工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合技術(shù)

劉鑫

摘要：提出一種基于相似度特征匹配和自適應(yīng)資源調(diào)度的工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合技術(shù)。首先構(gòu)建了工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源調(diào)度數(shù)據(jù)處理平臺，進(jìn)行物流供應(yīng)鏈的大數(shù)據(jù)特征采樣，對采樣的數(shù)據(jù)流進(jìn)行相似度特征匹配。采用自適應(yīng)資源調(diào)度方法進(jìn)行數(shù)據(jù)濾波和特征融合，以此為基礎(chǔ)進(jìn)行物流供應(yīng)鏈的優(yōu)化調(diào)度，以提高大數(shù)據(jù)的并行處理效率。仿真結(jié)果表明，利用該算法進(jìn)行大數(shù)據(jù)資源融合效率較高，配準(zhǔn)性能較好，執(zhí)行時(shí)間短，性能優(yōu)于傳統(tǒng)算法。

關(guān)鍵詞關(guān)鍵詞：工業(yè)生產(chǎn)；物流供應(yīng)鏈；大數(shù)據(jù)；資源融合

DOIDOI：10.11907/rjdk.161420

中圖分類號：TP312文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2016）007005702

0引言

隨著工業(yè)現(xiàn)代化技術(shù)的發(fā)展，工業(yè)生產(chǎn)的信息化程度不斷提高。工業(yè)生產(chǎn)過程中，大量產(chǎn)品和材料信息通過物流供應(yīng)鏈網(wǎng)絡(luò)進(jìn)行調(diào)度和管理。對工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源進(jìn)行優(yōu)化融合處理，可提高物流供應(yīng)鏈網(wǎng)絡(luò)的信息調(diào)度和管理能力。通過對生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)的優(yōu)化調(diào)度和融合，構(gòu)建生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)云存儲和云計(jì)算模型。采用并行網(wǎng)格技術(shù)處理等方法，進(jìn)行生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)的信息加工和數(shù)據(jù)分析，在提高工業(yè)生產(chǎn)物流供應(yīng)鏈的運(yùn)行效率等方面具有重要意義。

傳統(tǒng)方法中，對生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)的資源信息融合算法主要有基于小波分析的生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)融合方法、基于自相關(guān)濾波匹配的生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)融合方法、基于時(shí)頻分析的生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)融合方法等。上述方法通過對生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)進(jìn)行數(shù)據(jù)信息流的特征提取，并采用冗余數(shù)據(jù)濾波方法進(jìn)行數(shù)據(jù)加權(quán)模糊處理，以實(shí)現(xiàn)數(shù)據(jù)資源整合的分區(qū)調(diào)度，提高數(shù)據(jù)融合能力，但是上述方法在數(shù)據(jù)資源融合過程中，收斂性不好，容易陷入局部最優(yōu)解＼[13＼]。對此，相關(guān)文獻(xiàn)進(jìn)行了算法改進(jìn)設(shè)計(jì)。其中，文獻(xiàn)提出一種基于轉(zhuǎn)發(fā)信息表FIB的工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合算法，可以并行執(zhí)行內(nèi)容存儲CS通道中的大數(shù)據(jù)，并采用級聯(lián)濾波方法進(jìn)行重復(fù)數(shù)據(jù)刪除，提高數(shù)據(jù)融合性能，但是該算法存在計(jì)算開銷過大、漸進(jìn)收斂性不好等問題；文獻(xiàn)提出一種基于自適應(yīng)匹配濾波和非線性特征提取的工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源調(diào)度數(shù)據(jù)融合算法，根據(jù)優(yōu)先級策略進(jìn)行數(shù)據(jù)堆棧循環(huán)控制，提高大數(shù)據(jù)管理和融合能力，但是該方法在受到較大強(qiáng)度的殘差數(shù)據(jù)干擾下，數(shù)據(jù)融合性能不好。針對上述問題，本文提出一種基于相似度特征匹配和自適應(yīng)資源調(diào)度的工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合技術(shù)。首先構(gòu)建了工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源調(diào)度數(shù)據(jù)處理平臺，進(jìn)行物流供應(yīng)鏈的大數(shù)據(jù)特征采樣，對采樣的數(shù)據(jù)流進(jìn)行相似度特征匹配，并采用自適應(yīng)資源調(diào)度方法進(jìn)行數(shù)據(jù)濾波和特征融合，以此為基礎(chǔ)進(jìn)行物流供應(yīng)鏈的優(yōu)化調(diào)度，以提高大數(shù)據(jù)的并行處理效率。最后通過仿真實(shí)驗(yàn)進(jìn)行了性能測試，展示了本文算法的優(yōu)越性能。1工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源調(diào)度數(shù)據(jù)處理平臺為實(shí)現(xiàn)工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源的有效準(zhǔn)確融合，構(gòu)建數(shù)據(jù)融合算法。首先構(gòu)建基于工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合的云計(jì)算處理平臺，在云計(jì)算處理平臺中進(jìn)行信息特征提取和數(shù)據(jù)信息流的分析。工業(yè)生產(chǎn)物流供應(yīng)鏈模型主要有3個組件：轉(zhuǎn)發(fā)性的模糊C均值聚類處理平臺、供應(yīng)鏈的數(shù)據(jù)資源處理平臺和PIT表。當(dāng)執(zhí)行絡(luò)簇內(nèi)節(jié)點(diǎn)的大規(guī)模工業(yè)生產(chǎn)物流供應(yīng)鏈資源云存儲和計(jì)算任務(wù)時(shí)，管理節(jié)點(diǎn)將每一個數(shù)據(jù)融合任務(wù)和管理信息列表通過資源分區(qū)存儲和調(diào)度處理方法分成一個數(shù)據(jù)塊，工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源調(diào)度數(shù)據(jù)處理的結(jié)構(gòu)模型如圖1所示。

