同时,内蒙古地区作为我国五大牧区之一,生鲜产品产量大、产能分散,传统物流已经不能适应生鲜产品的配送需求[4-6]。针对这种现状,丰富当前云物流的内涵,并将其用于满足草原生鲜产品的配送需求,将为面向草原生鲜产品的云物流实现管理更高效、规划更合理、运费更低廉、控制更精细、调整更及时的物流目标提供实现途径[8-9]

1 云物流资源优化调度算法概念描述

(1)服务请求:用户发出的运送货物请求,客户端接收后,向服务端发出空间、时间、目的地等信息的请求,服务端对相应请求作出响应。

(2)虚拟化资源:将道路、运载工具、位置信息等用一个数据结构表示。

(3)服务资源匹配算法:当用户发出对物流的请求时,服务端根据动态NSGA—II算法对服务器端的物流资源进行分配,使得利益、配送及时率、满意度等达到最优化。

(4)服务及时率:利用动态NSGA—II算法,当benefit最大,time_cost、caclu_cost最小时,abs(由计算机算法得到的计算时间 T+灵敏阈值Δt-实际运送时间 t)/(T+Δt)。

(4)满意度目标

1. 由于车辆抖动明显,空气质量和节气门开度一直处于跳变状态,但数据看起来基本正常(奥迪2.0T发动机怠速时进气量为2.4g/s,节气门开度不大于3°),暂时不予理睬。

(6)物流服务请求属性:物流服务请求用多个属性进行描述。如果用D表示物流的空间区间,D1,D2分别表示源点与目的地;T表示时间区间,T1,T2分别表示最早出发时间与最晚到达时间;V表示体积;G表示重量;SP表示其他特殊要求集合如单价等,则一个基本的物流服务请求可以写成 SQ((D1,D2),(T1,T2),V,G,SP)。设服务请求具有 n个属性,可以表示成 X={x1,x2,…,xn},假定有 m个类,分别用 C1,C2,…,Cm表示。设两个具有 n个属性的服务 请求 Xi,Xj,并表示成 Xi={xi1,xi2,…,xin},Xj={xj1,xj2,…,xjn}。

2 物流资源的封装与组织

2.1 物流资源的虚拟化与服务化封装

针对一个单纯的子任务而言,对于选定的物流路线,需要经过一个或多个物流阶段,每个阶段都有一定的时间消耗。同时,在求解模型的过程中也需要一定的时间消耗。时间目标如式(2)、式(3)所示,其中 cttij,cctij,xij,分别为第i个子任务的第j个运送方案的单位运输时间、单位计算时间与运量。

发挥基层党组织推动发展的作用,将“活力党建”融入企业管理过程,紧密嵌入业务,以“党建+专业”双促双提为导向,与员工队伍建设有机结合,形成全员参与、贯通到岗,细分职责、各有侧重的组织、工作体系,推进公司高效运转,使党建在经营工作中处处有彰显,形成凝聚人心、服务发展的强大引擎,实现党建工作虚功实做。

如果物流服务用 S表示,S应该具备端点 D1,D2,通行能力 TC,运载能力 CC,可用时间端点 T1,T2,特殊属性SP,资源状态State(表示占用与否,位置信息,速度信息及其它信息的集合)。物流服务S可以写成S((D1,D2),(T1,T2),TC,CC,SP,State),表示在T1到 T2时间段内,在D1到 D2区间,可以运送 CC单位的货物,同时道路通行能力为TC,状态为 State。因为 TC大于 CC,在CC不能满足需要时,可以增加TC-CC的运力。

2.2 物流服务特殊组织

为了提高物流服务的搜索、匹配与调度的速度,避免因为物流服务的组织形式降低物流服务的搜索、匹配与调度的效率,需要改进物流服务的组织形式。本项目通过研究,拟将物流服务组织成物流服务云的形式。假定有一个 物流服 务 S1,将其表示成S1((D1,D2),(T1,T2),TC,CC,SP,State),假定 D1到 D2需要经过 D3,D4。由于D1到 D3,D3到 D4,D4到 D2都需要时间,因此对时间区间(T1,T2),将其改写成(T1,T2)=(T1,T3)U(T3,T4)U(T4,T2)的形式。S1可以写成 S1((D1,D2),(T1,T2),TC,CC,SP,State)=S11((D1,D3),(T1,T3),TC11,CC11,SP11,State11)US11((D3,D4),(T3,T4),TC12,CC12,SP12,State12)US13((D4,D2),(T4,T2),TC13,CC13,SP13,State13)。同时由于 S11与 S12,S12与S13中相邻的服务可以两两求并,又能生成两个新的物流服务 S14((D1,D4),(T1,T4),TC14,CC14,SP14,State14)与S15((D3,D2),(T3,T2),TC15,CC15,SP15,State15)。图1 对上述服务的组织形式进行了具体描述。

