人工神经网络在物流管理中的应用探讨

《人工神经网络在物流管理中的应用探讨》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、道研究与探索(2005)一第六声全国交通运输领域青卑掌末会议论文善辨∥舫Jt獬4n舛●自■’Jr‘一■Ⅳ■憎斜斜■t■f■t槲辨，‘■■畔oE■蚌ot●憎崔●‘●EJ#，∥，JEJ5，％■}摒■r辨矿■^■E■E■^—8■％__列人工神经网络在物流管理中的应用探讨田振中，赵淑芝，张树山，彭晗(吉林大学交通学院，吉林长春130025)摘要：筒述了人工神经网络及其优点，首次系统地介绍了人工神经网络在物流管理中的应用情况，包括需求预测、优化问题、系统评价、决策支持、建模与仿真等方面，并通过一个实例具体介绍BP神经网络在预测中的应用。最后，指出应用人工神经网络解决物流管理问题时应注意的问题

2、。关键词：物流管理；人工神经网络；物流O引言物流被称为企业的‘第三利润源泉”。随着全球经济—体化进程的加快和市场竞争的日益激烈，越来越多的企业将降低成本的焦点集中到物流管理匕。物流管理就是以最低的物流成本达到用户满意的服务水平，对物流活动进行计划、组织、协调与控制。物流管理过程中涉及的因素较多，仅用推理和建立数学模型的期秀涞解决物流管理问题是不够的，还需依靠人的经验和某些难以用公式表达的知识。而人工神经网络可以从过去的知识中学习、概括和抽取解决问题的经验知识，它比较适合于解决复杂的物流管理系统问题。1人工神经网络简介人工神经网络(ArtificialNeuralNetwork—AN

3、N)又称神经网络，是由大量的、同时也是很简单的人工神经元广泛连接构成的复杂网络系统。它反映了人脑的基本功能，但并不是人脑的真实写照，只是对^脑巨币作的某种简化、抽象和模拟，是基于．陕盼犬晌神经网络结构和功能而建立的—种信息．处理系统。图l是—个典型的人工神经元模型，神经元f接受神经元．，的信息传递，总输人为‘=∑WgX．j+B(1)歹式中："Wg表示神经元f和神经元，的连接权；x，为神经元，的输出；’幺表示神经元f的阈值。神经元i的输出为图1人工神经元模型Oi=厂(‘)这里函数／()黼函数。2005·8中国·大连1238(2)第六部分：物流工程与管理●n■r●n肿一一一1／／／●●

4、，●‘，膏■’一-’■r群●一*根据网络中神经元的连接方式，将网络分成蹲懈的形式：前向网络和反馈网络。前向神经网络采用分层网络结构形式，实现H输^层结点的状态空间到输出层状态空间的非线性映射，它广泛应用于模式识别，特征翩驭等方面，常用的是BP神经网络。反馈神经网络采用相互连接型网络结构形式，所在节点即可接受输入，又是计算单元，同时向外界输出，它一般用于优化计算和联想记}乙，常用的是Hopfield网络。神经网络之所以引起研究^员的极大兴趣，是因为它具有一系列传统的数钧柏军机和线性系统所没有的优点flJ，主要表现在：(1)并行处理。大量广泛互连的处理单元组成的结构，提供了并行处理和并

5、行分布信息存储的能力。(2)非线性映射。神经网络每个神经元接受大量其他神经元的输入，并通过并行网络产生输出，影响其他神经元。网络之间的这种互相制约和互相影响，实现了从输入状态到输出状态空间的非线性映射。(3)具有良呼的容错性。神经网络通过自身的网络结构能够实现对信息的记忆。而腑己忆的信息是存储在神经元之间的枳呵直中。从单吟收值中看不出所储存的信息内容，因而是扮斌的存键斌。这使碍网络具有良好的容错性。(4)自适应、自学习功能。神经网络可以通过学习来获得网络的权值与结构，呈现出很强的自学习能力和对环境的自适应能力。2人工神经网络在物流管理中的应用人工神经网络以其强大并行处理能力、非线性

6、映射能力、自学习能力和容错能力而破广泛应用于模式识别、金融、股票预测、组合优化等领域。目前人工神经网络在物流管理中的应用主要有以下方面：2．1需求预测预测是决策的依据，没有准确的预测，就无法进行合理而科学的决策，因此预测精度对企业决策有较大影响。所谓物流需求预测就是利用历史的资料和市场信息，运用适当的方法和技巧，对未来的物流需求状况进行科学的分析、估算和推断12】。传统预测方法有：移动平均法、指数平滑法、回归分析法和灰色模型等，但它们最大困难是模型的建立及模型参数估计，而神经网络的出现克服了建立模型及参数估计的困难，它不需要建立具体的数学函数模型，就可较精确的描述因素之间的映射关系

7、。神经网络的这—特点使它在预测领域中有独特的优势和广泛的应用前景。再者，神经网络的输人不要求是单一的时间序列数据，还可以是其他各类信息，比如环境因素变化数据、相关因素等。这极大地-方便了建模过程，尽可能包含各种有用信息，进而作出更为准确的预测。这也是—种信息组合的有效方法。神经网络预测模型的另—优点是计算机程宁的实现比较简单，而且程序的通用性强。另外，—个企业的预测模型往往又不是—个，所以可以将神经网络用于组合预测中，即将参加组合预测的单预测模型的预测结果作为神经网络