外文翻譯---供應鏈管理環(huán)境下的庫存優(yōu)化-環(huán)境工程(已修改)
2025-06-01 10:42 本頁面
【正文】 外文翻譯 題目 ： 供應鏈管理環(huán)境下的庫存優(yōu)化 摘要： 傳統(tǒng)供應鏈模式下的庫存優(yōu)化由于缺乏必要的信息，在模型的求解過程中難以得到符合實際要求的最優(yōu)解。本文分析了傳統(tǒng)企業(yè)庫存優(yōu)化與供應鏈管理環(huán)境下庫存優(yōu)化的運作機理，提出在供應鏈管理環(huán)境下可以借助多層 BP 神經(jīng)網(wǎng)絡改進傳統(tǒng)庫存模型，以得到更為滿意地最優(yōu)庫存策略。并依據(jù)某一鋼材現(xiàn)貨公司的庫存情況給出具體的應用。 關鍵詞 ： 供應鏈 供應鏈管理 庫存 BP 神經(jīng)網(wǎng)絡 優(yōu)化 供應鏈管理（簡稱 SCM）是當今的一個 熱門話題。這個詞來自關于作為一個特定的公司是如何組織聯(lián)系在一起的一幅圖片。供應鏈管理的想法是采用整體的方法來管理整個信息流，材料和來自于原材料供應商的服務通過工廠和倉庫直到最終的客戶。成功的供應鏈管理需要有一個一體化的系列活動納入一個緊密無間的過程。但是，在供應鏈的每一個環(huán)節(jié)必然有一些延誤和一些不確定性，因此必須保持必要的庫存。相反，對企業(yè)來說存貨實際上是一種浪費。國內(nèi)外專家在庫存優(yōu)化領域已取得了很大的研究，做了許多庫存優(yōu)化的模型。所有這些模式在供應鏈管理的思想應運而生之前已經(jīng)取得了，但這些模型沒有考慮上游 和下游企業(yè)。 這些作為稀缺的信息優(yōu)化模型 僅僅 利用概率模型 來適應信息統(tǒng)計基礎上需求的變化。通常情況下，通過這種方式制作的模型因為太過復雜而很難操作。 另一方面，影響存貨清單的各因素之間的關系是非線性的，因此很難作出一個定量和明確的數(shù)學關系，而且這些最佳的成果也不能滿足實際應用。 人工神經(jīng)網(wǎng)絡本身的自我學習和多映射的能力，可以探索復雜系統(tǒng)，使復雜的模型簡單化。在人工神經(jīng)網(wǎng)絡里，隱藏在網(wǎng)絡中的信息所作的聯(lián)系的神經(jīng)元，它可以處理多種定量關系。即神經(jīng)網(wǎng)絡是一個大規(guī)模并行計算模型，它的特點： 很大程度的魯棒性和容錯性； 隨時準備處理與一般非線性系統(tǒng)的相關問題； 生物物理影響。 因此，對于非線性問題，人工神經(jīng)網(wǎng)絡是一個很好的分析工具。本文將提出在多層次的BP神經(jīng)網(wǎng)絡的幫助下 ， 來改進傳統(tǒng)的 庫存模型以獲得更令人滿意的優(yōu)化庫存。 上游和下游企業(yè)形成之前的戰(zhàn)略聯(lián)盟關系，只有一個單一的物質(zhì)流。運行機制如下圖所示： 基于傳統(tǒng)供應鏈的運行機制 (如圖所示 ) ， 由于缺乏必要的信息，庫存決策優(yōu)化模型必須利用概率 模型來 適應 信息統(tǒng)計基礎上需求的變化 。 現(xiàn)在，我們給一個簡單的單周期隨機庫存模型： 在這個模型中： E[T(y)]： 價值期望的總費用清單； c：每種產(chǎn)品制造（或購買）的費用； h： 每個產(chǎn)品的庫存成本； p： 缺少每個產(chǎn)品的懲罰成本； x:開放的股票； y： 該股在開放時所得；ξ ： 在這個時期，它為隨機變量； φ（ξ） :概率密度函數(shù)。 為了盡量減少價值期望的總費用清單的價值，即：使價值期望的總費用清單最小，必須使。通過推導制定的方法得到參數(shù)的論點，我們將得到： ；如果提供每種產(chǎn)品制造（或購買）的費用，每個產(chǎn)品的庫存成本，缺少每個產(chǎn)品的懲罰成本的價值，我們能獲得該股在開放時所得的最佳的價值股票，還可以得到在這個時代的最佳的庫存策略。 正如上面提到的，這種傳統(tǒng)模式下取得的資料不足，涉及到許多相關的應用范圍，所以這是必不可少的前提假設，因此這種模式是難以符合實際應用的。 