欢迎来到天天文库
浏览记录
ID:46289935
大小:381.36 KB
页数:7页
时间:2019-11-22
《基于BP神经网络的供应链绩效评价方法》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、第19卷第2期2010年4月运筹与管理0PERATIONSRESEARCHANDMANAGEMENTSCIENCEV01.19,No.2Apr.2010基于BP神经网络的供应链绩效评价方法郑培1,黎建强2(1.湖南大学工商管理学院.湖南长沙410082;2.香港城市大学商学院,香港)摘要:动态供应链绩效评价是一个包含多个指标输入输出的复杂评估系统,各绩效指标具有模糊性、不确定性,绩效指标数量较多,彼此之间存在非线性关联性。针对这样一个复杂的评估系统,本文讨论利用神经网络技术来对动态供应链绩效进行综合评价。本文首先介绍了人工神经网络的基本概念。针对供应链绩效的五维平
2、衡计分卡模型,利用BP神经网络(BackPropagationNeuralNetwork,BP网络)来对供应链综合绩效评价结果进行学习和预测,文中我们详细讨论了供应链绩效评价中BP网络的学习过程和存在的问题。并给出了仿真结果。计算实例表明本文提出的动态供应链绩效评价模型是合理、有效的,能够为供应链的合理分析和决策制定提供依据。关键词:供应链管理,绩效评价,动态平衡计分卡,BP神经网络中图分类号:N945.16文章标识码:A文章编号:1007-3221(2010)02-0026-07BackPropagationNeuralNetworkApproach013Sup
3、plyChainDynamicPerformanceMeasurementZHENGPeil,LIJian.qian92(1.CollegeofBusinessAdministration,HunanUnivemi秒,Changsha410082,China;2FacultyofBusiness,CityUnivemi纱ofHongKong,HongKong,China)Abstract:Forthesakeofintegrativeperformancemeasurementofagilevirtualenterprise,thetraditionalBal-a
4、ncedScorecardisextendedinto5dimensions.Accordingtoit,incorporatedwiththeBackPropagationNeuralNetworkapproachwecouldgetevaluationmodel.Acalculationexampleofperformancemeasurementisprovid—ed,whichshowsthatthesuggestedevaluationmethodisfeasibleandefficientfordynamicperformancemeasure—men
5、tandforecasts.Thus,itsuppliesreasonableanalysisandpolicymakingtoolsforsupplychainmanagement.Keywords:supplychainmanagement,performancemeasurement,dynamicbalancedscorecard,backpropaga—tionneuralnetwork.0引言各绩效指标具有模糊性、不确定性,绩效指标数量较多,彼此之间存在非线性关联性。针对这样一个复杂的评估系统,本文讨论利用神经网络技术来对动态供应链绩效进行综合评价。神
6、经网络具有联想推理、高速并行处理、自适应识别和模拟人类思维的能力,经过科学训练和学习,能够找出输入一输出之间的非线性映射关系,从而用于智能推理和预测。本文首先介绍了人工神经网络的基本概念。针对供应链绩效的五维平衡计分卡模型。利用BP神经网络(BackPropagationNeuralNetwork,BP网络)来对供应链综合收稿日期:2009.01.19作者简介:郝培(1980.),女.湖南长沙人,博士,研究方向:供应链与物流管理;黎建强(t950.).男,香港人.博士,博士生导师.教授。研究方向:供应链管理与金融工程。第2期郑培。等:基于BP神经网络的供应链绩效评
7、价方法27绩效评价结果进行学习和预测,我们详细讨论了供应链绩效评价中BP网络的学习过程和存在的问题,并给出了仿真结果。1基于BP神经网络的动态供应链绩效评价方法1.1BP神经网络基本理论¨“刚BP神经网络也称误差反向传播神经网络,为有监督的学习,是梯度下降法在多层前馈网络中的应用。它有一个输入层、一个输出层、一个或多个隐含层。每一层上包含若干个节点,每个节点代表一个神经元。同一层上的各节点之间无连接关系,相邻层采取全互连。信息从输入层开始在各层之间单向传播,依次经过各隐含层,最后到达输出层。如图1所示。BP算法的学习过程是一个反复迭代的过程,由正向传播和反向传播组
8、成。其算法
此文档下载收益归作者所有