基于云计算的分布式库存调拨模型构建与算法研究

摘要

库存调拨是物流管理的重要组成，随着电子商务的蓬勃发展，库存调拨的特点已由曾经的地域化、独立化转变为跨地区化和信息共享化，这一特点的集中体现则是分布式库存调拨在库存管理系统中的广泛应用。分布式库存调拨通过一个仓储信息中心，实现各地区仓库货物库存的合理分配，大大的减少了库存管理费用。但库存信息的跨区域共享以及模型求解算法的效率与准确性在大数据的背景下始终是需要不断应对的难题。云计算是近年来较为热门的大数据解决方案，本文运用Hadoop的云计算平台与并行算法设计的知识，对分布式库存调拨模型的建立以及算法求解和性能优化进行了研究和实验，主要工作内容如下：
　　（1）建立基于云计算的层次控制分布式库存调拨模型。针对传统的集中控制与分散控制下的分布式库存调拨模型的不足，引入云计算的PaaS(Platform-as-a-Service)服务，将库存调拨系统部署在云平台上，凭借云平台的分布式信息共享能力设计一种层次控制的分布式库存调拨模型，该模型兼具集中控制与分散控制的优点，充分发挥了库存信息共享的价值。
　　（2）设计基于云计算的改进型和声搜索算法对模型求解。针对传统寻优算法全局搜索性能较差的缺陷，选择启发式算法中全局搜索性能较强的和声搜索算法进行并行化改进，提出基于MapReduce的动态参数和声搜索并行算法。算法通过对各个区域的库存子系统分别建立和声库矩阵进行局部寻优，再由仓储信息中心进行全局寻优，实现各区域库存信息共享下的库存调度优化。实验表明该算法在分布式库存调拨模型的求解中能够更快的跳出局部最优，搜索到更优的全局解，具有实用价值。
　　（3）对Hadoop云平台进行负载均衡优化。针对仿真实验中云平台上的算法执行效率未达到预期的问题，研究了MapReduce在Hadoop平台上的任务调度机制，提出DPLB(Dynamic Priority Load Balance,动态优先级负载均衡)的优化调度算法，该算法利用TaskTracker与JobTracker之间定时发送的心跳信息，设计一种动态优先级的调度特征量，有效地解决了任务执行过程中节点负载不均衡的问题，提高了模型的求解效率。
　　研究表明，针对云计算下层次控制分布式库存调拨模型设计的动态参数和声搜索并行算法在库存调拨策略的寻优上能够获得较高的寻优精度与收敛速度，并且结合动态优先级负载均衡的平台优化算法能够进一步提高寻优效率，具有较高的研究与应用意义。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题来源

1.2 研究的背景与意义

1.3 国内外研究现状

1.4 论文的主要研究内容

1.5 本章小结

第二章 层次控制下的分布式库存调拨模型的建立

2.1 分布式库存调拨模型的介绍

2.2 模型假设

2.3 符号定义

2.4 模型建立

2.5 模型特点

2.6 本章小结

第三章 基于MapReduce的动态参数和声搜索并行算法

3.1 模型求解的算法思路

3.2 和声搜索算法介绍

3.3 算法改进思路

3.4 基于MapReduce的动态参数和声搜索并行算法

3.5 算法性能测试

3.6 本章小结

第四章 负载均衡优化

4.1 分布式库存调拨管理优化的进一步探讨

4.2 MapReduce在Hadoop上的任务调度

4.3 常用的作业调度算法

4.4 动态优先级的负载均衡调度

4.5 仿真实验

4.6 本章小结

第五章 总结与展望

5.1 工作总结

5.2 工作展望

参考文献

附录 本文作者在攻读硕士学位期间所发表的论文

致谢