基于实时补货情况下的制造型企业RMFS订单拣选系统储位分配问题

为提高制造型企业基于移动机器人的拣货系统(RMFS)的拣选效率,分析订单拣选过程中补货对拣选效率的影响,对其实时补货情况下的储位分配问题进行研究,以补货和拣货两阶段总搬运距离最短为目标,建立整数非线性规划模型,提出基于二分网络的储位分配算法和改进灰狼优化算法,利用前两个算法有效解决了基于实时补货情况下的RMFS订单拣选系统储位分配问题。实验表明,设计的储位分配算法和改进灰狼算法与遗传算法、传统灰狼算法、改进人工蜂群算法、引入Lévy飞行的改进灰狼算法相比,在求解精度和求解稳定性上有较明显的优势,在不同仓库规模和订单拣选规模下有效提高了RMFS的作业效率。

考虑损失规避和补货策略的VMI供应链协调

大量实证研究表明补货可以降低缺货损失,同时企业的损失规避行为也影响其决策问题,无论是补货策略还是损失规避行为最终都可以影响供应链协调状态,但现有研究大多仅考虑含有损失规避的供应链协调问题,忽视了补货策略的影响。本文则是在考虑供应商采取补货策略的基础上,针对由一个损失规避型供应商和一个风险中性型零售商组成的两级VMI供应链中,采用了心理账户分离的方法来刻画供应商的损失规避行为,并分别构建了风险分散契约、期权契约和补贴契约下的供应链协调模型,进而探讨了供应商的损失规避行为对供应链协调状态的影响。研究表明:上述三类协调契约均可使供应链达到协调状态以及实现Pareto改进;相对于期权契约和补贴契约,供应商更倾向于选择风险分散契约来协调供应链;一旦供应商的损失规避程度过高,期权契约和补贴契约则将无法用于协调供应链。研究所得结果有助于丰富VMI供应链协调管理方法。

考虑物品异质性的联合补货-配送集成优化模型与智能求解算法

多物品联合补货策略通过协调不同物品的补货周期实现规模效益,可以有效降低物流成本。在多物品联合补货系统中,物品异质性是一个难以忽视的问题。物品异质性常常导致物品损坏、质量损失、运输风险等问题。针对这一现象,构建一种考虑资源约束的异质品联合补货-配送模型。为求解该NP-hard问题,设计一种基于自适应重组与反向学习策略的骨干差分进化算法。实验结果表明,新算法在运算时间和运算精度上比几种对比算法都有明显提升;算法表现与主要订货成本存在明显相关性,将该参数引入自适应重组策略有望进一步改进算法性能。

“蔬菜类商品的自动定价与补货决策”问题解析

给出2023年“高教社杯”全国大学生数学建模竞赛C题“蔬菜类商品的自动定价与补货决策”的可行解法,并对赛题评阅中发现的问题作了简要的评述.该题旨在通过对6个典型蔬菜品类的交易数据进行分析,探索蔬菜类商品的订购和定价问题.蔬菜需求具有明显的时间趋势和价格敏感性,由于保鲜期短,通常采用每日补货的运营方式.首先,通过剥离销量的时间效应,揭示销量的分布规律、价格与销量的耦合关系以及品类之间的相关性;其次,利用随机优化,建立优化模型并对补货和定价策略进行求解;最后,基于成本预测并叠加销量的时间效应,得到最优的补货量和销售价格.

免疫算法在卷烟企业EAM补货及智能物流方面的有效性研究

目的改进某卷烟厂供销商的补货方案,实现智能物流,通过综合考虑生产供给线的工艺特点和反馈的补货需求信号,提出一种基于免疫算法的距离优化模型,以提高智能化物流效率和补货效率。方法通过将客户的需求订单进行分析及排序,将存在的问题通过建模转化为旅行商问题。利用免疫算法对该问题进行求解,并利用Matlab进行仿真计算。结果得到了平均适应值和最优适应值2条曲线收敛接近的结果。同时,将订单顺序进行最优排列,提高了智能物流的效率。结论基于免疫算法的距离优化模型切实有效,可用于改进卷烟厂供销商的补货方案。同时,能够优化订单需求排序,实现智能物流。该方案对于提高供销商的运营效率、满足客户需求具有积极意义。

