全球商务环境下的带转包采购计划模型与方法研究
发布时间:2021-06-17 23:01
日益激烈的竞争驱使企业加强与供应链伙伴的合作,共同优化其商务活动,提高产品或服务的市场竞争力。采购职能作为供应链上游的主要环节,被许多管理者视为影响企业竞争力的关键因素。而现有许多企业管理软件只能实现采购信息管理,缺乏优化功能,多数企业仍然是凭经验制定采购计划,更没有在供应链层次上考虑采购计划的集成优化。此外,在一种或一类产品或服务上,从降低成本、保证产品的质量和服务考虑,企业更倾向于由单供应商供货。近年来,转包已成为企业应对多变个性化客户需求的常用策略。很多公司仅保留附加值高的核心业务,而将其他业务转包。目前这方面的理论研究较为缺乏。本文研究了全球商务环境下的带转包企业采购计划问题,遵循建立模型、设计算法和评估算法(仿真试验)流程开展研究,主要工作及成果如下:(1)概述了问题的实际研究背景与动机,较全面深入地综述了采购计划问题的研究进展,指出面向供应链的集成采购计划是未来的发展趋势。(2)简要介绍了单产品批量问题的基本模型、动态规划方法、计算复杂性理论和遗传算法的基本理论。系统总结了自适应遗传算法、混合遗传算法、约束处理方法以及遗传算法在批量优化问题上的应用。(3)研究了库存能力非减...
【文章来源】:合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】:143 页
【学位级别】:博士
【部分图文】:
生产计划的层次结构
用Mcta一GA去确定最优参数组合。s面th和Fogarty[l’71、Bock【‘,5l使用该方法调节变异概率,Hinterding〔,48]应用该方法改变高斯变异强度。d)动态自适应参数值基于GA搜索的反馈信息进行调整,其瓶颈是开发一个有效的反馈信息度量方法和改变策略。该类方法可进一步分成两类:基于人工智能技术,如模糊逻辑控制器FLC;常规启发式方法。在GA中成功应用FLc的关键是生成形式规范的模糊集和规则[l49,150]。Gen和chensll’‘】总结了几个使用FLc的不同自适应方法。subbu等[l’0]建议了一个模糊逻辑控制的遗传算法,该方法使用模糊知识库自适应调整交叉和变异率。song等,49]使用两个模糊逻辑控制器分别调整交叉和变异率,它们是FLc的输出和GA输入。chcong和Lai[‘52]建议了一个集合和规则的优化方案。文[‘’3]设计了一个改进的模糊逻辑控制器实现参数的自适应控制,并与其它方法[155一,58]在同一条件下进行比较。Herrera和Lozan。[l54]总结了模糊自适应遗传算法的框架、术语和设计步骤,指出了一些未来研究方向。常规启发式方法有一个共同特征:识别GA搜索过程是否收敛的状态,进而去自适应调节交叉和变异概率。GA搜索的收敛和不收敛可用图2.8表示[l55]。
入11二12图6.9不同惩罚方法的50次运行结果雷达图比较1图6.10不同惩罚方法的50次运行结果雷达图比较2(2)算法收敛性在四个规划问题上,每代最佳个体成本随迭代代数的变化曲线如图6.11所示,从图6.n可见随搜索过程的推进,算法收敛至近似最优解。
本文编号:3236083
【文章来源】:合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】:143 页
【学位级别】:博士
【部分图文】:
生产计划的层次结构
用Mcta一GA去确定最优参数组合。s面th和Fogarty[l’71、Bock【‘,5l使用该方法调节变异概率,Hinterding〔,48]应用该方法改变高斯变异强度。d)动态自适应参数值基于GA搜索的反馈信息进行调整,其瓶颈是开发一个有效的反馈信息度量方法和改变策略。该类方法可进一步分成两类:基于人工智能技术,如模糊逻辑控制器FLC;常规启发式方法。在GA中成功应用FLc的关键是生成形式规范的模糊集和规则[l49,150]。Gen和chensll’‘】总结了几个使用FLc的不同自适应方法。subbu等[l’0]建议了一个模糊逻辑控制的遗传算法,该方法使用模糊知识库自适应调整交叉和变异率。song等,49]使用两个模糊逻辑控制器分别调整交叉和变异率,它们是FLc的输出和GA输入。chcong和Lai[‘52]建议了一个集合和规则的优化方案。文[‘’3]设计了一个改进的模糊逻辑控制器实现参数的自适应控制,并与其它方法[155一,58]在同一条件下进行比较。Herrera和Lozan。[l54]总结了模糊自适应遗传算法的框架、术语和设计步骤,指出了一些未来研究方向。常规启发式方法有一个共同特征:识别GA搜索过程是否收敛的状态,进而去自适应调节交叉和变异概率。GA搜索的收敛和不收敛可用图2.8表示[l55]。
入11二12图6.9不同惩罚方法的50次运行结果雷达图比较1图6.10不同惩罚方法的50次运行结果雷达图比较2(2)算法收敛性在四个规划问题上,每代最佳个体成本随迭代代数的变化曲线如图6.11所示,从图6.n可见随搜索过程的推进,算法收敛至近似最优解。
本文编号:3236083
本文链接:https://www.wllwen.com/jingjifazhanlunwen/3236083.html