分布式供应链系统的协调优化方法研究

论文摘要

分布式供应链管理已成为供应链管理研究中的热点和难点。本文论述了协同计划为分布式供应链管理最适合的协调机制,然后分别针对含有单属性目标和多属性目标的分布式供应链协同计划在不同前提条件下的优化问题进行研究。论文有如下的主要研究内容。（1）研究了分布式供应链管理决策的特性,提出协同计划为分布式供应链协调优化的最佳机制。特别地,当分布式决策含有多属性目标时,需要对协同计划进行实时调整,对模型实时重新进行计算求解最优值。分析了在此情况下供应链管理决策可能用到的各种算法技术。（2）针对含有单属性目标的分布式供应链协同计划的同步协调优化问题,建立了分布式同步协调优化模型,为对其求解,提出一种混合了拉格朗日松弛算法和遗传算法的协调优化算法。对优于次梯度算法的模糊次梯度算法进一步进行修正,用它来迭代拉格朗日算子以提高整个协调策略的效率,并证明了修正后算法的收敛性。在此基础上,提出一种基于内部惩罚的协调策略,并对协调效果加以改善。（3）针对分布式供应链成员目标为单属性且供应链中不存在协调中心时的协调优化问题,建立了协同计划的异步协调优化模型。利用代理次梯度算法迭代拉格朗日算子,并将遗传算法和交互式启发式算法相结合,提出了一种基于拉格朗日松弛算法的异步协调策略。（4）针对含有多属性目标的分布式供应链协同计划,分析了存在协调中心和允许信息私有两种不同情况下的协调优化问题,分别对它们建模,并使用分解法对含有整数变量的模型提出相应的协调优化算法。当存在协调中心时,所采用的协调优化策略是基于原始分解法的,此时会导致各个成员局部信息的披露。相对的,如果要保持成员的局部信息私有,就需改而采用对偶分解法。此时协调优化策略也会发生变化,不再是将各种约束条件从成员推向供应链整体,而是将供应链中各个成员间的链接约束条件从供应链整体下推到成员的局部子问题。为改进协调优化效率,提出使用原-对偶分解法对协调优化流程加以改善。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的及意义
• 1.1.1 供应链管理的兴起
• 1.1.2 供应链协调机制研究的目的与意义
• 1.1.3 本课题的目的与意义
• 1.2 国内外研究现状
• 1.2.1 三种供应链协调机制研究现状
• 1.2.2 对现有研究不足之处的分析
• 1.3 研究内容与方法
• 1.3.1 论文研究内容与框架体系
• 1.3.2 论文研究方法与技术路线
• 第2章 基于协同计划的分布式供应链系统协调
• 2.1 分布式供应链的协调管理
• 2.1.1 分布式供应链的定义及相关特性
• 2.1.2 分布式供应链协调管理的决策类型
• 2.2 协同计划的优势和研究目标
• 2.2.1 协同计划的优势
• 2.2.2 协同计划的研究目标
• 2.3 分布式供应链协调机制的四种研究方法
• 2.3.1 控制理论和系统动力学的微分方程建模
• 2.3.2 谈判模型与群决策模型
• 2.3.3 仿真与模拟实验
• 2.3.4 运筹学的相关研究方法
• 2.4 供应链协调优化研究细分及本文定位
• 2.4.1 集中式和分布式组织模型
• 2.4.2 不同的分布式决策方法
• 2.4.3 本文研究的细分定位
• 本章小结
• 第3章 单属性目标分布式供应链系统的同步协调优化
• 3.1 同步协同计划问题模型
• 3.1.1 单个成员的生产计划模型
• 3.1.2 供应链的整体协同计划模型
• 3.2 基于拉格朗日松弛方法的同步协调优化策略
• 3.2.1 使用拉格朗日松弛分解主问题
• 3.2.2 使用内部惩罚算子的协同计划策略
