An efficient memetic algorithm for the multi-stage supply chain network problem

A supply chain is dynamic and involves the constant flow of information, production, services, and funds from suppliers to customers between different stages. In this paper, a memetic algorithm (MA, a hybrid genetic algorithm) is developed to find the strategy that can give the lowest cost of the physical distribution flow. The proposed MA is combined with the genetic algorithm (GA), a multi-greedy heuristic method (GH), three local search methods (LSMs): the pairwise exchange procedure (XP), the insert procedure (IP), and the remove procedure (RP), the Fibonacci number procedure, and the linear programming technique (LP) to improve the tradition genetic algorithm (GA). Preliminary computational experiments demonstrate the efficiency and performance of the proposed MA.     

A hybrid heuristic algorithm for the multistage supply chain network problem

In recent years, many developments in logistics were connected to the need for information in an efficient supply chain flow. The supply chain is often represented as a network called a supply chain network (SCN) that is comprised of nodes that represent facilities (suppliers, plants, distribution centers and customers). Arcs connect these nodes along with the production flow. A multistage SCN (MSCN) is a sequence of multiple SCN stages. The flow can only be transferred between two consecutive stages. The MSCN problem involves the choice of facilities (plants and distribution centers) to be opened and the distribution network design must satisfy the demand with minimum cost. In this paper, a revised mathematical model is first proposed to correct the fatal error appearing in the existing models. An efficient hybrid heuristic algorithm (HHA) was developed by combining a greedy method (GM), the linear programming technique (LP) and three local search methods (LSMs) (always used in solving the scheduling problem). The pair-wise exchange procedure (XP), the insert procedure (IP) and the remove procedure (RP) to solve the MSCN problem. Preliminary computational experiments demonstrate the efficiency and performance of the proposed HHA.     

三层供应链联合调度算法研究

研究了由1个供应商、1个制造商和若干客户组成的三层供应链模型,提出将调度理论应用于供应链的优化管理.优化目标是通过供应商、制造商及运输的联合调度来提高客户服务水平,降低运输费用.通过分析得到了最优解中加工顺序和运输分批的性质,缩小了搜索范围,据此给出了一个动态规划求解方法,并对动态规划算法进行了复杂度分析,得出客户数为固定常数时,本模型的动态规划算法是多项式的时间算法.最后,通过两个示例分析了算法中参数对解的影响.     

双渠道两阶段供应链网络均衡模型

研究了在电子商务环境下产品存在现货市场时,由供应商和制造商组成的两层供应链网络在两阶段交易情况下的均衡问题。模型考虑了供应链同一层次企业间存在竞争和不同层次企业间存在交易成本的情况,研究了两阶段交易网络均衡问题,建立了供应商和制造商的决策模型,给出了求解算法并做了算例分析。求解得到的均衡产量、订货量和均衡价格对供应链上企业决定生产规模和销售价格等,均有指导意义。     

基于启发式思想的供应链产能规划研究

供应链产能规划属于多阶多厂产能规划问题,具有不同于传统的单厂产能规划的复杂特征。分析了与传统产能规划的区别。构建了供应链产能绩效指标体系,提出基于粗糙集理论的评价方法。以此为基础,提出了基于启发式思想的供应链产能规划方法及步骤。给出的案例也证明了所提产能规划方法的有效性。     

双渠道多期供应链网络均衡模型研究

为适应信息化和高度动态化的发展,研究了在实体和网上两种交易渠道下,由制造市场、零售市场和需求市场组成的三层动态供应链网络的均衡问题,在静态供应链网络均衡模型的基础上,考虑了库存和网上交易对供应链网络的影响.分别对制造市场、零售市场和需求市场的决策者的独立决策行为及其相互作用进行了分析,构建了各层市场的有限维变分不等式,并将变分不等式问题转化为等价的互补问题的形式,给出了经济解释,得到了最终的双渠道多期供应链网络均衡模型,并给出了箅例分析.求解得到的均衡产量、交易量、库存量和均衡价格对供应链上企业的经营具有指导意义.     

