[发明专利]一种基于云计算平台的物流配送方法

说明书

技术领域

本发明涉及物流配送领域，尤其涉及一种基于云计算平台的物流配送方法。

背景技术

物流配送是物流活动中直接与消费者相连的环节，在物流各项成本中，配送成本占了相当高的比例。配送线路安排是否合理，对配送速度、成本、效益影响很大，在配送用户量大、配送节点多的情况下配送路线的确定更为复杂。采用科学合理的方法对配送路径进行规划安排是物流配送的一个重要环节。当前物流配送的路径规划主要采用常规的最短路径计算方法，如迪杰斯特拉算法(Dijkstra)、弗洛伊德算法(Floyed)、SPFA算法(Shortest Path Faster Algorithm)等，以上算法都只应用于路径节点较少、路径简单的应用中，当路径节点数量增多、路径复杂的情况，算法的计算路径的速度缓慢，甚至无法接受。随着物流行业的迅猛发展，传统地物流路径计算方式已经不能适应当前大规模的物流分发配送的需求，针对这种情况，目前主要采用分级、分组配送的方式来减少路径节点的数量，将路径规划出主干线和支干线来减少路径计算的时间，但因引入主干线上和各物流分发中心负载不堪重负，运营成本大幅提高，而支干线上又因配送分散人力物力资源无法动态协调，造成人力物力资源的极大浪费。

在现有技术中，CN102278996公开了一种使用蚁群优化算法进行路径规划的方法，然而，蚁群优化算法作为一种群体智能算法，收敛速度较慢，相当耗时。随着物流配送规模的发展，配送的节点越来越多，路径规划的难度越来越大，传统的运行于单机的优化算法已不能满足目前的需求，高效、快速地物流配送方法成为一个亟待解决的难题。

发明内容

为了解决上述技术问题，本发明将蚁群优化算法应用于物流配送的路径规划中，并基于hadoop云计算平台实现蚁群优化算法的并行化处理，实现大规模的物流配送。本发明利用hadoop平台的HDFS（Hadoop Distributed File System）分布式文件系统和MapReduce并行编程框架实现蚁群优化算法，通过MapReduce将蚁群优化算法并行化，加速每轮迭代时间，并利用HDFS分布式文件系统来存储参数和中间文件，利用HDFS的高效率、高可靠性来提高蚁群优化算法的参数读取更新速度，加速路径搜索进程。

具体地，为解决其技术问题，本发明所采用的技术方案为：

一种基于云计算平台的物流配送方法，其步骤包括：

5）获取每个配送节点的坐标信息；

6）从HDFS读取参数并初始化蚁群算法，并构建节点距离矩阵和路径转移概率矩阵;

7）通过所述基本参数、节点距离矩阵、路径转移概率矩阵来进行启发式的路径搜索，将基本的蚁群优化算法并行化改写MapReduce的结构；

8）输出蚁群优化算法搜索到的最短路径信息，并根据所述最短路径信息进行物流配送。

其中，步骤2）中数据参数存储于HDFS分布式文件系统，通过map任务将参数数据读取，利用MapReduce的默认输入格式读取参数。

步骤3）中路径搜索为每一只蚂蚁建立一个map任务，并开始路径搜索，搜索的结果经过combiner合并化简输出结果并输出到HDFS临时空间，然后再经过partition重新分区将数据映射到reduce，reduce对map所找到的最短路径进行信息素更新。

附图说明

图1为基于云计算平台Hadoop的蚁群优化算法流程图；

图2为hadoop集群上运行蚁群优化算法的示意图；

图3为参数处理的map流程图；

图4为reduce任务处理示意图；

图5为mapReduce迭代过程示意图；

图6为mapReduce过程以及各map/reduce对应蚁群的基本行为示意图；

图7为输出的最短路径的结果示意图。

具体实施方式

本发明利用云计算平台实现大规模的路径规划，实现快速、高效的物流配送。物流配送问题就是在给定的n个待配送的节点集合C（1,2,…,n）中找出每个节点只经过一次且最后回到起点的最短路径的封闭回路。该最短路径的目标函数可定义为：

其中d(i,i+1)表示第i和第i+1个节点之间的距离，d(n,1)表示第n个节点和第1个节点的距离，其中第1个节点为起点。