目 录
第一章 绪论 1
1.1 研究目的和意义 1
1. 2论文构架 1
第二章 物联网基本概念 1
2.1 物联网的概念 1
2.2 物联网的开展步骤 3
2.3 物联网的实际应用 4
2.4 我国高校对物联网的研究 5
第三章 智慧物流系统的相关理论与关键技术 5
3.1智慧物流系统化的基本概念与实现思路 5
3.1.1 智慧物流系统的概念与特点 5
3.1.2 实现智慧物流系统的基本思路 6
3.2 智慧物流系统的相关理论与关键技术 7
3.2.1 智慧物流系统的相关理论 7
3.2.2 智慧物流中应用到的物联网关键技术 10
结 论 12
参考文献 12
致 谢 13
附 录 13
摘 要：阐明了物联网的基本概念；阐明了物联网与智慧物流的联系；阐明了智慧物流系统实现的基本思路；分析了智慧物流的相关理论；系统分析了智慧物流应用到的物联网关键技术。
关健词：物联网；智慧物流；RFID；关键技术
Intelligent Logistics System Built on the Basis of the Internet of Things
Yang Shuo, College of Mathematics and Computer Science
Abstract：In this paper, the author expounded basic idea of the internet of things, explained the relationship between the internet of things and intelligent logistics, expounded basic idea of realizing intelligent logistics system, analyzed related theory cases of intelligent logistics. Finally, the author analyzed systematically the key technologies of the internet of things applied in the intelligent logistics.
Key words: internet of things(IoT);intelligent logistics; RFID; key technologies
从物联网的兴起到现在的蓬勃发展不过十几年的时间，这个发展过程表明了物联网巨大的研究价值和应用价值。
物流业是最早接触物联网理念的行业，也是在物联网发展中北寄予厚望的一个行业，物联网技术的兴起和发展给予物流行业良好的发展契机。智慧物流是将RFID、传感器、GPS等物联网技术通过信息处理和网络通信技术平台广泛的应用于物流运势、仓储、配送等各个环节，实现自动化运作和高效率管理。物联网给予物流业一个将鼓励技术与系统化运作管理相结合的大好机会，从而能够更好的实现智慧物流的发展目标。
本论文组织结构分为四章，详细论述了物联网的基本概念，智慧物流的基本概念与实现思路，智能物流的相关理论和技术。
第一章是绪论部分：主要描述了研究本课题的目的和意义，简单介绍论文的体系架构。
第二章是物联网的基本概念，智慧物流的基本概念与实现思路：介绍了物联网的基本概念，物联网的开展步骤，物联网的实际应用，我国高校对物联网的研究等内容。
第三章是智慧物流系统的相关理论与关键技术：包括智慧物流系统的相关理论，在智慧物流实现过程中需要应用到的相关物联网技术
第四章是总结：概括说明本论文的情况和价值，分析本论文的特色，指出论文中存在的问题和今后改进的方向。
物联网是新一代计算机技术的重要组成部分。其英文名称是“The Internet of things”。通常对物联网的定义为： “物联网就是物物相连的互联网”，这句话包含了两层意思：第一，物联网是在互联网基础上扩大和拓展的网络；第二，物联网用户端扩大和拓展到了任何物品与物品之间，进行信息交换和通信。因此，物联网的定义是通过射频识别（RFID）技术、红外感应器、全球定位系统、激光扫描器等信息传感设备，按照约定的协议，把所有物品与互联网相连接，进行信息交换和通信，来实现对物品的智能化识别、定位、跟踪、监控和管理的一种网络。物联网目的是实现物与物，物与人，所有的物品与网络的连接。物联网方便了对物品的识别、管理和控制。
从技术架构上来分析，物联网可以分为三个层次：感知层、网络层和应用层。
感知层由各种传感器以及传感器网络构成，包括二氧化碳浓度传感器、温度传感器、湿度传感器、二维码标签、RFID 标签和读写器、摄像头、GPS等感知终端。感知层的作用相当于人的眼耳口鼻和皮肤等神经末梢，它是物联网识别物体，采集信息的来源，它的主要功能是识别物体，采集信息。
网络层由各种私有网络、互联网、有线通信网和无线通信网、网络管理系统和云计算平台等组成，相当于人的大脑，它负责传递和处理感知层获取的信息。
