整合供应商选择的多层级选址-库存模型

针对多级供应链网络设计中选址和库存一体化决策问题,基于梯级库存策略,建立了整合供应商选择的多层级选址-库存模型。模型以网络中供应商的选择成本、工厂和配送中心的打开成本、层级之间的运输成本、库存成本、采购成本和生产成本之和最小为目标,同时对供应商的选择、工厂和配送中心的选址、配送中心对顾客的分配、层级之间的运输量、工厂和配送中心的订货批量进行决策。为了求解所建立的模型,设计了基于部分编码的粒子群优化算法。20个不同规模的算例测试表明：所建立的模型是有效的,能用于多层级供应链网络的设计;所设计的算法无论是在求解精度,还是在运算速度上都明显优于数学优化软件Lingo 9.0,尤其是当供应链网络中总节点数较大时。     

基于MAS的供应商选择系统分析与设计

在总结了供应链管理及智能代理基本理论的基础上,通过与传统供应商筛选方法之间的对比,构建了基于MAS的企业供应商筛选系统模型,并研究了供应商选择中的协调问题。其次,重点研究了数据采集Agent、决策支持Agent、动态评价Agent的组成框架及工作内容,并在此基础上阐述了各部分的运作模型、供应链框架的运行机制及框架中供应商的地位。然后,为了提高系统的学习性、自适应性和智能性,实现供应商的自动筛选,采用了自组织数据挖掘结合遗传算法优化本系统的学习能力。     

基于任务分解结构的供应链合作伙伴优化选择

为实现虚拟企业供应链构建中的多目标合作伙伴优化选择，根据任务完成的交货期、质量、成本和服务四个评价指标，利用总任务下各评价指标的权重以及在每个评价指标下各子任务之间的关联特性,建立了基于任务分解结构的供应链伙伴选择多目标决策模型。基于该模型实现了分解任务完成时间的定量计算，给出了基于自适应遗传算法模型求解方法，并应用实例验证了该模型和算法的有效性。     

集群式供应链中基于约束层次和模糊偏好的供应商评价选择模型

针对集群式供应链中采购商选择供应商过程中出现的过约束问题,提出一种基于约束层次和模糊偏好的供应商评价选择模型.该模型基于约束层次理论,依据采购商对供应商约束的必需性程度,将约束分为强制性约束层和非强制性约束层;同时采用模糊偏好的量化方法来确定采购商对供应商的模糊偏好,简化了供应商的选择过程;另外,该模型改进了约束层次理论中的全局评价算子,基于线性加权法构造了基于强制性约束层评价模型和非强制性约束层评价模型的供应商综合评价模型,提高了供应商选择的成功率.最后通过算例验证该模型是有效的.     

供应商协同能力评价指标体系研究

供应链协同已经成为供应链集团在与其他集团之间日趋激烈的竞争中创造竞争优势的势在必行的现代管理战略,供应商选择对供应链协同至关重要。通过控制进化种群划分与进化过程,利用压缩变异与Gauss变异设计一种组合变异方式,进而提出改进的模糊C-均值聚类遗传算法（IFCMGA）;在初步确定面向供应链协同的供应商评价指标后,利用IFCMGA算法对供应商协同能力评价指标进行分类,构建了面向供应链协同的供应商评价指标体系。结合模糊层次分析法与重要指标筛选法进行指标分析和筛选以及指标体系重构,以为供应商评价与选择提供科学决策依据。     

GA和SVM在供应链绩效评价中的应用

研究了基于遗传算法和支持向量机的供应链绩效评价问题。将供应链绩效评价问题用遗传算法进行特征选择并同时对支持向量机参数进行了优化。研究表明该方法能提取出影响供应链绩效的重要属性,减小供应链评价模型的复杂度。应用实例表明基于遗传算法和支持向量机的评价结果从整体上要优于标准支持向量机的评价结果。     

基于遗传算法的战略供应链集成研究

在战略供应链研究中,考虑供应链的三个主要阶段,采购、生产、配送和它们之间的相互作用,不同客户需求,设施配对关系,供应商优先权以及现有供应链设计模型的局限性,建立了混合整数非线性规划（MINLP）模型。为有效地解决这种大规模混合整数非线性规划模型的约束,采用自适应遗传算法（AGA）对该模型进行求解优化。实验结果表明,所提混合整数非线性规划模型能够有效解决战略供应链设计中的供应链协同优化问题,并能得到较优的供应链设计方案。     

考虑碳排放量与数量折扣的闭环供应链网络设计与多目标决策优化研究

由于闭环供应链网络在环境法规、客户压力等方面都受到关注,故供应商选择在供应链管理中更具挑战性,本文所提闭环供应链网络模型可解决上述问题.其中,供应商会提供数量折扣以激励买家购买更多的产品.模型的目标函数是将经济成本与碳排放量降至最低,最大限度提升客户满意度等参数,并确定出最佳的供应商、采购量、运输方式、技术类型、碳排放...     

