基于機會約束規(guī)劃的供應鏈批量問題研究.pdf

1、供應鏈批量問題在管理庫存和節(jié)約成本方面做出了出色的貢獻。由于需求等大量的影響因素受市場環(huán)境等條件影響波動較大，會出現(xiàn)各種難以預料的變化，通常會導致不能夠得到準確的預期效果，因此基于模糊機會約束規(guī)劃的聯(lián)合補充問題就因此產(chǎn)生。模糊機會約束規(guī)劃的聯(lián)合補充模型中，需求被作為模糊變量來處理，使得整個問題模型可以簡化為一個相應的數(shù)學模型，然后問題的核心轉換為對該模型的求解。而對于求解模糊機會約束規(guī)劃的聯(lián)合補充模型的算法將會對模型問題的處理效果產(chǎn)生直

2、接的影響，進而會影響實際應用中的價值。
　　首先，針對多供應商的條件下，討論需求是模糊參數(shù)的模糊機會約束規(guī)劃的聯(lián)合補充問題模型，以最小化庫存總成本作為目標函數(shù)。通過對問題模型的分析、推導，然后，為了方便求解，需要將模糊機會約束規(guī)劃的聯(lián)合補充問題模型進行等價的清晰模型轉化。
　　其次，根據(jù)模糊機會約束規(guī)劃的聯(lián)合補充模型對變量的模糊性，對模型條件約束性的特點，比較后選擇遺傳算法和粒子群算法作為算法研究對象。采用遺傳算法需要對決策

3、變量進行染色體編碼，機會約束條件與適應度函數(shù)進行設置，然后對染色體進行交叉，變異和選擇操作，最后得出最優(yōu)的一組染色體作為最優(yōu)解。同樣條件下，用粒子群算法解出相應測試結果，需要定義解空間，設置機會約束條件和適應度函數(shù)，然后對粒子速度進行涉及自身和社會學習的更新，最后得到最優(yōu)的一組粒子作為最優(yōu)解。把通過粒子群算法求解得到的結論同遺傳算法求解得到的結論進行比較分析，然后對兩種不同算法的優(yōu)化結果和運算性能進行比較分析，評價遺傳算法與粒子群算法對