论文部分内容阅读
供应链计划是供应链管理的重要领域,分布性和不确定性是供应链计划的两个重要特点,分布环境和不确定环境下的供应链计划优化已经成为当前研究的热点和难点。本文分别针对分布环境和不确定环境下供应链计划的优化问题进行了研究。论文的主要研究内容和创新点如下:1.针对具有统一协调中心的紧密协作型供应链计划问题,提出了一种基于拉格朗日松弛算法的内部价格协调策略。为更好地迭代内部价格,提出了一种模糊次梯度算法,并证明了其收敛性。为获取问题的可行解,提出了一种前溯式启发式算法。仿真实验表明该策略优于已有的其它协调策略。在此基础上,又提出了一种基于增广拉格朗日松弛算法的协调策略,以改善协调效果,并利用仿真实验验证了方法的有效性;2.针对无协调中心的松散协作型供应链计划问题,提出一种基于拉格朗日松弛算法的异步协调策略。利用代理次梯度算法迭代拉格朗日算子,实现了协调过程的异步性。为获取可行解,提出了一种交互式启发式算法。通过仿真实验验证了该协调策略的有效性;3.针对模糊环境下的库存管理问题,分别建立了以下四种模糊情况的库存管理问题模型,分别给出并证明了参数为三角形模糊数时的最优订货策略:1)具有模糊需求和模糊订货费用的EOQ问题;2)具有模糊需求、模糊订货费用和模糊库存费用的EOQ问题;3)具有模糊缺陷率和模糊订货费用的EOQ问题;4)具有模糊提前期和模糊需求的库存管理问题。对于第4类问题,当参数为一般模糊数时,提出了一种启发式算法求取最优订货策略,并用仿真实验验证了其有效性;4.针对具有模糊需求的供应链生产-分销计划,建立了问题的模糊两阶段模型,给出并证明了模型最优解的可能性分布,提出了一种模型转换算法,利用模糊参数的截集和模糊期望值的离散化表述形式,将模糊问题转换为一个确定性问题求解。通过仿真实验分析了模型转换算法的特点并验证了其有效性。