论文题目: 联合补充库存问题的模型及算法研究
论文类型: 博士论文
论文专业: 交通运输规划与管理
作者: 梁志杰
导师: 杜文
关键词: 物流,库存管理,联合补充,确定性需求,随机性需求,启发式算法
文献来源: 西南交通大学
发表年度: 2005
论文摘要: 物品的库存成本在物流总成本中占据着相当大的比重,因此,库存管理是现代企业管理的重要工作之一,也是物流管理的重点,良好的库存管理可以降低库存的资金占有率,提高企业的灵活性,同时又能保持适当的客户服务水平。 尽管传统库存控制理论研究及其扩展研究取得了较大的成绩,但随着客户需求向多品种、小批量转变,企业的库存管理往往处于多物品品种的环境,在多物品的环境中仍然运用传统的基于单种物品的库存管理理论无疑已不适合,并且已证明在多物品的库存系统中,应用传统的库存管理理论使库存平均成本偏高。而多种物品环境中实行联合补充库存不但可以降低库存平均成本,还有利于获得价格折扣的机会,同时由于联合订购补充库存使得同时订购的物品数量增大,从而有利于在运输中获得价格优惠的大批量运输的机会。 论文深入地分析库存系统的性质、控制方法,以及传统库存管理理论,多种物品联合补充库存问题,对联合补充库存问题以往研究的模型及算法进行了分析比较。根据需求的类型,论文从确定型的联合补充库存问题和随机型的联合补充库存问题两方面进行研究,对模型及算法的实现展开系统化的研究工作。 对确定型的联合补充库存问题,尽管模型简单,却是NPC问题,没有多项式算法,关键在于找到鲁棒性强的算法,可以在可接受的时间内搜索到较优的可行解。论文分析研究较具典型性的已有算法,根据确定型联合补充库存问题的特点,提出可以转化为类似组合优化问题,设计出问题的模拟退火算法。并且,巧妙地应用已知算法——拉格朗日松弛算法的推论,把这一推论有机地结合模拟退火算法,缩短问题的状态空间,提出一种模拟退火算法与拉格朗日松弛算法的混合算法。通过大量的算例验证算法具有良好的鲁棒性,在可合理的计算时间内可找到较优的局部最优解,甚至是全局最优解。 对随机型的多物品联合补充库存问题,由于需求及订购前置时间的不确定性给问题的分析和求解带来更大的困难。通常是把订购前置时间确定为一个固定值,而用一定的概率分布近似描述不确定的需求行为,而对于企业的联合补充库存问题,一般是应用泊松分布或者复合泊松分布进行分析。理论上随机性联合补充库存问题的最优模型是一个巨大的马尔可夫模型,因为问题的状态空间和决策空间随物品数指数增加,当物品数大于5时已不能求解。
论文目录:
第1章 绪论
1.1 课题的研究背景
1.1.1 课题研究背景
1.1.2 问题的提出
1.2 课题研究意义
1.2.1 库存管理的作用
1.2.2 联合补充库存的意义
1.3 国内外研究现状
1.3.1 国内研究现状
1.3.2 国外研究现状
1.4 联合补充库存问题的难点
1.5 主要研究内容
第2章 库存管理系统分析
2.1 库存管理中的一些基本概念
2.2 库存的功能及分类
2.2.1 库存的功能
2.2.2 库存的分类
2.3 库存过程概述
2.4 库存控制原理和方法
2.4.1 传统的库存系统控制方法
2.4.2 MRP库存管理
2.4.3 JIT库存管理
2.4.4 供应链库存管理
2.5 小结
第3章 算法基础介绍
3.1 启发式算法
3.1.1 启发式算法的解决过程
3.1.2 启发式算法的特点
3.1.3 启发式算法的评价标准
3.2 模拟退火算法回顾
3.2.1 金属退火过程的势力学模型
3.2.2 模拟退火算法的数学模型
3.2.3 模拟退火算法的收敛性
3.2.4 模拟退火算法实现的技术问题
3.3 拉格朗日松弛算法
3.4 小结
第4章 确定型联合补充问题
4.1 确定型单品种补充库存问题
4.2 多种物品在确定性需求下的联合补充库存模型
4.3 确定型联合补充问题的分组战略
4.3.1 间接分组
4.3.2 直接分组
4.3.3 两种分组战略比较
4.3.4 两种分组战略仿真结果分析
4.4 确定型联合补充问题的已往算法
4.4.1 迭代式算法
4.4.2 非迭代式算法
4.4.3 现代优化算法
4.4.4 确定性JRP问题的算法比较
4.5 确定型联合补充库存问题的模拟退火算法
4.5.1 问题解空间
4.5.2 解的接受准则
4.5.3 冷却进度表的选取
4.5.4 模拟退火算法流程
4.5.5 确定性JRP问题的模拟退火算法的参数试验
4.6 模拟退火和拉格朗日松弛混合算法
4.6.1 问题解空间
4.6.2 解的接受准则
4.6.3 冷却进度表的选取
4.6.4 混合算法流程
4.7 算例
4.7.1 文献算例比较
4.7.2 其它算例比较
4.8 小结
第5章 随机型联合补充问题
5.1 单种物品的随机型存贮模型
5.1.1 定期订购策略
5.1.2 (s，S)存贮策略
5.2 随机型JRP问题
5.3 随机型JRP问题的(S，c，s)模型及算法
5.3.1 基于(S，c，s)补充策略的单品种补充模型
5.3.2 补充策略(S，c，s)的成本计算
5.3.3 策略的改进方法
5.3.4 单品种(S，c，s)策略下的算法
5.3.5 多品种(S，c，s)补充问题的算法研究
5.4 随机型JRP问题的(Q，S)模型及算法
5.5 随机型JRP问题的定周期模型及算法
5.5.1 随机型(T，S)联合补充模型
5.5.2 随机型(T，S)联合补充策略的算法研究
5.6 算例
5.7 小结
结论
致谢
参考文献
攻读博士期间发表论文及科研成果
发布时间: 2005-08-16