首页--经济论文--经济计划与管理论文--物资经济论文--物资流通论文

基于云平台的智能配送系统研究

致谢第7-8页
摘要第8-9页
ABSTRACT第9-10页
第一章 绪论第15-25页
    1.1 课题研究背景及意义第15-16页
    1.2 国内外研究现状第16-22页
        1.2.1 国内外智能配送系统发展现状第16-17页
        1.2.2 路径规划算法研究现状综述第17-20页
        1.2.3 云计算研究现状综述第20-22页
    1.3 本文主要内容第22-23页
        1.3.1 技术路线第22页
        1.3.2 主要研究内容第22-23页
    1.4 本文组织结构第23-25页
第二章 相关技术知识研究第25-37页
    2.1 传统智能配送系统关键技术第25-29页
        2.1.1 智能配送单元相关技术研究第25-26页
        2.1.2 智能配送系统相关技术研究第26-29页
    2.2 云计算技术第29-34页
        2.2.1 云消息通信技术第31-34页
        2.2.2 弹性计算第34页
    2.3 深度强化学习技术第34-36页
        2.3.1 深度学习第34-35页
        2.3.2 强化学习第35页
        2.3.3 深度强化学习第35-36页
    2.4 本章小结第36-37页
第三章 基于云平台的智能配送系统研究第37-51页
    3.1 基于云平台的智能送系统方案范畴界定第37-38页
    3.2 基于云平台的智能配送系统需求分析第38-41页
        3.2.1 基于云平台的智能配送系统的功能需求第38-40页
        3.2.2 基于云平台的智能配送系统性能需求第40-41页
    3.3 数据流分析第41-43页
        3.3.1 整体数据流概览第41页
        3.3.2 局部数据流分解第41-43页
    3.4 基于云平台的智能配送系统设计方案第43-50页
        3.4.1 基于云平台的智能配送系统总体设计第43-45页
        3.4.2 基于云平台的智能配送系统各模块设计第45-50页
    3.5 本章小结第50-51页
第四章 基于深度强化学习的路径规划研究第51-67页
    4.1 智能配送路径规划问题背景第51-53页
    4.2 基于DRL的配送路径规划算法原理第53-58页
        4.2.1 配送空间地图建模第53-54页
        4.2.2 基于全局地图信息的MDP第54-56页
        4.2.3 Q-Learning算法第56-58页
        4.2.4 DQN算法第58页
    4.3 基于DRL的配送路径规划算法设计第58-60页
        4.3.1 回报函数(Reward)设计第59页
        4.3.2 算法策略第59-60页
    4.4 仿真实验第60-66页
        4.4.1 实验环境和条件第61页
        4.4.2 仿真实验一第61-64页
        4.4.3 仿真实验二第64-65页
        4.4.4 仿真实验三第65-66页
    4.5 本章小结第66-67页
第五章 总结与展望第67-69页
    5.1 总结第67-68页
    5.2 展望第68-69页
参考文献第69-73页
攻读硕士学位期间的学术活动及成果情况第73页

论文共73页,点击 下载论文
上一篇:污水处理PPP项目风险评估研究
下一篇:长江中游城市群房地产投资环境比较研究