确定需求下订购批量优化模型及算法研究

摘要

随着全球竞争的日益加剧，以顾客为中心的供应链管理模式逐步取代了以生产和产品为中心的传统管理模式。采购管理作为供应链管理中的重要组成部分，对整条供应链起到了价值创造以及增长的作用。企业对采购活动的有效管理不仅可以降低运营成本、增强市场竞争力，而且可以保证其在快速多变的市场中处于领先地位。
　　本文首先对供应链管理理论中库存管理和采购批量理论进行了综述。分析和总结了某营销企业所处供应链的各个环节的特点及其自身的特点，提出了基于下游客户订单需求下，如何分配该营销企业在全年多个订货周期同时订购多品种商品的问题，以最小化运营费用为目标，综合考虑最低订货量限制、库存容量和流动资金的约束，分别建立了基于总量金额折扣和采购批量折扣下需求确定的订货批量优化模型。
　　其次，针对所建立的模型，分别设计了模型求解的遗传算法和粒子群算法。
　　在遗传算法设计中，针对问题的特点，设计了以商品各周期订货量为基因段的整数染色体编码方式，采用一种启发式方法实现种群的初始化，根据染色体编码的特点，设计了基于基因段的均匀交叉和基因段内的单点交叉算子，以及基于基因段的启发式变异和基因段内的互换变异算子，针对不可行染色体，设计了惩罚策略和修复策略。
　　在粒子群算法设计中，将每个粒子的每一维信息设计成不同种类商品在各个周期的订货量，采用启发式方法形成初始种群，根据粒子编码的特点，在粒子更新速度和位置过程中采用了动态调整学习因子、随机权重和基于索引号的带有捷径的环形结构，采用惩罚策略处理不满足约束的粒子。
　　算法采用C＃高级语言编程实现，结合某营销企业部分实际数据，进行了模型的仿真实验。算法参数实验包括遗传算法和粒子群算法的相关参数的仿真、交叉变异算子对遗传算法性能的影响分析、惩罚策略与修复策略的对比分析、遗传算法与粒子群算法的性能与收敛性对比分析，模型参数实验分析了库存容量、流动资金、不同折扣优惠类型以及关键约束对订购批量的影响。仿真实验结果验证了本文所建立的模型与算法的有效性及可行性。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景与来源

1．2 国内外研究现状

1．2．1 确定需求的订购批量方法

1．2．2 随机需求的订购批量方法

1．2．3 多产品库存控制问题的研究

1．3 课题研究意义

1．4 课题研究目标与内容

1．5 论文结构安排

第2章 相关理论综述

2．1 库存理论概述

2．1．1 库存管理的基本概念

2．1．2 库存控制策略

2．2 采购策略分析

2．3 批量法则

2．4 经济订货批量(EOQ)法

2．5 本章小结

第3章 需求确定下的订购批量优化模型

3．1 问题描述及符号说明

3．1．1 问题描述

3．1．2 问题特点

3．1．3 问题假设条件

3．1．4 符号说明

3．2 总运营成本

3．3 批量折扣约束

3．3．1 数量折扣类型

3．3．2 总量金额折扣

3．3．3 产品批量折扣

3．4 最低订货数量约束

3．5 优化模型的建立

3．5．1 基于总量金额折扣下的订货批量优化模型

3．5．2 基于产品批量折扣下的订货批量优化模型

3．6 本章小结

第4章 模型求解的遗传算法设计

4．1 遗传算法基本结构

4．2 染色体编码

4．2．1 编码方式简介

4．2．2 染色体编码

4．3 种群初始化

4．4 遗传算子设计

4．4．1 交叉算子

4．4．2 变异算子

4．4．3 选择算子

4．5 适值函数的确定

4．6 约束条件的处理

4．6．1 修复策略

4．6．2 惩罚策略

4．8 本章小结

第5章 模型求解的粒子群算法设计

5．1 粒子群算法的基本原理

5．1．1 标准粒子群算法

5．1．2 标准粒子群算法的流程

5．1．3 算法参数分析

5．2 粒子群算法设计

5．2．1 粒子表示方式

5．2．2 粒子群初始化

5．2．3 学习因子的设计

5．2．4 惯性权重

5．2．5 邻域拓扑结构

5．2．6 适值函数的选择

5．2．7 停止准则

5．2．8 对约束条件的处理方法

5．3 本章小结

第6章 仿真运算与参数分析

6．1 案例描述

6．2 实验设计

6．2．1 算法参数的实验设计

6．2．2 模型参数的实验设计

6．3 算法仿真实验

6．3．1 遗传算法参数实验

6．3．2 粒子群算法参数实验

6．3．3 遗传算法与粒子群算法实验结果比较

6．4 模型参数敏感性分析

6．4．1 库存容量限制的影响

6．4．2 流动资金限制的影响

6．4．3 折扣类型的影响

6．5 本章小结

第7章 总结与展望

7．1 总结

7．2 展望

参考文献

致谢