基于BP神经网络的供应链绩效评价方法

《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