基于SPD模式的医用耗材补货策略与库存控制策略模型构建研究

目的:构建医用耗材需求预测模型预测医用耗材需求,减少医用耗材紧急补货和缺货事件发生。方法:运用支持向量回归(SVR)算法建立医用耗材需求预测模型,采用多种群遗传算法(MPGA)建立补货策略和库存控制策略寻优模型构建医用耗材需求预测模型,自动生成补货策略和库存控制策略。选取2019年1月至2023年5月本溪市中心医院引入供应-加工-配送(SPD)模式进行医用耗材管理的相关数据,分别用于构建模型训练、模型验证测试(测试集)和模型应用预测(应用集)。评估模型的平均绝对预测误差值、预测误差峰值和预测误差谷值,对比模型应用的周日均消耗与库存成本比值、月均紧急订货次数、月均缺货次数、月非紧急订货次数和指标周平均值降低幅度。结果:模型测试集和应用集的平均绝对预测误差值比较差异无统计学意义(P>0.05);模型平均绝对预测误差值为(0.0335±0.0245),预测误差峰值为0.0717,预测误差谷值为-0.0090。模型应用后周日均消耗与库存成本比值、月均紧急订货次数、月均缺货次数和月非紧急订货次数分别为(0.4575±0.0603)、(23.95±6.04)次、(5.58±2.17)次和(20.68±2.77)次,周日均消耗与库存成本比值高于应用前,而月均紧急订货次数、月均缺货次数和月非紧急订货次数均低于应用前,差异均有统计学意义(F=371.912、88.486、124.472、142.138,P<0.000);模型应用后周平均库存金额降低43.66%,平均紧急补货次数降低53.76%,平均缺货次数降低76.95%,平均正常补货次数降低34.41%。结论:医用耗材需求预测模型能够预测医用耗材需求,优化补货策略和库存控制策略,降低医用耗材库存成本,减少紧急补货和缺货现象发生,并可减少正常补货次数。

基于ARIMA预测优化模型的生鲜类商品自动定价与补货策略研究——以蔬菜类商品为例

生鲜商超中蔬菜类商品由于保质期较短,其商品的定价与补货决策往往是商超关注的重点。本文首先建立并求解了蔬菜品类与销售分布的皮尔逊相关模型,获得了各品类和各单品之间的相关关系,然后通过建立ARIMA预测模型,对生鲜商超未来一周各蔬菜类商品补货数量和定价策略进行了预测分析,最后采用非线性规划结合贪心算法对模型进行优化,求解了满足市场需求下最大收益时蔬菜各品类和单品的自动定价与补货决策。ARIMA优化模型能有效地对蔬菜类商品的自动定价与补货决策进行预测与优化,对保障生鲜商超的正常运营与收益具有重要意义。

自动补货系统补货缓存优化

为提高自动分拣系统作业效率、降低补货设备投入成本,在对自动补货系统中补货缓存作业过程分析的基础上,建立补货缓存设备输入输出平衡模型,提出补货缓存满足分拣作业的最优条件及临界条件;根据自动备货系统与分拣系统之间的布局关系,建立补货缓存中货物到达过程的数学模型和补货缓存长度的优化模型;设计'先聚类,后排序'的启发式聚类方法对备货系统的品项分配进行优化,仿真结果显示,优化后的品项分配与按照总量排序分配方法相比,补货缓存长度减少约9%。

基于随机补货间隔和非线性变质率的易腐商品补货模型

研究了一类需求率随价格变动、有一定保鲜期的易变质商品的随机补货间隔的多周期补货策略.变质率是非线性的时变函数,补货间隔是随机变量.针对补货间隔的密度函数是一个区间上的均匀分布情形,构建了以补货水平为决策变量的补货优化模型,利用Matlab求出极值优化解.并给出了算例和补货间隔的灵敏度分析.算例表明由于商品存在保鲜期,保鲜期后有变质损失,取最优解时经常会出现商品有出空现象,为了提高顾客需求满足率,可以缩短补货间隔,减少商品空缺期.该模型为配送中心的配货决策和商场的补货策略提供了一种决策方法.

沿途补货的多车场开放式车辆路径问题及蚁群算法

针对大区域多仓库多需求点的物流配送系统,建立了基于沿途多点补货策略的开放式车辆路径问题模型,强化了区域之间物流资源的整合和配送路径的跨区域优化。根据该模型需货车沿途多次访问仓库补货的特点,提出了带补货控制因子的蚁群算法。利用补货控制因子对仓库和需求点的区别赋权,控制了货车对仓库的访问时机和次数,从而解决了多仓库且车辆装载能力有限的开放式配送网络中货车沿途补货的问题。仿真试验表明了该算法的有效性和稳定性。

基于随机补货间隔期的库存控制优化模型及算法

研究补货间隔期不受零售商控制情况下的多周期库存优化问题。在假设允许缺货、补货间隔期是独立同分布的随机变量的前提下,给出了补货间隔期服从一般分布的预期利润函数,通过确定最优补货量来有效地控制库存。在此基础上,又分析了补货间隔期服从两种特殊分布情况,并给出了算例。