供应链管理与物流技术领域的数据整合与网络共享

对供应链管理与物流技术领域的数据进行整合,实现了网络共享,提出了具体的数据整合方案、整合数据的主要来源及其核心内容、网络共享的途径和服务范畴等。不仅扩展了此领域数据资源,也为其他领域的数据整合与网络共享工作的开展提供了参考。     

含多提前期的不确定供应链网络的鲁棒控制

为了减少内外部不确定性因素和多种提前期对供应链网络系统运作效率的影响,研究了一种模糊鲁棒控制策略。研究了含多提前期的供应链网络系统在不确定环境下的鲁棒运作问题。基于离散Takagi-Sugeno模糊控制系统,考虑生产能力、供应链结构、顾客需求等内外部不确定因素和供应链网络系统的运作提前期,建立了含多提前期的不确定动态供应链网络的离散Takagi-Sugeno模糊模型。通过在每个最大交叠规则组中构建一个离散型分段Lyapunov函数并应用并行分布补偿原理,提出针对该模型的模糊鲁棒H∞控制策略,该控制策略可以抑制不确定性因素和提前期对供应链网络的影响,保证供应链网络鲁棒运作。通过一个仿真算例验证了该控制策略能使供应链网络总成本达到理想状态,从而表明了所提方法的实用性和有效性。     

面向供应链管理的产品设计方法研究

为了提高产品对应的供应链的性能,在设计过程中需要针对供应链进行优化。介绍了面向供应链管理的产品设计的4个主要策略,提出了企业在整个产品开发过程中实施面向供应链管理的设计的基本流程,并建立出了一个实现框架。     

不确定环境下跨国供应链生产计划研究

介绍了跨国供应链生产计划研究与不确定规划论在供应链计划研究中的应用;提出了包含模糊需求与随机生产能力的跨国供应链计划模型,模型中将运输成本分配因子与转让价格作为决策变量,根据随机机会约束规划等价类理论,将模型转化为模糊机会约束规划模型,并利用遗传算法与模糊模拟技术相结合的混合算法设计了模型的求解方案;最后,通过数据仿真说明了模型的有效性与适用性。     

A supply chain distribution network design model: An interactive fuzzy goal programming-based solution approach

A supply chain (SC) distribution network design model is developed in this paper. The goal of the model is to select the optimum numbers, locations and capacity levels of plants and warehouses to deliver products to retailers at the least cost while satisfying desired service level to retailers. A maximal covering approach is used in statement of the service level. The model distinguishes itself from other models in this field in the modeling approach used. Because of somewhat imprecise nature of retailers’ demands and decision makers’ (DM) aspiration levels for the goals, a fuzzy modeling approach is used. Additionally, a novel and generic interactive fuzzy goal programming (IFGP)-based solution approach is proposed to determine the preferred compromise solution. To explore the viability of the proposed model and the solution approach, computational experiments are performed on realistic scale case problems.     

基于本体与多Agent的可靠供应链网络设计模型

针对供应链环境下的分布性、不确定性和动态性特征,基于本体与多Agent技术,构建了一种集成多种智能算法的可靠供应链网络设计模型。通过服务本体实现成员企业服务发布与发现,通过工作流本体实现订单任务动态分解,综合采用投招标策略和可靠性优化策略,实现可靠供应链网络的最优设计。其中,优化Agent由投标企业可靠性评估机制、目标可靠性预测机制以及基于可靠性的任务分配机制构成。通过一个应用实例验证了系统的可行性与有效性。     

A heuristic method for the combined location routing and inventory problem

The combined location routing and inventory problem (CLRIP) is used to allocate depots from several potential locations, to schedule vehicles’ routes to meet customers’ demands, and to determine the inventory policy based on the information of customers’ demands, in order to minimize the total system cost. Since finding the optimal solution(s) for this problem is a nonpolynomial (NP) problem, several heuristics for searching local optima have been proposed. However, the solutions for these heuristics are trapped in local optima. Global search heuristic methods, such as tabu search, simulated annealing method, etc., have been known for overcoming the combinatorial problems such as CLRIP, etc. In this paper, the CLRIP is decomposed into two subproblems: depot location-allocation problem, and routing and inventory problem. A heuristic method is proposed to find solutions for CLRIP. First of all, an initial solution for CLRIP is determined. Then a hybrid heuristic combining tabu search with simulated annealing sharing the same tabu list is used to improve the initial solution for each subproblem separately and alternatively. The proposed heuristic method is tested and evaluated via simulation. The results show the proposed heuristic method is better than the existing methods and global search heuristic methods in terms of average system cost.     

