《智慧物流与供应链》课件-项目五 支撑智慧物流与供应链的关键技术-计算技术

智慧物流与供应链项目五支撑智慧物流与供应链的关键技术-计算技术CONTENTS目录123教学目标课程导入知识点讲解45总结课后作业教学目标PART11教学目标1.11.21.3知识目标技能目标素养目标1.1知识目标01.02.智能算法、云计算的概念（重点）大数据的概念与特点（难点）1.2技能目标01.02.认识传统优化方法与智能优化算法的区别能够认知云计算与大数据技术的实际应用1.3素养目标1.3.11.3.2培养爱护设备设施、自觉维护工作场所设备设施意识培养热爱科技、尊重科技、珍惜科技意识1.3.1培养爱护设备设施、自觉维护工作场所设备设施意识

计算技术所依赖的硬件设备是实现智慧物流与供应链高效运作的基础。学生要理解设备的精密性和重要性，在日常工作中轻拿轻放，严格按照操作规程使用。定期对设备进行清洁和检查，发现小问题及时处理，遇到自己无法解决的故障及时上报，确保设备始终处于良好运行状态，延长设备的使用寿命，降低企业运营成本。1.3.2培养热爱科技、尊重科技、珍惜科技意识

学生要深刻领悟到科技在行业发展中的核心作用。计算技术的不断创新推动着智慧物流与供应链的进步，学生应当对其抱有敬畏之心和热爱之情。尊重每一项科技成果背后科研人员的努力和付出，珍惜现有科技带来的便利和效率提升。积极主动地探索新技术，将科技的力量充分运用到实际工作中，为行业的发展贡献自己的力量。课程导入PART22课程导入进入智慧物流与智慧供应链时代，关键是计算技术？加拿大阿尔伯塔大学计算机科学教授RichardS.Sutton被称为是“强化学习的教父”，是DeepMind的杰出研究科学家。2019年他发表一篇文章《苦涩的教训》，指出人工智能在多年的发展中所走的弯路是没有很好地利用计算能力，认为人工智能中的搜索和算法是智能与智慧技术水平的长期提升动力。IBM开发基于RS6000的超级计算机“深蓝”，其中输入了100年以来所有国际象棋特级大师的开局、残局的下法，2017年击败世界冠军卡斯帕罗夫的方法，就是基于计算机强大的存储能力、快速深度的搜索与匹配计算技术。

在物流与供应链领域中，每天都会产生大量的交易与业务数据，如我国的淘宝网新增的交易数量每天超过10TB，Amazon在其电子商务平台上每秒处理订单超过70个，而eBay的数据处理和分析能力是每天100PB。依据国际数据公司IDC的推断，全世界数据量每18个月就会翻一番。而伴随着这么大数据量的商业订单交易过程，商品、货物等会通过遍布全国、甚至全球的物流系统网络或者供应链信息集成系统，来控制与协调其中的各种各样物流活动，如仓储进出、分拣与装载等调度、运输多资源多式联运的衔接、车辆配送路径问题优化等问题。因为网络规模大、资源协调因素多、环境复杂多变，故常常属于NP-hard问题，为了求解智慧物流与智慧供应链中的这些问题，智能优化技术与算法在其中发挥了巨大的作用。知识点讲解PART33知识点讲解3.13.23.3智能优化算法及其在物流供应链中的应用云计算及其在智慧物流与供应链中的应用大数据技术及其在智慧物流与供应链中的应用3.1智能优化算法及其在物流供应链中的应用3.1.1传统优化方法与智能优化算法及其区别传统优化方法与智能优化算法的区别智能算法的主要特点3.1.2智能优化方法简介遗传算法模拟退火算法禁忌搜索算法蚁群算法免疫算法3.1.3智能算法在物流与供应链中的应用车辆路径问题物流配送中心选址问题汽车零配件供应链中的循环取货问题3.1.1传统优化方法与智能优化算法及其区别——传统优化方法与智能优化算法的区别（重点）01传统优化方法

一般针对结构化问题，有较为明确的问题和条件描述；大多属于凸优化范畴，有唯一明确的全局最优点；一般是确定性算法，有固定的结构和参数，计算复杂度和收敛性可做理论分析。02智能优化算法

一般针对较为普适的问题描述，缺乏问题的结构性信息；绝大多数属于多极值问题，旨在防止陷入局部最优，尽可能找到全局最优；属于启发性算法范畴，收敛速度较慢，计算复杂度较高。3.1.1传统优化方法与智能优化算法及其区别——智能算法的主要特点010203040506