应用层是物联网和用户（包括人、组织和其他系统）的接口，它与行业需求结合，实现物联网的智能应用。
物联网的特性主要体现在其应用领域内，目前在绿色农业的发展、工业的监控、公共安全监控、城市的管理和规划、远程医疗服务、智能家居系统、智能交通系统和环境监测系统等各个方面均有物联网应用的例子，某些行业已经积累了大量成功的案例。
根据物联网的实质用途可以将其归结为三种基本应用模式：
对象的智能标签。通过二维码，RFID等技术标记特定的对象，用来区分对象个体，例如在生活中我们所使用到的各种智能卡；除此之外通过智能标签还可以获得对象物品所包含的延伸信息，例如智能卡上的金钱余额，二维码中所包含的网络地址等。
环境监控和对象跟踪。利用类型多种多样的传感器和分布范围极广的传感器网络，可以实现对某个特定对象的实时状态的取得和其行为的监控，如使用安放在市区的多个噪音探头来监测噪声污染，通过二氧化碳传感器来监控大气中二氧化碳的浓度，通过GPS标签跟踪车辆的位置，通过交通路口的摄像头捕捉即时交通流程等。
对象的智能控制。物联网在云计算平台和智能网络的基础上，可以依据传感器网络所获取的数据来进行决策，改变对象的行为，进行控制和反馈。例如根据外界光线的强弱来调整路灯的亮度，根据车辆的流量实时调整红绿灯间隔等。建设情况物联网在实际应用上的开展需要各行各业的参与，并且需要国家政府的主导以及相关法规政策上的扶助，物联网的实行具有规模性大、参与性广泛、管理性强、技术性高级等等特征，其中，技术上的问题是物联网最为关键的问题。物联网技术是一项综合性的技术，是一项系统，目前国内还没有一家公司可以完全负责物联网的整体规划和建设，基于物联网的理论上的研究已经在各行各业展开，而其实际应用还仅仅局限于行业的内部。关于物联网的设计和开发目前集中于RFID、传感器、嵌入式软件以及传输数据的计算等领域的研究。
一般来讲，物联网的开展步骤主要包括以下几步：
（1）对物体的属性进行标识，属性包括静态属性和动态属性，静态属性可以直接存储在标签中，而动态属性则需要由传感器实时探测；
（2）需要识别设备达到对物体属性的读取的目的，并将信息自动转换为适合网络传输的数据格式；
（3）将物体的信息通过网络传输到信息处理中心（处理中心可以是分布式的，如家里的电脑或者移动电话，也可以是集中式的，如中国移动公司的IDC），由处理中心来完成对物体通信的相关计算。
业内专家认为，物联网一方面可以提升经济效益，大大节约成本；另一方面可以为全世界经济的回温提供技术动力。目前，美国、欧盟等都已投入大量资金深入探究物联网。我国也开始高度关注物联网的研究，工业和信息化部协同有关部门，在新一代的信息技术这一方面正在开展研究，以形成支撑新一代信息技术发展的政策方案。
中国移动总裁王建宙曾经提及，物联网技术将会成为中国移动未来发展的重中之重。他表示将会邀请台湾生产RFID、传感器和条形码的厂商和中国移动合作。运用物联网技术，上海移动已为多个行业客户度身打造了集数据采集、传输、处理和业务管理于一体的整套无线综合应用解决方案。最新数据显示，目前已将超过10万个芯片装载在出租车、公交车上，形式多样的物联网应用在各行各业大显神通，确保城市的有序运作。在世博会期间，“车务通”全面运用于上海公共交通系统，以最先进的技术保障世博园区周边大流量交通的顺畅；面向物流企业运输管理的“e物流”，将为用户提供实时准确的货况信息、车辆跟踪定位、运输路径选择、物流网络设计与优化等服务，大大提升物流企业综合竞争能力。
此外，普及以后，用于动物、植物和机器、物品的传感器与电子标签及配套的接口装置的数量将大大超过手机的数量。物联网的推广将会成为推进经济发展的又一个驱动器，为产业开拓了又一个潜力无穷的发展机会。按照目前对物联网的需求，在近年内就需要按亿计的传感器和电子标签，这将大大推进信息技术元件的生产，同时增加大量的就业机会。
要真正建立一个有效的物联网，有两个重要因素。一是规模性，只有具备了规模，才能使物品的智能发挥作用。二是流动性，物品通常都不是静止的，而是处于运动的状态，必须保持物品在运动状态，甚至高速运动状态下都能随时实现对话。
美国权威咨询机构FORRESTER预测，到2020年，世界上物物互联的业务，跟人与人通信的业务相比，将达到30比1，因此，“物联网”被称为是下一个万亿级的通信业务。
物联网的价值不是一个可传感的网络，而是必须各个行业参与进来进行应用，不同行业，会有不同的应用，也会有各自不同的要求，这些必须根据行业的特点，进行深入的研究和有价值的开发。这些应用开发不能依靠运营商，也不能仅仅依靠所谓物联网企业，因为运营商和技术企业都无法理解行业的要求和这个行业具体的特点。很大程度上，这是非常难的一步，也是需要时间来等待。需要一个物联网的体系基本形成，需要一些应用形成示范，更多的传统行业感受到物联网的价值，这样才能有更多企业看清楚物联网的意义，看清楚物联网有可能带来的商业价值，也会把自己的应用和业务与物联网结合起来。 专家观点2010年6月22日上海开幕的中国国际物联网大会指出：物联网将成为全球信息通信行业的万亿元级新兴产业。到2020年之前，全球接入物联网的终端将达到500亿个。我国作为全球互联网大国，未来将围绕物联网产业链，在政策市场、技术标准、商业应用等方面重点突破，打造全球产业高地。
