A公司奶粉产品电商仓库网络规划研究
这是一篇关于奶粉电商,仓库选址,层次分析法,整数规划,信息管理,仿真对比的论文, 主要内容为随着网络购物的飞速发展、三胎政策的开放,国内乳制品企业在奶粉产品电商板块的市场占比逐渐变大。然而很多乳制品企业在电商平台自营渠道和线下渠道的前端配送仓库并没有区分开,物流体系较为落后,电商板块的产品物流成本与配送时效并不能达到企业及消费者的要求。因此,对奶粉产品电商仓库网络进行符合产品特性及企业要求的规划就很有必要了。本文对A公司实际的奶粉产品电商仓库网络进行规划研究,首先对奶粉产品、电商仓库进行信息整理与分析,并结合选址相关文献进行研究,确定了奶粉产品电商仓库网络规划模型的方法以及求解思路,为本次研究打下了理论基础。其次,介绍了A公司从整体战略到奶粉事业部电商板块的基本情况,通过对A公司电商板块奶粉产品的销售信息、仓库资源信息、成本及时效信息进行整理与分析,提炼出A公司奶粉产品电商仓库网络规划的需求要素,进而设计出具体的网络规划流程,为本次研究建立了技术框架。然后,在考虑了仓库选址原则的基础上,提炼出奶粉需求量、城市环境、交通运输等多个奶粉产品电商仓库选址的需求条件,并通过层次分析法建立相应备选点评价与选择模型。将现有仓库资源导入层次分析模型中,确定仓库的备选点。同时,利用A公司奶粉产品电商仓库网络规划的需求要素构建仓库选址的成本与时效多目标模型,并提出后续多目标模型向单目标模型转化,进而和层次分析法结合从而改进选址模型的思路及流程,为本次研究构建了第一层基础模型。最后,对现有电商仓库网络进行仿真模拟并根据仿真数据及备选点的层次分析指标对选址模型进行改进,从而获得改进后的单目标选址模型。利用Excel Solver进行模型求解,求解结果与现有仓库网络仿真结果进行对比分析,从而验证模型的有效性与实践性。本文的创新点如下:一是通过层次分析法选择备选点,为备选点的确定增加了科学的理论支持;二是通过将层次分析法与整数规划模型相结合,改进了传统的整数规划选址模型,使整数规划选址模型不再单纯考虑成本与时效,而是增加了备选点之间差异性的考虑,对相关选址提供一定的参考性。本文共有图24幅,表32个,参考文献35篇。
钢铁企业宽厚板余坯匹配问题的分支—定价算法研究
这是一篇关于宽厚板余坯匹配,二维装箱问题,整数规划,分支-定价算法,对称性的论文, 主要内容为本文以钢铁企业宽厚板生产为背景,研究了宽厚板余坯匹配问题。由于宽厚板产品生产模式与客户需求模式之间的冲突,导致大量余坯的生产。为了提高资源的利用率、避免重复炼钢,需要按照合同需求尽可能多的将余坯匹配给合同。该问题的研究对于提高钢铁企业资源利用率具有显著意义。与以往研究不同,本文研究的宽厚板余坯匹配问题中,板坯与合同是多对多的匹配关系,且需要同时考虑宽度、长度二维能力约束,可归结为带有复杂约束的二维装箱问题,是强NP难问题。针对该问题,建立了宽厚板余坯匹配问题的整数规划模型,设计了分支-定价算法,并提出了改进策略,最后以模型和算法为核心开发了决策支持系统。本文主要研究内容如下:1)针对宽厚板实际生产中带有二维装箱特征的宽厚板余坯匹配问题,以最小化切割损失、最小化匹配费用、最大化板坯利用率为目标,以轧制长度限制、轧制宽度限制等工艺要求为约束,建立了整数规划模型。通过引入中心合同子板,消除母板长度限制与宽度限制的耦合关系,有效降低了模型的复杂度。通过数值实验,验证了模型的正确性。2)针对宽厚板余坯匹配问题整数规划模型求解效率低的问题,通过分析问题的结构特征,重新建立了集装包模型,并设计了能够获得最优解的分支-定价算法。