图1 物流服务特殊组织结构

3 基于聚类与分类的服务请求的分解与合成

3.1 服务请求的分类

给定一个未知的物流请求数据样本X(即没有类标号),若朴素贝叶斯分类法将未知的请求样本X分配给类Ci,则一定是:

纹身纹样的应用。很多皮雕手作人会选择纹身纹样在植鞣革上进行皮雕创作。题材上多有日式纹身图案中的般若、象神、鲤鱼、释迦等。用敲边工具和阴影工具敲出半浮雕感即可,加上一些塑形工具、压擦器等,丰富画面的立体效果。

[2]中国新闻网:《2017年48.92万名外国留学生在中国高校学习》, http://edu.cnr.cn/list/20180402/t20180402_524183792.shtml,2018年4月2日。

3.2 服务请求的聚类

两个服务请求的相似度可以表示成:

器乐合奏教学是学生团队的整体教学形式,以齐奏,合奏为主,它不同于其他的音乐教学能对学生进行个别指导,必须以课堂形式对学生进行统一训练,让学生跟上集体的节奏演奏,旨在培养他们的团队合作精神,增强他们的群体协调能力。

根据服务请求之间的相似度,采用k-means算法对服务请求进行聚类。

3.3 服务请求的分解与合成

服务请求所需的运载能力、运输时间要求等如果不能直接跟物流服务相匹配,都可以将其分解成多个服务请求。

具有相同目的、或者相近目的;或者是具有是类似属性的服务请求,可以按照聚类与分类算法将其合并成一个或多个相同或相近类型的服务请求,并搜索相应的物流服务与其匹配。

4 物流方案的搜索与NSGA-II动态模型的建立

4.1 基于云计算的物流方案搜索方法

图2 中,z轴运费单价为 cij,y轴运量为 xij,z轴为运费目标。

因此,给定概率阈值,可以用朴素贝叶斯方法对服务请求进行分类。

4.2 模型目标选择与NSGA-II模型的建立

4.2.1 模型目标选择

由于本项目针对的是草原生鲜产品的云物流资源调度问题,设定如下调度目标:

(1)物流请求者承担的运费低于传统物流;

(2)运送时间满足客户需求;

回顾文献结合病例资料显示,MS可发生于任何部位,既可作为白血病的首发表现,也可作为APL复发的临床表现[14]。部分患者血常规和骨髓涂片并未发现异常,但可以检测到PML/RARα融合基因或是APL的特征性染色体易位。因此,对于MS患者的诊断,应结合形态学、细胞免疫学、细胞遗传学和分子生物学等,包括外周血,骨髓涂片、流式、基因、染色体、肿块病理、免疫组织化学和FISH等检测,以期避免漏诊和误诊。通常MS被认为是一种预后较差的肿瘤[15-16],未经治疗的孤立性MS大多在6个月左右转化为急性白血病。对于MS的治疗主要采取手术切除、放疗、全身性化疗和造血干细胞移植等方法[17]。

(3)算法运行时间与调度时间满足资源调度效率与及时性要求;

针对氮肥使用不当及产品升级等问题,马高升表示,单一氮肥的大量施用会对作物造成根系受损、增加倒伏风险、抑制其他肥料吸收、引发真菌性病害的问题,氮肥产品的升级更新及利用率的提升十分必要。他表示,“艾力素”液体缓释氮肥正是顺势而来,解决了施用尿素带来的作物根部单一盐害难题,在作物叶片开辟第二通道补充氮素营养,建立起了缓释营养库。

(4)物流平台收益不低于传统物流企业;

Receive request按照动态 NSGA—II模型和 cost、time_cost、caclu_cost函数值最小,s(x)接近于 5进行执行匹配,在执行中benefit保证最大且灵敏度控制在Δt阈值中;

(6)物流造成的环境污染低于政府部门规定;

(7)投诉的比例低于各方接受的阈值。

对没有口服短效避孕药使用禁忌症的女性,使用这类药物,不仅会起到避孕的效果,还可以带来一些额外的好处,比如改善月经不规律、月经过多、痛经、经前期综合征、降低卵巢癌和子宫内膜癌发病率等等。像有些药物还有特殊的功效,比如达英-35可以改善痤疮、优思明可以改善水肿等等。