物联网是继计算机、互联网和移动通信之后的又一次信息产业的革命性发展。目前物联网被正式列为国家重点发展的战略性新兴产业之一。物联网产业具有产业链长、涉及多个产业群的特点，其应用范围几乎覆盖了各行各业。
中国互联网协会理事长胡启恒：中国近年来互联网产业迅速发展，网民数量全球第一，在未来物联网产业发展中已具备基础。物联网连接物品网，达到远程控制的目的，或实现人和物或物和物之间的信息交换。当前物联网行业的应用需求和领域非常广泛，潜在市场规模巨大。物联网产业在发展的同时还将带动传感器、微电子、视频识别系统一系列产业的同步发展，带来巨大的产业集群生产效益。
中国工业和信息化部通信发展司司长张峰：物联网是当前最具发展潜力的产业之一，将有力带动传统产业转型升级，引领战略性新兴产业的发展，实现经济结构和战略性调整，引发社会生产和经济发展方式的深度变革，具有巨大的战略增长潜能，是后危机时代经济发展和科技创新的战略制高点，已经成为各个国家构建社会新模式和重塑国家长期竞争力的先导力。我国必须牢牢把握产业创新方向和机遇，加快物联网产业的发展。
中国联通集团副总经理李刚：在信息技术的支撑下，物联网正在引发新一轮的生活方式变革，已成为一个发展迅速规模巨大的市场。以中国国内RFAD为例，在2009年就达到了85亿人民币，在全球居第三位，仅次于英国和美国。未来更加安全稳定的有线无线数据的传输网络，将成为我国物联网快速发展的关键。
北京易云智力CEO杨书华认为物联网的发展需要“四点联动”：物联网发展需要国家政策支持，更需要相关标准和规范；企业应该积累核心技术，纵向发展，横向联合；整个社会要积极应用和推广；积极储备和培养这方面的人才。
物联网在中国高校的研究，当前的聚焦点在北京邮电大学和南京邮电大学。作为“感知中国”的中心，无锡市2009年9月与北京邮电大学就传感网技术研究和产业发展签署合作协议，标志中国“物联网”进入实际建设阶段。协议声明，无锡市将与北京邮电大学合作建设研究院，内容主要围绕传感网，涉及光通信、无线通信、计算机控制、多媒体、网络、软件、电子、自动化等技术领域，此外，相关的应用技术研究、科研成果转化和产业化推广工作也同时纳入议程。
为积极参与“感知中国”中心及物联网建设的科技创新和成果转化工作，保持、扩大学校在物联网研究领域的优势，近日，南京邮电大学召开物联网建设专题研讨会，及时调整科研机构和专业设置，新成立了物联网与传感网研究院、物联网学院。2009年9月10日，全国高校首家物联网研究院在南京邮电大学正式成立。新华日报记者探访了南邮的“无线传感器网络研究中心”，这里的研究者与“物联网”打交道已有五六年。在实验室，一些“物联网”产品已经初见雏形。此外，南邮还有系列举措推进物联网建设的研究：设立物联网专项科研项目，鼓励教师积极参与物联网建设的研究；启动“智慧南邮”平台建设，在校园内建设物联网示范区等。
智慧物流，是基于互联网、物联网技术的深化应用，利用先进的信息采集、信息处理、信息流通、信息管理、智能分析技术，智能化地完成运输、仓储、配送、 包装、装卸等多项环节，并能实时反馈流动状态，强化流动监控，使货物能够快速高效地从供应者送达给需求者，从而为供应方提供最大化利润，为需求方提供最快捷服务，大大降低自然资源和社会资源的消耗，最大限度地保护好自然生态环境。
智慧物流的智慧性体现在：实现监控的智能化，主动监控车辆与货物，主动分析、获取信息，实现物流过程的全监控；实现企业内、外部数据传递的智能化，通过EDI等技术实现整个供应链的一体化、柔性化；实现企业物流决策的智能化，通过实时的数据监控、对比分析，对物流过程与调度的不断优化，对客户个性化需求的及时响应；在大量基础数据和智能分析的基础上，实现物流战略规划的建模 仿真、预测，确保未来物流战略的准确性和科学性。
要真正实现智慧物流，就必须要实现供应链企业间的信息分享和互动。
而企业之间的核心联系纽带就是物品，以物品状态信息作为流动主体的物联网技术，正是构建覆盖供应链的全程智能物流配送的关键。通过物联网技术，能够实现供应链之间的信息无缝整合，从而构建统一的物流配送服务信息平台，在该平台上提供智能物流模式。
1）通过物联网，使得物料信息在整个供应链上下游贯通，实现制造企业供销两端的无缝衔接。提高物流配送的即时性、准确性和有效性，实现低成本、按需供给的物流仓储模式。通过物联网技术将供应链上下游所有企业衔接起来，形成端到端的智能供应链物流配送服务流程，从而能够依据物流配送实时状态实现有效的配送。
2）通过对等、实时、互动的商务网络传送手段，为生产供应企业、物流配送企业、物品采购企业之间提供即时联动协同的平台，从而围绕物品状态信息进行互通有无，即时分享，实时协作，统一规划。包括：信息分享，物品的生产状态、库存状态、配送状态等能够即时分享；计划分享，采购企业的物料需求计划、供应商的物料生产计划、物流配送的物流配送计划等都即时分享；规划协作，供应链上所有企业能够依据上下游的计划，规划本企业的物流配送策略和行动计划。