在列生成求解价格子问题过程中,通过枚举所有中心合同子板,确定每个母板的长度限制,进而将价格子问题转换成背包问题进行最优求解。最后,设计了新的分支策略,实现原问题的最优求解。通过数值实验,验证了提出算法的有效性。3)针对分支-定价算法中子问题求解效率低的缺点,设计邻域搜索算法与动态规划算法相结合的子问题加速策略。应用邻域搜索算法快速近似获得多个正费用列,加快算法收敛速度,动态规划算法保证子问题求解的最优性。提出了子问题对称性消除策略,建立等价子问题集合,通过分析子问题之间的对称性,去掉冗余的子问题,提高了求解效率。通过数值实验,验证了改进策略的有效性。4)结合钢铁企业宽厚板生产的实际需求,嵌入提出的模型和算法,设计并开发了宽厚板余坯匹配决策支持系统,实现余坯匹配计划的自动决策,显著提高了企业生产资源的利用率。
移动网络中基于机器学习的缓存策略研究
这是一篇关于缓存,异构网络,机器学习,整数规划,贪心算法,流行度预测,深度强化学习的论文, 主要内容为在移动网络中部署缓存可以有效降低时延、提升传输速率、降低回程链路拥塞、卸载宏基站处的流量,是应对无线设备数据流量剧增的关键技术之一。然而,相比于巨大的互联网内容库,基站的缓存容量较小,如何制定有效的缓存放置策略来确定需要缓存的文件以提高缓存的命中率是缓存技术需要考虑的重要问题之一;同时,面对不断变化的文件流行度,如何确定缓存的替换策略以适应该变化也是需要考虑的另一个问题。本文主要研究了移动网络中的缓存技术,采用机器学习的方法,通过预测文件流行度,提出了优化缓存命中率和系统成本的缓存放置和替换策略。具体内容及创新点如下:(1)针对宏基站、小基站和D2D通信并存的异构网络场景,提出了基于用户移动性和社会关系的小基站与用户的缓存策略。首先在用户偏好(用户请求不同文件的概率分布)未知的情况下,采用机器学习的方法根据其请求历史记录预测用户偏好。综合考虑用户的移动性、物理位置关系、社会关系推导了平均系统成本的表达式,在缓存容量的约束下,以小基站和重要用户的缓存策略为变量,构建了平均系统成本最小化的优化问题。为了解决重要用户数多时计算复杂度大的问题,在证明了目标函数是超模函数后,提出一种基于贪心算法的次优算法对优化问题进行求解,降低了算法的复杂度。仿真结果表明,相比于随机缓存策略,提出的缓存策略减少了接近30%系统成本,并且次优解的性能非常接近最优解。(2)针对本地文件流行度未知的场景,提出了基于推荐系统的用户文件偏好预测算法以及基于缓存成本和收益之间权衡的缓存容量确定算法。首先根据协同过滤和隐语义模型预测出用户对文件的评分矩阵,然后结合用户活跃度,利用深度学习,预测出用户偏好;由于增大缓存容量在减少回程链路花费的同时会增大运营商的部署成本,综合权衡缓存容量和回程链路的成本,构建了运营商收益最大化的优化问题,采用了启发式算法对最优缓存容量及其对应的缓存策略进行求解。仿真结果表明,与考虑全局流行度的缓存策略相比,基于本地流行度的策略可以更有效的提高缓存命中率,同时降低运营商的成本。(3)针对本地流行度动态变化的场景,提出了基于深度强化学习的缓存替换策略。首先采用马尔科夫决策过程对缓存替换问题进行建模,将当前缓存放置内容、当前请求文件作为系统状态,将缓存替换策略作为动作,奖赏函数定义为缓存命中率,构建了深度强化学习的缓存替换决策模型,基于A3C算法设计了缓存替换策略。仿真结果表明,增加A3C中的智能体数量能够加快收敛,与FIFO、LRU和LFU等传统缓存替换策略相比,所提缓存替换策略能够提高文件的命中率。
A公司奶粉产品电商仓库网络规划研究
