当前位置：主页 > 管理论文 > 供应链论文 >

BP神经网络在供应链管理绩效指标评价中的应用研究

发布时间：2016-10-12 11:41

本文关键词：BP神经网络在供应链管理绩效指标评价中的应用研究，由笔耕文化传播整理发布。

当前位置：文库下载 > 所有分类 > 经管营销 > 生产/经营管理 > BP神经网络在供应链管理绩效指标评价中的应用研究_叶春明

BP神经网络在供应链管理绩效指标评价中的应用研究_叶春明

BP神经网络在供应链管理绩效指标评价中的应用研究_叶春明

　　(3)误差计算模型

误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数:

Ep=1/2×∑(tpi-Opi)

i=1

(4)

tpi———i节点的期望输出值;Opi———i节点计算输出值。

(4)自学习模型

神经网络的学习过程,即连接下层节点和上层节点之间的权重矩阵Wij的设定和误差修正过程。BP网络有师学习方式-需要设定期望值和无师学习方式-只需输入模式之分。自学习模型为

图1　供应链绩效评价指标体系

△Wij(n+1)=η×ФOj+a×△Wij(n)(5)i×η———学习因子;Фi———输出节点i的计算误差;Oj———输出节点j的计算输出;a———动量因子。

2　BP神经网络

BP网络模型处理信息的基本原理是:输入信号Xi通过中间节点(隐层点)作用于输出节点,经过非

线形变换,产生输出信号Yk,网络训练的每个样本包括输入向量X和期望输出量t,网络输出值Y与期望输出值t之间的偏差,通过调整输入节点与隐层节点的联接强度取值Wij和隐层节点与输出节点之间的联接强度Tjk以及阈值,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的网络参数(权值和阈值),训练即告停止。

BP网络模型包括输入输出模型、作用函数模型、误差计算模型和自学习模型。

(1)节点输出模型

隐节点输出模型:Oj=f(∑Wij×Xi-θj)

i=1

3　样本体系的建立

本文根据上海某动力设备有限公司的实际情况,整理出企业供应链管理的绩效指标评价研究的

基本数据。

但由于数据中各指标之间存在着量纲、数量级的不同等问题,并且既有定性指标又有定量指标,为使各指标在整个系统中具有可比性,应将定性指标进行定量化处理。具体来讲,反映供应链管理绩效的指标一般归为二种,正向指标(越大越好)、反向指标(越小越好),必须将他们量化为闭区间[0,1]上的无量纲的指标属性值,利用效应系数对其进行规范化和同趋化处理。

对于正向型指标,效应系数计算公式为Fj=1-(Xj-Xjmin)/(Xjmax-Xjmin)对于逆向型指标,效应系数计算公式为

Fj=(Xj-Xjmin)/(Xjmax-Xjmin)

其中,Fj是目标值为Xj的效应系数;Xjmin是预先

确定的第j各指标的最小值;Xjmax是预先确定的第j各指标的最大值;j是评价指标的数目。

在经过上述处理后,得到样本数据如表1。

　40.9670.6030.0000.5010.750

样本50.9250.8730.1750.6130.250

　60.8460.6310.1800.7090.500

70.6540.5390.0650.8910.375

　80.9910.5610.48109810.375

　90.9830.7630.1050.8150.375

(1)(2)

输出节点输出模型:Yk=f(Oj-θk)∑Tjk×

j=1

f———非线形作用函数;θ———神经单元阈值。

(2)作用函数模型

作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数,一般取为(0,1)内连续取值Sigmoid函数:f(x)=1/(1+e)

-x

(3)

表1　样本数据量化表

指标　

供应链资本收益率供应链库存天数现金周转率客户销售增长有效提前期率

　10.0000.8530.0670.0000.625

20.9601.0000.0710.8490.000

　30.9400.8530.0000.6890.250

—36—

Word文档免费下载：BP神经网络在供应链管理绩效指标评价中的应用研究_叶春明（下载1-5页，，共5页）

我要评论