一、用距离决定谁为客户服务(论文文献综述)
李晶晶[1](2021)在《生鲜农产品冷链物流配送中心选址研究》文中研究说明“民以食为天”,显然生鲜农产品是国民赖以为生的饮食来源。“食以鲜为先”,表明鲜活程度对生鲜农产品品质价值的影响之大。当前,伴随生鲜行业的发展以及国民生活条件的改善,消费者对生鲜农产品的市场需求也日渐增大,同时人们的消费观念也在逐渐改变,不再单纯地满足于“进食解饥”,而是更加重视生鲜农产品的品质价值。然而,生鲜农产品不仅保鲜期短,还极易腐败进而影响顾客的购买需求,这时为解决上述问题就需建立合适的冷链物流配送中心。冷链物流配送中心不但连接着农产品生产基地和终端零售网点,而且能有效减缓生鲜农产品的腐败、降低变质风险,故其选址问题是整个物流网络设计规划的核心,具有很高的研究价值和意义。同时,其选址的优劣还对产品质量、运输效率和配送成本等产生重要影响。首先,本文在分析总结前人选址研究成果的基础上,论述了需求量预测的重要性,以及结合生鲜农产品特性对传统选址模型进行改进的必要性,明确了本文的研究方向和主体内容。之后,对生鲜农产品的特点、冷链物流的模式、配送中心及其选址的相关基础理论进行了全面且详细的介绍。其次,确定了选址目标、原则及相应的流程步骤,并阐述了需求量预测的相关理论和方法,在此基础上结合生鲜农产品易腐败的特性,对传统选址模型进行完善补充,分析了新鲜度降低和打折销售对顾客购买需求的影响,描绘新鲜度函数并引入了相应的损失成本,建立了以满足需求为前提、总成本最小为目标的冷链配送中心选址模型。最后,开展实例分析,根据太原市H连锁超市的生鲜农产品历史数据,运用灰色GM(1,1)模型预测其未来五年的需求量,然后结合太原市周边的实际情况筛选出若干备选点,之后套用所构建的选址模型开展选址应用,并以LINGO软件求解,明确最终选址位置,证实了模型的科学性和可行性。此外,文章的结尾还对模型中的相关变量参数进行了灵敏度分析。
孟天杭[2](2021)在《基于Cesium的大规模三维场景瓦片构建与可视化》文中研究表明近年来,随着无人机、三维激光扫描等数据采集技术的发展,有效降低了三维空间数据的获取成本和时间周期,提高了数据精度。然而随着大规模三维空间数据的不断积累,三维空间数据如何在B/S下高效地发布、传输、可视化和分析成为一个亟待解决的问题。随着WebGL与Web开发技术的发展,产生了众多的三维可视化框架,Cesium作为目前性能优异的三维可视化框架之一,它能够在三维虚拟地球场景中添加丰富多样的地理要素。Cesium团队设计并研发了3D Tiles数据结构,便于海量三维空间数据的网络传输与渲染。虽然它是开源的一套规范,但是如何去生成3D Tiles,官方并没有给出合理的解决方案。当然,AGI公司开源了部分3D Tiles处理工具,在倾斜摄影数据方面已经能很好地进行处理,但在人工大模型和点云方面还没有很好地解决方案。本文通过详细研究Cesium框架与3D Tiles数据规范,提出了一种大规模三维场景瓦片构建的解决方案,并对海量三维空间数据的可视化做了相关研究,主要包括以下工作:1.对目前比较流行的几种三维瓦片数据规范进行了概括总结,并对近年来三维瓦片构建技术以及基于Cesium的可视化研究做了相关介绍。2.对Cesium的体系架构、3D Tiles渲染调度相关类进行了阐述。详细研究了gl TF模型数据格式,包括gl TF节点组织、数据访问规则以及二进制形式glb文件结构等。对3D Tiles的定义内容进行详细解析,包括瓦片数据常用的几种数据格式以及瓦片集数据各属性之间的关系和含义。3.对三维瓦片构建相关技术进行研究。提出了一种基于八叉树的三维场景分割算法,并对分割完的场景进行网格简化或点云抽稀过程,从而生成具有多细节层次的场景散列文件。并根据3D Tiles数据规范,对散列文件进行数据格式转换生成3D Tiles的瓦片数据,介绍了3D Tiles瓦片集数据中可以使用的几种空间索引结构以及适用条件,并采用八叉树空间索引结构生成3D Tiles的索引文件,最终生成具有多细节层次的3D Tiles三维瓦片数据结构。4.海量三维空间数据可视化技术研究。对Cesium场景裁剪技术进行了研究,通过背面裁剪和视景体裁剪先剔除不可见的瓦片数据。根据瓦片的空间几何误差计算屏幕空间误差SSE,并依据Cesium的LOD调度策略选择满足条件的瓦片。依据Cesium四叉树调度渲染原理,提出了基于八叉树的海量三维空间数据调度算法,通过使用跳跃式加载、动态屏幕空间误差、控制请求文件队列数量来提高渲染速度,降低了Cesium面对大规模三维空间数据的渲染压力。5.可视化平台搭建。为验证本文相关算法,设计并研发了基于Cesium的WebGIS可视化平台。系统采用前后端分离的方式,前端采用Vue和Cesium集成构成客户端部分。服务端采用Node JS来进行系统发布、数据发布、处理请求、操作数据库等。数据库采用My SQL关系型数据库,对瓦片属性信息进行存储,方便属性信息管理。结合Cesium相关空间分析功能,设计了地图显示、数据可视化、数据分析功能等模块,并进行了相关功能的测试,满足了项目需求,验证了本文相关方法的有效性。
