| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 课题研究现状 | 第14-18页 |
| 1.3.1 国内及国外研究现状 | 第14-17页 |
| 1.3.2 研究存在不足 | 第17-18页 |
| 1.4 研究方法 | 第18-19页 |
| 1.5 研究内容 | 第19-20页 |
| 第2章 Hadoop技术研究 | 第20-30页 |
| 2.1 Hadoop技术概述 | 第20-21页 |
| 2.2 Hadoop核心技术 | 第21-28页 |
| 2.2.1 HDFS | 第21-25页 |
| 2.2.2 MapReduce | 第25-26页 |
| 2.2.3 HBase及其数据模型 | 第26-28页 |
| 2.3 本章小节 | 第28-30页 |
| 第3章 智慧云物流平台调度体系研究 | 第30-36页 |
| 3.1 智慧云物流平台 | 第30-31页 |
| 3.1.1 云物流平台构建 | 第30-31页 |
| 3.1.2 云物流调度平台功能需求 | 第31页 |
| 3.2 智慧云物流平台调度体系设计 | 第31-34页 |
| 3.2.1 平台数据输入层 | 第32页 |
| 3.2.2 平台存储层 | 第32-33页 |
| 3.2.3 平台调度算法层 | 第33-34页 |
| 3.2.4 平台展示层 | 第34页 |
| 3.3 Hadoop的云平台配送模式的车辆调度问题 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于Hadoop的物流平台的车辆调度算法设计与实现 | 第36-66页 |
| 4.1 引言 | 第36-37页 |
| 4.2 调度问题描述 | 第37-38页 |
| 4.3 约束条件下的动态需求车辆调度模型 | 第38-40页 |
| 4.3.1 时间轴概念描述 | 第38-39页 |
| 4.3.2 基于时间轴的动态车辆调度模型 | 第39-40页 |
| 4.4 解析云平台模式下车辆调度动态需求 | 第40-42页 |
| 4.4.1 分析云平台模式下动态车辆调度问题 | 第40-41页 |
| 4.4.2 云平台模式下变化信息的交互模式 | 第41-42页 |
| 4.5 基于Hadoop平台的遗传算法设计与实现 | 第42-52页 |
| 4.5.1 遗传算法基本原理 | 第42-44页 |
| 4.5.2 量子遗传算法 | 第44-48页 |
| 4.5.3 基于MapReduce的量子改进遗传算法设计 | 第48-49页 |
| 4.5.4 基于MapReduce的量子改进遗传算法实现 | 第49-52页 |
| 4.6 基于量子改进遗传算法的易城智慧物流平台验证分析 | 第52-66页 |
| 4.6.1 测试环境 | 第53-57页 |
| 4.6.2 仿真实验 | 第57-64页 |
| 4.6.3 实验结果分析 | 第64-66页 |
| 第5章 结论与展望 | 第66-68页 |
| 5.1 主要研究结论 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第74页 |
