论文部分内容阅读
21世纪企业的竞争不再是单个企业之间的竞争,而是企业供应链之间的竞争。企业面临缩短交货期、提高产品质量和改进服务的压力,要求企业必须能够快速响应不断变化的市场需求,不断开发出满足客户需求的个性化的产品去占领市场,否则将会被淘汰出局。这时,迅速组建能够应对市场变化的具有强大竞争力的敏捷供应链、形成动态联盟成为企业生存的关键。
本文以动态联盟的伙伴选择为题,意在分析面对整条敏捷供应链多个子环节的伙伴选择,而不仅是对某一核心企业其上、下游伙伴的评价。在面对一项市场机遇或任务时,动态联盟的发起者需要面对这项任务在他供应链的上、下游伙伴中,以及他的伙伴的伙伴中选出最适合这项任务的若干企业形成动态联盟,共同组织生产。这就需要使用一定的技术方法,科学有效地组织这条敏捷供应链。
本文研究的重点也就是动态联盟伙伴选择遇到的三个主要问题:指标体系的建立、问题建模和优化决策算法,这三个部分与以往的研究都有不同和创新之处:
在建立指标体系时,为了更客观、全面的反映动态联盟伙伴选择问题,建立了两类指标:企业自身属性指标和企业之间连通属性指标,来全面反映影响动态联盟伙伴选择的各种因素。在评价企业自身属性时不仅使用质量、时间和成本三个以往类似研究多用的指标,而且又增加了可靠性指标来综合反映除质量、时间和成本以外影响到动态联盟伙伴选择的因素。考虑到实际问题中动态联盟伙伴选择时上、下游企业的地理位置、物流成本和配送时间单独设置了评价企业之间连通属性的指标。同样一个企业,在与不同的上游企业联盟时,由于上游企业的地理位置的不同会有不同的物流成本和配送时间,企业之间的连通属性就是用来反映这些不同的指标。
在对动态联盟伙伴选择问题进行建模时,使用“结点”作为敏捷供应链的生产单位,从而消除了以企业作为敏捷供应链生产单位给建模带来的供应链某一阶段由于生产能力的要求需要多个企业共同生产和企业生产跨阶段性这样的复杂问题。“结点”本身是满足一定条件的企业的集合。将动态联盟伙伴选择问题抽象成根据优化目标函数在有向图中寻找一条最优路径的问题。
在设计优化决策算法时,提出使用遗传蚁群算法。在求解动态联盟伙伴选择时将遗传算法和蚁群算法相结合,充分发挥遗传算法和蚁群算法的优点,而克服两种算法各自的不足,使得最终算法具有很高的求解准确性。
论文在结构上分为以下章节对问题进行展开分析:
第1章绪论。说明论文研究的背景及意义,总结了相关领域的国内外研究现状。通过对前人研究的分析,提出以往对问题研究的不足。阐述论文研究的主要内容。
第2章相关概念。介绍了动态联盟的概念、形成的内在动因和构建过程。
第3章评价指标的建立。要对供应链的伙伴是否是适合当前市场任务的最优伙伴进行评价,首先就要建立评价动态联盟伙伴的指标体系,通过对实际问题的分析,本文建立的对动态联盟伙伴进行评价的指标体系分为两大部分,分别用来评价企业自身属性和企业之间的连通属性。文中分别介绍了两类指标的具体构成和各自的含义。
第4章动态联盟伙伴选择模型的建立。这一部分首先介绍了对评价指标值的处理,包括指标权重的确定、定性指标的量化和如何对所有的指标进行去量纲化处理,并举例说明指标值的处理过程。接下来,介绍对动态联盟伙伴选择问题建立什么样的模型。由于实际问题中,一个企业可能从事供应链上多个子环节的生产,而一个子环节由于生产能力的要求,往往又需要由多个企业共同生产。为了解决这些复杂问题,文中引入“结点”的概念将供应链中的生产单位重新定义,使得敏捷供应链的生产单位“结点”满足建模要求。最终,将动态联盟伙伴选择问题转化成为在有向图中根据评价指标和优化目标函数找一条连接起点到终点的最优路径,构成最优路径上的结点的所有企业即为该动态联盟的伙伴。
第5章遗传蚁群算法。这一部分首先介绍了蚁群算法,提出对基本蚁群算法的改进方法。表明可以使用蚁群算法来解决动态联盟伙伴选择问题。通过分析发现由于蚁群算法本身的一些特点和动态联盟伙伴选择问题本身的一些特性导致仅对蚁群算法本身进行改进算法的性能很难有明显的提高。然后介绍了遗传算法的演算机制和特点。通过分析两种算法的特点提出:将遗传算法与蚁群算法融合,利用蚁群算法的正反馈机制克服了遗传算法的反馈信息利用不足求解效率降低的问题,又利用了遗传算法对解空间的大范围随机搜索能力克服了蚁群算法初期搜索范围不足的问题,从而达到优势互补。最后,给出遗传蚁群算法的实现步骤。
第6章仿真算例。为了证明遗传蚁群算法在解决动态联盟伙伴选择问题时确实有效,将算法使用C语言实现,并通过设计算例来实际运行算法的程序,通过算法运行结果来分析算法的性能。事实证明,遗传蚁群算法在解决动态联盟伙伴选择问题时具有很高的准确性。
第7章创新与展望。总结了本文研究的创新点,并提出研究中的一些不足以及后续研究可以做的工作。