根據(jù)多個工作流進(jìn)行模糊C均值聚類，采用資源調(diào)度規(guī)則一次次地更新聚類的中心初始值。在云計(jì)算平臺構(gòu)建中，按照差分進(jìn)化計(jì)算數(shù)據(jù)采樣區(qū)間內(nèi)的聚集交叉項(xiàng)，并根據(jù)上述信息增益特征提取結(jié)果，結(jié)合粒子群算法P1和P2兩個入口的供應(yīng)鏈資源數(shù)據(jù)進(jìn)行大數(shù)據(jù)聚類改進(jìn)，為數(shù)據(jù)分類識別奠定基礎(chǔ)。

2物流供應(yīng)鏈大數(shù)據(jù)特征采樣與信息融合算法改進(jìn)實(shí)現(xiàn)2.1物流供應(yīng)鏈大數(shù)據(jù)特征采樣

在上述構(gòu)建的工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源調(diào)度數(shù)據(jù)處理平臺基礎(chǔ)上，進(jìn)行數(shù)據(jù)融合的特征采樣和資源信息流模型構(gòu)建，得到采樣信息流數(shù)學(xué)模型為：

對工業(yè)生產(chǎn)中的資源消耗進(jìn)行分布式運(yùn)算，在工業(yè)生產(chǎn)物流供應(yīng)鏈中進(jìn)行自適應(yīng)特征匹配，得到資源統(tǒng)計(jì)表提供資源的目標(biāo)等待時(shí)間滿足：

得到多業(yè)務(wù)工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源特征采樣與關(guān)聯(lián)主特征挖掘數(shù)學(xué)模型，即文本特征選擇問題可描述為：

maxSG（S）（6）

構(gòu)建工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合的線性算子：L（q1，q2，...，qn）=∑ni=1wiqi，得到資源融合中事件等待列表的約束條件為：

根據(jù)上述分析可知，工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源特征選擇是一個典型的多參數(shù)目標(biāo)優(yōu)化問題，構(gòu)建工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源特征抽取數(shù)據(jù)模型可歸結(jié)為建立一個n維數(shù)的原始特征中優(yōu)化特征子集問題。其中共有2n種子集，需要采用k-means聚類優(yōu)化算法，在k-means算法中需要計(jì)算兩個工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源特征之間的距離。

2.2大數(shù)據(jù)資源融合算法實(shí)現(xiàn)

在上述進(jìn)行工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源特征采樣的基礎(chǔ)上，進(jìn)行信息融合處理。傳統(tǒng)方法對參與調(diào)度的工業(yè)生產(chǎn)物流供應(yīng)鏈資源大數(shù)據(jù)進(jìn)行自相關(guān)匹配融合，融合的計(jì)算開銷較大，自適應(yīng)收斂性能不好。為了克服傳統(tǒng)方法的弊端，本文提出一種基于相似度特征匹配和自適應(yīng)資源調(diào)度的工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合技術(shù)。需要構(gòu)造一種能將工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)相似度轉(zhuǎn)化成文本距離的變換方法，得到特征項(xiàng)的權(quán)重用TFIDF（Term Frequencyinverse Document Frequency）的方法來計(jì)算：

它們之間的工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合距離采用如下公式進(jìn)行計(jì)算：

通過上述處理，可提高工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)向量特征挖掘的準(zhǔn)確性。進(jìn)一步把工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源信息流向量模型描述為：

式中，si為一個資源信息請求信號，從N個數(shù)據(jù)對象中隨機(jī)選擇k個對象作為初始簇中心，對于剩下的其它對象，則根據(jù)它們與這些簇中心的相似度（距離），工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合均衡的總標(biāo)準(zhǔn)值SCMh分別表示為：

然后對采樣的數(shù)據(jù)流進(jìn)行相似度特征匹配，采用自適應(yīng)資源調(diào)度方法進(jìn)行數(shù)據(jù)濾波和特征融合，工業(yè)生產(chǎn)物流供應(yīng)鏈大數(shù)據(jù)資源融合的系統(tǒng)函數(shù)為：

通過上述算法改進(jìn)設(shè)計(jì)，實(shí)現(xiàn)了資源融合和優(yōu)化調(diào)度。

3仿真實(shí)驗(yàn)與結(jié)果分析