1.2方法 对照组:口服赛治(规格10mg,进口药品注册标准JX20150112)10mg,每日2次,随病情调整剂量。观察组:在对照组用药的基础上联合服用清肝散结汤(柴胡、白芍、黄芩、僵蚕各15g,浙贝母、玄参、太子参、夏枯草各30g,当归、黄芪各20g,法半夏9g),烦渴者加生石膏30g,知母20g;心悸者加生龙牡各20g,失眠者加枣仁20g,莲子心6g。中药颗粒由我院颗粒药房统一提供(北京康仁堂),日一剂分2次服用,观察期2个月。

4.2.2 NSGA-II规划模型的建立

(1)运费目标

针对单个任务请求,需要确定运费最低的方案。单个请求的第i个子任务的第j个运送方案的运费单价为cij,运量为 xij,则该请求的运费目标如式(1)所示:

运费目标应该是物流请求方、物流服务提供方、物流平台运营方等多个方面协商的结果。

(2)时间目标

利用物联网技术,实时掌握道路、运载工具的运行情况以及位置信息,利用大数据技术,对这些数据进行挖掘,用一个数据结构来表示,就能够完成物流资源的虚拟化。将虚拟化的物流资源封装成物流云服务的形式,并将基础的物流资源云服务组合成更复杂的物流资源云服务以便于在进行资源调度时加快匹配速度。由所有的物流资源云服务构成了物流资源服务云。在资源调度时只需将服务请求交给物流资源服务云,就能以最快的速度搜索到与之匹配的物流服务。

(3)收益目标

针对一段时间而言,物流平台企业的收益目标即使不能最大化,但也需要不低于传统物流企业。而传统物流企业而言,作为物流平台的第四方、第五方物流的收益不应该低于以前做传统物流的收益或者其他期望收益。物流平台与物流企业的收益目标如式(4)所示,其中ci、xi分别表示第i个物流任务的单价以及运量。

(5)服务满意度:当 benefit最大,time_cost、caclu_cost最小时,利用动态NSGA—II算法,使得用户对于物流配送的满意度达到最优。

对发货方,要求将货品按时、按质送到收货方;而对收货方,也要求按时按质收到货品。双方的满意度指标是物流方产生投诉因素越少,满意度越高。因此,需要根据投诉的产生因素建立投诉目标函数式(5),且最小化。

式中,s(x)表示动态满意度函数,φ(x)是评价函数,可以找到一个映射 g,把 φ(x)映射成满意 s(x)∈[0,5],即 g:s(x)∈[0,5](其中 0-1 表示差、1-2 表示较差、2-3 表示一般、3-4表示好、4-5表示很好)。是第i个任务得到的最优解,Ti有算法计算得到的运送时间,ti实际运送花费时间。关于的凸函数,关于T与t单增,在某处收敛。

4.3 物流资源状态的动态更新

为了达到对物流状态尽量精确掌控的目的,就必须一方面通过物联网技术对当前交通与运载工具等物流资源运行情况进行准实时监控,并根据交通状况的统计特性、天气等外在因素可能对交通状况造成的影响等等,通过大数据手段对这些统计量进行挖掘与更新。将更新后的数据代入静态NSGA-II规划模型,方便在T+Δt时间后更新模型参数,从而将静态NSGA-II规划模型变成动态NSGA-II规划模型。

但小编最喜欢的是武侠题材的游戏。它不但包含有文字和画面两个元素,还有一种身临其境的代入感和掌控感,可以自由地替主角做出选择,左右剧中人物的命运。

5 生鲜产品云物流资源优化调度算法描述

生鲜产品云物流资源优化调度算法如下:

(5)第四、五方关联物流企业或资源提供方收益不低于预期;

6 仿真试验

6.1 试验数据分析

运费目标仿真结果如表1和图2所示。

表1 运费目标仿真试验数据

运费单价/千元 运量/吨 运费目标/千元24 18 28 26 16 32 32 10 40 100 40 60 85 45 60 80 50 70 2 400 3 120 4 800 7 010 7 730 9 650 12 210 12 710 15 510

图2 运费目标

由于物流资源服务云是按照记录的方式分散存放在云计算系统的各个节点上,在云计算的管理节点上存储了各节点存储记录的元数据或者索引。利用云计算方式进行分布式搜索包括如下步骤:数据分片;分片数据搜索;分片数据汇总。

时间目标仿真试验结果如表2和图3、图4所示。

总是遇到无法解决的摄影问题?满脑子疑惑却无人可问?请发邮件到电子邮箱liuxo@syzychina.com或添加微信号“likecolikeu”并给我们留言,让我们的专家解答你的问题吧!