3）通过物联网的智能感知、自动传送手段，使得企业能够对供应链物流全过程中的各个环节实现实时监控，及时掌握物流活动状态，并对状态进行实时响应、自动决策、智能应对。制造企业物流配送过程中的每个节点，都要依赖于其他节点物流状态情况实时应变。
4）通过物联网的协同分享平台，企业之间能够进行基于物流储运分享的协同配送和协同储运：物流企业之间实现有效地货运信息分享、货运资源分享，实现协作配送；供应链企业之间将储运资源在整个供应链范围内分享，一个企业能够利用供应链上其他企业的储运资源，提高运输配送效率。
由于经济全球化、竞争国际化的加剧，现代物流中存在越来越多的运筹与决策，而且由于外部环境复杂多变，从而导致运筹与决策的内容也日趋复杂，单是依靠物流管理者的知识是不够的，因此需要采用智能化技术，将管理者经验和专家知识相结合，将定性分析与定量分析相结合，提供高质量的决策支持。另外，由于供应链管理集成化的需要，要将物流系统同其他系统集成，共同构成供应链级的管理平台。因此，智能物流系统需要综合运用现代物流技术、信息技术、自动化技术、系统集成技术以及人工智能技术，以集成和优化为手段，将物流信息、物流活动、物流制品、物流资源以及物流规范有机集成并优化运行，在具体如何进行物流系统的调度优化方面，很多专家都提出了很多不同的数学方法，如启发式算法、遗传算法、蚂蚁算法、粒度计算等。
启发式算法 启发式算法（Heuristic Algorithm）是基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优化问题的一个可行解，该可行解与最优解的偏离程度不一定事先可以预计。之所以叫启发式算法， 是因为人类受大自然的启发，从大自然的运行规律中找到了许多解决实际问题的方法，所以叫启发式算法。现在的启发式算法也有来自人类积累的工作经验。
由于启发式算法的提出就是根据经验提出，缺乏统一、完整的理论体系，得到的解只是近似最优解，近似到什么程度，只有根据具体问题才能给出。启发式算法在半个多世纪的发展过程中，又衍生出了一些新的思想和算法，如贪婪算法、局部搜索算法、遗传算法、模拟退火算法、人工神经网络、演化算法等。启发式算法伴随着计算机技术的发展，取得了巨大的成就。
遗传算法 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它由美国学者 J.Holland 教授1975 年首先提出来的。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。基本的遗传算法由初始化、选择、交叉、变异 4 个部分组成，其流程结构见图3.1。
图3.1 遗传算法的基本流程
由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其他辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性（即系统的健壮性，它是在异常和危险情况下系统生存的关键），已被广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。
蚁群算法 蚁群算法（ant colony optimization）吸收了蚂蚁的行为特性，是新的仿生类随机型搜索算法，通过其内在的搜索机制，在困难的组合优化问题求解。 它是Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法和遗传算法均是基于种群寻优的自然启发式方法。蚁群算法是模拟进化算法，具有一种新的模拟进化优化方法的有效性和应用价值。通过正反馈、分布式协作来寻找最优路径。它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答，见图3.2、图3.3。同时，该算法还被用于求解分配问题、Job-Shop调度问题，取得了较好结果。
图3.2 蚁群在障碍物经过一段时间后的情形
图3.3蚁群最终选择的路径
粒度计算 1979年，学者Zadeh在论文《Fuzzy sets and information granularity》中提出了“信息粒”的说法，引起广大研究者的极大关注，T.Y.Llin于1997 年正式提出了“粒计算”的概念，很快成为人工智能研究领域的一个热点方向之一，目前有关粒度计算的理论与方法，主要有3个：词计算理论（Theory of Works Computing）、粗糙集理论（Theory of Rough Set）、商空间理论（Theory of Quotient Space）。
粒度就是取不同大小的对象。也就是说，将原来“粗粒度”的大对象分割为若干“细粒度”的小对象，或者把若干小对象合并成一个大的粗粒度对象，进行研究。我国学者张钹院士曾经指出：“人类智能的一个公认的特点，就是人们能从极不相同的粒度上观察和分析同一问题。人们不仅能在不同粒度的世界上进行问题的求解，而且能够很快地从一个粒度世界跳到另一个粒度世界，往返自如，
