位置&&文章&物流软件&TMS运输管理系统
智能物流中的优化算法-菜鸟网络高级算法专家朱礼君
作者\来源：
智能物流一直是物流行业津津乐道的关键词，在人工智能技术大爆发的背景下，物流行业将何去何从？从2009年开始，双11不再只是光棍们自嘲和相互取暖的日子。在淘宝商城的带动下，这一天已逐渐成为一场全民的购物狂欢。买买买是愉快的，但等待快递也是焦急的。2013年，菜鸟网络成立，它被定位为以数据为驱动的社会化协同平台。也许很多资深的网购达人已经注意到，快递的送达时间已在逐年缩短。
智能物流一直是物流行业津津乐道的关键词，在人工智能技术大爆发的背景下，物流行业将何去何从？从2009年开始，双11不再只是光棍们自嘲和相互取暖的日子。在淘宝商城的带动下，这一天已逐渐成为一场全民的购物狂欢。买买买是愉快的，但等待快递也是焦急的。2013年，菜鸟网络成立，它被定位为以数据为驱动的社会化协同平台。也许很多资深的网购达人已经注意到，快递的送达时间已在逐年缩短。 统计数据显示，2013年的双11，第1亿件包裹的送达时间为9天，2014年为6天，2015年为4天，2016年为3.5天。 在这些数据背后，有中国交通基础设施和快递产业链不断完善的因素，同时，作为调配物流运力的看不见的手，算法的优化更是功不可没。 那么算法优化主要应用在物流的那些环节，它能为智能物流带来什么？下一步菜鸟网络的算法团队还打算解决物流算法中的哪些痛点？带着这些问题，雷锋网采访了菜鸟网络的高级算法专家朱礼君。 朱礼君：现任菜鸟网络高级算法专家。于美国马里兰大学获得物理学博士学位。先后在Goldman Sachs、Amazon和Facebook从事数学建模和算法方面的研究工作。2014年回国后加入阿里巴巴，先后带领了天猫个性化推荐算法团队和菜鸟网络仓配供应链算法团队。 以下为采访实录： 雷锋网：请简单谈谈在菜鸟网络里你的算法团队主要研究的内容和课题。 朱礼君：在菜鸟网络，算法团队负责的主要是菜鸟物流平台中各个产品的算法和数学模型的建立和应用。我们需要和菜鸟的合作伙伴一起，对物流网络进行优化。 雷锋网：物流的算法优化主要应用于物流的哪个环节？可否详细说说算法优化的会带来哪些看得见的价值？物流环节的哪些工作岗位可能会受到影响？ 朱礼君：菜鸟网络有很多合作伙伴，这些合作伙伴分布在各个不同的物流环节。我们的技术需要与合作伙伴协同，根据不同的物流场景来实现不一样的功能。 譬如应用在： 商家端，算法会指引商家备货、补货以及库存分布和运输进仓，降低商家供应链成本。 仓储端，我们通过预测和优化算法来合理地布局仓库里的货位和库存分布；会动态地跟据仓库的作业情况生成货品拣选任务，优化仓内的作业效率；会推荐合适的包材，降低耗材成本；会做自动化设备调度，通过自动化设备之间的协同来提升仓库运作效率。 配送端，我们有路径优化引擎，来优化车辆的任务指派和行走路径，降低车辆行走的路径，在节省成本的同时也能为环保尽一份力。 最后一公里的末端网络上，我们能动态地根据任务来调配社会化运力，优化供需匹配。 当然，作为一个开放的平台，我们会对外提供我们的算法服务，紧跟数据化和自动化的趋势，与行业一起发展。 我们要看到，以前很多需要人决策的问题，重复性比较大，会越来越多地由算法完成。物流行业从业人的精力就可以更多地被释放出来，深入到物流行业的运营和管理上来。 雷锋网：为了实现这些物流优化，你们使用了哪些新的技术手段？相比于传统的方法，它们的先进性体现在哪里？在解决问题的过程中，传统方法和新方法是怎样的一个关系？ 朱礼君：我们在实际工作中，有借鉴机器学习的思想，其实就是人工智能技术，来加速我们求解问题的过程。 目前传统方法和新方法都有运用，传统方法可以解决简单问题，新方法能够解决复杂问题，新方法是技术进步带来的产物。 雷锋网：在算法方面，要实现像双十一这种级别的网购节日的物流优化需要比平时更加注重什么？ 