是一类不确定的优化算法。不确定性体现了自然界生物的生理机制，并且在求解某些问题时优于确定性算法。

在复杂的、不确定的、时变的物流与供应链的问题环境中，能通过自我学习不断提高个体的适应性。

搜索过程同时从多点出发，分布式并行计算模式极大地提高了整个算法的运行效率、鲁棒性和反应能力，具有很好的学习能力。

是一类概率型的全局搜索算法。随着搜索优化过程的不断推进，找到优质解的概率大于得到劣质解的概率，能以更大概率求得全局最优解。在优化过程中，不依赖于优化问题本身的某些数学特性。如目标函数和约束条件的精确数学描述、目标函数的连续性及可导性等。是一类基于多个智能体的算法。各个智能体之间通过相互协作来更好适应环境，以获取所需性能，具有潜在的并行性。3.1.21.遗传算法（GA）遗传算法对于组合优化中的NP-hard问题非常有效，已经在求解旅行商问题、背包问题、装箱问题、物流配送中心选址、物流配送等方面得到了成功应用。智能优化方法简介——遗传算法3.1.22.模拟退火算法（SAA）模拟退火算法也被经常用于求解车辆路径优化、物流整车运输、物流网络优化等问题。模拟退火算法是一种通用的优化算法，是局部搜索算法的扩展。它与局部搜索算法的不同之处在于以一定的概率选择邻域中目标值大的状态。智能优化方法简介——模拟退火算法3.1.23.禁忌搜索算法（TS）禁忌搜索算法的主要特点是在搜索过程中可以接受劣解，因此具有较强的“爬山”能力；同时，新解不是在当前解的邻域中随机产生，而或是优于“bestsofar”的解，或是非禁忌的最佳解，因此选取优良解的概率远远大于其他解。智能优化方法简介——禁忌搜索算法3.1.24.蚁群算法（ACO）现代物流系统中蚁群算法的应用主要集中在物流配送路径优化问题中,通过应用蚁群算法可降低物流成本、提高经济效益。智能优化方法简介——蚁群算法3.1.25.免疫算法免疫算法（IA）是模仿生物免疫机制，结合基因的进化机理，人工构造出的一种新型智能搜索算法。相比较于其他算法，免疫算法利用自身产生多样性和维持机制，保证了种群的多样性，克服了一般寻优过程中不可避免的“早熟”问题，可求得全局最优解。智能优化方法简介——免疫算法3.1.3车辆路径问题（VRP）在某个货物的供求物流系统中，有若干个装货节点和多个卸货节点，要求合理安排车辆的行车路线和旅行时间，从而在满足一定约束条件下，如货物需求量、车辆容量、单次最大行驶距离、时间窗限制等，把客户需求的货物从配送中心运送到客户所在地，并实现一定的优化目标，如费用最省、行驶里程最短、所需车辆数最少等。智能算法在物流与供应链中的应用——车辆路径问题3.1.3物流配送中心选址问题配送中心是物流系统中的一个重要节点。配送中心通过集货、拣选、配装和送货等活动可获得规模效应、减少流通环节和上下游的库存等。作为企业物流系统规划或优化的首要问题，配送中心选址的合理与否至关重要。配送中心的选址决策主要是确定配送中心的数量、位置和分配方案。其方法主要有传统的重心法、数学规划法、多准则法等，但随着供应链网络的急剧扩张，全球性、全国性的配送中心的选址问题变得越来越复杂，采用启发式算法进行优化计算成为研究热点。智能算法在物流与供应链中的应用——物流配送中心选址问题3.1.3汽车零配件供应链中的循环取货问题在目前汽车装配厂的前端零配件供应物流中，常采用多频少批、循环取货的物料供应方式。这里的循环取货就是运输卡车依据生产订单安排，从汽车整车装配厂出发，沿着一定的固定路径线路，也就是每次取货的路径路线是相同的，前往此条路线上的所有供应商处依次进行零部件的取货作业，然后再返回汽车总装配厂，就算完成了一次取货的供应过程。因为这种供应循环取货问题考虑因素多，传统优化方法无法处理大规模的这种问题，常会采用智能计算算法，如遗传算法等，来进行所有优化求解。智能算法在物流与供应链中的应用——汽车零配件供应链中的循环取货问题3.2云计算及其在智慧物流与供应链中的应用3.2.1云计算的概念与特点云计算的概念云计算的特征与优势3.2.2云计算的框架结构及其作用云计算的概念模型云计算的分层服务模式云计算的部署模式3.2.3云计算在智慧物流与供应链中的应用云计算在智慧物流中的应用云计算在智慧供应链中的应用3.2.1云计算的概念与特点——云计算的概念（重点）目前为止，业界对云计算的定义已有上百种，尚没有一个统一的定义。云计算行业的领先者如Google、Microsoft等IT厂商及研究机构，依据各自的利益和各自不同的研究视角给出了对云计算的定义和理解。随着云计算的发展，维基百科对云计算的最新定义是：“云计算是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备，使用服务商提供的电脑基建作计算和资源。”概括而言，云计算作为一种独特的IT服务模式，其本质是一种服务提供模型，通过这种模型可以随时、随地、按需地通过网络访问共享资源池里可被动态分配、灵活划分和调整的资源，这个资源池的内容包括计算资源、网络资源、存储资源等。3.2.1云计算的概念与特点——云计算的特征与优势云计算的特征