毫无困难。”粒度计算是模仿人类思考问题的方式，用来处理不完全、不可靠、不精确、不一致和不确定的知识。
智慧物流的不同环节需要不同的物联网技术支撑才能实现相应的功能。在感知互动层主要进行的是物体的感知和识别，应用到得典型技术有射频识别技术（RFID）、传感器技术及传感器网络、全球定位系统（GPS）等；网络传输层依靠的是互联网技术和移动信息技术，完成相应的信息处理和网络通信；应用服务层各种应用实现主要基于M2M技术及管理平台。一下对其中的几项关键技术进行详细介绍。
1） 射频识别（RFID）技术
射频识别（Radio Frequency Identification,RFID）技术是一种利用无线射频方式隐性通信的自动识别技术。RFID技术通过RFID标签来对物品进行标记，通过射频信号自动的识别物品并获取相关信息，是物联网最核心的技术之一。
RFID技术目前在物流系统中被广泛使用，作为物联网最核心的技术在物流管理领域发挥着不可或缺的作用。通过存储在RFID标签中的EPC代码，可以实现对实体目标的识别，同时标签中还存储着实体目标的一些实时动态信息并可进行更新，高层信息处理软件可以通过RFID读写器对目标信息进行识别、传递和查询。与现在普遍使用的条码技术相比，RFID具有读写距离长、保密性强、存储数据量大、使用恶劣环境、使用寿命长等优点。RFID可以用来追踪和管理几乎所有的物理对象，是物流管理、追踪等领域信息化的重要手段之一，对于提高物流的智能化水平有着十分关键的作用。
通过采用RFID沃尔玛每年可以节省83.5亿美元，其中大部分是因为不需要人工查看进货的条码而，节省的劳动力成本。另外，RFID有助于解决零售业2个最大的难题：物品脱销和损耗(因盗窃和供应链被搅乱而损失的产品)而现在单是盗窃一项，沃尔玛1年的损失就差不多有20亿美元，研究机构估计，RFID 能够帮助把失窃和存货水平降低 25% 。基于 RFID 的智能物流管理系统可以实现以下功能：系统管理、出库管理、入库管理、订单管理、发货计划、配送运输、智能配送、报表管理、异常物流、查询、数据维护、帮助等功能.
2）传感器技术及传感器网络
物联网最重要的特点之一就是感知现实的物理世界，传感器是实现该特点的众多技术中最重要的支撑技术，它决定了原始信息的真实性和准确性。所谓传感器，根据国家标准GB7665-87，传感器是能够感受过对的被测量、并按照一定的规律将其转换成可用输出信号的器件或装置，一般传感器组成框图如图3.4所示。
图3.4 一般传感器组成框图
传感器由众多以无限多跳模式通信的传感节点组成。能够执行信息采集、传输、处理以及控制能功能的设备称为传感节点（Sensor Node）。传感器节点的内部结构如图3.5所示。
图3.5 传感器节点结构图
传感器网络在智慧物流中扮演着十分重要的角色。传感器网络可以与RFID系统相配合对物品的位置、温度、路线等方面进行更好地追踪。使得物料信息在整个供应链上下游贯通，提高物流配送的即时性、准确性、有效性。传感器网络可以增加对既定环境的认知度，继而成为现实世界和数字世界的桥梁。
3） M2M技术及管理平台
M2M（Machine to Machine）是指通过在机器内部嵌入无限通信模块（M2M模组），以无线通信等通信方式为主要接入手段，实现机器之间智能化、交互式的通信，为客户提供综合的信息化解决方案。M2M是物联网自动传送这一特点得以实现的主要支撑技术
M2M系统从逻辑上可以分为三个不同的域，即终端域、网络域和应用域。M2M系统结构如图3.6所示。
图3.6 M2M系统结构图
基于M2M技术及管理平台的智慧物流可以实现对监控、最总、调度和控制等方面的信息化需求，方便地进行线路规划、车辆调度等活动，从而提高物流中运输配送的效率。
物流智慧化是物流产业发展的重要方向之一。采用智慧物流系统以后，物流服务可以向上延伸到电子商务、市场调查、行业预测等方面；向下可以延伸到物流咨询、物流方案规划、库存控制决策、货款回收与结算、教育与培训、物流系统设计等等。 随着全球一体化的加速发展和互联网、物联网技术的更广泛应用，智慧物流必然将迎来一个全新的发展机遇。本论文着重介绍了基于物联网的智慧物流的相关理论和其实现所需要应用到的物联网关键技术，希望可以给读者一个关于智慧物流的初步印象。同时，受作者自身知识面及水平限制，本论文还有诸多不成熟的地方，今后会逐渐拓宽知识面，以求达到理想的高度。
1) 朱文和.基于物联网技术实现供应链全过程的智能化物流配送服务[J]. 物流技术,2010(7):172- 173.
2) 蔡增玉.基于RFID的智能物流管理系统研究[J].计算机技术与发展,2008(10):62- 64.
3) 马健,物联网技术概论[M].北京：机械工业出版社，2011年.
4) 田景熙物联网概论[M].南京:东南大学出版社,2010年.