朱礼君：像双十一这种级别的网购节日对整个社会的物流都有很大的压力。对于应付这种压力，我们需要精准的需求预测，能够提前知道商品在不同区域的需求量，这样才能帮助商家未雨绸缪地准备好库存，做到不缺货也不滞销。 在整个物流网络中，我们除了有精准的预测以外还需要有预警和自适应调节机制，在上游出现意想不到的情况的时候，能够通过算法模型动态地做出新的决策，缓解下游的压力。在上下游的配合上也需要通过算法的提前规划做到更好的衔接，保证包裹在每一个物流节点上都能很顺畅地流到下一个节点上去，不会产生积压和阻塞。 另外，因为大促对物流资源的需求大大地超过日常，所以我们也需要更好地去利用算法，与合作伙伴协同作战，合理配置社会物流资源。 雷锋网：想要实现“零库存”需要在算法方面做哪些工作？还需综合考虑哪些因素？ 朱礼君：要实现零库存需要菜鸟网络与合作伙伴深度协同合作，让行业内的数据更好的连接，通过算法来优化物流网络的布局，并且对未来的需求做更精准的预测。 首先，下游的销售和预测数据要能够连接到供应链的最上游，使得上游的生产商、供应商能快速地响应需求，做到按需生产，缩短库存周期。 其次，我们需要和合作伙伴一起，根据用户的需求分布和各个城市的物流特性来选择仓库、分拨中心、配送站点的配置，有了这张网络，我们才能做到货物的快速流动，让客户尽快收到包裹。 另外，我们需要能对未来的销量进行精准的预测，并且通过算法的反馈来调整商家的营销策略，减少缺货和滞销的风险。 雷锋网：从目前来看，在算法优化的角度，继续节省快递送达时间和物流成本的关键点在哪里？切箱问题的算法目前还有多大的优化空间？ 朱礼君：算法优化能促进菜鸟和合作伙伴更好的协同合作，提高物流链路的效率，降低成本。譬如说，在仓库里的拣选和打包的任务调度就需要考虑到配送的车辆安排已经下游网点的运力。 为整个物流链路做一个全局优化模型是不现实的，我们需要对上下游的环节做合理的数学抽象，然后通过打造仿真系统来检测算法产出的决策对上下游的影响。通过不断地迭代来做到全局的优化。 切箱问题，简单来说就是怎么给订单分配箱型，学术圈研究了很多年，是一个很有意思的数学问题。我们现在是打破这个问题的约束，根据订单的重量和尺寸分布来重新设计包材的大小，从而降低包材的成本。 另外我们在实际的问题中，我们还遇到了像中空物体、可变形物体的装箱问题，还有袋子的包装方案推荐。这些对业务有影响，对技术有挑战。 雷锋网：你们认为哪些新的学术方法有望应用到解决这些关键点上来？ 朱礼君：最近几年有一些学术界的研究是应用深度学习和强化学习的技术来求解一些传统的优化问题。简单来说就是使用人工智能技术，在这个方向上我们也有投入。 雷锋网：半导体行业有一个摩尔定律，物流行业在配送时间上有没有遵循某一个发展规律？今年双11，你们预计第一亿件快递的送达时间是几天？ 朱礼君：物流行业的配送时间近年来一直在缩短。比如13年的时候，1亿包裹的送达花了9天，到了15年提速到了4天，16年就只用了3.5天。配送时间的缩短遵循不是摩尔定律。今年双11很快就要来了，相信配送时间会继续缩短。 雷锋网：下一步还打算解决物流算法中的哪些痛点？ 朱礼君：下一步我们的重点是打造一个服务我们的合作伙伴、服务物流行业的优化引擎。 因为物流中的很多问题的框架都比较类似，我们可以通过一个优化引擎去求解这些问题。比如路径规划、库存管理、箱型推荐、网络规划等等问题，都是整个物流行业中经常出现的问题。我们在沉淀自己在这方面的算法技术，把这些算法产品化，并且通过云服务开放服务，和行业以及合作伙伴一同来发展。 未来我们会继续开放我们的算法服务，和合作伙伴协同，遵循自动化和数据化的趋势，与行业一同发展。另外从学术的角度来说，我们将持续投入人工智能在优化领域的研究。
本文为耳木网作者发布，不代表耳木网立场和行为。
猜你喜欢的活动
&&&&收费类型：收费
