| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 物流信息平台研究现状 | 第12-13页 |
| 1.2.2 车货信息匹配方法研究现状 | 第13-14页 |
| 1.2.3 研究现状评述 | 第14页 |
| 1.3 流式数据环境介绍 | 第14-16页 |
| 1.4 研究内容与章节结构 | 第16-19页 |
| 第2章 基础技术与方法 | 第19-33页 |
| 2.1 Storm框架介绍 | 第19-23页 |
| 2.1.1 Storm实时计算框架 | 第19-20页 |
| 2.1.2 Storm中的核心概念 | 第20-23页 |
| 2.2 聚类算法介绍 | 第23-27页 |
| 2.2.1 聚类算法综述 | 第23-24页 |
| 2.2.2 聚类算法比较 | 第24页 |
| 2.2.3 K-Means算法介绍 | 第24-27页 |
| 2.3 遗传算法介绍 | 第27-32页 |
| 2.3.1 遗传算法基本思想 | 第27页 |
| 2.3.2 遗传算法基本操作 | 第27-31页 |
| 2.3.3 遗传算法实施步骤 | 第31-32页 |
| 2.4 本章总结 | 第32-33页 |
| 第3章 流式数据环境下车货信息匹配方法设计 | 第33-63页 |
| 3.1 车货信息匹配问题模型 | 第33-42页 |
| 3.1.1 车货信息匹配问题概述 | 第33-35页 |
| 3.1.2 车货信息匹配问题与VRP和VFP问题联系与区别 | 第35-39页 |
| 3.1.3 车货信息匹配问题的数学模型 | 第39-42页 |
| 3.2 基本遗传算法求解车货信息匹配问题 | 第42-46页 |
| 3.2.1 基本遗传算法求解车货信息匹配问题算法设计 | 第43-45页 |
| 3.2.2 基本遗传算法求解车货信息匹配问题步骤 | 第45-46页 |
| 3.3 基于改进遗传算法的车货信息匹配方法研究 | 第46-55页 |
| 3.3.1 矩阵染色体结构设计 | 第48-49页 |
| 3.3.2 多级惩罚修复策略设计 | 第49-51页 |
| 3.3.3 遗传操作设计 | 第51-54页 |
| 3.3.4 改进遗传算法求解车货信息匹配问题的步骤 | 第54-55页 |
| 3.4 基于Storm的流式数据环境下车货信息匹配方法 | 第55-62页 |
| 3.4.1 流式数据环境下车货信息匹配方法步骤 | 第56-57页 |
| 3.4.2 流式数据环境下车货信息匹配方法的技术框架 | 第57-58页 |
| 3.4.3 基于Storm的车货信息匹配方法实现 | 第58-62页 |
| 3.5 本章总结 | 第62-63页 |
| 第4章 实验与分析 | 第63-77页 |
| 4.1 改进遗传算法求解车货信息匹配模型实验分析 | 第63-70页 |
| 4.1.1 实验环境与数据 | 第63页 |
| 4.1.2 算法精确度分析 | 第63-66页 |
| 4.1.3 改进遗传算法与其他算法准确度与稳定性对比分析 | 第66-67页 |
| 4.1.4 模型参数影响分析 | 第67-68页 |
| 4.1.5 算法参数影响分析 | 第68-70页 |
| 4.2 基于Storm的车货信息匹配方法实验 | 第70-76页 |
| 4.2.1 实验环境部署 | 第70页 |
| 4.2.2 实验数据源与参数 | 第70-75页 |
| 4.2.3 实验结果与分析 | 第75-76页 |
| 4.3 本章总结 | 第76-77页 |
| 第5章 总结与展望 | 第77-79页 |
| 5.1 总结 | 第77-78页 |
| 5.2 不足与展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |
