基于灰色系統(tǒng)的供應鏈需求預測研究.pdf

1、隨著全球經(jīng)濟一體化的加速,信息技術的發(fā)展,市場競爭的日益激烈和市場需求的快速多變都給企業(yè)帶來了難得的機遇和嚴峻的挑戰(zhàn),這就要求企業(yè)應該具備對不斷變化的市場需求做出科學預測和快速響應能力。傳統(tǒng)的以過分依賴企業(yè)內(nèi)部資源優(yōu)勢為特征的企業(yè)管理策略難于應對激烈的市場競爭環(huán)境及瞬息萬變的市場需求。這就要求企業(yè)更多地利用外部資源,加強與供應鏈上下游企業(yè)的信息交流,從而更加準確地預測需求。在這樣的背景下,供應鏈協(xié)同和信息共享也成為解決供應鏈需求不確定性

2、的主要方法和策略。通過供應鏈各主體間的信息和預測共享信息,通過一些協(xié)同算法對各個預測信息的整合優(yōu)化,達到整個供應鏈效益最大化,能有效地消除需求預測信息在供應鏈中傳輸時由于各主體利益和目標的不同而導致的預測不一致等問題。目前,供應鏈需求預測模型存在著運算復雜、運算時間長、需要大量歷史數(shù)據(jù)、精度不高等缺點。
　　 本文研究的目的在于建立一個能夠克服上述預測模型缺點的供應鏈需求預測灰色新模型,并運用該模型對供應鏈中各級需求量進行預測,

3、然后使用合作博弈理論構建供應鏈中各級需求預測出現(xiàn)誤差時的協(xié)商策略對預測結果進行優(yōu)化。灰色預測模型GM(1,1)最大的特點就是算法簡單、運算時間短、可利用較少的數(shù)據(jù)建模,這給建模和運算帶來了方便。但是,灰色預測模型對于具有非齊次指數(shù)特性的序列預測時誤差較大甚至失效。因此,本文在對現(xiàn)有灰色預測模型進行研究的基礎上,提出了一種新的內(nèi)涵式參數(shù)辨識的非線性表達式,并采用遺傳算法對內(nèi)涵式參數(shù)進行辨識,建立了一種新的預測模型。
　　 本論文的

4、主要研究成果如下:
　　 1、針對內(nèi)涵式參數(shù)辨識的GM(1,1)模型應用于具有非齊次指數(shù)特性的序列預測時誤差較大甚至失效的缺陷,提出一種新的內(nèi)涵式參數(shù)辨識的NGM(1,1,k)非線性表達式,并采用遺傳算法對內(nèi)涵式參數(shù)進行辨識,建立了GANGM(1,1,k)預測新模型。典型算例表明,GANGM(1,1,k)模型收斂速度快,拓展了普通內(nèi)涵式參數(shù)辨識的GM(1,1)模型應用范圍,且具有更高的預測精度,可應用于齊次指數(shù)和非齊次指數(shù)規(guī)律變

5、化序列的預測。
　　 2、為解決供應鏈中需求預測精度不高的問題,在傳統(tǒng)GM(1,1)預測模型的基礎上,采用了一種基于遺傳算法調(diào)整發(fā)展系數(shù)和內(nèi)生灰作用量的灰色預測模型,并運用此模型對供應鏈中各級需求量進行預測,然后使用博弈理論構建了供應鏈中各級需求預測出現(xiàn)誤差時的協(xié)商策略用以對預測結果的優(yōu)化。實驗結果表明,協(xié)商策略獲取了符合雙方利益的需求量,預測結果有較高的精度。
　　 3、在灰色理論研究的基礎上,結合中國第一汽車集團公司