高钊[3](2021)在《L公司车辆路径优化与车程分配问题研究》文中指出近年来,随着移动互联网、大数据、云计算、物联网等先进信息技术与物流活动的深入融合,我国物流行业发展迅速。但是,我国物流费用占GDP的比重仍然偏高,与发达国家存在一定的差距。同时,从物流费用构成要素来看,运输费用占比高达50%,运输费用是物流费用的重要组成部分。降低物流运输费用,是我国促进经济结构改革和高质量发展的重大措施,也是物流企业降本增效、进行行业转型、提高企业竞争力和客户满意度的方式之一。L公司是一家第三方物流公司,主要为两个家电品牌在J市提供B端配送服务。经过调查研究,该公司在配送方面主要存在以下几个问题:(1)路线安排不合理,运输距离过长;(2)车辆装载不合理,存在运力浪费和超载现象;(3)车辆行驶时间、司机工作时间存在不平衡的问题;(4)工作时间过长,加班现象严重;(5)紧急订单处理流程不合理。针对L公司的实际问题,分别建立了以总配送距离最小为目标的车程求解数学模型、以总配送费用最少和车辆行驶时间均衡为目标的车程分配数学模型和紧急订单优化数学模型。由于车程求解与车程分配属于NP-hard问题,精确算法无法在短时间内求得大规模算例的精确解,为了提高计算效率,采用启发式算法。在遗传算法中,引入了模拟退火算法中的Metropolis抽样准则,加强其局部寻优能力。经过对染色体选择、交叉、进化逆转等阶段重新编码后,形成改进混合遗传模拟退火算法。由于车程分配为多目标问题,因此,设计并使用了非支配排序遗传算法求解该问题。针对急单配送环节,借助最近插入法的思想,完成了急单客户的路径规划。最后,根据L公司的实际数据,对比分析优化前后的配送方案,验证算法的可行性。
杨春晖[4](2021)在《基于图结构的油气管道数据管理分析系统》文中提出为保障石油天然气运输安全,我国展开了针对油气管道视频、图像、雷达等各类数据的分析研究工作。然而现阶段油气管道数据的管理组织方式刻板繁琐,存在数据管理低效,再利用困难,数据关系分析、历史追溯操作繁琐等问题。应中石化大连研究院需求,本文旨在开发一个满足自动化数据注入、数据清洗、数据质量分析需求,并提供风险数据分析和定制化检索服务的石油天然气管道数据管理分析系统。本文的重点在于将知识图谱概念与油气管道数据相结合,对数据进行内容划分与知识抽取,分别构建了以数据实体为中心的数据知识图谱和巡检事件为中心的风险事件知识图谱。利用图结构特性,实现数据关联搜索、数据质量分析、数据一致性检验等功能。结合改进的En-TransE知识表示学习模型,实现对管道风险事件的推理和预测,探究了知识图谱学习在油气管道安全领域应用的可行性。同时本文设计了一种基于混合指纹的相似度算法实现定制化的图像检索功能,提升系统检索的准确度。系统整体采用B/S的架构模式与前后端分离的开发策略。依据需求分析,将系统划分为数据统计分析模块、管道数据注入模块、数据关系图谱模块、数据检索模块、系统用户管理模块、系统监管模块六个部分。此外系统提供Nginx+redis访问拦截以及Jwt权限认证等安全保障措施。系统前端采用Vue框架配合element ui模块化开发,并结合Echarts实现各类数据的图形化展示。后端业务服务主要采用SpringBoot,结合MVC三层结构实现服务端开发。数据库以Neo4j图数据库为主体辅以Mysql关系型数据库,通过路径存储的方式与FastDFS分布式文件系统关联实现大量非结构化数据的存储。经过部署与测试验收证明,该系统满足实际场景下的业务需求,所提供的数据自动注入、数据清洗、图谱分析、图像检索等功能具有实用价值,为油气管道数据的组织管理、数据分析等科研工作提供了巨大帮助。
丁玉娇[5](2021)在《考虑客户满意度的J公司配送线路优化研究》文中进行了进一步梳理随着经济的快速发展,物流在国民经济各个行业发展中的作用越来越明显,已经成为国民经济发展的命脉。物流运输与配送是整个物流活动中连接企业与客户的关键环节。在当前激烈的市场竞争中,客户关系的维护和新客户的开拓都依赖于客户满意度的提升,物流企业对于客户满意度日趋重视。充分考虑客户满意度的科学的配送线路优化方案,对降低企业运输成本、提高客户满意度,从而增强企业的核心竞争力,具有重要意义。J公司是我国最大的自营电子商务企业,现有八大物流中心,物流业务遍及全国。济南配送中心是J公司打造的物流全流程、全系统的电商配送中心,主要承载济南地区的业务单量并辐射周边地区。但公司在末端配送过程中还存在满载率低、客户满意度低、配送路线重合率高等问题。本文在对客户满意度和路径优化问题的国内外相关文献进行梳理分析的基础上,对J公司济南配送中心末端配送的现状和存在的问题进行了详细分析。在考虑客户重要性和时间满意度的基础上,建立了客户满意度的测度公式,并构建了基于客户满意度的配送线路优化模型。模型求解首先运用K-means算法将配送网点划分为N个区域节点,然后运用改进粒子群算法(BF-PSO)进行了算法设计,并运用构建的模型对J公司济南配送中心的配送路线优化问题进行了实证分析。实证结果显示,优化后的配送方案使得车辆满载率提升了17.88%,路线重合率降低了47.89%,客户满意度提高了38.90%。论文最后从物流配送系统、先进自动化配送设备和配送人员的培训等方面给出了J公司济南配送中心配送优化的建议与措施,为J公司济南配送中心的发展和配送路径创新提供了理论支持和决策参考。
