基于计算智能技术的需求预测方法.研究

基于计算智能技术的需求预测方法.研究

ID:31983120

大小:3.45 MB

页数:69页

时间:2019-01-30

基于计算智能技术的需求预测方法.研究_第1页
基于计算智能技术的需求预测方法.研究_第2页
基于计算智能技术的需求预测方法.研究_第3页
基于计算智能技术的需求预测方法.研究_第4页
基于计算智能技术的需求预测方法.研究_第5页
资源描述:

《基于计算智能技术的需求预测方法.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、原创性声明本人声明:所呈交的论文是本人在导师指导下进行的研究工作。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名:学年日期:皿凹本论文使用授权说明本人完全了解上海大学有关保留、使用学位论文的规定,即:学校有权保留论文及送交论文复印件,允许论文被查阅和借阅;学校可以公布论文的全部或部分内容。(保密的论文在解密后应遵守此规定)签名:导师签名:二靼期:—型!互埘II上海大学硕士学位论文1.1课题背景及意义

2、第一章绪论随着社会生产力的发展,科学技术的进步,人们消费心理的个性化,社会产品的种类和数量越来越多。为了使这些产品在适当的时间通过适当的方式到达目标人群的手中,商业作为连接生产领域和消费领域的流通环节,正起着越来越重要的作用,其自身形式在不断地更新,销售方式也在不断的变革。这些变化直接作用于商品流通的最终环节一零售业,这使得零售业成为各流通环节中竞争最激烈的一环。在国外,零售业经过上百年的发展,由靠降低采购成本、营运成本以及物流成本来达到企业的盈利目的初级阶段,到不断提升消费者的满意度来为企业创造价值的中期阶段,再到通

3、过品牌资产来实现其价值的提升的现阶段,其发展正经历着由有形资产创造价值到由无形资产创造价值的过渡。近些年,国外零售业发展尤为迅猛,整个零售市场的集中度已经比较高,零售商在全球零售额中所占的比重在不断地增大,零售商已经逐渐成为供应链的组织者和领导者,供应链的主要职能不断地从制造商和批发商向零售商转移,并呈现深度专业化和专业化集成的趋势[1】。在国内,我国的零售业开始于改革开放之后,相对国外来说起步较晚,但从上个世纪90年代开始,由于改革开放政策的实施和深化,市场经济体制不断完善,国内零售业在仅仅十几年期间就获得了长足的发

4、展,取得了巨大的成就,各类百货商店、连锁店、折扣店、便利店、大卖场等如雨后春笋般地出现。目前,我国零售业已经步入了一个多业态、跨地区、快速发展的新的历史阶段。然而,随着全球化趋势的加剧,各国之间的贸易往来日趋频繁,全球正在成为一个统一的大市场。在这样的开放环境下,零售企业不仅要面临来自国内同行的竞争,同时还要应对国外跨国零售集团的挑战,零售企业之间的竞争日趋加剧。为了在激烈的竞争中取胜,良好的供应链管理水平对于零售企业来说上海大学硕士学位论文是非常重要的,从实践的角度来看,利用品类规划和库存控制方面实用的模型、方法和工

5、具来提高企业的运作柔性、效率和决策的科学性是改善供应链水平的关键,而需求预测作为企业品类规划和库存控制的重要组成部分,同时也构成了企业供应链管理中所有战略与规划决策的基础[2】【3】。因此,一个能及时跟踪市场需求变化并做出准确预测的需求预测系统,对零售企业在国内外激烈竞争环境下的持续稳定发展,具有非同寻常的战略意义。零售企业作为和消费者直接交互的终端,和其它企业相比具有多产品(品类繁多)、POS(PointofSale)数据量丰富、供应链层次多且结构复杂、顾客需求变化多且不确定的特点,这使得面向零售企业的需求预测研究和

6、其它类似研究相比更具有典型性、更具有难度,模型应用范围更广。也正因为如此,近年来,该领域吸引了越来越多学者的注意,并逐渐成为一大研究热点。1.2国内外研究现状及动态1.2.1计算智能技术综述计算智能技术是一系列方法和理论的综合,主要研究基于数学基础如何利用计算机的方法来模拟人的智能,是机器学习的核心内容之一,同时也是数据挖掘的常用方法。其内容主要包括人工神经网络,进化计算和模糊技术三大方面。它们具有在不确定及不精确环境中进行推理和学习的卓越能力,是建立智能系统的有效工具,目前已经在许多领域都得到了广泛应用。(1)人工神

7、经网络人工神经网络(A卜mI)是一种模拟生物神经系统结构和人类的形象思维过程的人工智能技术,是连接主义的代表。1943年Mcculloch和Pitts提出了著名的M.P神经元模型,标志着神经网络的诞生,1949年Hebb根据神经元连接强度的改变代表生物学习过程提出了Hebb学习规则。虽然从那以后神经网络的研究经历了几起几伏,但最终还是取得了许多丰硕成果,典型的有1977年的Kohonen的无教师自组织竞争网络、1980年的自组织特征映射模型、1982年产生的Hopfield网络和1986年的BP网络等。神经网络通过输入

8、样本对神经网络2上海大学硕士学位论文的训练,能够从数据样本中自动地学习并揭示出样本中所蕴含的非线性关系,使其对事物和环境具有很强的自学习、自适应、联想记忆、并行处理和非线性转换的能力,在专家系统、知识获取、智能控制、自适应系统中有良好表现。此外,在上个世纪90年代,Vapnik等提出的统计学习理论【4】取得了突破性的进展,在这一理

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。