【摘要】：協(xié)商是解決多Agent供應(yīng)鏈沖突的有效方法，特別是在下游市場客戶需求不斷變化情況下，制造商和銷售商針對產(chǎn)品的訂購價(jià)格、數(shù)量等，難免發(fā)生產(chǎn)銷協(xié)同沖突，因此研究如何適應(yīng)對手提議及市場需求變化的智能協(xié)商策略，成為消解多Agent供應(yīng)鏈產(chǎn)銷協(xié)同沖突的重要問題。本文深入研究了適用于消解多Agent供應(yīng)鏈產(chǎn)銷協(xié)同沖突、基于機(jī)器學(xué)習(xí)的自適應(yīng)協(xié)商策略相關(guān)內(nèi)容。 首先，針對多Agent協(xié)商的并行復(fù)雜性問題，構(gòu)建了基于黑板機(jī)制的多Agent產(chǎn)銷協(xié)同協(xié)商框架，黑板Agent可作為中介來協(xié)調(diào)供應(yīng)鏈的信息交流，并可實(shí)時(shí)感應(yīng)市場客戶需求的變化，使協(xié)商雙方Agent及時(shí)給出有效應(yīng)對方法。 其次，針對傳統(tǒng)協(xié)商自適應(yīng)性差、沖突解決效率低的問題，設(shè)計(jì)了三種基于優(yōu)化機(jī)器學(xué)習(xí)算法的自適應(yīng)協(xié)商方法。一是利用灰色關(guān)聯(lián)度及遺傳算法優(yōu)化案例推理方法，將對手提議視為目標(biāo)案例，灰色關(guān)聯(lián)度用作案例匹配的計(jì)算方法，遺傳算法智能搜索機(jī)制優(yōu)化案例議題權(quán)重；二是利用模擬退火算法優(yōu)化粒子群方法，設(shè)計(jì)自適應(yīng)粒子群學(xué)習(xí)因子，自主全局搜索最優(yōu)協(xié)商結(jié)果，模擬退火溫度控制避免陷入局部最優(yōu)；三是利用Adaboost算法優(yōu)化Q-強(qiáng)化學(xué)習(xí)方法，將歷史成交值從弱分類器變?yōu)閺?qiáng)分類器，逐步獲取較準(zhǔn)確對手提議預(yù)測值。 然后，針對供應(yīng)鏈產(chǎn)銷協(xié)同沖突多樣性、沖突消解智能性弱的問題，建立了產(chǎn)銷協(xié)同計(jì)劃決策協(xié)商模型，分別針對三種類型沖突，給出了相應(yīng)的自適應(yīng)協(xié)商策略。一是雙方為達(dá)到各自效用值最大而產(chǎn)生沖突，基于優(yōu)化案例推理協(xié)商方法，形成適應(yīng)對手Agent提議變化的協(xié)商策略；二是雙方為達(dá)到供應(yīng)鏈總成本最小而產(chǎn)生沖突，基于優(yōu)化粒子群協(xié)商方法，建立以成本最小為適應(yīng)度函數(shù)的自學(xué)習(xí)協(xié)商策略；三是在市場客戶需求變化下，制造商和銷售商產(chǎn)生沖突，基于優(yōu)化Q-強(qiáng)化學(xué)習(xí)協(xié)商方法，建立基于市場客戶需求變化和對手提議預(yù)測的自適應(yīng)策略。 最后，為評估文中提出協(xié)商策略的合理有效性，，進(jìn)行了仿真實(shí)驗(yàn)。設(shè)計(jì)了制造商Agent與銷售商Agent的產(chǎn)品訂購模型，建立協(xié)商模型，對變量和參數(shù)賦值，為解決三種產(chǎn)銷協(xié)同沖突，對采取不同自適應(yīng)方法的協(xié)商過程仿真，然后對比采用基于優(yōu)化方法自適應(yīng)策略的協(xié)商結(jié)果和未優(yōu)化方法的協(xié)商結(jié)果。 本文基于多Agent的供應(yīng)鏈產(chǎn)銷協(xié)同沖突，探討了能適應(yīng)對手提議變化、達(dá)到成本最優(yōu)和適應(yīng)市場需求變化的自適應(yīng)協(xié)商策略，研究成果可消解產(chǎn)銷協(xié)同沖突，提高協(xié)商效率，增強(qiáng)供應(yīng)鏈智能化水平，不僅為供應(yīng)鏈協(xié)同提供理論方法支撐，而且使多Agent協(xié)商變得更為高效。
【圖文】：

Agent3組成供應(yīng)鏈的總成本為12246。然后，基于matlab平臺，仿真實(shí)現(xiàn)基于粒子群算法和模擬退火算法融合的協(xié)商策略的供應(yīng)鏈協(xié)同產(chǎn)銷計(jì)劃模型。Agent1的成本、Agent3的成本及總成本結(jié)果變化趨勢如表5-9和圖5-2所示，可以看出，經(jīng)過5次協(xié)商得到達(dá)到雙方都滿意的結(jié)果，總成本最終為11567.7，與沒有產(chǎn)銷協(xié)同計(jì)劃情況下相比，盡管制造商Agent和銷售商Agent的成本有波動(dòng)，但總成本最終下降了5.5%。結(jié)果說明該協(xié)同產(chǎn)銷計(jì)劃模型和協(xié)商策略不僅可以消解供應(yīng)商和制造商之間的采購沖突，而且減小供應(yīng)鏈總體成本。表 5-9 基于優(yōu)化粒子群協(xié)商策略求解協(xié)同產(chǎn)銷計(jì)劃的成本結(jié)果Table 5-9 Cost result of the negotiation strategy based on PSO to solve thecollaborative production planning協(xié)商次數(shù) 總成本 制造商成本 銷售商成本1 12240 7432.5 4807.52

容易陷入局部最優(yōu)，另外協(xié)商次數(shù)較多。表 5-10 基于遺傳算法協(xié)商策略求解協(xié)同產(chǎn)銷計(jì)劃的成本結(jié)果Table 5-10 Cost result of negotiation strategy based on genetic algorithm to solve thcollaborative production planning協(xié)商次數(shù) 總成本 制造商成本 銷售商成本1 12243.9 7509.8 4734.12 12206.5 7407.3 4799.23 12119.7 7389.5 4730.24 12163.5 7367.5 47965 12178.9 7360.8 4818.16 12196.8 7389.9 4806.97 11903.6 7345.8 4557.88 11910.5 7298.4 4612.1
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 張瀚林;蔣國瑞;黃梯云;;一種有限信息共享的全局尋優(yōu)供應(yīng)鏈雙邊協(xié)同計(jì)劃方法[J];管理工程學(xué)報(bào);2010年02期

2 王海軍;黃錚;;基于可控提前期的兩供應(yīng)商-單制造商協(xié)同模型[J];管理工程學(xué)報(bào);2010年04期

3 蔣國瑞;劉穎;何喜軍;;面對促銷期的供應(yīng)鏈生產(chǎn)銷售微分對策研究[J];管理工程學(xué)報(bào);2012年04期

4 李應(yīng);;供應(yīng)鏈多層規(guī)劃問題及其合作對策協(xié)商求解[J];運(yùn)籌與管理;2012年04期

本文編號：2550243