梁一为[6](2021)在《“车辆-无人机”串联模式下的应急物资配送路线问题研究》文中提出近年来,全球自然灾害和突发公共卫生事件一再发生,快速提高救援效率是应急救援的核心任务。为了降低灾区人民的死亡率,减轻灾害对受灾人员生命安全的影响,应急物资的及时送达变得至关重要。合理安排应急物资的配送路线能有效地提高救援效率,因此研究应急物资配送路线问题具有一定的价值。目前,现有文献大多研究关于应急物资配送的纯车辆路径问题,考虑到灾区路况以及应急物资的需求紧迫性,本文将研究串联式“车辆-无人机”联合配送救援物资的路线问题,以提高应急物流系统的救援效率。论文首先分析了有关应急物资的车辆路径问题的相关文献。在考虑因路面破损,导致部分车辆短期内无法通行的情况下,提出基于“车辆-无人机”串联模式的应急物资配送路线问题。据此建立了混合车辆-无人机路线问题(Hybrid Vehicle-Drone Routing Problem,HV-DRP)的数学模型。该模型中车辆充当移动站点的角色,车辆携带着无人机和救援物资从仓库出发访问车辆站点(即中间站点)。此时车辆在站点发射无人机,当无人机服务完受灾点之后车辆会在同一站点或其他站点接收无人机,这就要求车辆和无人机在时间上的配合,即车辆在发射或接收无人机时两者必须在时间上同步。该模型以最小化受灾点等待时间之和为目标,同时考虑无人机的负载能力和续航时间约束。此外,使用LINGO求解器对小规模算例进行精确求解,验证了本文模型的有效性。本文所研究的HV-DRP为非线性整数规划问题,它属于NP难问题,在求解大规模问题时短时间内无法采用精确算法求解,因此本文设计单亲遗传算法对不同规模算例求解,该算法主要包括两个阶段:第一阶段构建车辆路线,第二阶段在获得车辆站点顺序的基础上构建无人机路线。结果表明本文设计的单亲遗传算法在解的质量、速度及稳定性方面存在一定的优势,因此该算法具有一定的可行性和有效性。最后将本文提出的HV-DRP问题与纯车辆路径问题(VRP)进行对比分析,结果表明“车辆-无人机”串联模式相比于纯车辆模式能够减少受灾点的等待时间之和,提高救援效率。因此本文提出的数学模型和算法能够为应急物流和车辆-无人机联合配送路线问题的研究提供理论支撑和现实依据。
王亚博[7](2021)在《运营商离网客户去向预测的研究与应用》文中研究表明每个行业都存在客户新增和流失的现象,这是不可避免的。在电信行业,客户离网即意味着客户流失,对于电信运营商来说是极大的损失。流失客户去向其它运营商,就会成为其它运营商的新增客户,为竞争对手创造利润。客户量增减逐渐成为判断运营商发展质量的重要标准之一。因此,确定离网客户去向成为运营商减少客户流失的重要前提。运营商拥有海量的通话数据,能够有效刻画社会网络中人与人之间的联系。这些数据中包含客户的行为特征。通过对客户行为特征进行分析能够解决许多的复杂商业问题,如电子商务中的商品推荐、客户流失度分析等。因此,客户行为特征分析正在成为预测电信客户去向预测的重要手段之一。本文应用运营商客户的通话行为特征构建客户交往圈,每个交往圈都存在特殊的联系人,与其它交往圈相区别,并依据交往圈追踪离网客户的去向。交往圈有不同的构建方式,但最终目的都是得到客户的稳定联系人。本文依托交往圈模型,采用了向量夹角余弦法和皮尔逊相关系数法,解决了离网客户去向预测的问题。主要研究工作有如下几个方面:(1)依据离网客户的通话数据及客户的基本信息数据(如:性别、年龄、所购套餐等),分析本网客户、异网客户的通话数据属性,抽取最能代表客户的多个属性。根据抽取的客户属性,提出客户间亲密度的计算方法,即组合通用频率和通用时长频率得到亲密度。根据通话双方的有效通话行为,建立初始交往圈。清除客户初始交往圈中存在的公共号码、陌生号码后,构建稳定的客户交往圈,作为后续客户相似度计算的数据基础。(2)基于离网客户的有效交往圈,本文提出一种快速定位相似异网客户的方法。实验结果表明该方法不仅可以加快查找相似异网客户,而且能够覆盖85%的相似异网客户。本文采用向量夹角余弦法和皮尔逊相关系数法预测离网客户去向,皮尔逊相关系数弥补了向量夹角余弦法的维度缺失问题。在重入网客户通话数据集上进行实验,结果表明向量夹角余弦法的准确率达到45%,皮尔逊相关系数法准确率达到85%。(3)以二维表的方式存储客户交往圈,查找相似异网客户效率较低,涉及到多个表之间的切换,算法实现复杂度高。本文应用Neo4j图数据库提高关系查找的效率。经实验证实,Neo4j图数据库能够快速定位指定的关系,较二维表的关系查找速度提高5倍。在异网对强制离网客户进行去向预测,结果表明,向量夹角余弦法的准确率为51.2%,皮尔逊相关系数法的准确率为85.9%。
简悦[8](2021)在《基于双重半径顾客行为规则的竞争设施选址问题研究》文中认为
杜龙博[9](2021)在《数据挖掘技术在移动业务发展质量诊断中的应用研究》文中认为在面对新一代移动互联网的浪潮,以智能手机的广泛应用为标志的移动互联网时代的来临,正在改变我们的生活方式。目前三大运营商的市场竞争越来越激烈,移动通信加剧了市场竞争的残酷性,使用户不断改变他们的网络,这也加剧了运营商客户的流失。因此,电信迫切需要一种能够对海量移动数据进行挖掘分析的技术为电信的经营决策提供帮助并助力企业的发展。发展质量诊断是企业获利的重要保证,也是企业竞争取胜的关键,通过建立大数据宽表集合,完善业务数据储备,创建一种全新的数据分析处理方式,实现端到端的数据分析与诊断过程,数据分析全流程可视化、可控、可逆,为辅助管理层决策提供更为全面、深入、可靠的分析依据。数据分析引入模型化工具和建模理念,扩展分析的深度和广度,为企业今后实现差异化发展提供核心竞争力。