连锁零售供应链多级库存协同决策研究

针对连锁零售供应链多级库存资源的动态优化配置问题,提出了在上层对库存策略和下层对物流分配方案协同寻优的多级库存双层规划模型。借鉴细粒度模型遗传算法的遗传操作具有局部性的特点,模拟微观群体交互作用的局部性,基于细粒度模型遗传算法的Agent群体行为优化算法和基于复杂适应系统涌现机理的协同决策机制,进行连锁零售供应链多级库存协同决策研究。通过算例实验对模型的有效性进行了验证。仿真实验结果表明,通过连锁零售供应链微观个体Agent的群体行为优化,从系统工程的角度,实现了连锁零售供应链多级库存的动态资源优化配置和信息共享,降低了多级库存管理与运营的总成本。

医药连锁零售供应链物流变革提速——访北京科技大学校友、漱玉平民大药房连锁股份有限公司物流总监覃拥

近年来,我国医药零售市场规模不断扩大,行业集中度进一步提升,推动医药连锁零售企业供应链网络重构,物流中心向规模化、标准化发展的趋势日趋明显,其数智化转型需要专业能力的支撑与科技的赋能。

全渠道消费者行为协同决策研究

随着各大零售商全渠道营销战略布局,全渠道消费者数量呈爆炸式增长,对于全渠道消费者的消费行为研究成为热点。然而连锁零售供应链全渠道消费者消费数据呈现海量、高维的特征。针对这一特征,提出采用协同进化算法对连锁零售供应链全渠道消费者行为进行高维关联分析。利用粒子群优化算法和自适应遗传算法各自的优势,两个种群同时遍历,并在两种群间引入信息交互机制,使两种群协同进化。实证研究证明协同进化算法应用于连锁零售供应链全渠道消费大数据关联规则挖掘中,不仅算法的运算速度高,避免了遗传算法单独应用时容易陷入局部最优的缺陷,而且还提高了连锁零售供应链全渠道消费者行为关联规则的大数据挖掘质量,为全渠道消费者购买行为研究提供了新的方法。