5) Luigi Atzori, Antonio Iera, Giacomo Morabito. The internet of Things: A survey[J],Computer Networks,2010,(54):2 787-2 805.
6) 荆心.基于物联网的物流信息系统体系结构研究[J].科技信息,2010,（20）：410.
7) M. Dorigo, V. Maniezzo and A. Colorni, Positive Feedback as a Search Strategy. Technical Report No. 91-016, Politecnico di Milano, Italy, 1991. Later published as Optimization by a colony of cooperating agents, IEEE Transactions on Systems, Man, and Cybernetics-Part B, 26(1):29-41,1996年.
8) Dorigo, Stutzle M. T.,张军译.蚁群优化.北京：清华大学出版社,2007年.
在本次论文的设计过程中，首先要感谢学院对本论文的支持，其次感谢丁知平教授在论文设计初的选题和论文设计中本人所犯错误的指正等各个方面的大力帮助，感谢他在论文定稿时期对论文格式整理等方面提出的诸多建议，内心感激之至。在此，谨向他表示崇高的敬意和衷心的感谢！
感谢在学习期间所有授课的老师们，是你们辛勤的教诲和指导使我的知识不断长进并得以丰富，才使我今天学业有成。祝你们工作顺利！
感谢同班的所有同学们，正是你们在学习和生活中的无私的关心和帮助，我才得以顺利地完成三年的学习，难得的学习生涯给我留下了无尽的回忆。祝他们事业有成！
我要用自己的不断努力回报社会，回报关心我、帮助过我的每一个人，我要积极努力工作，做一个全面发展的对社会有用的人才。
基于JAVA语言环境下的蚁群算法代码：
package tspsolver;
import java.util.Random;
/**
*蚂蚁类
* @author FashionXu
*/
public class ant {
/**
* 蚂蚁获得的路径
*/
public int[]tour;
//unvisitedcity 取值是0或1，
//1表示没有访问过，0表示访问过
int[] unvisitedcity;
/**
* 蚂蚁获得的路径长度
*/
public int tourlength;
int citys;
/**
* 随机分配蚂蚁到某个城市中
* 同时完成蚂蚁包含字段的初始化工作
* @param citycount 总的城市数量
*/
public void RandomSelectCity(int citycount){
citys=citycount;
unvisitedcity=new int[citycount];
tour=new int[citycount+1];
tourlength=0;
for(int i=0;i
tour[i]=-1;
unvisitedcity[i]=1;
}
long r1 = System.currentTimeMillis();
Random rnd=new Random(r1);
int firstcity=rnd.nextInt(citycount);
unvisitedcity[firstcity]=0;
tour[0]=firstcity;
}
/**
* 选择下一个城市
* @param index 需要选择第index个城市了
* @param tao 全局的信息素信息
* @param distance 全局的距离矩阵信息
*/
public void SelectNextCity(int index,double[][]tao,int[][]distance){
double []p;
p=new double[citys];
double alpha=1.0;
double beta=2.0;
double sum=0;
int currentcity=tour[index-1];
//计算公式中的分母部分
for(int i=0;i
if(unvisitedcity[i]==1)
sum+=(Math.pow(tao[currentcity][i], alpha)*
Math.pow(1.0/distance[currentcity][i], beta));
}
//计算每个城市被选中的概率
for(int i=0;i
if(unvisitedcity[i]==0)
p[i]=0.0;
else{
p[i]=(Math.pow(tao[currentcity][i], alpha)*
Math.pow(1.0/distance[currentcity][i], beta))/sum;
}
}
long r1 = System.currentTimeMillis();
Random rnd=new Random(r1);
double selectp=rnd.nextDouble();
//轮盘赌选择一个城市；
double sumselect=0;
int selectcity=-1;
for(int i=0;i
sumselect+=p[i];
if(sumselect>=selectp){
selectcity=i;
break;
}
}
if (selectcity==-1)
System.out.println();
tour[index]=selectcity;
unvisitedcity[selectcity]=0;
}
/**
* 计算蚂蚁获得的路径的长度
* @param distance 全局的距离矩阵信息
*/
public void CalTourLength(int [][]distance){
tourlength=0;
tour[citys]=tour[0];
for(int i=0;i
tourlength+=distance[tour[i]][tour[i+1]];
}
}
}
package tspsolver;
import java.util.Random;
/**
*蚂蚁类
* @author FashionXu
*/
public class ant {
/**
* 蚂蚁获得的路径
*/
public int[]tour;
//unvisitedcity 取值是0或1，
//1表示没有访问过，0表示访问过
int[] unvisitedcity;
/**
* 蚂蚁获得的路径长度
*/
public int tourlength;
int citys;
/**
* 随机分配蚂蚁到某个城市中
* 同时完成蚂蚁包含字段的初始化工作
* @param citycount 总的城市数量
*/
public void RandomSelectCity(int citycount){
citys=citycount;
unvisitedcity=new int[citycount];
tour=new int[citycount+1];
tourlength=0;
for(int i=0;i
tour[i]=-1;
unvisitedcity[i]=1;
}
long r1 = System.currentTimeMillis();
Random rnd=new Random(r1);
int firstcity=rnd.nextInt(citycount);
unvisitedcity[firstcity]=0;
tour[0]=firstcity;
}
/**
* 选择下一个城市
* @param index 需要选择第index个城市了