论文对数据挖掘在移动业务发展质量诊断中的应用进行了总结分析,采用关联规则与决策树的两种主要数据挖掘技术,基于SPSS Clementine数据挖掘工具等设计和实现了一个移动业务诊断分析系统。论文的主要工作如下:(1)从移动业务发展质量诊断系统的需求进行分析,对移动数据库数据进行数据清洗、整理,运用数据挖掘方法精确找到移动用户质量特征,并落实到系统监控环节的TOP评价指标。(2)移动发展质量诊断系统通过宽表设计、数据准备、样本选取、数据验证来进行系统的流程设计,并通过不同数据样本的分析期、离网口径、付费方式以及通过因子分析来筛选建模输入变量,最后通过使用C5.0决策树与二项逻辑回归进行建模对比,结果表明使用C5.0决策树进行数据挖掘可以得到稳定的离网预测模型。(3)设计和实现了一个移动业务发展质量诊断分析系统,该系统主要包括三部分:数据输入、诊断模型、输出诊断报告及问题清单。该系统可以对移动业务发展质量诊断可视化、可控、可逆,为针对性营销及差异化发展提供了有力保障。
刘振[10](2020)在《浙江敏能公司采购管理优化研究》文中研究说明采购管理作为供应链上的关键一环,在企业运营中起着重要作用。然而,传统意义上的采购管理方式所呈现的滞后性,已经无法满足新时期企业高速发展的需求,因此必须对采购管理进行优化升级。随着市场竞争的加剧,企业对采购管理愈加重视,为企业采购管理的优化研究奠定了基础。采购作为连接供应商和本企业的纽带,在满足本企业供应需求的前提下,还要达到采购总成本最低的目标。企业对采购管理的优化,可以为降低采购成本,提升产品质量起到重要的保障,进而为提高企业竞争力奠定坚实基础。本文首先综述了采购管理国内外研究现状,论述了采购管理理论、供应定位模型理论、成本控制理论、战略管理理论、供应商感知模型理论等相关理论基础。随后介绍了浙江敏能公司的企业概况及采购管理现状,通过问卷调查分析了该公司在采购管理过程中存在的问题,包括物料供应不及时,供应商配合度低,价格合理性评估难,采购频率不确定,产品质量评估难,并且针对这些问题进行了原因分析,归纳出采购品类未进行分类管理,采购流程冗长等原因,为采购管理优化提供了依据。针对采购管理中存在的问题提出了优化方案,运用供应定位模型将各品类物料划分为关键、瓶颈、杠杆、常规品项,同时结合供应商感知模型针对不同品项采取与之相匹配的采购策略进行优化,比如对关键品项采用战略合作伙伴关系和后向一体化策略;对瓶颈品项采用反向营销和国产化策略;对杠杆品项采用竞价谈判和邀请招标策略;对常规品项采用流程重组和资源整合策略,从而实现采购管理优化的目的。最后明确了顺利实施的保障条件,包括领导保障、制度保障、文化保障和人才保障,通过这些保障条件使采购管理优化策略能有效地落地实施,从而促进企业采购管理的专业化和综合实力的提升,同时希望对同行业采购管理提供借鉴和参考。
二、用距离决定谁为客户服务(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用距离决定谁为客户服务(论文提纲范文)
(1)生鲜农产品冷链物流配送中心选址研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景 |
1.2 国内外研究现状 |
1.2.1 关于生鲜农产品冷链物流的研究现状 |
1.2.2 关于配送中心选址问题的研究现状 |
1.2.3 国内外研究现状评述 |
1.3 研究内容与研究意义 |
1.3.1 研究内容 |
1.3.2 研究意义 |
1.4 研究方法与技术路线 |
1.4.1 研究方法 |
1.4.2 技术路线 |
2 相关理论基础 |
2.1 生鲜农产品冷链物流概述 |
2.1.1 生鲜农产品的范围和特点 |
2.1.2 生鲜农产品冷链物流的概念和模式 |
2.2 配送中心概述 |
2.2.1 配送中心的概念与流程 |
2.2.2 配送中心的功能 |
2.2.3 配送中心的分类 |
2.2.4 生鲜农产品冷链物流配送中心的特殊性 |
2.3 配送中心选址的常用方法 |
2.3.1 定性评价分析方法 |
2.3.2 定量建模分析方法 |
3 生鲜农产品冷链物流配送中心选址模型构建与求解 |
3.1 生鲜农产品冷链物流配送中心选址概述 |
3.1.1 选址目标 |
3.1.2 选址原则 |
3.1.3 选址程序 |
3.2 生鲜农产品需求量预测理论 |
3.2.1 需求预测概述 |
3.2.2 灰色系统预测方法 |
3.3 生鲜农产品冷链物流配送中心选址模型构建 |
3.3.1 问题描述与基本思路 |
3.3.2 模型假设与符号说明 |
3.3.3 选址模型构建 |
3.4 选址模型求解 |
4 实例分析-以太原市H连锁超市为例 |
4.1 H连锁超市概况 |
4.1.1 H连锁超市集团简介 |
4.1.2 太原市H连锁超市发展规划 |
4.2 太原市H连锁超市生鲜农产品市场供需分析 |
4.2.1 生产基地现状及供应分析 |
4.2.2 门店现状及需求预测 |
4.3 备选点的确定 |
4.4 选址模型应用及求解 |
4.4.1 相关数据准备 |
4.4.2 选址模型应用 |
4.4.3 求解结果及分析 |
4.5 参数灵敏度分析 |
4.5.1 新鲜度损失率θ的灵敏度分析 |
