零售商价格竞争下的最优决策与收益共享契约

研究由一个制造商与两个竞争零售商组成的两级供应链系统的最优决策及契约协调问题,其中每个零售商面临的需求是价格敏感和随机的.当随机需求分布具有递增失败率(IFR)时,竞争的零售商存在唯一最优的定价和订购决策,并给出了最优决策的解析表达式,证明了收益共享契约能使两个竞争零售商加盟的供应链达到协调及契约成立的条件.最后通过理论推导和数值分析给出了需求价格弹性系数对最优决策及协调的影响.     

集装箱码头泊位调度问题的启发式算法研究

为优化集装箱码头泊位的分配,提高泊位的利用率,把码头泊位的调度问题转化为带有约束条件的特殊二维装箱问题。通过建立连续泊位调度的非线性规划模型,提出了一种求解集装箱码头连续泊位分配问题启发式算法。仿真算例结果表明该算法能在实际的集装箱码头泊位调度中有效的提高泊位的利用率。     

动态评价免疫微粒群算法在Job-shop调度中的应用

传统粒子群优化算法在解决组合优化问题上具有一定的局限性,通过分析其优化机理,对迭代公式加以改进,提出了改进微粒群算法。算法中,利用遗传算法的交叉思想来完成粒子间的信息交换,以期达到粒子更新。粒子进化过程中,为保留群体中的优秀粒子,使用了加速度这一优化算子。为避免粒子陷入局部搜索,迭代过程中使用免疫算法来动态评价微粒群体。通过大量实验仿真,算法可以有效求解作业车间调度问题,验证了算法的合理性。     

基于QFD方法的敏捷供应链设计

针对目前供应链设计尚无完整的理论和方法问题,本文将供应链设计和产品设计类比,采用质量功能展开方法,提出了一种敏捷供应链设计方法,给出了供应链设计的基本框架,并应用QFD方法将顾客需求转化为设计需求,同时结合AHP和0-1目标规划模型,确定敏捷供应链设计中重要的应优先配置的设计需求,并结合算例进行分析。分析结果表明,主导企业发现机遇的时间、机遇产品上市时间、供应商准时供货率等是实现敏捷供应链时需优先选择的设计需求。该设计系统化,易操作,为供应链设计的后续工作奠定了理论基础。     

基于遗传算法的双区型仓库人工拣货路径优化

为获取捡货作业的最优路径,本文以某配送中心双区型仓库中人工拣货作业为研究对象,探讨了订单批量处理和拣货路径优化问题,建立了拣货车容量受限的TSP模型,并基于遗传算法,设计一种启发式算法对拣货路径进行优化处理,同时,应用Visual 6.0C++程序进行仿真实验,以快速获得任意订单中所有待拣货物的拣取顺序,计算出最短路程。仿真结果表明,将考虑拣货车容量限制的情况下求得的最优路径与未考虑拣货车容量限制的情况下求得的最优路径进行对比,结果拣货的先后次序完全不同,说明考虑运载量是有效的,且更符合实际情况。该研究不但提高拣货效率,而且节约各项成本,对现实仓库的拣货作业具有实际应用价值。     

JIT供应物流的短驳合并运输集成优化研究

针对及时化(just in time,JIT)供应模式的入场物流短驳合并优化问题,本文以某汽车制造厂的入厂物流为例,并以供应物流总成本最小为目标,建立数学模型,同时利用基于递降最佳适合算法(best fit decreasing,BFD)思想的启发式算法和改进的单亲遗传算法(partheno genetic algorithm,PGA)求解,并分析在此运作模式下的成本与效率。仿真结果表明,单亲遗传算法取消了传统遗传算法的交叉算子,取而代之仅在一条染色体上操作基因换位算子,即使种群中每个个体均相同,它也可以通过基因换位、基因到位等遗传算子来实现遗传迭代,不需要初始群体具有广泛多样性,也就不存在早熟收敛的现象。因此,本文提出的算法比BFD启发式算法的供应成本明显降低。该研究可降低供应成本,提高经济效益。     

基于启发式算法的自动化立体仓库拣货路径优化研究

为了对自动化立体仓库拣货系统进行优化,本文根据自动化仓库订单拣货问题的特点,以拣货时间最小化为目标建立了相应的数学模型,设计了基于启发式规则的求解算法,并用MATLAB实现了算法,经仿真验证以及将启发式算法与文献其它算法进行比较,结果表明,应用本文模型以及改进的启发式算法进行拣选路径的设计,能够有效地缩短拣选时间和距离,从而提高拣选效率,本算法具有一定的实用性。     

基于强化学习算法的供应链自适应随机库存控制研究

针对非平稳随机需求的多级多周期供应链库存控制,本文建立了一种包括一个供应商和多个零售商的供应链分散式自适应库存控制模型,以满足给定的零售商服务水平。同时,运用强化学习算法,并根据需求变化情况,供应商和零售商分别自适应地调整库存控制参量。仿真试验表明,当相对需求分布已知,而需求未知时,订货量和服务水平都相对不稳定;安全因子范围大的,订货量和服务水平的波动相对较大,且能够更快的把服务水平调整到目标服务水平区间内。该模型是合理和有效的。     

基于正交试验的免疫遗传算法在调度问题中的应用

提出了优先权值编码与三个体交叉算子相结合的免疫遗传算法．该编码方法不仅满足车间作业调度问题(Job shop Scheduling Problem, JSP)中工序优先约束的要求,而且可以有效避免非可行解的产生．三个体交叉的交叉算子在保证后代群体多样性的前提下,在很大程度上继承了父代的优良特性．基于正交试验的免疫算子丰富了抗体群的多样性,从而大大提高了算法克服局部收敛的能力．在算法参数的选取上,采用正交试验法来确定参数值,加快了收敛速度．对车间作业调度的几个典型问题进行了仿真,并与其它算法进行了比较．实验结果表明了该算法的有效性,仿真结果令人满意．     

不确定环境下多周期VMI自适应库存控制方法

随着供应链中不确定性因素的增加,供应商管理库存（vendor managed inventory,VMI）作为一种新型的库存管理方式,正被越来越多的企业和学者所关注。针对单供应商单零售商的VMI模型,在顾客需求未知的情况下,提出了一种利用二次指数平滑法预测需求,用强化学习算法评估安全因子的效果,进而调整顾客服务水平的自适应库存控制方法。仿真结果表明,在非平稳需求情况下,采用该自适应库存控制策略,能够得到比较满意的顾客服务水平。