涉及领域：
&&&&收费类型：收费
涉及领域：
新零售新物流
&&&&收费类型：收费
涉及领域：
服装供应链
&&&&收费类型：收费
涉及领域：
物流供应链电商物流金融
&&&&收费类型：收费
涉及领域：
&&&&收费类型：收费
涉及领域：
区块链供应链金融
56log&&&&收费类型：收费
56log&&&&收费类型：收费
新零售新物流
物流人&&&&收费类型：收费
服装供应链
56log&&&&收费类型：收费
物流供应链电商物流金融
56log&&&&收费类型：收费
TomWang&&&&收费类型：收费
区块链供应链金融
上海北京广州深圳苏州南京无锡杭州青岛厦门长沙郑州其它在线
智能物流中的优化算法-菜鸟网络高级算法专家朱礼君
“智能物流一直是物流行业津津乐道的关键词，在人工智能技术大爆发的背景下，物流行业将何去何从？从2009年开始，双11不再只是光棍们自嘲和相互取暖的日子。在淘宝商城的带动下，这一天已逐渐成为一场全民的购物狂欢。买买买是愉快的，但等待快递也是焦急的。2013年，菜鸟网络成立，它被定位为以数据为驱动的社会化协同平台。也许很多资深的网购达人已经注意到，快递的送达时间已在逐年缩短。”
领域：智能物流优化算法
文章来源：雷锋网
智能物流一直是物流行业津津乐道的关键词，在人工智能技术大爆发的背景下，物流行业将何去何从？从2009年开始，双11不再只是光棍们自嘲和相互取暖的日子。在淘宝商城的带动下，这一天已逐渐成为一场全民的购物狂欢。买买买是愉快的，但等待快递也是焦急的。2013年，菜鸟网络成立，它被定位为以数据为驱动的社会化协同平台。也许很多资深的网购达人已经注意到，快递的送达时间已在逐年缩短。 统计数据显示，2013年的双11，第1亿件包裹的送达时间为9天，2014年为6天，2015年为4天，2016年为3.5天。 在这些数据背后，有中国交通基础设施和快递产业链不断完善的因素，同时，作为调配物流运力的看不见的手，算法的优化更是功不可没。 那么算法优化主要应用在物流的那些环节，它能为智能物流带来什么？下一步菜鸟网络的算法团队还打算解决物流算法中的哪些痛点？带着这些问题，雷锋网采访了菜鸟网络的高级算法专家朱礼君。 朱礼君：现任菜鸟网络高级算法专家。于美国马里兰大学获得物理学博士学位。先后在Goldman Sachs、Amazon和Facebook从事数学建模和算法方面的研究工作。2014年回国后加入阿里巴巴，先后带领了天猫个性化推荐算法团队和菜鸟网络仓配供应链算法团队。 以下为采访实录： 雷锋网：请简单谈谈在菜鸟网络里你的算法团队主要研究的内容和课题。 朱礼君：在菜鸟网络，算法团队负责的主要是菜鸟物流平台中各个产品的算法和数学模型的建立和应用。我们需要和菜鸟的合作伙伴一起，对物流网络进行优化。 雷锋网：物流的算法优化主要应用于物流的哪个环节？可否详细说说算法优化的会带来哪些看得见的价值？物流环节的哪些工作岗位可能会受到影响？ 朱礼君：菜鸟网络有很多合作伙伴，这些合作伙伴分布在各个不同的物流环节。我们的技术需要与合作伙伴协同，根据不同的物流场景来实现不一样的功能。 譬如应用在： 商家端，算法会指引商家备货、补货以及库存分布和运输进仓，降低商家供应链成本。 仓储端，我们通过预测和优化算法来合理地布局仓库里的货位和库存分布；会动态地跟据仓库的作业情况生成货品拣选任务，优化仓内的作业效率；会推荐合适的包材，降低耗材成本；会做自动化设备调度，通过自动化设备之间的协同来提升仓库运作效率。 配送端，我们有路径优化引擎，来优化车辆的任务指派和行走路径，降低车辆行走的路径，在节省成本的同时也能为环保尽一份力。 最后一公里的末端网络上，我们能动态地根据任务来调配社会化运力，优化供需匹配。 当然，作为一个开放的平台，我们会对外提供我们的算法服务，紧跟数据化和自动化的趋势，与行业一起发展。 