* @param tao 全局的信息素信息
* @param distance 全局的距离矩阵信息
*/
public void SelectNextCity(int index,double[][]tao,int[][]distance){
double []p;
p=new double[citys];
double alpha=1.0;
double beta=2.0;
double sum=0;
int currentcity=tour[index-1];
//计算公式中的分母部分
for(int i=0;i
if(unvisitedcity[i]==1)
sum+=(Math.pow(tao[currentcity][i], alpha)*
Math.pow(1.0/distance[currentcity][i], beta));
}
//计算每个城市被选中的概率
for(int i=0;i
if(unvisitedcity[i]==0)
p[i]=0.0;
else{
p[i]=(Math.pow(tao[currentcity][i], alpha)*
Math.pow(1.0/distance[currentcity][i], beta))/sum;
}
}
long r1 = System.currentTimeMillis();
Random rnd=new Random(r1);
double selectp=rnd.nextDouble();
//轮盘赌选择一个城市；
double sumselect=0;
int selectcity=-1;
for(int i=0;i
sumselect+=p[i];
if(sumselect>=selectp){
selectcity=i;
break;
}
}
if (selectcity==-1)
System.out.println();
tour[index]=selectcity;
unvisitedcity[selectcity]=0;
}
/**
* 计算蚂蚁获得的路径的长度
* @param distance 全局的距离矩阵信息
*/
public void CalTourLength(int [][]distance){
tourlength=0;
tour[citys]=tour[0];
for(int i=0;i
tourlength+=distance[tour[i]][tour[i+1]];
}
}
}
[java] view plaincopyprint?package tspsolver;
import java.io.*;
/**
*蚁群优化算法，用来求解TSP问题
* @author FashionXu
*/
public class ACO {
//定义蚂蚁群
ant []ants;
int antcount;//蚂蚁的数量
int [][]distance;//表示城市间距离
double [][]tao;//信息素矩阵
int citycount;//城市数量
int[]besttour;//求解的最佳路径
int bestlength;//求的最优解的长度
/** 初始化函数
*@param filename tsp数据文件
*@param antnum 系统用到蚂蚁的数量
*@throws 如果文件不存在则抛出异常
*/
public void init(String filename,int antnum) throws FileNotFoundException, IOException{
antcount=antnum;
ants=new ant[antcount];
//读取数据
int[] x;
int[] y;
String strbuff;
BufferedReader tspdata = new BufferedReader(new InputStreamReader(new FileInputStream(filename)));
strbuff = tspdata.readLine();
citycount = Integer.valueOf(strbuff);
distance = new int[citycount][citycount];
x = new int[citycount];
y = new int[citycount];
for (int citys = 0; citys < citycount; citys++) {
strbuff = tspdata.readLine();
String[] strcol = strbuff.split(" ");
x[citys] = Integer.valueOf(strcol[1]);
y[citys] = Integer.valueOf(strcol[2]);
}
//计算距离矩阵
for (int city1 = 0; city1 < citycount - 1; city1++) {
distance[city1][city1] = 0;
for (int city2 = city1 + 1; city2 < citycount; city2++) {
distance[city1][city2] = (int) (Math.sqrt((x[city1] - x[city2]) * (x[city1] - x[city2])
+ (y[city1] - y[city2]) * (y[city1] - y[city2])) + 0.5);
distance[city2][city1] = distance[city1][city2];
}
}
distance[citycount - 1][citycount - 1] = 0;
//初始化信息素矩阵
tao=new double[citycount][citycount];
for(int i=0;i
{
for(int j=0;j
tao[i][j]=0.1;
}
}
bestlength=Integer.MAX_VALUE;
besttour=new int[citycount+1];
//随机放置蚂蚁
for(int i=0;i
ants[i]=new ant();
ants[i].RandomSelectCity(citycount);
}
}
/**
* ACO的运行过程
* @param maxgen ACO的最多循环次数
*
*/
public void run(int maxgen){
for(int runtimes=0;runtimes
//每一只蚂蚁移动的过程
for(int i=0;i
for(int j=1;j
ants[i].SelectNextCity(j,tao,distance);
}
//计算蚂蚁获得的路径长度
ants[i].CalTourLength(distance);
if(ants[i].tourlength
//保留最优路径
bestlength=ants[i].tourlength;
System.out.println("第"+runtimes+"代，发现新的解"+bestlength);
for(int j=0;j
besttour[j]=ants[i].tour[j];
}
}
//更新信息素矩阵
UpdateTao();
//重新随机设置蚂蚁
for(int i=0;i
ants[i].RandomSelectCity(citycount);
}
}
}
/**
* 更新信息素矩阵
*/
private void UpdateTao(){
double rou=0.5;
//信息素挥发
for(int i=0;i
for(int j=0;j
tao[i][j]=tao[i][j]*(1-rou);
//信息素更新
