| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 本章摘要 | 第11页 |
| 1.1 论文的研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 电子商务物流平台 | 第13-15页 |
| 1.2.2 大数据技术 | 第15-17页 |
| 1.2.3 智慧物流 | 第17-19页 |
| 1.3 论文主要研究内容及其结构框架 | 第19-21页 |
| 1.3.1 论文研究思路 | 第19页 |
| 1.3.2 主要研究内容 | 第19-21页 |
| 1.3.3 结构框架 | 第21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 基于大数据的智慧云物流技术 | 第22-33页 |
| 本章摘要 | 第22页 |
| 2.1 引言 | 第22页 |
| 2.2 电子商务物流 | 第22-24页 |
| 2.2.1 物流 | 第22-23页 |
| 2.2.2 电子商务物流 | 第23-24页 |
| 2.3 大数据关键技术分析 | 第24-26页 |
| 2.3.1 分布式大数据云存储技术 | 第25-26页 |
| 2.3.2 分布式的大数据处理技术 | 第26页 |
| 2.3.3 大量数据运算及管理技术 | 第26页 |
| 2.4 基于大数据的智慧云物流 | 第26-32页 |
| 2.4.1 智慧云物流概念 | 第26-27页 |
| 2.4.2 基于大数据的智慧云物流体系架构 | 第27-29页 |
| 2.4.3 基于大数据的智慧云物流关键技术 | 第29-31页 |
| 2.4.4 基于C2B某外资品牌空调企业智慧云物流应用模式 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 智慧云物流管网模型 | 第33-45页 |
| 本章摘要 | 第33页 |
| 3.1 引言 | 第33页 |
| 3.2 管网模型概念及相关理论基础 | 第33-39页 |
| 3.2.1 管网模型概念 | 第33-34页 |
| 3.2.2 管网模型图的分析方法 | 第34-39页 |
| 3.3 云物流管网模型描述 | 第39-43页 |
| 3.3.1 智慧物流骨干网管网模型 | 第39-40页 |
| 3.3.2 智慧物流骨干网管网节点流量分析 | 第40-43页 |
| 3.4 基于C2B模式的空调介质的管网模型流量控制模型 | 第43-44页 |
| 3.4.1 空调（物料）云库存管网模型 | 第43页 |
| 3.4.2 C2B模式下的空调（物料）管网控制模型 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于大数据的云物流管网云仓储模型及分布策略研究 | 第45-68页 |
| 本章摘要 | 第45页 |
| 4.1 引言 | 第45页 |
| 4.2 云库存机制及形式化模型 | 第45-48页 |
| 4.2.1 云物流下的云库存协同共享机制 | 第45-47页 |
| 4.2.2 协同共享云库存形式化管网模型 | 第47-48页 |
| 4.3 智慧云物流管网中库存控制模型 | 第48-50页 |
| 4.3.1 协同共享库存的问题描述 | 第48页 |
| 4.3.2 调速原理 | 第48-49页 |
| 4.3.2 最佳库存量的确定 | 第49-50页 |
| 4.4 算例设计 | 第50-51页 |
| 4.5 基于大数据的云仓储分布模型 | 第51-55页 |
| 4.5.1 模型假设 | 第51-52页 |
| 4.5.2 模型表征 | 第52-53页 |
| 4.5.3 模型建立 | 第53-55页 |
| 4.6 模型的求解 | 第55-63页 |
| 4.6.1 粒子群算法相关概述 | 第55-56页 |
| 4.6.2 遗传算法相关概述 | 第56-57页 |
| 4.6.3 粒子群与遗传混合启发式算法设计 | 第57-60页 |
| 4.6.4 算例设计 | 第60-63页 |
| 4.7 基于大数据的C2B模式的某外资品牌空调“云仓储”应用 | 第63-67页 |
| 4.7.1 基于大数据的空调“云仓储”对应实体仓储解决方案 | 第65页 |
| 4.7.2 基于大数据的C2B模式空调“云仓储”分布策略 | 第65-67页 |
| 4.8 本章小结 | 第67-68页 |
| 第五章 基于大数据的云物流服务质量评价模型 | 第68-80页 |
| 本章摘要 | 第68页 |
| 5.1 引言 | 第68页 |
| 5.2 云物流管网服务质量评价模型 | 第68-74页 |
| 5.2.1 SERVQUAL模型介绍 | 第69-70页 |
| 5.2.2 LSQ物流服务质量模型简介 | 第70-71页 |
| 5.2.3 模型的维度调整 | 第71-73页 |
| 5.2.4 确定模型的维度及灰关联分析 | 第73-74页 |
| 5.3 基于智慧云物流服务质量评价模型 | 第74-78页 |
| 5.3.1 评价指标体系 | 第74-76页 |
| 5.3.2 评价方法及过程 | 第76-77页 |
| 5.3.3 评价结果分析 | 第77-78页 |
| 5.4 基于C2B模式空调企业云物流质量评价分析 | 第78-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第六章 空调企业基于大数据的智慧云物流平台实现 | 第80-99页 |
| 本章摘要 | 第80页 |
| 6.1 引言 | 第80页 |
| 6.2 空调企业的智慧云物流平台业务分析 | 第80-87页 |
| 6.2.1 智慧云平台业务需求总体概况 | 第80-82页 |
| 6.2.2 空调企业智慧云物流平台系统框架 | 第82-85页 |
| 6.2.3 空调企业智慧云物流平台系统关键技术 | 第85-87页 |
| 6.3 空调智慧云物流大数据云存储技术的实现 | 第87-93页 |
| 6.3.1 云存储技术现状 | 第87-88页 |
| 6.3.2 关键技术 | 第88-92页 |
| 6.3.3 大数据云储存的系统分析及验证 | 第92-93页 |
| 6.4 空调企业智慧云物流各平台的实现 | 第93-98页 |
| 6.4.1 空调物流订单平台 | 第93-94页 |
| 6.4.2 空调物流服务平台 | 第94-95页 |
| 6.4.3 空调“云仓储”平台 | 第95-98页 |
| 6.5 本章小结 | 第98-99页 |
| 第七章 全文总结与研究展望 | 第99-101页 |
| 7.1 主要创新点 | 第99-100页 |
| 7.2 研究展望 | 第100-101页 |
| 参考文献 | 第101-107页 |
| 附录 1 | 第107-122页 |
| 攻读博士学位期间获得的学术成果 | 第122-123页 |
| 发表的学术论文 | 第122页 |
| 参与课题 | 第122-123页 |
| 致谢 | 第123页 |
