具有区间灰色特征的多级供应链网络优化设计模型

考虑终端市场需求量和产品单价的区间灰色特征,以及需求的不确定性,研究战略层次上的供应链网络设计及其鲁棒优化问题,当供应链结构的参数发生变动时,供应链整体结构和性能保持鲁棒性。针对传统求解方法的局限性,文章通过引入控制变量,建立了具有灰色特征的供应链网络结构设计模型及其鲁棒优化模型,为验证模型的有效性和可行性,以生鲜农产品为实例分析对象,通过实地调查,运用混合整数非线性规划方法,使用Matlab7.0计算工具,研究了4种不同情景下模型的灵敏度,得出5种不同条件供应链网络的设计结构及整体收益,对比分析得出结论:运用混合整数线性规划方法,能有效解决具有区间灰色特征的供应链网络设计及其鲁棒优化问题;不同条件下供应链网络结构不同,且供应链整体收益值、总成本值和利润值也不相同;只要条件确定,供应链网络结构也是确定的,且该结构对问题的解具有鲁棒特征;控制变量的取值大小反映了决策者的决策特征。     

不确定性供应链的鲁棒优化研究综述

经济危机的爆发使得复杂多变的供应链环境更加趋于不确定,供应链鲁棒优化的研究时于供应链运作、供应链风险等有着重要的意义.文章分析了供应链的不确定性构成、形式以及不确定性内外两种表现形式:讨论了不确定优化的三种方法;探讨了供应链的鲁棒优化以及供应链鲁棒优化研究的若干前瞻性问题.     

基于条件风险值的供应链分销网络多目标优化模型

传统的供应链分销网络优化模型往往以成本作为唯一优化准则,没有将供应链分销网络风险控制纳入优化范畴,这与实际优化过程不相符合.为给具有不同风险偏好的优化者提供合适的优化模型,文章在传统的供应链分销网络优化模型的基础上,借用金融工程领域广泛应用的风险控制工具一条件风险值计量其风险水平,从而建立了供应链分销网络多目标优化模型.目的是依据该模型优化分销网络结构,寻求一定风险水平下的供应链分销网络最佳优化策略,实现其利润最大化.     

不确定逆向物流环境下制造/再制造系统的鲁棒运作模型

文章考虑了不确定逆向物流环境下可再利用产品的制造/再制造过程;设计了一类制造/再制造系统,制造商可以通过从外部供应商处订购新零件或将回收的废旧产品进行拆解维修等处理后得到的零件作为"新"零件进行生产.回收的废旧产品数量是不确定的,但此不确定性可用具有已知概率的情景集合来描述:采用基于情景分析的鲁棒线性优化方法建立了该系统的鲁棒运作模型:设计了一个仿真算例,其结果验证了所建模型及由模型所得到的运作策略的鲁棒性.     

基于分数阶矩和分片Wasserstein距离的鲁棒风险度量优化模型

鲁棒风险度量优化是一类随机风险分析度量的重要问题,其对不确定分布信息的捕捉需依赖不完善的假设和估计,分布尾部的反映直接影响分布预测的精准性,尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时,提出基于Wasserstein距离的分布估计方法,克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力,在解析分布估计的基础上,建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差,基于纤维丛理论思想,提出分片Wasserstein距离解析约束的分片鲁棒风险度量模型。最后,通过规范数据进行仿真分析,数值实验结果显示,该模型能够精准量化突发性极端损失风险。     

危险品运输线路问题的鲁棒优化模型

危险品运输直接关系到人民安全和经济的健康发展.文章针对气象因素对道路选择的影响及决策者的风险偏好,提出了危险品运输线路选择的鲁棒优化模型;并实现了模型的线性化,降低了求解的难度.     

基于混合遗传算法的鲁棒双层规划求解

文章针对双层规划系数的不确定性问题提出了鲁棒双层规划模型,以上下两层决策者均需获得鲁棒解为前提假设,将模型转化为下层含有二阶锥约束的确定性问题;根据转化后模型特点,将基于单个牛顿方程的非内部连续化算法引入到遗传算法,设计了一种混合遗传算法对其进行求解,从而获得鲁棒解;最后通过算例验证了该算法的可行性及有效性。     

线性双层规划的一类鲁棒解

文章基于上层目标函数获得鲁棒解的前提假设,对上下两层目标函数和约束条件的系数均在箱集内扰动的不确定线性双层规划进行了研究.提出了系数扰动情形下线性双层规划一类鲁棒解的概念,给出相应的定义与定理,以此将原不确定性模型转化为确定性模型.继而通过引入一个充分大的常数,将含有互补等式约束的确定性模型处理为混合整数规划问题,从而获得鲁棒解.最后通过数值算例验证了该算法的可行性及有效性.     