云计算的五个特征能够快速地将云计算系统同传统计算机系统区分开来，具体包括以下特征：01广泛的网络访问方式02按需自助服务03资源池化04快速可伸缩性05可计量的服务3.2.1云计算的概念与特点——云计算的特征与优势云计算的优势

与传统计算机系统相比，云计算还具有以下优势：010203040506具有大规模并行计算能力高性价比通用性数据量巨大并且增速迅猛虚拟化高可靠性3.2.2云计算的框架结构及其作用——云计算的概念模型云计算包含了多层面含义，业务实现的概念模型可以概括为：用户的公共性设备的多样性商业模式的服务性提供方式的灵活性3.2.2云计算的框架结构及其作用——云计算的分层服务模式

位于最底层的IaaS为用户提供直接访问底层实体或虚拟的计算资源、存储资源和网络资源的服务。IaaS层引用虚拟化技术将服务器等计算平台同存储和网络资源打包，通过API接口的形式提供给用户。用户不需再租用机房、维护服务器和交换机，只需购买IaaS服务就能够获得这些资源。基础架构即服务，也叫IaaS

位于IaaS之上的PaaS为程序开发者提供应用程序部署与管理服务，主要包括并行程序设计和开发环境、结构化海量数据的分布式存储管理系统、海量数据分布式文件系统以及实现云计算的其他系统管理工具。平台即服务，也叫PaaS

位于最上层的SaaS为企业和需要软件应用的用户提供基于互联网的软件应用服务和用户交互接口等。软件即服务，也叫SaaS3.2.2云计算的框架结构及其作用——云计算的部署模式（1）公有云：提供面向社会大众、公共群体的云计算服务。公有云一般规模较大，规模共享经济性较好，对可靠性、安全性的要求较高，但基础架构的组成往往也比较复杂，存在难以保证数据私密性的缺点。（4）混合云：包含上述两种以上云计算类型的混合式云平台。具备更大的灵活性和可扩展性，能够更好地应对需求的快速变化。