• 3.3 使用修正模糊次梯度算法改进优化效果
• 3.3.1 拉格朗日松弛算法
• 3.3.2 次梯度算法
• 3.3.3 修正模糊次梯度算法
• 3.3.4 修正模糊次梯度算法的收敛性证明
• 3.3.5 修正模糊次梯度算法的仿真实验
• 本章小结
• 第4章 单属性目标分布式供应链系统的异步协调优化
• 4.1 异步协同计划问题模型
• 4.1.1 单个成员的生产计划模型
• 4.1.2 最下游成员的生产计划模型
• 4.1.3 供应链的整体协同计划模型
• 4.2 基于拉格朗日松弛方法的异步协调优化策略
• 4.2.1 使用拉格朗日松弛分解主问题
• 4.2.2 供应链协同计划的异步协调策略
• 4.2.3 使用交互式启发算法求优化解
• 本章小结
• 第5章 针对多属性目标的分布式供应链协调机制分析
• 5.1 多属性目标决策的特性
• 5.1.1 多属性目标决策的环境与内容
• 5.1.2 多属性目标分布式协调的相关假设前提
• 5.2 分布式协同计划界定
• 5.2.1 分布式协同计划的多属性目标模型
• 5.2.2 分布式协同计划与集中式管理的区别
• 5.3 多属性决策的分解算法
• 5.3.1 原始分解法
• 5.3.2 对偶分解法
• 5.3.3 混合原-对偶分解法
• 本章小结
• 第6章 存在协调中心的多属性目标分布式供应链协调优化
• 6.1 用两阶段线性规划构建多属性目标供应链模型
• 6.1.1 基于Benders分解法的两阶段线性规划模型
• 6.1.2 使用延迟约束产生概念求解
• 6.1.3 Benders分解法的不足
• 6.2 基于整数L形法求解成员的子问题
• 6.2.1 最优解和可行解割集
• 6.2.2 整数 L形法
• 6.3 基于扩展LL割集求解供应链整体主问题
• 6.4 制造商-供应商配比的协同计划案例分析
• 6.4.1 基于原始分解法建模并求解
• 6.4.2 算法的终止和最优值差距
• 6.4.3 仿真实验结果
• 6.5 原始分解法在协调优化时的不足
• 本章小结
• 第7章 允许信息私有的多属性目标分布式供应链协调优化
• 7.1 用整数规划构建多属性目标供应链模型
• 7.1.1 整数规划问题的次可加性和对偶性
• 7.1.2 对整数规划生成次可加函数
• 7.1.3 使用Benders算法求解整数规划问题
• 7.1.4 整数Benders分解法的不足
• 7.2 基于对偶分解法求解成员的子问题
• 7.2.1 变量分割
• 7.2.2 拉格朗日对偶法求解
• 7.3 基于分布式决策方法求解整体主问题
• 7.3.1 对偶间隙的产生和影响
• 7.3.2 使用分支定界法求解分布式决策
• 7.4 允许信息私有的协同计划案例分析
• 本章小结
• 第8章 使用混合原-分解法改进多属性目标协调优化策略
• 8.1 列生成算法在协同计划中的应用
• 8.1.1 通过变量分割改写集中式模型
• 8.1.2 对子问题进行凸化
• 8.1.3 限制性主问题
• 8.1.4 重置局部子问题
• 8.2 使用混合原-对偶分解法的分布式决策
• 8.2.1 原-对偶分解法的过程
• 8.2.2 原-对偶分解法的优点
• 8.3 案例分析
• 8.3.1 问题描述
• 8.3.2 集中式模型构建
• 8.3.3 使用对偶分解法重建模型
• 8.3.4 对小规模样本的求解
• 8.3.5 小规模样本的结果
• 8.3.6 大规模问题
• 本章小结
• 第9章 研究总结与展望
• 9.1 工作总结
• 9.2 主要创新点
• 9.3 未来展望
• 参考文献
• 致谢
• 在读期间发表的论文以及参加的科研课题