4.5.2 折扣系数l的灵敏度分析 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读硕士期间发表的论文及所取得的研究成果 |
致谢 |
(2)基于Cesium的大规模三维场景瓦片构建与可视化(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景以及意义 |
1.2 国内外研究现状 |
1.2.1 三维瓦片构建技术研究现状 |
1.2.2 Cesium可视化技术研究现状 |
1.3 研究目标与研究内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 文章结构 |
第2章 Cesium框架与3D Tiles数据规范 |
2.1 Cesium框架 |
2.2 glTF模型格式 |
2.3 3DTiles数据格式 |
2.3.1 瓦片集数据 |
2.3.2 瓦片数据 |
2.4 本章小结 |
第3章 基于八叉树的三维瓦片构建技术 |
3.1 三维场景分割 |
3.1.1 模型场景分割 |
3.1.2 带约束条件的三角形折叠算法 |
3.1.3 点云场景分割 |
3.1.4 基于曲率的泊松碟采样 |
3.1.5 多细节层次表达 |
3.2 三维瓦片构建 |
3.2.1 瓦片数据生成 |
3.2.2 调度文件组织 |
3.2.3 3D Tiles生成 |
3.3 本章小结 |
第4章 海量三维空间数据可视化技术 |
4.1 场景裁剪技术 |
4.2 LOD调度策略 |
4.3 海量数据的加载调度 |
4.4 本章小结 |
第5章 可视化平台设计与实现 |
5.1 平台架构设计 |
5.2 可视化需求分析 |
5.3 主要功能模块设计与实现 |
5.3.1 地图显示模块 |
5.3.2 数据可视化模块 |
5.3.3 数据分析功能模块 |
5.4 系统测试结果 |
5.4.1 地图功能测试 |
5.4.2 数据可视化测试 |
5.4.3 数据分析功能测试 |
5.5 工程应用 |
5.5.1 晋祠博物馆数字化平台 |
5.5.2 遵义会议纪念馆文物数字化展示系统 |
5.5.3 地质博物馆数字化系统 |
5.6 本章小结 |
第6章 总结与展望 |
参考文献 |
附录 |
致谢 |
(3)L公司车辆路径优化与车程分配问题研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 现实意义 |
1.3 国内外研究综述 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 研究述评 |
1.4 研究内容与研究方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.5 论文结构 |
第2章 相关概念与理论 |
2.1 车辆路径问题 |
2.1.1 概念 |
2.1.2 类型 |
2.1.3 构成要素 |
2.2 车辆路径问题求解算法 |
2.2.1 求解算法的类型 |
2.2.2 遗传算法 |
2.2.3 模拟退火算法 |
2.2.4 非支配排序遗传算法 |
2.3 本章小结 |
第3章 L公司配送现状与问题分析 |
3.1 公司介绍 |
3.2 公司配送流程分析 |
3.2.1 常规订单配送流程 |
3.2.2 紧急订单配送流程 |
3.3 客户订单与配送方案分析 |
3.3.1 客户订单 |
3.3.2 配送方案 |
3.3.3 急单配送方案 |
3.3.4 配送方案分析 |
3.4 存在的问题 |
3.4.1 路线安排不合理 |
3.4.2 车辆装载不合理 |
3.4.3 配送仓库下属车辆行驶时间不均衡 |
3.4.4 紧急订单处理不合理 |
3.5 本章小结 |
第4章 L公司车辆路径优化与车程分配问题建模 |
4.1 问题描述与求解思路 |
4.1.1 问题描述 |
4.1.2 问题假设 |
4.1.3 建模思路 |
4.2 车程求解模型 |
4.2.1 集合与参数 |
4.2.2 决策变量 |
4.2.3 车程求解模型建立 |
4.2.4 车程求解模型解释 |
4.3 车程分配模型 |
4.3.1 集合与参数 |
4.3.2 决策变量 |
4.3.3 车程分配模型 |
4.3.4 车程分配模型解释 |
4.4 紧急订单优化模型 |
4.4.1 集合与参数 |
4.4.2 决策变量 |
4.4.3 紧急订单优化模型 |
4.4.4 模型解释 |
4.5 本章小结 |
第5章 求解算法设计 |
5.1 车程求解改进混合遗传模拟退火算法设计 |
5.1.1 染色体构造 |
5.1.2 初始种群 |
5.1.3 适应度求解 |
5.1.4 染色体选择 |
5.1.5 染色体交叉 |
5.1.6 染色体变异 |
5.1.7 进化逆转操作 |
5.1.8 Metropolis抽样准则 |
5.1.9 迭代规则 |
5.1.10 算法流程 |
5.1.11 算法有效性验证 |
5.2 车程分配非支配排序遗传算法设计 |
5.2.1 染色体设计 |
5.2.2 适应度求解 |
5.2.3 序值与拥挤距离求解 |
5.2.4 种群合并与裁剪 |
5.2.5 算法流程 |
5.3 急单配送设计 |
5.3.1 急单配送描述 |
5.3.2 方法设计 |
5.4 本章小结 |
第6章 L公司车辆路径优化与车程分配问题实例求解 |
6.1 实例介绍 |