現(xiàn)在的主要問題集中在 隨機變量的概率密度函數(shù)中。從上述分析我們知道影響隨機變量的因素是多變量非線性關系；如：產(chǎn)品的價格，銷售季節(jié)的變化 ， 內(nèi)部收益率的總和。當然，對于一個特定的企業(yè)、影響因素可能是可變的。因此，在這個時期的隨機變量可能不符合一個確定的概率分布，以及以這種方式獲得庫存的最優(yōu)戰(zhàn)略可能不符合現(xiàn)實的要求。 直接和深遠影響到企業(yè)的供應鏈變化的思考的決策模式 : 改變傳統(tǒng)模式，阻止 縱 向思考模式 進入橫向 ，縱向的思考模式打開。隨著 IT和物流技術的發(fā)展，基于內(nèi)聯(lián)網(wǎng) \聯(lián)網(wǎng)，互聯(lián)網(wǎng)和電子數(shù)據(jù)交換技術，企 業(yè)可能有能力實現(xiàn)翻譯。在供應鏈管理的基礎上機械業(yè)務的企業(yè)如下所示： 根據(jù)上圖中， 屬于一個具體供應鏈 的 企業(yè)可以分享一些重要的信息 ，這些信息 在傳統(tǒng)供應鏈 下是 每個企業(yè) 的 商業(yè)秘密。 有了這一信息的企業(yè)可以提高庫存的預測精度，銷售等。 多層 BP 神經(jīng)網(wǎng)絡 （ 1） BP神經(jīng)網(wǎng)絡的摘要概括 人工神經(jīng)網(wǎng)絡，人工神經(jīng)網(wǎng)絡是一種信息處理模式啟發(fā)，通過密集的相互聯(lián)系，哺乳動物大腦處理信息的平行結(jié)構。換言之，人工神經(jīng)網(wǎng)絡的集合的數(shù)學模型，模擬的一些觀測特性的生物神經(jīng)系統(tǒng)，并利用類比的自適應生物學習。神經(jīng)網(wǎng)絡模式的關鍵因素是新型結(jié) 構的信息處理系統(tǒng)。它是由大量的高度聯(lián)結(jié)處理單元，類似于捆綁在一起，以加權聯(lián)系，類似于突觸。這一模式的優(yōu)勢尋找一個合適的預測模型庫存清單。 有眾多不同類型的人工神經(jīng)網(wǎng)絡和 BP 神經(jīng)網(wǎng)絡，這是進行了反向誤差算法的訓練。根據(jù)簡單的結(jié)構和大量的應用，人工神經(jīng)網(wǎng)絡 是 目前最流行 的 神經(jīng)網(wǎng)絡。 （ 2） 基本的多層 BP 神經(jīng)網(wǎng)絡 通常 BP神經(jīng)網(wǎng)絡的層次是有組織的。層是由若干包含一個 39。激活功能 39。的相互關聯(lián)的 39。節(jié)點 39。組成。模式通過“輸入層”提交給網(wǎng)絡，“輸入層”通過一個系統(tǒng)連接的加權對一個或更多的隱藏層進行實際加工。隱藏層然后鏈接到一 個‘輸出層’，在那里輸出所顯示的圖形如下： BP 神經(jīng)網(wǎng)絡的其他兩個要素是傳播 fi， gi 功能和神經(jīng)元之間的互連權重，即重： Wij，sij， 和閾值的價值： θ i，β i。這些元素之間的關系程度由方程式如下 : BP神經(jīng)網(wǎng)絡包含一些通過輸入模式來修改權的連接的某種形式的 39。學習規(guī)則 39。雖然有許多不同類型的學習規(guī)則，但三角洲規(guī)則是 BP神經(jīng)網(wǎng)絡用的最常見的學習規(guī)則。在三角洲規(guī)則里， 39。學習 39。是出現(xiàn)在每個周期或 39。時代 39。的通過產(chǎn)出流動激活以及重量調(diào)整誤差，向后傳播的一個監(jiān)督的過程。 在隨機變量的基礎上制作 BP 神經(jīng)網(wǎng)絡 預測模型 作為庫存優(yōu)化模型、關鍵元素是適應隨機變量需求的變化。 同時，影響需求的因素是可變的，在這個意義上說，他也是模型中最艱難的過程。另一方面，因為這些企業(yè)雙贏 的關系， 屬
畢業(yè)設計相關推薦
鄂ICP備17016276號-1