我们要看到，以前很多需要人决策的问题，重复性比较大，会越来越多地由算法完成。物流行业从业人的精力就可以更多地被释放出来，深入到物流行业的运营和管理上来。 雷锋网：为了实现这些物流优化，你们使用了哪些新的技术手段？相比于传统的方法，它们的先进性体现在哪里？在解决问题的过程中，传统方法和新方法是怎样的一个关系？ 朱礼君：我们在实际工作中，有借鉴机器学习的思想，其实就是人工智能技术，来加速我们求解问题的过程。 目前传统方法和新方法都有运用，传统方法可以解决简单问题，新方法能够解决复杂问题，新方法是技术进步带来的产物。 雷锋网：在算法方面，要实现像双十一这种级别的网购节日的物流优化需要比平时更加注重什么？ 朱礼君：像双十一这种级别的网购节日对整个社会的物流都有很大的压力。对于应付这种压力，我们需要精准的需求预测，能够提前知道商品在不同区域的需求量，这样才能帮助商家未雨绸缪地准备好库存，做到不缺货也不滞销。 在整个物流网络中，我们除了有精准的预测以外还需要有预警和自适应调节机制，在上游出现意想不到的情况的时候，能够通过算法模型动态地做出新的决策，缓解下游的压力。在上下游的配合上也需要通过算法的提前规划做到更好的衔接，保证包裹在每一个物流节点上都能很顺畅地流到下一个节点上去，不会产生积压和阻塞。 另外，因为大促对物流资源的需求大大地超过日常，所以我们也需要更好地去利用算法，与合作伙伴协同作战，合理配置社会物流资源。 雷锋网：想要实现“零库存”需要在算法方面做哪些工作？还需综合考虑哪些因素？ 朱礼君：要实现零库存需要菜鸟网络与合作伙伴深度协同合作，让行业内的数据更好的连接，通过算法来优化物流网络的布局，并且对未来的需求做更精准的预测。 首先，下游的销售和预测数据要能够连接到供应链的最上游，使得上游的生产商、供应商能快速地响应需求，做到按需生产，缩短库存周期。 其次，我们需要和合作伙伴一起，根据用户的需求分布和各个城市的物流特性来选择仓库、分拨中心、配送站点的配置，有了这张网络，我们才能做到货物的快速流动，让客户尽快收到包裹。 另外，我们需要能对未来的销量进行精准的预测，并且通过算法的反馈来调整商家的营销策略，减少缺货和滞销的风险。 雷锋网：从目前来看，在算法优化的角度，继续节省快递送达时间和物流成本的关键点在哪里？切箱问题的算法目前还有多大的优化空间？ 朱礼君：算法优化能促进菜鸟和合作伙伴更好的协同合作，提高物流链路的效率，降低成本。譬如说，在仓库里的拣选和打包的任务调度就需要考虑到配送的车辆安排已经下游网点的运力。 为整个物流链路做一个全局优化模型是不现实的，我们需要对上下游的环节做合理的数学抽象，然后通过打造仿真系统来检测算法产出的决策对上下游的影响。通过不断地迭代来做到全局的优化。 切箱问题，简单来说就是怎么给订单分配箱型，学术圈研究了很多年，是一个很有意思的数学问题。我们现在是打破这个问题的约束，根据订单的重量和尺寸分布来重新设计包材的大小，从而降低包材的成本。 另外我们在实际的问题中，我们还遇到了像中空物体、可变形物体的装箱问题，还有袋子的包装方案推荐。这些对业务有影响，对技术有挑战。 雷锋网：你们认为哪些新的学术方法有望应用到解决这些关键点上来？ 朱礼君：最近几年有一些学术界的研究是应用深度学习和强化学习的技术来求解一些传统的优化问题。简单来说就是使用人工智能技术，在这个方向上我们也有投入。 雷锋网：半导体行业有一个摩尔定律，物流行业在配送时间上有没有遵循某一个发展规律？今年双11，你们预计第一亿件快递的送达时间是几天？ 朱礼君：物流行业的配送时间近年来一直在缩短。比如13年的时候，1亿包裹的送达花了9天，到了15年提速到了4天，16年就只用了3.5天。配送时间的缩短遵循不是摩尔定律。今年双11很快就要来了，相信配送时间会继续缩短。 雷锋网：下一步还打算解决物流算法中的哪些痛点？ 