粒子群神經(jīng)網(wǎng)絡(luò)在供應(yīng)鏈庫存管理中的應(yīng)用研究.pdf

1、供應(yīng)鏈管理是當(dāng)前的一個研究的熱點(diǎn)，也是企業(yè)界越來越青睞的管理方式，而庫存管理是供應(yīng)鏈管理中的一個重要組成部分，有效的企業(yè)庫存管理能夠創(chuàng)造巨大的經(jīng)濟(jì)價值。隨著信息化技術(shù)的普及，越來越多的企業(yè)引入了管理信息系統(tǒng)，但隨著市場競爭的加劇，傳統(tǒng)的管理信息系統(tǒng)已經(jīng)不能滿足企業(yè)的需求了，將供應(yīng)鏈思想和智能技術(shù)應(yīng)用到企業(yè)的信息管理中成為一種必然的趨勢。 作為計算機(jī)智能技術(shù)之一的人工神經(jīng)網(wǎng)絡(luò)是一門活躍的邊緣性交叉學(xué)科，研究它的發(fā)展過程和前沿問題，

2、具有重要的理論意義。BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)之一，但是BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法是基于梯度下降這一本質(zhì)的，因此不可避免地存在著容易陷于局部極小值，收斂速度慢，訓(xùn)練時間長等問題。而粒子群優(yōu)化算法作為一種解決非線性、不可微和多峰值復(fù)雜優(yōu)化問題的優(yōu)秀算法，它具有計算簡單、收斂速度快等特點(diǎn)，并具有較強(qiáng)的全局尋優(yōu)能力，可以作為BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，但該算法在進(jìn)化后期容易出現(xiàn)速度變慢以及早熟的現(xiàn)象。 本文針對粒子群優(yōu)化算法的不

3、足，對其進(jìn)行了學(xué)習(xí)因子自適應(yīng)調(diào)節(jié)和增加變異算子兩種思路的改進(jìn)；將改進(jìn)后的算法作為BP網(wǎng)絡(luò)的學(xué)習(xí)算法來進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，并通過仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)后的粒子群神經(jīng)網(wǎng)絡(luò)在全局尋優(yōu)能力和算法收斂速度兩個方面都有了一定的提高。然后，根據(jù)運(yùn)籌學(xué)存貯論中的庫存控制理論，結(jié)合供應(yīng)鏈中庫存管理的思想，針對某食用油生產(chǎn)商的原料庫存、采購特點(diǎn)建立了原料庫存控制指標(biāo)體系，并根據(jù)該指標(biāo)體系，以改進(jìn)后的粒子群神經(jīng)網(wǎng)絡(luò)作為預(yù)測模型，在該生產(chǎn)商供應(yīng)鏈管理系統(tǒng)的基礎(chǔ)上，進(jìn)行