论文部分内容阅读
对车辆的动态线路进行实时准确的优化调整,有利于运输成本与运输效率的控制。针对当前线路优化算法存在的动态性能不佳,以及大规模数据处理性能方面的缺陷,提出了关于大数据的车辆动态线路遗传优化方法。方法充分考虑了配送过程中各种因素导致的开销,以及线路与时间对成本的影响,设计惩罚因子,同时建立了车辆的动态线路调度模型。并根据最小运输成本确定遗传算法的评价函数,同时设计了自整定优化的算子交叉策略,从而改善遗传算法的收敛性与寻优性。最后将算法部署于分布式集群上,利用的在线处理能力,将一个算法任务拆分成多个并行任务