基于云計(jì)算的分布式庫(kù)存調(diào)撥模型構(gòu)建與算法研究.pdf

1、庫(kù)存調(diào)撥是物流管理的重要組成，隨著電子商務(wù)的蓬勃發(fā)展，庫(kù)存調(diào)撥的特點(diǎn)已由曾經(jīng)的地域化、獨(dú)立化轉(zhuǎn)變?yōu)榭绲貐^(qū)化和信息共享化，這一特點(diǎn)的集中體現(xiàn)則是分布式庫(kù)存調(diào)撥在庫(kù)存管理系統(tǒng)中的廣泛應(yīng)用。分布式庫(kù)存調(diào)撥通過(guò)一個(gè)倉(cāng)儲(chǔ)信息中心，實(shí)現(xiàn)各地區(qū)倉(cāng)庫(kù)貨物庫(kù)存的合理分配，大大的減少了庫(kù)存管理費(fèi)用。但庫(kù)存信息的跨區(qū)域共享以及模型求解算法的效率與準(zhǔn)確性在大數(shù)據(jù)的背景下始終是需要不斷應(yīng)對(duì)的難題。云計(jì)算是近年來(lái)較為熱門(mén)的大數(shù)據(jù)解決方案，本文運(yùn)用Hadoop的云計(jì)

2、算平臺(tái)與并行算法設(shè)計(jì)的知識(shí)，對(duì)分布式庫(kù)存調(diào)撥模型的建立以及算法求解和性能優(yōu)化進(jìn)行了研究和實(shí)驗(yàn)，主要工作內(nèi)容如下：
　?。?）建立基于云計(jì)算的層次控制分布式庫(kù)存調(diào)撥模型。針對(duì)傳統(tǒng)的集中控制與分散控制下的分布式庫(kù)存調(diào)撥模型的不足，引入云計(jì)算的PaaS(Platform-as-a-Service)服務(wù)，將庫(kù)存調(diào)撥系統(tǒng)部署在云平臺(tái)上，憑借云平臺(tái)的分布式信息共享能力設(shè)計(jì)一種層次控制的分布式庫(kù)存調(diào)撥模型，該模型兼具集中控制與分散控制的優(yōu)點(diǎn)，充

3、分發(fā)揮了庫(kù)存信息共享的價(jià)值。
　　（2）設(shè)計(jì)基于云計(jì)算的改進(jìn)型和聲搜索算法對(duì)模型求解。針對(duì)傳統(tǒng)尋優(yōu)算法全局搜索性能較差的缺陷，選擇啟發(fā)式算法中全局搜索性能較強(qiáng)的和聲搜索算法進(jìn)行并行化改進(jìn)，提出基于MapReduce的動(dòng)態(tài)參數(shù)和聲搜索并行算法。算法通過(guò)對(duì)各個(gè)區(qū)域的庫(kù)存子系統(tǒng)分別建立和聲庫(kù)矩陣進(jìn)行局部尋優(yōu)，再由倉(cāng)儲(chǔ)信息中心進(jìn)行全局尋優(yōu)，實(shí)現(xiàn)各區(qū)域庫(kù)存信息共享下的庫(kù)存調(diào)度優(yōu)化。實(shí)驗(yàn)表明該算法在分布式庫(kù)存調(diào)撥模型的求解中能夠更快的跳出局部

4、最優(yōu)，搜索到更優(yōu)的全局解，具有實(shí)用價(jià)值。
　　（3）對(duì)Hadoop云平臺(tái)進(jìn)行負(fù)載均衡優(yōu)化。針對(duì)仿真實(shí)驗(yàn)中云平臺(tái)上的算法執(zhí)行效率未達(dá)到預(yù)期的問(wèn)題，研究了MapReduce在Hadoop平臺(tái)上的任務(wù)調(diào)度機(jī)制，提出DPLB(Dynamic Priority Load Balance,動(dòng)態(tài)優(yōu)先級(jí)負(fù)載均衡)的優(yōu)化調(diào)度算法，該算法利用TaskTracker與JobTracker之間定時(shí)發(fā)送的心跳信息，設(shè)計(jì)一種動(dòng)態(tài)優(yōu)先級(jí)的調(diào)度特征量，有效地解決