表2 时间目标仿真试验数据

过程时间消耗32.500 0 172.980 0 219.828 0 244.228 0 284.812 0 309.212 0 458.657 0 500.537 0 516.484 0单位运输时间0.21 0.197 0.172 0.186 0.094 0.126 0.153 0.043 0.24单位计算时间0.52 0.8 0.64 0.4 0.57 0.4 0.81 0.6 0.37运量62.5 175.6 73.2 61 71.2 61 184.5 69.8 43.1阶段时间消耗13.125 0 47.718 2 60.308 6 71.654 6 78.347 4 86.033 4 114.261 9 117.263 3 127.607 3

图3 阶段时间目标

图4 总的时间目标

6.2 实验对比数据

传统的NSGA规划模型的求解方法计算效率低,计算复杂度高,共享参数需要预先确定。为了提高模型求解的并行计算程度,从而有效地减少模型求解时间,本项目拟根据物流服务云的构成,将高级的物流云服务按照基础的物流云服务进行分解,同时将NSGA-II模型中与该高级物流云服务关联的约束与目标分解到基础的云服务上。

本文研究的全部数据均使用SPSS 17.0统计软件进行分析,其中满意度均为计量资料,使用(%)方式表示,采取x2检验方法进行组间比较;P<0.05说明组间数据有统计学意义,以P>0.05说明组间数据无统计学意义。

将所有单个规划模型组成任务池,每个云计算节点按照自己的运算速度在任务池中摘取需要计算的任务,并对单个规划模型进行求解。在整体上来说,多个单个规划模型同时在多个云计算节点上并行计算,其总的并行程度比求解传统NSGA模型要高得多。

至于空间复杂度,由于测试数据有限所以未能准确估计,有待进一步改善观察。

7 结论

根据实验结果数据依据可得,该算法充分利用了第四方、第五方闲置资源,使得物流资源的规划更合理;利用基于云计算的服务请求的分解与合成使得管理更高效;利用基于云计算大数据的动态NSGA—II调度算法,加快了物流资源调度模型的求解速度,使得模型的求解时间不再对物流资源的调度速度、精度以及对物流资源的控制效率造成明显影响最终达到运费更低廉,控制更精细、调整更及时的目标。该算法使得配送及时率达到89.60%,满意度在3.75-4.7之间,相比传统物流而言及时率提高了近12%,满意度提高了近0.62。

表3 算法改进实验数据对比

对比数据时间复杂度空间复杂度及时率准确率共享参数NSGA O(mn3)O(mN)52.47%47.28%共享半径控制静态NSGA-II O(mn2)O(mnlbn)动态NSGA-II O(NlbN)O(mNlbN)71.10%83.42%89.60%87.45%算子支配 层数影响

其中在现实环境下拥有各种影响下及时率的提高充分体现了物流资源调度的高效性、稳定性,满意度的提高充分体现了算法的适用性。而这些提高将在某种程度上改变生鲜产品云物流的水平,促进物流企业的转型升级。

所有实验结果均是依赖于部分内蒙古草原生鲜数据资料,也就是说此结果和结论均具有局限性,所以后期的实践与应用将需要部分改善,已完成市场需求。

参考文献

[1]DIXIT V S,CHHABRA S.Logistics business under the cloud computing framework[C].Computational Science and Its Applications(ICCSA),2015 15th International Conference on Year.2015:96-99.

[2]王琦峰,吕红波,江瑜.云物流体系结构与应用模式研究[J].电信科学,2012(3):126-132.

[3]张水旺,胡小建.云物流概念模型及其运作机理研究[J].科技管理研究,2015(19):186-190.

[4]张向阳,袁泽沛.网购时代我国“智慧云物流”平台体系与协同运营模式研究[J].中国科技论坛,2013(7):99-104.

[5]孙振兴.农产品的云物流平台构建研究综述[J].生产力研究,2015(4):157-160.

[6]丁丽芳.云物流环境下的农物商一体化农产品物流模式[J].中国流通经济,2014(6):41-45.

[7]孟魁.我国农产品云物流模式的整合路径研究[J].湖北农业科学,2015,54(4):1010-1013.

[8]Kyung-Hyun Choi,Dong-Soo Kim,Yang-Hoi Doh.Multiagent-based task assignment system for virtual enterprises[J].Management Science,2012(7):1634-1646.

[9]Normanr Lofts.Multiple allocation of resources in a Networkan optimal scheduling algorithm[J].Future Generation Computer Systems,2010,14(6):213-218.

史宝珠,李美安,左玉晖
《电子技术应用》 2018年第05期
《电子技术应用》2018年第05期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号