逆向物流供应链最佳供应商选择及订单量分配*

为解决逆向物流供应链中,供应商选择、订单量分配和提货点位置等不确定问题,建立了一个新的模糊多目标数学模型来确定最佳供应商选择、供应量及提货点位置,为避免在解决多目标模型时人为主观赋权,运用基于模糊目标规划的蒙特卡罗仿真模型来求解帕累托(pareto)理想解,采用遗传算法进行求解,并给出了相应优化方案,在此基础上研究讨论了不同权重分配下结果的优劣性及供应商选择风险,最后,针对不同权重分配,比较了遗传算法和Gurobi求解,实验表明,对于该问题模型遗传算法在解的优劣性上优于Gurobi。     

多专家AHP的算法改进及其在供应商选择模型中的应用

本文以集成供应链管理(ISCM)软件开发项目为背景,重点研究多专家层次分析法在供应商选择模型中的应用问题。首先提出一种改进的多专家层次分析法,其软件实现更为安全稳健;进而建立供应商选择软件的UML功能模型,给出该方法在供应商选择中的具体应用;最后通过一个应用实例来验证软件运行的有效性。     

A new efficient encoding/decoding procedure for the design of a supply chain network with genetic algorithms

Supply chain network (SCN) design is a strategic issue which aims at selecting the best combination of a set of facilities to achieve an efficient and effective management of the supply chain. This paper presents an innovative encoding–decoding procedure embedded within a genetic algorithm (GA) to minimize the total logistic cost resulting from the transportation of goods and the location and opening of the facilities in a single product three-stage supply chain network. The new procedure allows a proper demand allocation procedure to be run which avoids the decoding of unfeasible distribution flows at the stage of the supply chain transporting products from plants to distribution centers. A numerical study on a benchmark of problems demonstrates the statistical outperformance of the proposed approach vs. others currently available in literature in terms of total supply chain logistic cost saving and reduction of the required computation burden to achieve an optimal design.     

集成整车物流系统的网络规划问题研究

综合考虑运输、库存、设施、服务质量等决策因素,建立了整车物流网络规划集成优化模型,针对由工厂、集货中心和分销中心构成的基本物流网络,提出了用于运输路径优化的流预测算法,并嵌入到遗传算法,解决了适应值的计算难点,给出了基于流预测的遗传算法求解框架．通过实例分析了运输规模效应、库存控制策略、服务质量指标等因素对物流网络结构设计方案的影响。     

A genetic algorithm for solving the fixed-charge transportation model: Two-stage problem

Transportation of goods in a supply chain from plants to customers through distribution centers (DCs) is modeled as a two-stage distribution problem in the literature. In this paper we propose genetic algorithms to solve a two-stage transportation problem with two different scenarios. The first scenario considers the per-unit transportation cost and the fixed cost associated with a route, coupled with unlimited capacity at every DC. The second scenario considers the opening cost of a distribution center, per-unit transportation cost from a given plant to a given DC and the per-unit transportation cost from the DC to a customer. Subsequently, an attempt is made to represent the two-stage fixed-charge transportation problem (Scenario-1) as a single-stage fixed-charge transportation problem and solve the resulting problem using our genetic algorithm. Many benchmark problem instances are solved using the proposed genetic algorithms and performances of these algorithms are compared with the respective best existing algorithms for the two scenarios. The results from computational experiments show that the proposed algorithms yield better solutions than the respective best existing algorithms for the two scenarios under consideration.     

产品族设计与延迟制造过程决策的主从关联优化

在市场全球化的进程中,延迟仍然是当今企业降低供应链风险的一种有效策略.然而,当前对延迟的研究往往是基于预先已固定好的产品族架构,较少关注到产品族设计与延迟制造过程决策间存在的内在固有耦合关系.鉴于此,提出对这二者的一种主从关联优化方法.首先,通过构建二者间的主从交互评价机制,建立以产品族设计为上层优化、延迟制造过程决策为下层优化的非线性双层规划模型:模型上层为设计产品族架构和决策延迟产品模块类型,从而最大化单位成本的顾客效用;下层分别为非延迟和延迟产品模块决策最优的制造方式以及为终端产品决策最优的组装方式,从而最小化工程成本.然后,设计一种嵌套式遗传算法对模型进行求解,以智能冰箱产品族延迟制造案例验证所提出模型和算法的可行性.最后,通过设计一种嵌套GAPSO算法对嵌套式遗传算法进行改进,并对比分析两种算法的计算过程和结果.     