朱礼君：下一步我们的重点是打造一个服务我们的合作伙伴、服务物流行业的优化引擎。 因为物流中的很多问题的框架都比较类似，我们可以通过一个优化引擎去求解这些问题。比如路径规划、库存管理、箱型推荐、网络规划等等问题，都是整个物流行业中经常出现的问题。我们在沉淀自己在这方面的算法技术，把这些算法产品化，并且通过云服务开放服务，和行业以及合作伙伴一同来发展。 未来我们会继续开放我们的算法服务，和合作伙伴协同，遵循自动化和数据化的趋势，与行业一同发展。另外从学术的角度来说，我们将持续投入人工智能在优化领域的研究。
本文为耳木网作者发布，不代表耳木网立场和行为。
猜你喜欢活动
&&收费类型：收费
&&收费类型：收费
新零售新物流
&&收费类型：收费
服装供应链
&&收费类型：收费
物流供应链电商物流金融
&&收费类型：收费
&&收费类型：收费
区块链供应链金融智能优化算法在智能物流平台中的应用与研究--《华东师范大学》2008年硕士论文
智能优化算法在智能物流平台中的应用与研究
【摘要】：
随着改革开放的深入，物流运输近年来在中国得到迅速的发展，在国外先进的物流理念不断引入中国，并在中国得到进一步应用的同时，物流的信息化脚步也在不断的发展。智能物流平台正是在这样的背景下提出的。
智能物流平台采用了先进的面向服务的体系结构，简化复杂的物流应用软件系统，为其开发提供一个基本框架。此框架封装了物流核心业务、标准化程度高的业务，为软件开发人员提供了多种物流业务组件和智能组件。有了这样的物流业务组件和智能组件的支持，在智能物流平台之上开发的智能物流管理软件就可以降低复杂性，省去很多基础性的研发工作，从而大大缩短研发周期，提高研发效率。
物流业务智能组件是智能物流平台中十分重要的一个组成部分，这是由于很多物流业务所涉及的优化问题所建立的模型都是十分复杂的，很多优化问题都是NP完全问题，如何有效地解决这些使用普通算法所很难解决的问题也是本文关注的焦点。
与此同时，智能优化算法在近年来得到高速发展，由于其算法的特性，已经在很多领域得到实际应用，并取得了良好的效果。本文针对物流业务中实际的应用情况，分别使用三种不同的智能优化算法，对其中三大问题进行了深入的研究。使用细胞自动机，分别对两点之间的最短路径，单源多节点最短路径和多源多节点最短路径进行建模，并设计算法求解。用普通的遗传算法解决车辆路径问题，并在此基础上提出改进算法，平衡了涉及车辆数量与最优路径的问题。使用新进研究的鱼群算法解决货物装载问题，并针对鱼群算法本身的不足，提出改进算法，实验结果证明了改进的有效性。
本文以智能物流平台为载体，以物流业务智能组件为对象，以物流业务问题为实际研究内容，建立相应的模型，应用改进的智能优化算法进行求解，取得了很好的效果。
【关键词】：
【学位授予单位】：华东师范大学【学位级别】：硕士【学位授予年份】：2008【分类号】：TP311.52【目录】：
ABSTRACT8-13
第1章 绪论13-16
1.1 课题研究背景13-14
1.2 研究意义14
1.3 研究内容14
1.4 研究方法14-16
第2章 智能物流平台16-23
2.1 智能物流平台总体概述16-17
2.1.1 智能物流平台概述16
2.1.2 智能物流平台特点16-17
2.2 物流需求分析17-19
2.2.1 自建物流系统需求17-18
2.2.2 第三方物流系统18-19
2.2.3 多层组织多物流中心体系结构19
2.3 业务集成组件19-23
2.3.1 概述19-20
2.3.2 物流业务基础组件20-22
2.3.3 物流业务智能组件22-23
第3章 车辆最短路径研究23-43
3.1 细胞自动机简介23-31
3.1.1 自动机23-24
3.1.2 细胞自动机的定义24-26
3.1.3 细胞自动机的构成26-28
3.1.4 细胞自动机的一般特征28-29
