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 |