基于逆优化方法的供应链网络结构优化配置

供应链网络结构优化能够实现设施合理布局和产能合理分配,文章以供应链运营成本整体最优为原则,以线性规划思路建立供应链网络结构优化模型,并基于逆优化的思路,即通过对网络结构优化模型中的参数进行调整和优化,为供应链在满足客户需求前提下建立动态应对策略提供路径。     

供应链网络竞争平衡模型研究

文章在考虑供应链网络中由于具有生产活动而导致原材料的数量和性质会发生变化的前提下,提出了一个供应链网络竞争的数学模型,描述了供应链网络内部的合作和供应链之间的竞争问题.模型所研究的潜在的供应链网络具有一般的拓扑结构,不再受限于供应链的层级结构,最终可以得到在不同市场上的供应链构成形式及商品平衡价格.     

基于复杂需求的煤炭供应链多目标集成优化模型与算法

文章在分析煤炭企业市场需求的复杂性和供应链系统决策的多目标性的基础上,建立了煤炭供应链系统协同的多目标优化模型,该模型以供应链系统利润和客户满意度为目标;设计了改进差分进化算法求解模型;最后通过案例分析说明了该模型的合理性和有效性。     

基于客户关系的服装业供应链优化研究

文章在总结服装业供应链特性的基础上,提出服装业供应链优化方法,建立了基于客户关系的供应链优化模型.     

动态供应链网络均衡仿真模型研究

动态供应链网络均衡是供应链管理研究的热点问题之一.文章采用多智能自主体系统(Multi-agent system,MhS)建立了动态供应链网络均衡的仿真模型并进行了分析:通过实例利用基因算法对模型进行了求解,验证了模型的有效性;并提出了未来研究的方向.     

基于模糊数学及网络DEA模型的绿色供应链评价方法

供应链有助于整合上下游企业之间的关系与资源,使企业核心竞争力集聚,要针对性的实施供应链管理就必须首先客观的评价供应链网络的运作效率.网络DEA模型不仅能够评价绿色供应链的绩效,而且能够反映出绿色供应链内部存在的问题.文章基于模糊数学的方法对网络DEA模型进行改进,能够规避传统DEA模型中双重角色因素的影响及不同投入指标必须无量纲化的问题,从而提高绿色供应链评价结果的准确性及便捷性.     

供应链网络系统分形整合的熵评价模型

文章以分形原理为基础,对供应链网络的组织结构进行分形整合,建立组织结构的熵模型;指出供应链信息的分形特性,并超越信息管理直接过渡到知识整合,构建了与分形供应链网络组织结构相互契合且独立于供应链组织结构之外的分形知识整合网络,建立知识熵及知识负熵模型,并推导出了知识的创新机制;进一步对分形整合之后的知识与纽织结构之间的关系熵建立评价模型,并与以往文献相比,显示出分形结构具有显著的降熵效应;最后,建立供应链网络的总熵评价模型,对其进行了进一步的分析和论证.     

Meta图与平衡记分卡在供应链战略绩效优化中的应用

文章首先介绍了Meta图的概念及其在供应链战略绩效优化中的应用,就平衡记分卡的四个层面给出了新的定义,构建了供应链的平衡记分卡体系;其次讨论了Meta图模型和平衡记分卡在供应链组建期、供应链运行期和供应链调整优化中的应用;最后,集成Meta图和平衡记分卡两种方法的优点,探讨了这两种方法在供应链战略绩效优化中的应用关系以及二者结合的意义.     

农产品供应链参数对牛鞭效应和成本影响的仿真

文章运用系统动力学理论构建了CPFR模式下的三级农产品供应链模型,并基于模型参数对供应链牛鞭效应及成本的影响进行了研究.研究表明,缩短提前期、订货周期和交货延迟时间可以有效减弱供应链牛鞭效应;单从需求放大的角度,供应链牛鞭效应随着需求移动平均期数的增大而减弱;单个参数优化下的总需求方差和总成本分别是整体参数优化下总需求方差和总成本的400～5500倍和3～6倍,此时,反牛鞭效应存在;供应链牛鞭效应放大程度与总成本存在正相关关系.     

基于委托-代理模型的两级供应链的优化

文章利用委托-代理模型对在不对称信息下的两级供应链的优化问题进行了研究,说明在供应链的优化过程中,将分销商视作代理人的时候,排除分销商不仅要考虑到分销商的边际成本,还要考虑到分销商不参与供应链时而在其他供应链中的租金.     

供应链网络系统一体化整合的熵模型

文章提出了影响供应链网络系统运作的四个核心因素:管理理念、信息流、人力资源结构和组织结构.以上述四因素为切入点,基于耗散结构和熵理论,对供应链网络系统进行BPR;建立学习型供应链网络,并在此基础上进行知识整合和人力资源管理;然后.进行信息流整合和组织结构整合,并将这些整合措施同步实施;最后,建立熵模型对系统进行综合降熵分析,实现对供应链网络的一体化整合.     

基于不同决策准则的应急资源布局模型

不同的决策准则将给应急物流规划带来不一样的损益。文章利用拉普拉斯决策准则构建期望值模型,利用萨凡奇决策准则构建了鲁棒优化模型,研究在两种不同的决策准则下,如何制定应急物流资源规划。文章通过研究发现,在不给定先验概率的情况下,萨凡奇决策要优于拉普拉斯决策。萨凡奇决策是最坏情景下的最好决策,能更好适应突发事件的突发性和信息不完全性特征。