供应链分销系统的自适应库存控制

市场环境的动态性使得采取一种固定的库存策略难以适应需求的不确定性,本文借鉴自适应控制领域自校正控制的方法,提出了能够适应动态市场需求的分销系统库存自适应控制方法。分析了自适应评价方法在供应链分销系统库存控制中的应用原理,说明了系统辨识神经网络、自适应评价模块和神经网络控制器的作用。以一个简单分销系统为例设计了神经网络自适应库存控制的实现方式,并通过仿真试验证明了神经网络自适应库存控制方法优于固定库存优化策略如线性规划或遗传算法。

基于强化学习算法的供应链自适应随机库存控制研究

针对非平稳随机需求的多级多周期供应链库存控制,本文建立了一种包括一个供应商和多个零售商的供应链分散式自适应库存控制模型,以满足给定的零售商服务水平。同时,运用强化学习算法,并根据需求变化情况,供应商和零售商分别自适应地调整库存控制参量。仿真试验表明,当相对需求分布已知,而需求未知时,订货量和服务水平都相对不稳定;安全因子范围大的,订货量和服务水平的波动相对较大,且能够更快的把服务水平调整到目标服务水平区间内。该模型是合理和有效的。

基于双策略搜索粒子群算法的供应链库存优化

针对双渠道供应链中不同渠道间存在订货价格差异的问题,建立了考虑价格差异影响的双渠道多级供应链模型,提出一种双策略搜索粒子群优化(Double Strategy Search Particle Swarm Optimization,DSSPSO)算法求解该模型。为降低供应链系统总成本同时保证较高的客户满意度,供应链各级节点采用自适应共享库存控制策略。通过算例仿真对比三种算法的模型优化结果,结果表明:双策略搜索粒子群算法优化后的总成本较遗传算法降低了64.4%,达优率为80%,验证了算法的有效性和稳定性。