3.1.5 细胞自动机的应用29-31
3.2 最短路径图的描述31-32
3.2.1 图的概念31
3.2.2 最短路径图的描述31-32
3.3 两点之间最短路径32-35
3.3.1 两点之间最短路径的细胞自动机建模32-34
3.3.2 两点之间最短路径的细胞自动机实例34-35
3.4 单源多目的地最短路径35-38
3.4.1 单源多目的地最短路径的现有解决方法35-36
3.4.2 单源多目的地最短路径的细胞自动机建模改进36-37
3.4.3 单源多目的地最短路径的细胞自动机建模改进的实例37-38
3.5 多源多目的地最短路径38-42
3.5.1 多源多目的地最短路径的现有解决方法38-39
3.5.2 多源多目的地最短路径的细胞自动机建模改进39
3.5.3 多源多目的地最短路径的细胞自动机建模改进的实例39-42
3.6 本章小结42-43
第4章 车辆路径问题研究43-72
4.1 遗传算法简介43-47
4.1.1 遗传算法基本术语43-45
4.1.2 遗传算法理论基础45
4.1.3 遗传算法过程45-46
4.1.4 遗传算法特点46
4.1.5 遗传算法优点46-47
4.1.6 遗传算法研究历史与现状47
4.2 车辆路径问题概述47-49
4.3 车辆路径问题的描述与数学模型49-51
4.4 求解车辆路径问题的改进遗传算法51-62
4.4.1 构造初始种群51-52
4.4.2 新型染色体编码与可行化过程52-54
4.4.3 基于适应度的选择54
4.4.4 交叉算子54-57
4.4.5 变异算子57-58
4.4.6 3-opt算法58-60
4.4.7 混合opt算法60-61
4.4.8 VRP问题遗传算法具体步骤61-62
4.5 实验结果与分析62-71
4.6 本章小结71-72
第5章 货物装载问题研究72-96
5.1 鱼群算法简介73-79
5.1.1 鱼群算法原理74-75
5.1.2 人工鱼个体情况75
5.1.3 人工鱼行为75-77
5.1.4 其他相关内容77-78
5.1.5 鱼群算法全局收敛基础78-79
5.2 货物装载问题79-80
5.2.1 货物装载问题的描述79
5.2.2 货物装载问题的数学模型79-80
5.3 求解货物装载问题的基本鱼群算法80-85
5.3.1 鱼群的搜索空间80-81
5.3.2 鱼群的距离81-82
5.3.3 鱼群的可视范围82
5.3.4 鱼群的食物浓度82-83
5.3.5 鱼群的追尾行为83
5.3.6 鱼群的群聚行为83-84
5.3.7 鱼群的觅食行为84
5.3.8 鱼群的随机行为84-85
5.3.9 公告板85
5.3.10 算法中止条件85
5.4 基本鱼群算法的实验与分析85-89
5.5 求解货物装载问题的改进鱼群算法89-93
5.6 改进鱼群算法的实验与分析93-95
5.7 本章小结95-96
第6章 总结与展望96-97
6.1 总结96-97
6.2 展望97
参考文献97-99
致谢99-100
攻读硕士学位期间发表的学术论文目录100-101
附录101-109
欢迎：、、)
支持CAJ、PDF文件格式
【参考文献】
中国期刊全文数据库
唐坤;[J];东华大学学报(自然科学版);2002年01期
刘小平;黎夏;;[J];地理学报;2006年06期
李晓磊,钱积新;[J];电路与系统学报;2003年01期
李旭华,王建中;[J];电脑开发与应用;2005年01期
陈冬芳,薛继伟,张漫;[J];大庆石油学院学报;2005年01期
祝崇隽,刘民,吴澄,吴晓冰;[J];电子学报;2001年08期
唐剑东,熊信银,吴耀武,蒋秀洁;[J];继电器;2004年19期
张利彪,周春光,刘小华,马铭,吕英华,马志强;[J];吉林大学学报(理学版);2004年04期