6.2 配送方案优化 |
6.2.1 算法参数设置 |
6.2.2 计算结果 |
6.2.3 方案比较 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
附录 |
攻读学位期间发表的学术成果 |
致谢 |
(4)基于图结构的油气管道数据管理分析系统(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 背景及意义 |
1.2 国内外研究现状 |
1.3 主要研究内容 |
1.4 文章组织结构 |
2 相关技术 |
2.1 B/S架构模式 |
2.2 后端相关技术 |
2.2.1 Java |
2.2.2 SpringBoot |
2.2.3 Elasticsearch |
2.3 前端相关技术 |
2.3.1 Vue框架 |
2.3.2 Echarts |
2.4 知识图谱 |
2.5 Neo4j |
2.6 FastDFS |
2.7 本章小结 |
3 需求分析 |
3.1 系统总体分析 |
3.2 功能性需求分析 |
3.2.1 数据统计分析功能 |
3.2.2 管道数据注入功能 |
3.2.3 关系图谱功能 |
3.2.4 数据检索功能 |
3.2.5 系统用户管理功能 |
3.2.6 系统监管功能 |
3.3 非功能性需求 |
3.3.1 可视化需求 |
3.3.2 安全性需求 |
3.3.3 可维护性需求 |
3.3.4 兼容性需求 |
3.4 本章小结 |
4 系统设计 |
4.1 总体设计 |
4.2 系统模块设计 |
4.2.1 数据统计分析模块 |
4.2.2 管道数据注入模块 |
4.2.3 关系图谱模块 |
4.2.4 数据检索模块 |
4.2.5 系统用户管理模块 |
4.2.6 系统监管模块 |
4.3 系统安全设计 |
4.3.1 外部攻击拦截 |
4.3.2 访问权限控制 |
4.4 数据库设计 |
4.4.1 概要设计 |
4.4.2 数据库详细设计 |
4.5 本章小结 |
5 主要算法设计 |
5.1 基于混合指纹的图像搜索算法设计 |
5.1.1 图像哈希算法研究 |
5.1.2 混合指纹相似度比较法 |
5.1.3 算法比较与评估 |
5.2 基于知识表示学习的风险评估设计 |
5.2.1 风险事件知识图谱建立 |
5.2.2 En-TransE转移模型 |
5.2.3 链接预测实践与测试结果 |
6 系统实现与测试 |
6.1 系统开发结构 |
6.1.1 系统开发环境 |
6.1.2 开发结构划分 |
6.2 系统各模块实现 |
6.2.1 数据统计分析模块 |
6.2.2 管道数据注入模块 |
6.2.3 关系图谱模块 |
6.2.4 数据检索模块 |
6.2.5 用户管理模块 |
6.2.6 系统监管模块 |
6.3 系统测试 |
6.3.1 功能测试 |
6.3.2 安全性测试 |
6.4 本章小结 |
结论 |
参考文献 |
致谢 |
(5)考虑客户满意度的J公司配送线路优化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究综述 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 文献评述及问题提出 |
1.3 研究的主要内容 |
1.4 研究方法和技术路线 |
1.4.1 研究方法 |
1.4.2 技术路线 |
1.5 研究的创新点 |
第二章 相关基础理论和方法 |
2.1 配送中心的概述 |
2.2 客户满意度理论 |
2.3 车辆路径的基本理论 |
2.3.1 车辆路径问题含义与影响因素 |
2.3.2 车辆路径问题的分类 |
2.3.3 车辆路径问题的算法比较 |
2.4 涉及方法理论 |
2.4.1 K-means聚类算法 |
2.4.2 改进的粒子群算法 |
第三章 J公司济南配送中心配送线路方案现状及存在问题 |
3.1 企业概况 |
3.2 J公司济南配送中心配送业务 |
3.2.1 J公司济南配送中心现状 |
3.2.2 J公司济南配送中心配送业务范围和网络布局 |
3.3 J公司济南配送中心车辆配送线路存在的问题 |
3.3.1 J公司济南配送中心存在的问题 |
3.3.2 J公司末端配送存在的问题 |
3.4 本章小结 |
第四章 考虑客户满意度的配送线路优化模型 |
4.1 客户满意度测度设计 |
4.1.1 客户满意度指标与权重的确定 |
4.1.2 客户重要性测度公式 |
4.1.3 时间满意度函数 |
4.2 基于客户满意度的配送线路问题建模 |
4.2.1 基本假设与符号说明 |
4.2.2 模型构建 |
4.3 基于K-means聚类算法的配送区域划分 |
4.3.1 配送区域划分 |
4.3.2 客户点配送区域划分实现步骤 |
4.4 基于BF-PSO算法的配送线路模型优化算法设计 |
4.5 本章小结 |
第五章 J公司济南配送中心配送线路优化分析 |
5.1 实证概述 |
5.2 模型求解 |
5.2.1 确定满意度函数权重系数 |
5.2.2 运用K-means聚类算法划分配送区域 |
5.2.3 选择配送方案与求解最优路径 |
5.3 优化结果分析与总结 |
5.4 本章小结 |
第六章 J公司济南配送中心优化建议与措施 |
6.1 宏观层面 |
6.2 微观层面 |
