隨著全球化環(huán)境危機(jī)與資源稟賦困境加劇,要求供應(yīng)鏈在資源環(huán)境約束下提高資源利用率,實(shí)現(xiàn)低碳綠色轉(zhuǎn)型。新冠肺炎疫情對(duì)全球供應(yīng)鏈運(yùn)營(yíng)及經(jīng)濟(jì)發(fā)展帶來(lái)了新的挑戰(zhàn)。本文在資源屬性及混合算法等研究基礎(chǔ)上,以資源配置模型及其算法為研究對(duì)象,通過(guò)對(duì)資源配置問(wèn)題、模型參數(shù)及魯棒性實(shí)驗(yàn)分析,合理地解決低碳供應(yīng)鏈柔性資源配置平衡問(wèn)題。考慮資源環(huán)境的雙重屬性,如何優(yōu)化供應(yīng)鏈資源配置,本文從政府層面和企業(yè)層面給出了相應(yīng)的對(duì)策:政府要加強(qiáng)低碳供應(yīng)鏈的建設(shè)與管理;企業(yè)要強(qiáng)化碳減排與資源配置方法的創(chuàng)新。在經(jīng)濟(jì)全球化影響下,如何實(shí)現(xiàn)線上線下供應(yīng)鏈資源的優(yōu)化配置,值得進(jìn)一步思考與研究。 

【文章來(lái)源】：企業(yè)經(jīng)濟(jì). 2020,39(08)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

基于混合神經(jīng)網(wǎng)絡(luò)的柔性資源配置的實(shí)驗(yàn)誤差配置次數(shù)T00500010001500配置誤差曲線

QiYeJingJi2020年第8期(第39卷，總第480期)圖1基于混合神經(jīng)網(wǎng)絡(luò)的柔性資源配置的實(shí)驗(yàn)誤差0.10-0.1-0.2-0.302468101214161820配置誤差曲線屬性個(gè)數(shù)配置次數(shù)T21.510.500500010001500圖2基于量子神經(jīng)網(wǎng)絡(luò)的柔性資源配置的實(shí)驗(yàn)誤差配置誤差曲線0.10-0.1-0.2-0.30246810121416182021.510.50屬性個(gè)數(shù)0500010001500配置次數(shù)T配置誤差平均誤差配置誤差平均誤差圖3基于混合量子神經(jīng)網(wǎng)絡(luò)的柔性資源配置的實(shí)驗(yàn)誤差0.10-0.1-0.2-0.30246810121416182021.510.500500010001500屬性個(gè)數(shù)配置次數(shù)T配置誤差曲線配置誤差平均誤差低碳供應(yīng)鏈柔性資源配置模型及算法的魯棒性研究基于以上低碳供應(yīng)鏈柔性資源配置實(shí)驗(yàn)可以看出，因粒子群算法能提高函數(shù)逼近精度，而混合粒子群算法不需要借助問(wèn)題的特征信息，具有很好的全局收斂能力以及魯棒性能。因此，混合量子神經(jīng)網(wǎng)絡(luò)算法不僅能發(fā)揮混合神經(jīng)網(wǎng)絡(luò)泛化與映射性能，而且能夠提高該混合算法本身的收斂速度及其混合網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)能力。通過(guò)其學(xué)習(xí)能力的改進(jìn)，從而提高混合量子神經(jīng)網(wǎng)絡(luò)算法的收斂速度以及低碳供應(yīng)鏈柔性資源配置的正確率，并減少配置誤差率。七、結(jié)論及對(duì)策建議本文從資源屬性視角對(duì)低碳供應(yīng)鏈柔性資源配置模型及其算法展開具體研究，得到以下結(jié)論：一是85

QiYeJingJi2020年第8期(第39卷，總第480期)圖1基于混合神經(jīng)網(wǎng)絡(luò)的柔性資源配置的實(shí)驗(yàn)誤差0.10-0.1-0.2-0.302468101214161820配置誤差曲線屬性個(gè)數(shù)配置次數(shù)T21.510.500500010001500圖2基于量子神經(jīng)網(wǎng)絡(luò)的柔性資源配置的實(shí)驗(yàn)誤差配置誤差曲線0.10-0.1-0.2-0.30246810121416182021.510.50屬性個(gè)數(shù)0500010001500配置次數(shù)T配置誤差平均誤差配置誤差平均誤差圖3基于混合量子神經(jīng)網(wǎng)絡(luò)的柔性資源配置的實(shí)驗(yàn)誤差0.10-0.1-0.2-0.30246810121416182021.510.500500010001500屬性個(gè)數(shù)配置次數(shù)T配置誤差曲線配置誤差平均誤差低碳供應(yīng)鏈柔性資源配置模型及算法的魯棒性研究基于以上低碳供應(yīng)鏈柔性資源配置實(shí)驗(yàn)可以看出，因粒子群算法能提高函數(shù)逼近精度，而混合粒子群算法不需要借助問(wèn)題的特征信息，具有很好的全局收斂能力以及魯棒性能。因此，混合量子神經(jīng)網(wǎng)絡(luò)算法不僅能發(fā)揮混合神經(jīng)網(wǎng)絡(luò)泛化與映射性能，而且能夠提高該混合算法本身的收斂速度及其混合網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)能力。通過(guò)其學(xué)習(xí)能力的改進(jìn)，從而提高混合量子神經(jīng)網(wǎng)絡(luò)算法的收斂速度以及低碳供應(yīng)鏈柔性資源配置的正確率，并減少配置誤差率。七、結(jié)論及對(duì)策建議本文從資源屬性視角對(duì)低碳供應(yīng)鏈柔性資源配置模型及其算法展開具體研究，得到以下結(jié)論：一是85

【參考文獻(xiàn)】：
期刊論文
[1]三級(jí)低碳供應(yīng)鏈聯(lián)合減排及宣傳促銷微分博弈研究[J]. 向小東,李翀.  控制與決策. 2019(08)
[2]供應(yīng)鏈背景下企業(yè)環(huán)境管理與技術(shù)創(chuàng)新績(jī)效的關(guān)系及其作用機(jī)理[J]. 劉志剛,楊潔輝,水會(huì)莉.  企業(yè)經(jīng)濟(jì). 2017(02)
[3]政府干涉對(duì)大宗貨物雙渠道低碳運(yùn)輸供應(yīng)鏈的協(xié)調(diào)研究[J]. 羅天龍,蔡文學(xué).  軟科學(xué). 2016(10)
[4]不同情境下的服務(wù)供應(yīng)鏈運(yùn)作模式——資源和環(huán)境共同驅(qū)動(dòng)的B2B多案例研究[J]. 宋華,于亢亢,陳金亮.  管理世界. 2013(02)



本文編號(hào)：3006581