本文關鍵詞：基于機會約束規(guī)劃的供應鏈批量問題研究

  更多相關文章： 供應鏈批量問題 聯(lián)合補充問題 模糊機會約束規(guī)劃 粒子群算法 遺傳算法

【摘要】：供應鏈批量問題在管理庫存和節(jié)約成本方面做出了出色的貢獻。由于需求等大量的影響因素受市場環(huán)境等條件影響波動較大，會出現(xiàn)各種難以預料的變化，通常會導致不能夠得到準確的預期效果，因此基于模糊機會約束規(guī)劃的聯(lián)合補充問題就因此產生。模糊機會約束規(guī)劃的聯(lián)合補充模型中，需求被作為模糊變量來處理，使得整個問題模型可以簡化為一個相應的數(shù)學模型，然后問題的核心轉換為對該模型的求解。而對于求解模糊機會約束規(guī)劃的聯(lián)合補充模型的算法將會對模型問題的處理效果產生直接的影響，進而會影響實際應用中的價值。 首先，針對多供應商的條件下，討論需求是模糊參數(shù)的模糊機會約束規(guī)劃的聯(lián)合補充問題模型，以最小化庫存總成本作為目標函數(shù)。通過對問題模型的分析、推導，然后，為了方便求解，需要將模糊機會約束規(guī)劃的聯(lián)合補充問題模型進行等價的清晰模型轉化。 其次，根據(jù)模糊機會約束規(guī)劃的聯(lián)合補充模型對變量的模糊性，對模型條件約束性的特點，比較后選擇遺傳算法和粒子群算法作為算法研究對象。采用遺傳算法需要對決策變量進行染色體編碼，機會約束條件與適應度函數(shù)進行設置，然后對染色體進行交叉，變異和選擇操作，最后得出最優(yōu)的一組染色體作為最優(yōu)解。同樣條件下，用粒子群算法解出相應測試結果，需要定義解空間，設置機會約束條件和適應度函數(shù)，然后對粒子速度進行涉及自身和社會學習的更新，最后得到最優(yōu)的一組粒子作為最優(yōu)解。把通過粒子群算法求解得到的結論同遺傳算法求解得到的結論進行比較分析，然后對兩種不同算法的優(yōu)化結果和運算性能進行比較分析，評價遺傳算法與粒子群算法對于處理模糊機會約束規(guī)劃的聯(lián)合補充問題中具有的優(yōu)勢，總結其內在的原因。 最后，，將文章研究的算法應用到實際生產中去，開發(fā)并設計自適應庫存管理系統(tǒng)，討論整個系統(tǒng)的總體規(guī)劃與相關實施技術，并且對于模糊機會約束規(guī)劃模型進行了應用驗證。
【關鍵詞】：供應鏈批量問題 聯(lián)合補充問題 模糊機會約束規(guī)劃 粒子群算法 遺傳算法
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F274;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 課題研究背景及意義10-11
• 1.1.1 課題背景10
• 1.1.2 課題研究目的和意義10-11
• 1.2 國內外研究現(xiàn)狀與展望11-15
• 1.2.1 供應鏈批量訂貨模型的研究現(xiàn)狀11-13
• 1.2.2 機會約束規(guī)劃模型應用的研究現(xiàn)狀13-14
• 1.2.3 供應鏈批量問題算法的研究現(xiàn)狀14-15
• 1.2.4 發(fā)展展望15
• 1.3 課題的來源及研究內容15-16
• 1.3.1 課題的來源15-16
• 1.3.2 主要研究內容16
• 1.4 論文結構16-18
• 第2章 模糊機會約束規(guī)劃模型及 GA 算法18-27
• 2.1 模糊環(huán)境下的 JRP 模型18-21
• 2.2 基于三種測度的模糊機會約束規(guī)劃模型21-23
• 2.3 遺傳算法23-24
• 2.4 算法實例分析24-26
• 2.4.1 數(shù)值實例24-25
• 2.4.2 計算結果與分析25-26
• 2.5 本章小結26-27
• 第3章 模糊機會約束規(guī)劃模型的 PSO 算法27-35
• 3.1 PSO 算法27-28
• 3.2 用 PSO 算法求解問題模型28-30
• 3.2.1 模糊機會約束規(guī)劃模型分析28
• 3.2.2 確定問題的表示方案28-29
• 3.2.3 具體實現(xiàn) PSO 算法的步驟29-30
• 3.3 算法實例分析30-32
• 3.3.1 數(shù)值實例30-31
• 3.3.2 計算結果與分析31-32
• 3.4 兩種算法的比較分析32-34
• 3.5 本章小結34-35
• 第4章 系統(tǒng)應用實例35-52
• 4.1 系統(tǒng)可行性分析35
• 4.2 系統(tǒng)需求分析35-38
• 4.2.1 系統(tǒng)功能分析35-36
• 4.2.2 系統(tǒng)實體關系圖36-37
• 4.2.3 系統(tǒng)數(shù)據(jù)流圖37-38
• 4.3 系統(tǒng)概要設計38-39
• 4.3.1 系統(tǒng)功能結構設計38-39
• 4.4 系統(tǒng)詳細設計39-45
• 4.4.1 系統(tǒng)功能詳細設計39-40
• 4.4.2 系統(tǒng)動態(tài)模型40-41
• 4.4.3 系統(tǒng)數(shù)據(jù)庫的詳細設計41-45
• 4.5 系統(tǒng)實現(xiàn)45-49
• 4.5.1 系統(tǒng)開發(fā)環(huán)境45-46
• 4.5.2 庫存決策系統(tǒng)實例46-49
• 4.6 系統(tǒng)測試49-51
• 4.6.1 系統(tǒng)測試環(huán)境及功能測試49-50
• 4.6.2 系統(tǒng)性能測試50-51
• 4.7 本章小結51-52
• 結論52-53
• 參考文獻53-57
• 攻讀碩士學位期間發(fā)表的學術論文57-58
• 致謝58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周欣;;考慮批量訂貨成本的最優(yōu)JIT訂貨與生產策略[J];工業(yè)工程;2012年03期

2 蘇秦;李永飛;李慰祖;;隨機需求及來料質量缺陷下的制造商EOQ[J];工業(yè)工程與管理;2011年01期

3 倪明;查玉瑩;;供應鏈與供需網理念在JIT采購應用中的比較研究[J];北京交通大學學報(社會科學版);2013年02期

4 王少君;王剛;呂民;高國安;;基于機會約束規(guī)劃的ERP實施方案優(yōu)化模型[J];華南理工大學學報(自然科學版);2008年09期

5 李成嚴;徐曉飛;戰(zhàn)德臣;;模糊資源約束的聯(lián)合補充問題[J];計算機集成制造系統(tǒng);2008年01期

6 王林;陳璨;曾宇容;;資源約束情況下隨機性聯(lián)合采購模型的差分進化算法[J];計算機集成制造系統(tǒng);2011年07期

7 朱海平;華菲菲;鄧宇浩;尹惠;;隨機和模糊約束下的擴展型集約生產計劃方法[J];計算機集成制造系統(tǒng);2012年02期

8 王林;馮云濤;富慶亮;;差分進化算法在模糊多資源約束聯(lián)合補貨模型中的應用[J];計算機工程與科學;2012年01期

9 曾宇容;王林;富慶亮;;基于DE和PSO的混合智能算法及其在模糊EOQ模型中的應用[J];計算機應用研究;2012年02期

10 包美玲;李成嚴;唐遠新;;模糊需求的聯(lián)合補充問題研究[J];計算機應用與軟件;2010年09期

本文編號：599469