全球商务环境下的带转包采购计划模型与方法研究

论文摘要

日益激烈的竞争驱使企业加强与供应链伙伴的合作,共同优化其商务活动,提高产品或服务的市场竞争力。采购职能作为供应链上游的主要环节,被许多管理者视为影响企业竞争力的关键因素。而现有许多企业管理软件只能实现采购信息管理,缺乏优化功能,多数企业仍然是凭经验制定采购计划,更没有在供应链层次上考虑采购计划的集成优化。此外,在一种或一类产品或服务上,从降低成本、保证产品的质量和服务考虑,企业更倾向于由单供应商供货。近年来,转包已成为企业应对多变个性化客户需求的常用策略。很多公司仅保留附加值高的核心业务,而将其他业务转包。目前这方面的理论研究较为缺乏。本文研究了全球商务环境下的带转包企业采购计划问题,遵循建立模型、设计算法和评估算法(仿真试验)流程开展研究,主要工作及成果如下:(1)概述了问题的实际研究背景与动机,较全面深入地综述了采购计划问题的研究进展,指出面向供应链的集成采购计划是未来的发展趋势。(2)简要介绍了单产品批量问题的基本模型、动态规划方法、计算复杂性理论和遗传算法的基本理论。系统总结了自适应遗传算法、混合遗传算法、约束处理方法以及遗传算法在批量优化问题上的应用。(3)研究了库存能力非减的允许转包和延期交货的批量问题,发掘并证明了问题最优解性质,设计了复杂性为O(T~4)的多项式动态规划算法。(4)扩展了带转包有界库存问题研究,考虑一般时变库存能力约束和允许延期交货情况。应用动态规划算法思想,对缺货转包模型和持有转包模型,分别设计了复杂性为O(T~3logT)和O(T~4logT)的多项式求解算法。(5)研究了带转包而不允许延期的动态受限批量问题,基于遗传算法和批量问题的特殊性质,设计了一个新的启发式求解算法。与传统遗传算法相比,该算法在编码方案、可行解获取、适应度计算和最好解修正等方面具有特色。(6)扩展了带转包受限批量问题研究,考虑一般的凹成本结构和允许延期交货情况,设计了一个自适应遗传算法求解该类问题。提出了一个新的基于群体可行状态和个体特定信息的自适应惩罚方案。提出了两种具推广价值的遗传算子概率自适应方案,探讨了群体中存在不可行个体情况下的算子概率调整问题。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 研究背景与动机
• 1.2 经济批量问题概述
• 1.3 采购计划研究进展
• 1.3.1 单产品经济批量问题
• 1.3.2 单级多产品经济批量问题
• 1.3.3 多级多产品经济批量问题
• 1.4 面向供应链的集成采购计划
• 1.5 论文结构安排
• 第二章 相关理论与方法
• 2.1 单产品批量问题的基本模型
• 2.1.1 模型公式
• 2.1.2 常用求解算法
• 2.2 动态规划算法
• 2.2.1 多阶段决策问题
• 2.2.2 基本概念
• 2.2.3 动态规划的基本方程
• 2.2.4 动态规划的使用条件
• 2.2.5 动态规划的设计步骤
• 2.3 计算复杂性理论简介
• 2.3.1 P、NP和NP完全问题
• 2.3.2 算法效率分析框架
• 2.3.3 算法评估
• 2.4 遗传算法与批量问题
• 2.4.1 遗传算法基本理论
• 2.4.2 自适应遗传算法
• 2.4.3 混合遗传算法
• 2.4.4 约束处理方法
• 2.4.5 遗传算法在批量问题上的应用
• 2.5 本章小结
• 第三章 库存能力约束下的带转包批量问题
• 3.1 问题背景
• 3.1.1 有界库存模型
• 3.1.2 转包模型
• 3.1.3 本章目标
• 3.2 问题的数学描述及通用性质
• 3.2.1 模型公式
• 3.2.2 事实库存界
• 3.2.3 通用性质
• 3.3 多项式动态规划求解算法
• 3.3.1 子计划的数学描述
• 3.3.2 子问题的多项式求解算法
• 3.3.3 处理子问题间的连接
• 3.3.4 全局动态规划算法
• 3.4 仿真试验
• 3.5 本章小结
• 第四章 带转包有界库存问题的扩展研究
• 4.1 带延期交货的缺货转包模型
• 4.1.1 问题模型及整体求解思想
• 4.1.2 子计划建模
• 4.1.3 子计划的求解算法
• 4.1.4 全局动态规划迭代公式
• 4.1.5 数值试验
• 4.2 带固定成本的持有转包模型
• 4.2.1 问题描述
• 4.2.2 基于动态规划的多项式求解算法
• 4.3 本章小结
• 第五章 带转包受限批量模型的启发式遗传算法
• 5.1 问题背景
• 5.2 问题描述及转换
• 5.3 启发式遗传算法
• 5.3.1 编码方案
• 5.3.2 可行解获取
• 5.3.3 适应度计算
• 5.3.4 最好解修正
• 5.3.5 算法步骤
• 5.4 算法仿真
• 5.4.1 问题实例
• 5.4.2 算法参数选择
• 5.4.3 试验结果
• 5.5 本章小结
• 第六章 允许延期和转包的受限批量问题
• 6.1 问题模型
• 6.2 基于自适应GA的求解算法
• 6.2.1 约束处理方案
• 6.2.2 自适应惩罚遗传算法
• 6.3 算法仿真试验
• 6.3.1 自适应罚函数
• 6.3.2 遗传算子概率对算法性能的影响
• 6.3.3 最终试验结果
• 6.4 遗传算子概率自适应探讨
• 6.4.1 遗传算子概率的自适应调整方案
• 6.4.2 变异概率调整方案比较
• 6.5 本章小结
• 第七章 结束语
• 7.1 主要工作回顾
• 7.2 未来工作展望
• 参考文献
• 攻读学位期间的主要研究工作和论文发表情况