Optimization of Order Fulfillment in Distribution Network Problems

This paper focuses on optimization of order due date fulfillment reliability in multi-echelon distribution network problems with uncertainties present in the production lead time, transportation lead time, and due date of orders. Reliability regarding order due date fulfillment is critical in customer service, and customer retention. However, this reliability can be seriously influenced by supply chain uncertainties, which may induce tardiness in various stages throughout the supply chain. Supply chain uncertainty is inevitable, since most input values are predicted from historical data, and unexpected events may happen. Hence, a multi-criterion genetic integrative optimization methodology is developed for solving this problem. The proposed algorithm integrates genetic algorithms with analytic hierarchy process to enable multi-criterion optimization, and probabilistic analysis to capture uncertainties. The optimization involves determination of demand allocations in the network, transportation modes between facilities, and production scheduling in manufacturing plants. A hypothetical three-echelon distribution network is studied, and the computation results demonstrated the reliability of the proposed algorithms. Received: October 2004 / Accepted: September 2005     

不确定条件下配送回收中心选址配送问题研究

针对制造商、零售商、一个废弃处理中心和多个配送回收中心构成的闭环供应链,解决模糊随机环境下的配送回收中心选址配送问题。引用模糊随机理论处理产品回收率和可再利用率随机变量,以成本最低和碳排放最小为双重目标,以设施能力,设施间流量以及设施数量为约束,建立多目标闭环供应链配送回收中心选址配送模型。改进了全局-局部-邻域粒子群算法,设计了基于优先级的全局-局部-邻域粒子群算法方案,并用案例验证了模型及算法的有效性和先进性。     

基于扩展状态任务网的制造供应链计划

制造供应链计划是制造供应链管理的关键问题,它不仅需要分配生产任务和控制库存,还需要解决不同工厂(企业)间的运输配套问题.为统一描述具有复杂产品生产过程(包括装配型、分解型和多输入多输出型等)的生产任务、存储任务和不同模式(包括单种物料独立运输模式和多种物料组合运输模式)的运输任务,提出了扩展状态任务网(extended state task network,简称ESTN).扩展状态任务网用比例转化任务统一描述生产任务、存储任务和单种物料独立运输任务,用虚比例转化任务和组合移动任务共同描述多种物料组合运输任务.应用扩展状态任务网,meta启发式方法在求解制造供应链问题时更容易编码和操作.为求解基于ESTN的制造供应链计划模型,提出了具有多样性检测的参考解集更新策略与分散性解变异策略的路径重连算法.路径重连算法维护一个由高质量解(精英解)组成的参考解集,将一个向导精英解的属性逐步引入一个起始精英解而形成的中间解序列(路径),并用此中间解序列更新参考解集以获得进化.计算实例表明,该路径重连算法比标准遗传算法、标准Tabu搜索算法以及普通路径重连算法能够获得更好的解,证明了多样性检测对参考解集更新的关键作用以及分散性解变异策略在提高解的质量上的能力.     

JIT供应链物料采购协同优化及其粒子群算法

在供应链环境中,传统的物料需求计划没有考虑供应商的供货能力与经济利益,不利于供应链上下游企业的长期合作。研究了一种基于JIT的供应链物料采购协同优化问题,以单一制造商和多供应商构成的二级供应链为研究对象,遵循产品生产的BOM约束和MRP制定原理,以最小化供应链上下游企业的库存、运输、缺货、赶工等总成本为目标,构建了以MRP为引导的供应链订购批量协同优化模型;通过调整制造商的主生产计划变更采购计划,以获得供应商供货方案,据此设计了基于整数编码和带有交叉操作的改进离散粒子群优化算法进行模型求解;结合实例对模型可行性进行了验证,通过算法结果分析及比较,证明了算法的有效性。     

A novel multi-objective meta-heuristic model for solving cross-docking scheduling problems

Cross-docking is a material handling and distribution technique in which products are transferred directly from the receiving dock to the shipping dock, reducing the need for a warehouse or distribution center. This process minimizes the storage and order-picking functions in a warehouse. In this paper, we consider cross-docking in a supply chain and propose a multi-objective mathematical model for minimizing the make-span, transportation cost and the number of truck trips in the supply chain. The proposed model allows a truck to travel from a supplier to the cross-dock facility and from the supplier directly to the customers. We propose two meta-heuristic algorithms, the non-dominated sorting genetic algorithm (NSGA-II) and the multi-objective particle swarm optimization (MOPSO), to solve the multi-objective mathematical model. We demonstrate the applicability of the proposed method and exhibit the efficacy of the procedure with a numerical example. The numerical results show the relative superiority of the NSGA-II method over the MOPSO method.