伴随着我国计算机技术的迅猛发展以及互联网应用的快速普及,电子商务得到了迅速兴起和快速发展,现代物流业也得到了前所未有的发展,各物流配送中心的配送量呈现出井喷式的增长。然而,现有的的车辆配送路线设计多根据以往设计的经验得出,其使用的优化算法没有考虑如今复杂的城市道路交通状况,已有的计算机配送路线运算实现方法也无法满足大量数据涌现情况下的快速高效运算。如何在物流配送中心的业务量呈指数级增长及道路交通情况日趋复杂的背景下,优化物流配送路线和使用计算机快速准确实现配送路线是本论文主要研究解决的问题。此文在前人已有的大量研究成果基础上,考虑到如今配送量剧增的情况以及道路交通出现的新问题构建了大量物流配送线路优化模型,并采用大数据分析工具进行了编程实现。此论文的内容框架如下:第一章概述。先简单介绍了大数据时代的来临使各国学者企业都在大数据的应用积极投入研究。大数据在物流企业物流配送路线设计中的应用更是成为当今热点。接着介绍了国内外线路优化的研究现状。同时对聚类分析的几种算法和一种生物质能算法——遗传算法进行了介绍。最后又对世界各国对Mapreduce编程研究成果和发展已经达到什么程度进行了介绍。第二章阐述了为什么选择k-means聚类算法进行配送区域划分和遗传算法进行配送路线优化的原因,并具体阐述了如何利用k-means聚类算法和遗传算法如何完成大规模配送路线的设计过程。在本章中首先对k-means聚类算法如何进行配送区域划分进行阐述,其次,对利用遗传算法对大规模物流配送路线的优化进行详细说明。并对考虑了道路交通因子的遗传算法进行并行化处理,为下一章的Mapreduce编程实现提供准备。第三章在对Mapreduce工作原理、工作流程介绍的基础上,对k-means聚类算法、遗传算法进行Mapreduce编程实现。通过Mapper函数和Reducer函数的伪代码编写实现配送区域的划分和配送路线的设计。第四章以贵阳烟草物流配送中心为例对上述配送路线的设计过程进行实例论证。第五章结束语,阐述了本论文优化的成果,以及交代了本论文的创新点,最后提出文章的论述还所存在的缺陷和提出了改进方向和方法,使下一步再进行研究时思路清晰。