| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 路线优化的国内外研究现状 | 第9-13页 |
| 1.2.2 Mapreduce编程技术的研究现状与发展趋势 | 第13-14页 |
| 1.2.3 文献综述 | 第14页 |
| 1.3 本文的研究内容和技术路线 | 第14-16页 |
| 2 大量物流配送线路优化思路 | 第16-31页 |
| 2.1 物流配送区域划分概述 | 第16-17页 |
| 2.2 k-means聚类算法在物流配送区域划分过程中的应用 | 第17-18页 |
| 2.2.1 k-means聚类算法介绍 | 第17页 |
| 2.2.2 k-means聚类算法划分物流配送区域过程 | 第17-18页 |
| 2.3 遗传算法的基本原理与实现方法 | 第18-24页 |
| 2.3.1 遗传算法的主要概念及主要操作过程 | 第19-20页 |
| 2.3.2 编码机制 | 第20-21页 |
| 2.3.3 适应度函数的设计 | 第21-22页 |
| 2.3.4 选择机制 | 第22-23页 |
| 2.3.5 交叉机制 | 第23-24页 |
| 2.3.6 变异机制 | 第24页 |
| 2.4 遗传算法的并行化 | 第24-26页 |
| 2.4.1 并行遗传算法概述 | 第24-25页 |
| 2.4.2 粗粒度并行遗传算法的操作流程 | 第25-26页 |
| 2.5 粗粒度并行遗传算法在大量物流配送路线优化中的应用 | 第26-31页 |
| 2.5.1 问题描述 | 第26页 |
| 2.5.2 前提假设 | 第26-27页 |
| 2.5.3 优化模型 | 第27-28页 |
| 2.5.4 优化方法 | 第28-31页 |
| 3 大量物流配送路线的Mapreduce实现 | 第31-38页 |
| 3.1 Hadoop技术构架 | 第31页 |
| 3.2 分布式文件系统（HDFS） | 第31-32页 |
| 3.3 MapReduce算法介绍 | 第32页 |
| 3.4 Mapreduce工作原理 | 第32-33页 |
| 3.5 Mapreduce工作流程 | 第33页 |
| 3.6 Mapreduce算法应用举例 | 第33-35页 |
| 3.7 k-means聚类算法的Mapreduce实现 | 第35-36页 |
| 3.7.1 Map函数的设计 | 第35-36页 |
| 3.7.2 Reduce函数的设计 | 第36页 |
| 3.8 粗粒度并行遗传算法的Mapreduce实现 | 第36-38页 |
| 3.8.1 Map函数的设计 | 第37页 |
| 3.8.2 Reduce函数的设计 | 第37-38页 |
| 4 实证分析 | 第38-50页 |
| 4.1 贵阳烟草物流配送中心配送活动现状 | 第38页 |
| 4.2 贵阳烟草配送路线优化思路 | 第38页 |
| 4.3 贵阳烟草物流配送中心k-means聚类算法下的配送区域划分 | 第38-41页 |
| 4.4 贵阳烟草物流配送中心车辆配送路线优化与实现 | 第41-50页 |
| 4.4.1 基础数据信息搜集 | 第41-42页 |
| 4.4.2 实验得出最终化路线 | 第42-50页 |
| 5 结束语 | 第50-51页 |
| 5.1 研究结论及本论文的创新点 | 第50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