马建伟,张国立,谢宏,周春雷,王晶;[J];计算机应用;2004年10期
席裕庚，柴天佑，恽为民;[J];控制理论与应用;1996年06期
【共引文献】
中国期刊全文数据库
吴大宏,赵人达;[J];四川建筑科学研究;2002年03期
张安勤;[J];安徽教育学院学报;2002年03期
张宏军;高峰;;[J];安徽教育学院学报;2006年03期
田晓艳;;[J];安防科技;2009年12期
程家兴,陈万里;[J];安徽大学学报(自然科学版);2002年02期
许小健;张金轮;;[J];安徽工程科技学院学报(自然科学版);2010年04期
蒋中;[J];安徽建筑工业学院学报(自然科学版);2000年01期
阮怀忠,张建中;[J];安徽建筑工业学院学报(自然科学版);2003年04期
陈杰,周冬华;[J];安徽建筑工业学院学报(自然科学版);2004年02期
方潜生;[J];安徽建筑工业学院学报(自然科学版);2004年06期
中国重要会议论文全文数据库
齐继阳;竺长安;曾议;;[A];2004“安徽制造业发展”博士科技论坛论文集[C];2004年
杨益;方潜生;汪力君;;[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
胡杨林;蒋洁琼;王明煌;曾勤;邱岳峰;邹俊;陈红丽;FDS;[A];安徽新能源技术创新与产业发展博士科技论坛论文集[C];2010年
蔡新;李益;吴威;叶松;;[A];现代水利水电工程抗震防灾研究与进展（2011年）[C];2011年
邓方;陈杰;陈文颉;朱琳;;[A];第二十六届中国控制会议论文集[C];2007年
高尚;江新姿;汤可宗;;[A];第二十六届中国控制会议论文集[C];2007年
孙燕;孙峥;黄鹍;;[A];第二十六届中国控制会议论文集[C];2007年
孙燕;孙峥;;[A];第二十六届中国控制会议论文集[C];2007年
孙俊清;李平;韩梅;;[A];第二十六届中国控制会议论文集[C];2007年
;[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库
周兴东;[D];山东科技大学;2010年
戴运桃;[D];哈尔滨工程大学;2010年
孙明;[D];哈尔滨工程大学;2010年
谭佳琳;[D];哈尔滨工程大学;2010年
王蕊;[D];哈尔滨工程大学;2009年
吴德烽;[D];大连海事大学;2010年
时长江;[D];中国海洋大学;2009年
张乐珊;[D];中国海洋大学;2010年
韩艳玲;[D];华中科技大学;2010年
蒋国银;[D];华中科技大学;2010年
中国硕士学位论文全文数据库
郝慧君;[D];华中农业大学;2010年
郑占;[D];华中农业大学;2010年
赫英毅;[D];中国工程物理研究院;2009年
万成;[D];南昌航空大学;2010年
李坤;[D];南昌航空大学;2010年
柳枝华;[D];南昌航空大学;2010年
吴香庭;[D];山东科技大学;2010年
王辉;[D];山东科技大学;2010年
纪二云;[D];山东科技大学;2010年
张海峰;[D];山东科技大学;2010年
【二级参考文献】
中国期刊全文数据库
杨传民，陈少为;[J];包装工程;1996年02期
杨传民，赵京华，陈少为;[J];包装工程;1996年03期
何春阳,陈晋,史培军,范一大;[J];地理学报;2003年02期
李晓磊,钱积新;[J];电路与系统学报;2003年01期
王洪章,熊信艮,吴耀武;[J];电网技术;2002年01期
李军;[J];系统工程;1996年05期
林昭华,侯云鹤,熊信艮,鲁丽娟;[J];华北电力大学学报;2003年02期
汪寿阳,赵秋红,夏国平;[J];管理科学学报;2000年02期
