库存是制造企业的一项巨大投资,控制库存成本对于企业具有重要的意义。传统库存成本控制方法是订货点法,它是以高库存量为基础,不能实现对库存成本的进一步控制,而JIT方法可以弥补它的不足。但是JIT方法往往只是一种理想状态,而在实际应用中,无论什么企业都做不到零库存的标准,只能尽可能的使库存最小化,而为了避免紧急供货时的库存不足带来的损失,企业往往都会根据不同时期和环境设定一定的安全库存。安全库存是一种额外持有的库存,它作为一种缓冲器用来弥补在订货提前期内实际需求超过期望需求量或实际提前期超过期望提前期所产生的需求。在一些企业中一般凭经验来设定安全库存,但实际效果不佳。如何能够用合适的方法来准确和及时的对安全进行预测成为企业库存成本控制的重点。本文对安全库存的预测与优化作了一些工作:(1)讨论了不确定需求环境下的库存模型,分析了USL和OSL两种客户服务水平的关系,通过数学实验,明显看出单件服务水平通常会高于周期服务水平,因此,对于企业管理者来说,用周期服务水平控制服务质量是一种比较安全的考虑。然后研究了安全库存因子与参数之间的简化关系,用单变量和多变量线性回归及BP网络方法,比较了三种模拟,找到了可用的简化模型关系。(2)以服装企业为例建立BP神经网络模型,用多个影响安全库存的指标及安全库存样本对网络进行训练,以达到对安全库存量预测的目的。经验证和预测效果十分接近。(3)由于神经网络存在收敛速度慢的问题,利用遗传算法对神经网络进行优化以解决神经网络收敛速度慢的问题,仿真结果表明了方法的有效性。