基于不确定性时变需求的动态批量决策研究

《基于不确定性时变需求的动态批量决策研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号学号D200877734学校代码10487密级博士学位论文基于不确定性时变需求的动态批量决策研究学位申请人：易东波学科专业：管理科学与工程指导教师：张金隆教授鲍玉昆副教授答辩日期：2012年4月29日ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofDoctorofPhilosophyinManagementResearchonDynamicLotSizingDecisionbasedonUncertainTime-vary

2、ingDemandPh.D.Candidate:YiDongboMajor:ManagementScienceandEngineeringSupervisor:Prof.ZhangJinlongAsso.Prof.BaoYukunHuazhongUniversityofScience&TechnologyWuhan430074,P.R.ChinaApril,2012独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表

3、或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本论文属于不保密□。（请在以上方框内打“√”）学位

4、论文作者签名：指导教师签名：日期：年月日日期：年月日华中科技大学博士学位论文摘要动态批量问题（LSP，LotSizingProblem）是生产库存运作优化研究中的重要内容，对于企业乃至供应链的运作优化有着基础性的作用。动态批量决策就是在时变需求下解决两个基本问题：一是何时生产/订货（或进行服务）；二是生产/订货多少（或提供可计量的服务）。而时变需求有两类：一是确定性时变需求，二是不确定性时变需求。众多研究所基于的需求为第一类需求，第二类则较少。本文通过界定第二类需求，并按非平稳性、波动性从低到高系统地聚焦于研究随机性时变需求

5、以及未知分布的时变需求下的无能力约束的单品种动态批量批量问题（USILSP，UncapacitatedSingleItemLotSizingProblem），其研究成果可为后续基于不确定性时变需求下的更为复杂的动态批量问题（有能力约束的LSP、多品种多级LSP、基于供应链的LSP，等等）的研究提供基础。进一步，针对需求高度非平稳及高度波动下应用混合预测优化研究滚动时域的多品种（多级）动态批量问题，亦是一种新的尝试。为深入研究，回顾了相关随机需求模型以及处理未知需求的预测方法的文献，亦对单级动态批量决策、供应链及多级动态批量决

6、策的相关研究进行了梳理，并介绍了研究所需的动态批量决策的基本算法。在此基础上，针对市场需求的随机性、非平稳性特征，按平稳性到非平稳性以及从已知需求分布到未知需求分布，将所研究的不确定性时变需求下的动态批量问题细分为三个子问题：一是需求平稳性较强的基于正态分布的随机动态批量问题；二是有一定非平稳性的基于爱尔朗需求分布的随机动态批量问题；三是在需求分布未知且非平稳性、非线性波动程度高的情形下的不确定性动态批量问题。对于上述第一个子问题，结合基本的USILSP算法，尤其是结合当中的件期平衡算法（PPB，PartPeriodBala

7、ncing）及Silver-Meal算法（简称SM）的思想，并且针对截尾期效应（TruncatedHorizonEffect）的处理，提出了基于“先后顾，再前瞻“的“T期跳跃算法”（T-peirodSkippingAlgorithm），该算法经过相关假设、证明及数I华中科技大学博士学位论文值实验的验证，相较于其它一些主流启发式算法，其成本绩效及其稳定性均为优良，相应的TSA算法基础也得到初步构建。针对第二个子问题，通过基于爱尔朗分布的优化模型及应用二分搜索算法，解决了相应动态批量决策优化所需的最优累积订货批量的问题。而对于第

8、三个子问题，将未知分布需求下的动态批量问题通过混合需求预测转化为确定性动态批量问题来解决。其具体又可分为两部分：一是混合需求预测的优化；二是通过研究预测误差对LSP的影响，从而突显优化的预测对获得更好的动态批量决策的功效。通过季节性自回归整合移动平均（SARIMA，SeasonalAuto