论文部分内容阅读
针对随机环境下多期单项批量问题的复杂结构导致的数学难解性,提出基于启发式的前馈神经网络FF-NN(Feed Forward-Neural Network)模型。通过研究一种基于最小总相关成本价格和不确定性需求的最优批量策略,构建基于Taguchi方法、反向传播(BP)、遗传算法(GA)、蜂群算法(BA)的四种前馈神经网络模型,使用三种特定领域的启发式成本计算方法,包括修正银餐(RSM)、修正最小单位成本(RLUC)、成本效益(CB),比较各种方法及模型的组合。实验结果表明,基于BA算法的FF-NN模