论文部分内容阅读
供应计划的制定对于供应链上各个环节都十分关键．尤其在不确定需求下，一个实用合理的供应计划非常重要．
供应计划需要同时兼顾成本、利润、风险等多个目标，是一个多目标问题，并且力求每项指标都达到最优．同时，由于问题的研究前提取决于未知的市场需求，所以供应计划又是一个不确定性问题．这种不确定性，直接影响着企业最终关注的各项指标．通过建立多目标随机规划模型，能够非常好地刻画出供应计划问题在数学层面上的本质，使得通过此模型解出的结果更加稗学和有效．
本文引入了蒙特卡洛方法来解决不确定需求的预测问题，根据符合一定概率分布的历史数据(数学期望，标准差和不同产品间的相关系数等)模拟出未来的市场需求量．这个问题解决的前提，是要得到[0，1]上的均匀随机数，进而求得满足模拟所得概率分布的相关随机数．模2类伪随机数发生器自上世纪60年代提出后，取得了长足的发展．其中的MT算法，以其周期长、精度高、高维随机性能优良得到了非常广泛的应用．本文也将使用这个算法，力求达到最佳的模拟效果．
对于多目标规划问题已经有了不少经典的解法，但求解的能力都十分有限，尤其本问题还有一定的随机性，问题的求解变得更加困难．于是，本文采用遗传算法来解决这个问题．文中提出了不同个体多个目标的比较策略，力求在各项指标最优的前提下，为决策者提供多种不同策略的选择方案．这有利于决策者做出最有利于企业的决定．
本文引入CVaR方法，每个生产阶段的机会损失与它可能发生的概率相乘(概率由历史数据得来)．这样，小概率情况的损失值被大大遏制，而发生率高的损失值会占有较大的权重，这将使机会损失的预测更加准确．
在完成上述研究后，通过一个算例对算法进行了验证：对于不确定需求条件下的多目标供应计划问题，本文提出的算法取得了比较好的结果．把计算CVaR值的方法应用到机会损失的估算上，提高了最大利润，说明这个方法使得问题的求解更加接近客观，能够更准确地对问题做出分析．