随机补货间隔期的多周期库存优化模型

针对供应商处于相对有利地位,零售商综合考虑各种因素决定他们补货量情况,研究了订货由零售商发起,且补货间隔期不受零售商控制情况下的多周期库存优化问题·在假设允许缺货、补货间隔期是独立同分布的随机变量的前提下,给出了补货间隔期服从一般分布的预期利润函数,通过确定最优补货量来有效地控制库存·在此基础上,又分析了补货间隔期服从两种特殊分布情况,并通过灵敏度分析说明了补货间隔期对其利润的影响·

基于分组策略的补货配送问题优化模型

针对已存在的供应链环境下较少考虑补货配送问题中的分组配送策略,结合大量零售商对单一产品需求量不同等特点,引入分组的决策变量.根据配送中心补货周期与配送次数的函数关系,以最小化三级供应链系统的平均总成本为目标,构建了带有配送中心能力约束的补货配送优化模型.根据优化模型的特点,利用改进的遗传算法求解模型,并进行了数据仿真试验.结果表明,该优化模型能为配送中心提供一种有效的分组配送方案,选择的优化算法更稳定快捷,能为企业提供有益的管理启迪.

联合补货问题研究综述

本文主要研究JRP问题,即同时补货多种产品,以尽可能降低总成本为目标。首先介绍了基本的JRP问题,间接成组与直接成组策略的模型构建的不同,又综合讨论了随机需求的JRP,存在资源约束的JRP以及动态需求的JRP等,此外还综述了联合补货与选址。

基于机器学习和遗传算法的智能补货决策模型

针对当下蔬菜类商品保质期较短且品质容易下降、急需制定有效的定价和补货策略的问题,提出了一种基于机器学习和遗传算法的蔬菜类商品智能补货决策模型。首先建立基于决策树回归和随机森林的预测模型预测商品的销售总量和成本,然后,建立基于遗传算法的商品收益优化模型并求解出商超未来一周的最大收益,最后给出定价与补货决策。实验结果对多阶段的算法进行了性能分析,验证了此方法的有效性和稳定性,并为供应链管理等领域提供了稳定可靠的优化方案。

BD电商配送中心库存控制与补货优化策略分析

随着电子商务的飞速发展,对电商配送中心提出更高要求。针对电商配送中心面临的多品种、小批量、高频率的挑战,基于BD电商配送中心相关数据,采用ABC分类法确定货物的重要程度,制定库存控制策略,并在采用Apriori算法对商品相关性分析的基础上优化补货货位,设计补货方案,最后强调作业任务量均衡在补货方案设计中的重要性,希望为BD电商配送中心提出可行建议。

蔬菜类商品动态定价与补货决策研究

基于蔬菜销售数据,分析销售规律与联系,并结合实际情况提出合理销售决策.首先,通过K-means++聚类等算法研究蔬菜品类及单品销售量的分布规律和相互关系,建立线性回归模型分析各蔬菜品类的销售总量与成本加成定价的关系,引入模拟退火算法求出各蔬菜品类、单品的最优补货和定价策略;然后,运用灰色关联分析判断其他因素对商超蔬菜销量的影响;最后,通过分析提出具有推广性的商超蔬菜最优销售策略,依此获得最大收益.

CPFR供应链补货策略模型与关键因素分析

通过对传统补货策略模型进行扩展和参数变换,加入同业竞争因子,引进CPFR(联合计划、预测与补货)运作机制,构建出在随机需求下更能够反映现代市场竞争环境的CPFR补货策略模型。并通过Matlab软件程序对该模型进行灵敏度分析,计算出各影响因子变化对CPFR供应链绩效指标的影响程度,识别出关键影响因素。

基于提前期可变的动态联合补货策略

提前期不变联合补货已做了大量的研究,现实中提前期极为重要且补货情况更为复杂,基于此本文对于多种产品在不同时间内需求相关、随机问题,提出一种动态、联合优化库存补货策略。在补货中的各检查点,预测每种产品在该补货阶段需求,根据产品库存状况,动态更新产品补货参数,并考虑提前期变化,运用特定决策规则制定定期联合补货策略,根据数值仿真算例验证所提出策略有效性。

时变需求下零售商补货时点的优化决策研究

构建了时变需求下零售商的库存成本模型,并通过算例比较了等周期补货与非等周期补货模式下零售商补货时点的区别,分析了在时变需下非等周期补货模式存在的优越性;通过设定不同的时变因子取值,得出平稳需求条件下零售商宜采取等周期补货模式、时变需求下零售商宜采取非等周期模式的结论。