基于遗传算法的供应链需求预测优化模型研究

基于遗传算法的供应链需求预测优化模型研究

ID:18092505

大小:133.50 KB

页数:9页

时间:2018-09-13

基于遗传算法的供应链需求预测优化模型研究_第1页
基于遗传算法的供应链需求预测优化模型研究_第2页
基于遗传算法的供应链需求预测优化模型研究_第3页
基于遗传算法的供应链需求预测优化模型研究_第4页
基于遗传算法的供应链需求预测优化模型研究_第5页
资源描述:

《基于遗传算法的供应链需求预测优化模型研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于遗传算法的供应链需求预测优化模型研究????????//1>.cqvip4>>第9卷第5期工业工程Vol.9No.52制年9月September2α记IndustrialEngineeringJournal基于遗传算法的供应链需求预测优化模型研究蔡建峰,杨敏(西北工业大学管理学院,陕西西安71∞,72)摘要:整体优化是供应链管理的核心问题之一。为降低供应链的整体运作成本,减小;长鞭效应;的影响,建立了多级供应链的Multi-agent模型,并运用遗传算法(GA)对其需求预测进行优化研究。最后利用算倒进行分析,表明提出的方法能有效减

2、小;长鞭效应;,有效降低供应链的整体运作成本。关键词:供应链管理;需求预测;多级代理;遗传算法中图分类号:F406.2文献标识码:A文章编号:1∞7-7375(2∞6)05-0081-05OptimalModelofMulti-AgentSupplyChainDemandForecastingasedonGeneticAlgorithmCAIJian-feng,YANGMin(Managementschool,NorthwestemPolytechnicalUniversity,Xi’an71∞'72,China)Abstr

3、act:Theglobaloptimiz高tionisoneoftheCriticalproblemsinsupplychainmanagement.Inordertominimizetotaloperationcostandreducebullwhipeffect,multi-agentmodelofmulti-levelsupplychainissuggestedandgeneticalgorithmisusedtoforecastthedemand.咀lefinalexampleshowedthatthismethodcould

4、reducethebullwhipeffectandthetotalcostofthesupplychainaswell.Keywords:supplychainmanagement;demandforecast;multi-agent;geneticalgorithm近十年来,伴随着经济全球化以及计算机和信是所谓的;长鞭效应;。特别是近年来,随着经济环息技术的发展,市场竞争日益加剧,后勤管理量日益境不确定性的增加,这种冲突日益明显,一些学者已增长,传统的后勤管理已很难适应这种变化,这迫使就这种情况提出运作活动应在整个供应链中更有效厂

5、商发展供应链技术以快速响应顾客需要[1],并尽地被集成[叫,以达到供应链的整体最优。此外,企业间的无效沟通也会延长供应链的响应时间[剖,而可能地降低运作成本以实现利益的更大化。整体优化是供应链管理的核心问题之一。而供造成整体效益低下。为了解决这个问题,可运用信应链实质上是建立在一系列自利的经济人间的契约息技术使企业间的信息透明化、有用化,从而使沟通之上的委托代理关系链[2],其各个环节存在着不同变为有效[6]0Agent技术为这种沟通建立了一种平的资源条件,从委托代理理论的角度来看,供应链并台,随着人工智能技术的迅猛发展,利用Mult

6、i-agent非是一个统一的追求利益最大化的经济实体,很难理论对供应链管进行的建模与仿真,已成为人们关避免各企业自身利益最大化与供应链整体利益相冲注的重要研究课题。突的情况。因而在实际操作中,供应链中的企业个供应链系统在结构上具有典型的递阶结构特体往往强调自身的优化问题而忽略了整体协调,这征,在供应链的管理中,又存在着供应链中的个体企将造成整个供应链大幅度的需求和库存变更,也就业与供应链的整体利益相冲突的问题,这种冲突将收稿日期:2005-06-20基金项目:国家自然科学基金资助项目(70572073)作者简介:蔡建峰(1964-),

7、男,山东平原人,博士,副教授,主要研究方向为管理优化与决策支持、组织行为与人力资源管理.????????//.cqvip>82工业工程第9卷会降低供应链的性能。为了提高需求不确定性条件下供应链的性能,Lee建议处于同一供应链的企业共享信息和调整订单[7],这就需要更为合理的需求预测。传统的预测方法,例如简单的移动平均数、移动平均模型和Winter指数模型,都是以大量的历史数据为基础,并且在预测t+1时期的市场需求时并没需求量有考虑t时期供应链的整体成本,而不需要大量原始数据的遗传算法(GeneticAlgorithm即GA)可以有效地

8、解决这个问题。而且多数关于需求预测的研究往需叫往局限于供应链的单一阶层或研究了多阶层的库存圈2Mu咀ù且t岳i-唔aE阳m咀耐t系统模型管理但却假设所有的企业都用同一库存策略[叫,很应链企业的各种变化的信息做出迅速反应。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。