这是一篇关于奶粉电商,仓库选址,层次分析法,整数规划,信息管理,仿真对比的论文, 主要内容为随着网络购物的飞速发展、三胎政策的开放,国内乳制品企业在奶粉产品电商板块的市场占比逐渐变大。然而很多乳制品企业在电商平台自营渠道和线下渠道的前端配送仓库并没有区分开,物流体系较为落后,电商板块的产品物流成本与配送时效并不能达到企业及消费者的要求。因此,对奶粉产品电商仓库网络进行符合产品特性及企业要求的规划就很有必要了。本文对A公司实际的奶粉产品电商仓库网络进行规划研究,首先对奶粉产品、电商仓库进行信息整理与分析,并结合选址相关文献进行研究,确定了奶粉产品电商仓库网络规划模型的方法以及求解思路,为本次研究打下了理论基础。其次,介绍了A公司从整体战略到奶粉事业部电商板块的基本情况,通过对A公司电商板块奶粉产品的销售信息、仓库资源信息、成本及时效信息进行整理与分析,提炼出A公司奶粉产品电商仓库网络规划的需求要素,进而设计出具体的网络规划流程,为本次研究建立了技术框架。然后,在考虑了仓库选址原则的基础上,提炼出奶粉需求量、城市环境、交通运输等多个奶粉产品电商仓库选址的需求条件,并通过层次分析法建立相应备选点评价与选择模型。将现有仓库资源导入层次分析模型中,确定仓库的备选点。同时,利用A公司奶粉产品电商仓库网络规划的需求要素构建仓库选址的成本与时效多目标模型,并提出后续多目标模型向单目标模型转化,进而和层次分析法结合从而改进选址模型的思路及流程,为本次研究构建了第一层基础模型。最后,对现有电商仓库网络进行仿真模拟并根据仿真数据及备选点的层次分析指标对选址模型进行改进,从而获得改进后的单目标选址模型。利用Excel Solver进行模型求解,求解结果与现有仓库网络仿真结果进行对比分析,从而验证模型的有效性与实践性。本文的创新点如下:一是通过层次分析法选择备选点,为备选点的确定增加了科学的理论支持;二是通过将层次分析法与整数规划模型相结合,改进了传统的整数规划选址模型,使整数规划选址模型不再单纯考虑成本与时效,而是增加了备选点之间差异性的考虑,对相关选址提供一定的参考性。本文共有图24幅,表32个,参考文献35篇。
A公司奶粉产品电商仓库网络规划研究
这是一篇关于奶粉电商,仓库选址,层次分析法,整数规划,信息管理,仿真对比的论文, 主要内容为随着网络购物的飞速发展、三胎政策的开放,国内乳制品企业在奶粉产品电商板块的市场占比逐渐变大。然而很多乳制品企业在电商平台自营渠道和线下渠道的前端配送仓库并没有区分开,物流体系较为落后,电商板块的产品物流成本与配送时效并不能达到企业及消费者的要求。因此,对奶粉产品电商仓库网络进行符合产品特性及企业要求的规划就很有必要了。本文对A公司实际的奶粉产品电商仓库网络进行规划研究,首先对奶粉产品、电商仓库进行信息整理与分析,并结合选址相关文献进行研究,确定了奶粉产品电商仓库网络规划模型的方法以及求解思路,为本次研究打下了理论基础。其次,介绍了A公司从整体战略到奶粉事业部电商板块的基本情况,通过对A公司电商板块奶粉产品的销售信息、仓库资源信息、成本及时效信息进行整理与分析,提炼出A公司奶粉产品电商仓库网络规划的需求要素,进而设计出具体的网络规划流程,为本次研究建立了技术框架。然后,在考虑了仓库选址原则的基础上,提炼出奶粉需求量、城市环境、交通运输等多个奶粉产品电商仓库选址的需求条件,并通过层次分析法建立相应备选点评价与选择模型。将现有仓库资源导入层次分析模型中,确定仓库的备选点。同时,利用A公司奶粉产品电商仓库网络规划的需求要素构建仓库选址的成本与时效多目标模型,并提出后续多目标模型向单目标模型转化,进而和层次分析法结合从而改进选址模型的思路及流程,为本次研究构建了第一层基础模型。