论文部分内容阅读
随着全球可持续发展战略的推进和资源环境问题的日益突出,国家开始倡导绿色、节能、可持续的发展模式,越来越多的企业开始重视废旧产品的回收利用,使得以低能耗、低碳排为标志的“低碳经济”正在成为企业经济发展的共同选择。闭环供应链网络涵盖了产品制造、销售和回收的全过程,是实现资源再利用和减少环境污染的有效途径。然而,闭环供应链网络作为一个多领域、多对象参与的动态网络系统,易受到多种不确定因素的干扰,这些不确定因素往往由供应链网络内外部因素的共同作用下产生的,直接表现出来的是网络参数的不确定,如市场需求、生产价格、运成本、回收数量、提前期等,上述不确定参数的存在必然导致企业决策风险增加。因此,设计一种具有风险抵御能力的供应链网络,使其在多种不确定因素的干扰下依旧保持较强的鲁棒性,对提高企业的运作效率具有重要的作用。本文的主要研究工作如下:(1)建立一个基于第三方负责产品回收的闭环供应链网络,考虑网络参数(市场需求量、生产价格、产品回收率)的不确定性,兼顾网络的经济效益、环境效益和社会效益,构建以实现网络成本、网络碳排放和顾客满意度损失最小为目标的混合整数规划模型,在此基础上引入多面体不确定集对不确定参数进行描述,进一步构建基于不确定集的可调多目标鲁棒优化模型。(2)针对非线性、易波动的市场需求,构建了一种深度信度网络(Deep Belief Network,DBN)与共轭梯度法相结合的市场需求预测模型,利用共轭梯度法对DBN的权重和阈值进行调优,以提高模型预测的速度和精确度。为验证算法的优越性,以某家电企业的历史销售数据作为预测对象,引入标准DBN和BP神经网络作为对比方法,采用评价指标对以上预测模型的预测性能进行评估。(3)提出一种基于动态步长和动态发现概率的自适应布谷鸟搜索(Adaptive Cuckoo Search,ACS)算法,以提高模型的求解效率。结合案例企业的运营数据,分别采用自适应布谷鸟搜索算法和非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA-II)求解模型,以验证改进型布谷鸟搜索算法的优越性。(4)利用本文所提的自适应布谷鸟搜索算法求解多目标鲁棒优化模型,获取最坏情况下不同扰动系数对应的最优网络规划方案,通过敏感性分析,研究不同鲁棒控制系数对目标函数和约束违反率的影响,验证鲁棒优化模型对不确定扰动的抑制效果,通过分析单因素扰动下网络成本的变化,确定多种不确定因素中对网络成本影响最大的不确定参数,为决策者提供决策依据。