基于Petri网的虚拟供应链物流网络优化

为了提高虚拟供应链中的物流运作效率,提出了一种基于Petri网的物流网络优化方法。该方法首先分析虚拟供应链物流的组成,确定库所、变迁及其属性;其次建立物流网络的Petri网模型图和数学规划模型;然后分析物流过程,找出瓶颈环节,并确定重要参数的取值,采用数学规划模型计算各物流指标的最优值。最后,给出了一个对陶瓷产品的虚拟供应链物流网络进行优化的案例。     

2-2供应链网络下生产能力和定价策略研究

针对由两个生产商和两个零售商构成的供应链网络中的供应商间生产能力的竞争、零售商间零售价和订购量的竞争问题,建立了最大化期望利润的竞争模型,并对均衡策略进行了分析.在零售价对随机需求有影响的条件下得出如下结论:零售商存在最优定价和最优订货策略;某个零售商的最优定价策略不仅受生产商的批发价的影响,还受另一个零售商定价的影响;最优零售价格随批发价单调增加,随另一零售商的定价单调增加;最优订购量随批发价单调降低,随另一零售商的定价单调降低;生产商也存在一组最优定价策略和均衡的竞争性生产策略.最后,用一个数值算例分析了该竞争模型.     

基于蚁群算法的供应链滚动优化决策方法

针对钢铁供应链最终客户的需求不确定性,提出了一种将蚁群算法与滚动优化算法相结合的供应链优化决策方法,旨在满足最终客户不确定性需求的同时降低成本。通过实施滚动优化策略,来减少需求不确定性导致的决策失误。在优化模型中考虑了采购规模和生产规模对单位成本的非线性影响。为求解滚动优化中的非线性优化问题,通过将成本等效为路径的长度,将决策变量的候选解等效为城市,从而把决策优化问题转化为蚁群路径寻优问题。在每次静态优化中,优化算法根据历史数据和反馈信息来确定优化决策变量。针对一个包括供应商、生产商、零售商和最终客户的供应链对象进行了仿真研究,结果表明了所提方法在克服需求不确定和模型非线性方面的有效性。     

跨国供应链环境下的批量订货模型

针对当前供应链批量订货模型研究的不足,提出了跨国供应链环境下的非线性混合整数规划批量订货模型。与以往研究不同,除了传统的决策变量——订货次数外,模型的决策变量还包括转移价格和运输成本分配因子,目标函数为跨国供应链税后利润最大化。由于模型属于NP难题,求解不便,根据问题的具体特点将其转化成为若干个线性规划模型,然后利用MATLAB的优化工具箱进行了数据分析,计算结果表明,转让价格和运输费用分配的调整对跨国供应链最优订货批量及税后利润具有显著影响。     

面向大规模定制的供应链模型的研究

具体分析了面各大规模定制的供应链的基本特点,并从供应链的结构角度构建了基于Internet的大规模定制的供应链模型,从供应链的驱动模式角度构建了以装配为分离点的供应链模型。     

需求不确定的电子供应链多目标鲁棒动态运作模型

建立了由多个供应商和多个不确定需求的顾客构成的多阶段供应链动态运作模型。供应链中的供应商可以通过电子市场也可以直接将多种产品供应给不同的顾客。采用已知概率的情景集合描述顾客不确定需求,利用基于情景分析的鲁棒优化方法,建立了供应链的运作模型。该模型为一个多目标动态规划问题,满足诸如尽可能达到顾客需求、系统的总成本最小、供应商的开工率不低于某一指定水平、对应于不确定需求的决策的鲁棒性等多个相互冲突目标。数值仿真结果表明,模型的解是最保守的,但却能够有效地保证供应链运作的鲁棒性。     

利用拉格朗日松弛算法协调多厂供应链生产计划

为了解决多厂供应链生产计划的协调问题,提出了一种基于拉格朗日松弛算法的内部价格协调优化策略。该策略通过松弛工厂之间的物料耦合约束,将整个供应链的生产计划问题分解为多个单厂的生产计划问题。每个工厂只需利用本地信息制定各自的生产计划。为了获取问题的可行解,又提出了一种前溯式可行化方法,通过协调中心对产品内部价格（拉格朗日算子）的迭代更新,实现整个供应链生产计划的协调优化。仿真实验表明,该策略能够较好地协调多厂供应链计划,结果明显优于已有的协调方法。