吕岗,陈小平,赵鹤鸣;[J];计算机工程与应用;2003年27期
席裕庚，柴天佑，恽为民;[J];控制理论与应用;1996年06期
【相似文献】
中国期刊全文数据库
程林辉;王江晴;;[J];计算机工程与应用;2010年36期
屈援;汪波;钟石泉;;[J];计算机工程与应用;2007年25期
杨元峰;崔志明;陈建明;;[J];苏州大学学报(工科版);2006年02期
刘茵枝;罗键;;[J];五邑大学学报(自然科学版);2006年04期
林丹;丑英哲;王萍;;[J];系统工程理论方法应用;2006年06期
孙小年;陈幼林;杨东援;;[J];系统工程理论与实践;2007年02期
张侃;;[J];商丘师范学院学报;2007年09期
周屹;李海龙;王锐;;[J];吉林大学学报(理学版);2008年02期
吕雄伟;廖涛;;[J];山东大学学报(理学版);2009年06期
张锦;李伟;费腾;;[J];计算机工程与应用;2009年34期
中国重要会议论文全文数据库
鲁强;唐加福;潘震东;;[A];第二届中国智能计算大会论文集[C];2008年
李嘉;王梦光;唐立新;宋建海;;[A];2001中国控制与决策学术年会论文集[C];2001年
张建勇;李军;;[A];第八届中国管理科学学术年会论文集[C];2006年
邹亮;徐建闽;;[A];2004中国控制与决策学术年会论文集[C];2004年
刘翔;袁俊江;;[A];第六届中国不确定系统年会论文集[C];2008年
王树军;刘航;王超;方卫萍;杨林;;[A];全国冶金自动化信息网2011年年会论文集[C];2011年
石耀霖;金文;;[A];1993年中国地球物理学会第九届学术年会论文集[C];1993年
张涛;杨威;王梦光;;[A];1999中国控制与决策学术年会论文集[C];1999年
曹光磊;徐克宝;;[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年
周海清;王恭先;陈正汉;;[A];中国土木工程学会第九届土力学及岩土工程学术会议论文集（下册）[C];2003年
中国重要报纸全文数据库
林京;[N];中国水利报;2002年
程爱娟;[N];新疆科技报(汉);2001年
中国科技大学计算机系　邢方亮;[N];计算机世界;2003年
包家庆;[N];网络世界;2002年
郭明波;[N];北京科技报;2001年
易水;[N];计算机世界;2003年
高澜庆;[N];中国矿业报;2000年
河海大学水利水电工程学院
南京水利科学研究院水工研究所;[N];中国水利报;2005年
李磊;[N];计算机世界;2001年
吴苡婷;[N];上海科技报;2009年
中国博士学位论文全文数据库
刘兴;[D];天津大学;2006年
谢秉磊;[D];西南交通大学;2003年
张旭;[D];大连理工大学;2004年
廖平;[D];中南大学;2002年
周明;[D];西北工业大学;2006年
张需溥;[D];上海大学;2004年
杨春成;[D];解放军信息工程大学;2004年
方娟;[D];北京工业大学;2005年
崔晓芳;[D];大连交通大学;2005年
张材;[D];中南大学;2004年
中国硕士学位论文全文数据库
陆毅;[D];华东师范大学;2008年
邵梦;[D];中国地质大学（北京）;2009年
刘敏;[D];湘潭大学;2006年
盛丽俊;[D];上海海事大学;2006年
邓欣;[D];重庆大学;2007年
程林辉;[D];中南民族大学;2008年
林郁丞;[D];福建农林大学;2009年
丑英哲;[D];天津大学;2007年
晏梦君;[D];吉林大学;2007年
衷志远;[D];上海海事大学;2007年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备75号