论文部分内容阅读
随着市场竞争的日趋激烈,供应链管理已经成为现代企业的一种主要管理模式。供应链管理是通过对供应链的各个环节合理控制,以最小的成本实现最大的利润。然而,现实中的客户需求受环境和从众心态的影响,并无任何明确的规律可言。因此,针对随机需求的供应链多级库存管理问题,设计高效的库存管理模型是非常有意义的。本文为了控制优化库存成本,通过对供应链库存成本建立目标函数与模型,在需求随机情况下,采用遗传算法与BP神经网络仿真模拟库存并进行优化,从而有效地降低库存成本。首先,本文介绍了一种基于遗传算法的随机需求供应链环境下库存控制方法。本文所用的遗传算法加强了全局搜索,避免早熟现象。该方法能用在多个不确定因素影响下,最优组合的选择。评估准则越多,则得到的组合越精确。同时,在考虑成本的基础上,加上了缺货的惩罚,通过算法使库存控制得到较大的改善。随后,本文以某一零售店为例进行仿真实验,通过遗传算法求出该零售店订购数量和安全库存的最佳组合来使得其总成本最小。实验结果表明本文设计的方案可以有效地优化库存控制来降低成本。其次,本文将BP神经网络应用于随机需求下的供应链库存控制优化。本文采用BP神经网络方法,以超市一段时间内的销售记录为样本数据,如果对BP神经网络的库存控制模型进行切实的分析的话,那么整个训练过程则是可以将其的自适应能力、容错能力等在内的多种能力一一验证出来,此时的库存预测准确性也能够达到最大化,并在此的基础之上,充分的建构一个基于BP神经网络算法之上的商品库存控制模型。大量的事实已经表明出了一个道理:这个控制模型可以提高库存控制的效率,并且准确度也较高。