（3）社区云：提供面向社团组织内有共同目标、利益的用户群体使用的云计算服务。（2）私有云：提供面向企业或组织内的云计算服务。私有云可较好地解决数据私密性问题，对数据私密性要求特别高的行业或组织，建设私有云将是一个必然的选择。3.2.3云计算在智慧物流与供应链中的应用——云计算在智慧物流中的应用当前，物流企业对智慧物流的需求主要包括物流数据、物流云、物流设备三大领域。云物流服务平台是以云计算和大数据为支撑下的操作平台，它将云物流服务提供端提供的物流资源进行整合，针对云物流服务请求端提出的个性化服务需求在“资源池”中进行检索和匹配，通过信息的配对达成共同意向，建立适合客户的个性化服务解决方案并进行物流云调度，同时在服务过程中对服务质量进行管理和监控，为双方创造不断优化的服务质量和服务价值，降低物流产业链运营成本，提高物流运作效率。3.2.3云计算在智慧物流与供应链中的应用——云计算在智慧供应链中的应用在信息技术助推下，如今的供应链已发展到智慧供应链阶段，逐步实现业务全流程的数字化和网络化。新兴技术在供应链中的渗透日益增强，形成云计算、互联网、物联网、大数据、人工智能、5G网络等在内的智慧供应链技术支撑体系。在云计算模式下，所有的供应链节点通过云计算供应链平台进行连接，使供应链的信息传递方式由线性转变为非线性关系。基于云计算平台强大的运算能力，处理大规模集成的供应链信息，实现跨级的信息实时共享、上下游交易可视化和交易全过程的监控和管理。3.3大数据技术及其在智慧物流与供应链中的应用3.3.1大数据技术的概念与特点大数据技术的概念大数据技术的特点3.3.2大数据的关键技术及其价值大数据预处理技术大数据存储技术大数据分析技术大数据计算技术3.3.3大数据在物流与供应链中的应用在零售端的应用在制造端的应用在供应链系统中的应用3.3.1大数据的概念随着技术的发展而发展，目前对大数据的定义也有多种。维基百科上给出的大数据概念为：大数据又称为巨量资料，指的是传统数据处理应用软件不足以处理它们的、大或复杂的数据集。此外，大数据也可以定义为来自各种来源的大量非结构化和结构化数据。大数据通常包含的数据量超出了传统软件在人们可接受的时间内进行处理的能力。智库百科的定义为：大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据技术是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括了大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网及可扩展的存储系统。大数据技术的概念与特点——大数据技术的概念（难点）3.3.1大数据技术的概念与特点——大数据技术的特点（难点）指的是数据量大，包括采集、存储和计算的量都非常大。（1）Volume（大量）表明数据增长速度快，处理速度也快，时效性要求高。（2）Velocity（高速）说明大数据的种类和来源多样化。（3）Variety（多样）表明大数据的价值密度相对较低。（4）Value（低价值密度）代表大数据技术要保证数据的准确性和可信赖度，即数据的质量。（5）Veracity（真实性）3.3.1阿里对大润发的数字化改造2017年11月20日，阿里集团合计投资224亿港元入主高鑫零售(大润发母公司)，占股36.16%。阿里战略投资大润发并帮助其进行新零售数字化改造，其核心力量源于阿里强大的大数据技术能力，期望为线下零售业的转型和发展提供借鉴参考。在接受阿里投资半年后，大润发已有100家门店完成了新零售数字化改造，实现3公里范围1小时送达，并全面加入天猫618狂欢节。大润发数字化改造的重点内容有:(1)淘鲜达项目落地，大润发门店周围3公里的消费者均可线上下单，1小时内收到商品。(2)借鉴盒马鲜生的模式，在生鲜餐饮和物流配送方面进行升级，缩短了从下单出货到配送的时间。(3)借助大数据技术陈列商品，基于大数据分析将热门商品摆放在醒目位置，通过后台数据查看每日销量以进行每日微调、每周大调，保证商品及时进出。(4)推出智能购物区，大润发率先在上海杨浦店推出“天猫智能母区”以实现货品的跨界升级。智能专区的设立可以帮助后台更好地统计消费数据，以便消费者求，进行精准营销。(5)黑科技的运用。部分大润发门店通过配置天猫云货架、天猫智能试衣魔镜和智能试衣间，打造沉漫式和趣味性的购物场量，为客户带来更佳的购物体验，以吸引更多消费者。大数据技术的概念与特点——案例3.3.2大数据预处理技术包括以下几个方面。（1）数据采集。（2）数据存取。（3）基础架构支持。（4）计算结果展现。大数据的关键技术及其价值——大数据预处理技术3.3.2数据存储技术在应用过程中主要使用的对象是临时文件在加工过程中形成的一种数据流，通过基本信息的查找，依照某种格式，将数据记录和存储在计算机外部存储介质和内部存储介质上。大数据的关键技术及其价值——大数据存储技术3.3.2大数据结构复杂，数据构成中更多的是非结构化数据，单纯靠数据库管理系统对结构化数据进行分析已经不太适用，所以需要技术的创新，这就产生了大数据分析技术，主要包括：数据处理主要采用自然语言处理技术、多媒体内容识别技术、图文转换技术和地理信息技术等来处理各种数据。统计和分析包括应用文本情感分析技术；语义分析技术、A/Btest、topN排行榜、地域占比等技术来实施分析。数据挖掘常采用诸如关联规则分析、分类与聚类分析、智能优化算法等。模型预测诸如各类预测模型、机器学习模型、建模仿真工具及其模式识别技术等。大数据的关键技术及其价值——大数据分析技术3.3.2大数据计算技术可分为批处理计算和流处理计算，批处理计算主要操作大容量、静态的数据集，并在计算过程完成后返回结果，适用于需要计算全部数据后才能完成的计算工作；而流处理计算会对随时进入的数据进行计算，流处理计算无须对整个数据集执行操作，而是对通过传输的每个数据项执行操作，处理结果立刻可用，并会随着新数据的抵达继续更新结果。大数据的关键技术及其