最后,对现有电商仓库网络进行仿真模拟并根据仿真数据及备选点的层次分析指标对选址模型进行改进,从而获得改进后的单目标选址模型。利用Excel Solver进行模型求解,求解结果与现有仓库网络仿真结果进行对比分析,从而验证模型的有效性与实践性。本文的创新点如下:一是通过层次分析法选择备选点,为备选点的确定增加了科学的理论支持;二是通过将层次分析法与整数规划模型相结合,改进了传统的整数规划选址模型,使整数规划选址模型不再单纯考虑成本与时效,而是增加了备选点之间差异性的考虑,对相关选址提供一定的参考性。本文共有图24幅,表32个,参考文献35篇。
移动网络中基于机器学习的缓存策略研究
这是一篇关于缓存,异构网络,机器学习,整数规划,贪心算法,流行度预测,深度强化学习的论文, 主要内容为在移动网络中部署缓存可以有效降低时延、提升传输速率、降低回程链路拥塞、卸载宏基站处的流量,是应对无线设备数据流量剧增的关键技术之一。然而,相比于巨大的互联网内容库,基站的缓存容量较小,如何制定有效的缓存放置策略来确定需要缓存的文件以提高缓存的命中率是缓存技术需要考虑的重要问题之一;同时,面对不断变化的文件流行度,如何确定缓存的替换策略以适应该变化也是需要考虑的另一个问题。本文主要研究了移动网络中的缓存技术,采用机器学习的方法,通过预测文件流行度,提出了优化缓存命中率和系统成本的缓存放置和替换策略。具体内容及创新点如下:(1)针对宏基站、小基站和D2D通信并存的异构网络场景,提出了基于用户移动性和社会关系的小基站与用户的缓存策略。首先在用户偏好(用户请求不同文件的概率分布)未知的情况下,采用机器学习的方法根据其请求历史记录预测用户偏好。综合考虑用户的移动性、物理位置关系、社会关系推导了平均系统成本的表达式,在缓存容量的约束下,以小基站和重要用户的缓存策略为变量,构建了平均系统成本最小化的优化问题。为了解决重要用户数多时计算复杂度大的问题,在证明了目标函数是超模函数后,提出一种基于贪心算法的次优算法对优化问题进行求解,降低了算法的复杂度。仿真结果表明,相比于随机缓存策略,提出的缓存策略减少了接近30%系统成本,并且次优解的性能非常接近最优解。(2)针对本地文件流行度未知的场景,提出了基于推荐系统的用户文件偏好预测算法以及基于缓存成本和收益之间权衡的缓存容量确定算法。首先根据协同过滤和隐语义模型预测出用户对文件的评分矩阵,然后结合用户活跃度,利用深度学习,预测出用户偏好;由于增大缓存容量在减少回程链路花费的同时会增大运营商的部署成本,综合权衡缓存容量和回程链路的成本,构建了运营商收益最大化的优化问题,采用了启发式算法对最优缓存容量及其对应的缓存策略进行求解。仿真结果表明,与考虑全局流行度的缓存策略相比,基于本地流行度的策略可以更有效的提高缓存命中率,同时降低运营商的成本。(3)针对本地流行度动态变化的场景,提出了基于深度强化学习的缓存替换策略。首先采用马尔科夫决策过程对缓存替换问题进行建模,将当前缓存放置内容、当前请求文件作为系统状态,将缓存替换策略作为动作,奖赏函数定义为缓存命中率,构建了深度强化学习的缓存替换决策模型,基于A3C算法设计了缓存替换策略。仿真结果表明,增加A3C中的智能体数量能够加快收敛,与FIFO、LRU和LFU等传统缓存替换策略相比,所提缓存替换策略能够提高文件的命中率。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://m.bishedaima.com/lunwen/55556.html