6.2.1 优化物流配送系统,提升配送服务信息化水平 |
6.2.2 采用先进性自动化的配送设备,提升标准化作业流程 |
6.2.3 加强对配送人员的培训,提升客户满意度 |
6.2.4 整合物流配送资源,推动配送线路科学规划 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
附录 |
(6)“车辆-无人机”串联模式下的应急物资配送路线问题研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及目的 |
1.2 国内外研究现状 |
1.2.1 应急物流的相关研究 |
1.2.2 车辆-无人机路线问题的相关研究 |
1.2.3 研究现状综述 |
1.3 研究意义 |
1.4 研究内容 |
1.5 技术路线 |
第二章 应急物流相关理论 |
2.1 应急物流概述 |
2.1.1 应急物流的概念 |
2.1.2 应急物流的特点 |
2.2 多指标ABC分类法 |
2.2.1 应急物资的概念及种类 |
2.2.2 多指标分类模型 |
2.2.3 应急物流的研究内容 |
2.2.4 分类指标确定 |
2.2.5 应急物资分类 |
2.2.6 应急物资配送路线问题的优化目标 |
2.3 车辆路径问题基本理论 |
2.3.1 车辆路径问题概念 |
2.3.2 车辆路径问题的基本模型 |
2.3.3 车辆路径问题的求解算法分类 |
2.4 本章小节 |
第三章 串联式“车辆-无人机”联合配送应急物资路线问题模型构建 |
3.1 “车辆-无人机”联合配送模式分析 |
3.1.1 “车辆-无人机”并联模式 |
3.1.2 “车辆-无人机”串联模式 |
3.1.3 “车辆-无人机”串联模式下无人机配送方式分析 |
3.2 串联式“车辆-无人机”联合配送应急物资路线问题描述 |
3.3 HV-DRP模型构建 |
3.3.1 模型假设 |
3.3.2 变量和符号说明 |
3.3.3 数学模型 |
3.4 模型测试 |
3.4.1 数据来源 |
3.4.2 实验结果 |
3.5 本章小节 |
第四章 串联式“车辆-无人机”联合配送应急物资路线问题的单亲遗传算法设计 |
4.1 单亲遗传算法概述 |
4.1.1 单亲遗传算法的基本流程 |
4.1.2 单亲遗传算法的基本概念和操作 |
4.1.3 单亲遗传算法的主要特征 |
4.2 单亲遗传算法在HV-DRP问题上的设计 |
4.2.1 编码与解码 |
4.2.2 初始种群的生成 |
4.2.3 适应度函数 |
4.2.4 单亲遗传算子 |
4.2.5 算法终止条件 |
4.3 本章小结 |
第五章 算例分析 |
5.1 算例简介 |
5.1.1 运行环境 |
5.1.2 数据来源 |
5.2 算例结果 |
5.2.1 小规模算例结果 |
5.2.2 中规模算例结果 |
5.2.3 大规模算例结果 |
5.3 数值实验结果分析 |
5.3.1 母舰系统与纯车辆系统的比较 |
5.3.2 参数敏感性分析 |
5.4 本章小结 |
结论与展望 |
参考文献 |
附录 |
攻读学位期间取得的研究成果 |
致谢 |
(7)运营商离网客户去向预测的研究与应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 项目背景及意义 |
1.2 研究现状 |
1.3 项目内容 |
1.4 论文组织结构 |
2 项目基础 |
2.1 问题来源 |
2.1.1 客户离网概述 |
2.1.2 客户离网去向概述 |
2.2 相关定义 |
2.3 理论基础 |
2.4 总结 |
3 数据分析及预处理 |
3.1 数据概述 |
3.2 数据基本分析 |
3.2.1 本网客户数据分析 |
3.2.2 异网客户数据分析 |
3.2.3 本网客户数据与异网客户数据的联系与区别 |
3.3 数据选取 |
3.4 构建客户交往圈 |
3.4.1 客户间亲密度的确定 |
3.4.2 客户交往圈的确定 |
3.4.3 异常客户的过滤规则 |
3.4.4 构建稳定的客户交往圈 |
3.5 总结 |
4 基于关系模型的客户去向预测 |
4.1 研究动机 |
4.2 构建过程 |
4.2.1 预测类型 |
4.2.2 主动离网客户预测过程 |
4.2.3 强制离网客户预测过程 |
4.2.4 主动离网与强制离网的区别 |
4.3 向量夹角余弦法 |
4.3.1 方法说明 |
4.3.2 实验设计 |
4.3.3 评价指标 |
4.3.4 实验结果与分析 |
4.4 皮尔逊相关系数法 |
4.4.1 方法说明 |
4.4.2 实验设计 |
4.4.3 实验结果与分析 |
4.5 总结 |
5 基于图模型的客户去向预测 |
5.1 研究动机 |
5.2 硬件配置 |
5.3 数据处理 |
5.4 优化过程 |
5.5 效果对比 |
5.5.1 主动离网客户 |
5.5.2 强制离网客户 |
5.6 离网客户去向异网的预测结果 |
5.6.1 预测过程 |
5.6.2 强制离网客户去向异网的预测结果及分析 |
5.7 总结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间取得的科研成果清单 |
