基于bpel的物流服务组合及算法研究

《基于bpel的物流服务组合及算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：TP391密级：公开UDC：620单位代码：10460基于BPEL的物流服务组合及算法研究AlgorithmsResearchofServiceCombinationforLogisticsBasedonBPEL申请人姓名许喆学位类别工学硕士专业名称计算机软件与研究方向服务管理与工程理论导师薛霄职称副教授赵景昆副研究员提交日期2014.04答辩日期2014.06河南理工大学河南理工大学学位论文原创性声明本人郑重声明：所呈交的学位论文：基于BPEL的物流服务组合及算法研究，是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含任何其他个

2、人或集体已经公开发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。本人愿意承担因本学位论文引发的一切相关责任。学位论文作者签名:年月日河南理工大学学位论文使用授权声明本学位论文作者及导师完全了解河南理工大学有关保留、使用学位论文的规定，即：学校有权保留和向有关部门、机构或单位送交论文的复印件和电子版，允许论文被查阅和借阅，允许将本学位论文的全部或部分内容编入有关数据库进行检索和传播，允许采用任何方式公布论文内容，并可以采用影印、缩印、扫描或其他手段保存、汇编、出版本学位论文。保密的学位论文在解密后适用本授权。学位论文作者签名：导师签名：年月

3、日年月日致谢本论文的完成，除了自己的潜心研究和努力外，我得到了老师和同学们许多的关怀和指导。在三年的硕士生活中，我从科研，学习，生活各个方面都受到了他们的热心帮助和支持，在这里我向他们表示最诚挚的谢意。首先，我要感谢的是我的导师薛霄老师。从课题的选择，展开和钻研方面都对我进行了孜孜不倦的引导。老师从我论文的前期整理、文章结构的规划到科研内容的描述都给出了指导性的意见和实用的方法。老师教会我严谨的科研态度，踏实的求学精神和不怕困难的处事态度。薛老师平时对学生认真负责，严格要求。对学生的学习进度都有很好的把握，针对每个学生给出指导和鼓励。薛老师的科研态度深深感染我们，他学识渊博，学术思想深远

4、，理论体系完整。学术方面，他一字一句都认真对待，力求精益求精。生活方面对学生关心负责。三年的硕士生活中，薛老师对学术认真负责，对学生关心爱护的崇高品德深深的感染着我，为我以后的生活树立了榜样。在此，我对老师致以最真挚的感谢，感谢老师对我的指导和培养，祝愿老师身体健康，一切顺利。我要感谢我的合作导师，中国科学院国家天文台的赵景昆老师。他对我的论文给出了很多重要的指导。其次，我要感谢陪我一起度过学习生活的实验室的同学们，我们互相讨论，共同学习。感谢实验室的安吉宇老师、刘志忠老师，他们在日常的学习中给我提供了很多指导和帮助。帮助我解决了很多困难和疑惑。感谢负责我们研究生工作的王辉、张霄红、毋东

5、老师，他们工作认真负责，关心同学，让我们感到集体的温暖。为我们创造了一个良好的科研学习环境和学术氛围。结束硕士阶段的学习后，我度过了近二十年的学习生活。一直以来给我无尽动力，鼓励我追求自己梦想的是我的父母。他们无私奉献，用自己的汗水和心血培养了我，我能取得进步是他们给了我最大的支持。最后，我要感谢各位专家、领导、教授。感谢你们百忙之中抽出时间来进行论文评阅和听取答辩。在以后的工作、科研和生活中，我会以严谨的求学态度不断努力，取得进步来回报我的老师，同学和家人。谢谢你们。摘要随着信息技术和电子商务的迅速发展，人们对物流的需求日益增加，要求获得更灵活、快捷、合理的物流服务。然而，我国的物流企

6、业各自为战、功能单一，各公司优势无法结合。现代物流技术通过采用信息技术来提高整体物流效率，增加物流灵活性。企业协同物流是现代物流的一种重要运行模式，通过互联网来协调企业间的物流合作。企业协同物流中有两个关键问题需要解决：物流服务评价和物流服务组合。物流服务评价是了解服务特点和针对用户需求选择服务的前提，而物流服务组合则是按照用户需求来提供“一站式”的物流服务，能够极大的提高用户的使用感受和物流效率。基于此，本文针对现代物流的特点，主要研究企业协同物流服务的评价、组合和实现的方案。主要工作如下：(1)物流服务评价方面，本文分析了现代物流的特点、发展过程、发展趋势以及WebService技术

7、，设计了物流服务指标的计算公式、基于QoS的物流服务计算模型和最优服务的计算公式，用以评价物流服务的优劣。针对物流指标权重的设定问题，设计了用户偏好权重计算模型。专家标准权重与用户主观权重的结合，既保证了指标权重的客观科学性又保证了用户的主观个性。(2)物流服务组合方面，对标准粒子群算法进行改进，将其与现代物流特点相结合。设计算法的适应值函数、初始位置设定方法、粒子更新方法。主要解决了两个方面的问题：在各个节点的服务侯选集中快速选取