for(int i=0;i
for(int j=0;j
tao[ants[i].tour[j]][ants[i].tour[j+1]]+=1.0/ants[i].tourlength;
}
}
}
/**
* 输出程序运行结果
*/
public void ReportResult(){
System.out.println("最优路径长度是"+bestlength);
}
}
package tspsolver;
import java.io.*;
/**
*蚁群优化算法，用来求解TSP问题
* @author FashionXu
*/
public class ACO {
//定义蚂蚁群
ant []ants;
int antcount;//蚂蚁的数量
int [][]distance;//表示城市间距离
double [][]tao;//信息素矩阵
int citycount;//城市数量
int[]besttour;//求解的最佳路径
int bestlength;//求的最优解的长度
/** 初始化函数
*@param filename tsp数据文件
*@param antnum 系统用到蚂蚁的数量
*@throws 如果文件不存在则抛出异常
*/
public void init(String filename,int antnum) throws FileNotFoundException, IOException{
antcount=antnum;
ants=new ant[antcount];
//读取数据
int[] x;
int[] y;
String strbuff;
BufferedReader tspdata = new BufferedReader(new InputStreamReader(new FileInputStream(filename)));
strbuff = tspdata.readLine();
citycount = Integer.valueOf(strbuff);
distance = new int[citycount][citycount];
x = new int[citycount];
y = new int[citycount];
for (int citys = 0; citys < citycount; citys++) {
strbuff = tspdata.readLine();
String[] strcol = strbuff.split(" ");
x[citys] = Integer.valueOf(strcol[1]);
y[citys] = Integer.valueOf(strcol[2]);
}
//计算距离矩阵
for (int city1 = 0; city1 < citycount - 1; city1++) {
distance[city1][city1] = 0;
for (int city2 = city1 + 1; city2 < citycount; city2++) {
distance[city1][city2] = (int) (Math.sqrt((x[city1] - x[city2]) * (x[city1] - x[city2])
+ (y[city1] - y[city2]) * (y[city1] - y[city2])) + 0.5);
distance[city2][city1] = distance[city1][city2];
}
}
distance[citycount - 1][citycount - 1] = 0;
//初始化信息素矩阵
tao=new double[citycount][citycount];
for(int i=0;i
{
for(int j=0;j
tao[i][j]=0.1;
}
}
bestlength=Integer.MAX_VALUE;
besttour=new int[citycount+1];
//随机放置蚂蚁
for(int i=0;i
ants[i]=new ant();
ants[i].RandomSelectCity(citycount);
}
}
/**
* ACO的运行过程
* @param maxgen ACO的最多循环次数
*
*/
public void run(int maxgen){
for(int runtimes=0;runtimes
//每一只蚂蚁移动的过程
for(int i=0;i
for(int j=1;j
ants[i].SelectNextCity(j,tao,distance);
}
//计算蚂蚁获得的路径长度
ants[i].CalTourLength(distance);
if(ants[i].tourlength
//保留最优路径
bestlength=ants[i].tourlength;
System.out.println("第"+runtimes+"代，发现新的解"+bestlength);
for(int j=0;j
besttour[j]=ants[i].tour[j];
}
}
//更新信息素矩阵
UpdateTao();
//重新随机设置蚂蚁
for(int i=0;i
ants[i].RandomSelectCity(citycount);
}
}
}
/**
* 更新信息素矩阵
*/
private void UpdateTao(){
double rou=0.5;
//信息素挥发
for(int i=0;i
for(int j=0;j
tao[i][j]=tao[i][j]*(1-rou);
//信息素更新
for(int i=0;i
for(int j=0;j
tao[ants[i].tour[j]][ants[i].tour[j+1]]+=1.0/ants[i].tourlength;
}
}
}
/**
* 输出程序运行结果
*/
public void ReportResult(){
System.out.println("最优路径长度是"+bestlength);
}
}
[java] view plaincopyprint?package tspsolver;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.util.logging.Level;
import java.util.logging.Logger;
/**
*主程序 调用ACO求解问题
* @author FashionXu
*/
public class Main {
/**
* @param args the command line arguments
*/
public static void main(String[] args) {
// TODO code application logic here
ACO aco;
aco=new ACO();
try {
aco.init("e://eil51.tsp", 50);
aco.run(2000);
aco.ReportResult();
} catch (FileNotFoundException ex) {
Logger.getLogger(Main.class.getName()).log(Level.SEVERE, null, ex);
} catch (IOException ex) {
Logger.getLogger(Main.class.getName()).log(Level.SEVERE, null, ex);
}
}
}
本文来源：https://www.2haoxitong.net/k/doc/9d0c6734ad51f01dc381f15d.html
文档为doc格式