基于遗传算法的复杂物流系统库存仿真优化

摘要

复杂物流系统是由若干个制造商、批发商、零售商等实体构成的网状供应链物流系统。系统中存在顾客需求、出品的供应、交纳周期等不确定因素,这就导致系统是一个多层次的连续-离散事件混合系统。复杂物流系统的复杂性导致无法预先准确确定每个实体的最佳订货点量,这是库存决策的重要内容,直接关系到库存管理成本。
　　现有的复杂物流系统集中式仿真软件CLCSim给出了一套完整的复杂物流系统建模与仿真的理论和方法体系,包括仿真模型构造、仿真体系建立和软件实现。CLCSim可以应对复杂物流系统的不确定性,确定实体的最佳订货点量,减少库存成本。但是这些方法存在仿真结果多、仿真时间长等问题。本文在分析仿真软件CLCSim的基础上,结合仿真优化思想,以降低库存成本为目的,运用遗传算法(Genetic Algorithm,GA),构建一个求解复杂物流系统订货点量的遗传算法解决方案。在已有的仿真优化平台CLCSim中,结合遗传算法的智能性,增加了基于GA的订货点量筛选模型,构造了一个基于遗传算法的复杂物流系统仿真优化平台CLCSim-GA。本文详细论述了CLCSim-GA的仿真体系及求解思路。通过多组实验,探讨了不同种群规模、不同交叉率对遗传算法仿真结果的影响。这对决策者选择合适的订货点量有着积极的作用,也对降低复杂物流系统库存成本有着重要的参考价值。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1课题来源与研究意义

1.2复杂物流系统的基本概念

1.3国内外研究现状

1.3.1国内研究现状

1.3.2国外研究现状

1.3.3遗传算法的应用现状

1.4本文研究的主要内容

2 基于遗传算法的复杂物流系统库存仿真优化方法

2.1 复杂物流系统库存仿真优化问题描述

2.2复杂物流系统集中式仿真工具CLCSim介绍

2.2.1 CLCSim仿真体系结构

2.2.2 CLCSim求解思路

2.3遗传算法概述

2.3.1遗传算法的介绍

2.3.2遗传算法的求解步骤

2.4基于遗传算法的复杂物流系统库存仿真优化软件CLCSim-GA

2.4.1 CLCSim-GA仿真体系结构

2.4.2 CLCSim-GA求解思路

3 复杂物流系统库存仿真优化中的遗传算法

3.1算法步骤

3.2编码方案

3.3初始种群设置

3.4适应度函数

3.5遗传操作

3.5.1 选择操作

3.5.2 交叉操作

3.5.3 变异操作

4 基于遗传算法的复杂物流系统库存仿真优化方法的软件实现

4.1软件体系结构

4.2程序界面及功能设计

4.3数据库设计

4.4遗传算法实现

5 复杂物流系统订货点量设置方案仿真优化实验

5.1仿真实验具体步骤

5.2仿真实验基本信息设置

5.3生成初始种群

5.4不同种群规模对仿真结果的影响

5.5不同交叉率对仿真结果的影响

5.6仿真结果对比

6 总结与展望

6.1总结

6.2展望

致谢

参考文献

附录1 攻读学位期间发表论文情况

附录2 攻读学位期间参加科研项目情况