(9)数据挖掘技术在移动业务发展质量诊断中的应用研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 数据挖掘的国内外研究现状 |
1.3 移动业务发展质量诊断技术的发展现状 |
1.4 本文主要工作及结构安排 |
第二章 数据挖掘技术 |
2.1 数据挖掘技术 |
2.1.1 数据挖掘概述 |
2.1.2 数据挖掘的对象和功能 |
2.1.3 数据挖掘的方法 |
2.2 基于关联规则的数据挖掘技术 |
2.2.1 关联规则的概念 |
2.2.2 关联规则的分类 |
2.2.3 Apriori算法 |
2.3 基于决策树的数据挖掘技术 |
2.3.1 决策树的概念 |
2.3.2 决策树的生长与剪枝 |
2.3.3 决策树C5.0 原理 |
2.4 SPSS Clementine数据挖掘软件工具 |
2.4.1 SPSS Clementine的介绍 |
2.4.2 SPSS Clementine的操作方法 |
第三章 移动业务发展质量诊断系统的需求分析 |
3.1 移动业务发展质量诊断概述 |
3.2 移动业务发展质量诊断的需求 |
3.2.1 移动业务发展质量诊断业务需求描述 |
3.2.2 移动业务发展质量诊断的功能需求 |
3.2.3 相关术语解释 |
3.3 数据库需求分析 |
第四章 移动业务发展质量诊断系统的设计和实现 |
4.1 移动业务发展质量诊断系统流程设计 |
4.1.1 宽表设计 |
4.1.2 数据准备 |
4.1.3 数据样本选取 |
4.1.4 宽表结构 |
4.1.5 数据验证 |
4.1.6 系统建设流程 |
4.2 基于SPSS Clementine的移动业务发展质量诊断模型 |
4.2.1 移动业务发展质量诊断模型的离线分析 |
4.2.2 移动业务发展质量诊断模型的在线设计 |
4.3 移动业务发展质量诊断系统的实现 |
4.3.1 系统主菜单设计 |
4.3.2 运营监控模块 |
4.3.3 运营诊断模块 |
4.3.4 参数配置模块 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
(10)浙江敏能公司采购管理优化研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 国内外相关研究综述 |
1.3.1 国外相关研究 |
1.3.2 国内相关研究 |
1.4 研究内容 |
1.5 研究方法及技术路线图 |
第2章 研究理论基础 |
2.1 采购管理理论 |
2.2 供应定位模型理论 |
2.3 成本控制理论 |
2.4 战略管理理论 |
第3章 浙江敏能公司采购管理现状及存在的问题 |
3.1 企业概况 |
3.1.1 公司简介 |
3.1.2 组织架构概况 |
3.2 采购管理现状 |
3.2.1 采购管理制度 |
3.2.2 采购管理流程 |
3.2.3 采购管理方法 |
3.3 对敏能公司采购管理现状的调查 |
3.3.1 问卷调查设计与实施 |
3.3.2 问卷调查结果分析 |
3.4 存在的问题及原因分析 |
3.4.1 存在的问题 |
3.4.2 存在问题的原因分析 |
第4章 浙江敏能公司采购管理优化策略与方法 |
4.1 优化的指导思想与原则 |
4.1.1 指导思想 |
4.1.2 基本原则 |
4.2 关键品项采购优化策略 |
4.2.1 战略合作伙伴关系 |
4.2.2 后向一体化 |
4.3 瓶颈品项采购优化策略 |
4.3.1 反向营销 |
4.3.2 国产化 |
4.4 杠杆品项采购优化策略 |
4.4.1 竞价谈判 |
4.4.2 邀请招标 |
4.5 常规品项采购优化策略 |
4.5.1 流程重组 |
4.5.2 资源整合 |
4.6 采购管理优化方法 |
4.6.1 供应定位模型法 |
4.6.2 供应商感知模型法 |
第5章 采购管理优化的保障条件 |
5.1 领导保障 |
5.2 制度保障 |
5.3 文化保障 |
5.4 人才保障 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
主要参考文献 |
致谢 |
附录 A 敏能公司采购管理调查问卷 |
四、用距离决定谁为客户服务(论文参考文献)
- [1]生鲜农产品冷链物流配送中心选址研究[D]. 李晶晶. 中北大学, 2021(09)
- [2]基于Cesium的大规模三维场景瓦片构建与可视化[D]. 孟天杭. 北京建筑大学, 2021(01)
- [3]L公司车辆路径优化与车程分配问题研究[D]. 高钊. 山东财经大学, 2021(12)
- [4]基于图结构的油气管道数据管理分析系统[D]. 杨春晖. 大连理工大学, 2021(01)
- [5]考虑客户满意度的J公司配送线路优化研究[D]. 丁玉娇. 济南大学, 2021
- [6]“车辆-无人机”串联模式下的应急物资配送路线问题研究[D]. 梁一为. 长安大学, 2021
- [7]运营商离网客户去向预测的研究与应用[D]. 王亚博. 河北师范大学, 2021(09)
- [8]基于双重半径顾客行为规则的竞争设施选址问题研究[D]. 简悦. 杭州电子科技大学, 2021
- [9]数据挖掘技术在移动业务发展质量诊断中的应用研究[D]. 杜龙博. 合肥工业大学, 2021
- [10]浙江敏能公司采购管理优化研究[D]. 刘振. 兰州理工大学, 2020(03)