神經(jīng)網(wǎng)絡(luò)在供應鏈庫存控制中的應用研究.pdf

1、隨著市場競爭的加劇，供應鏈管理的思想正被廣泛應用，而庫存控制是供應鏈管理中的一個重要組成部分，庫存控制是降低庫存成本和提高顧客滿意程度的關(guān)鍵因素，有效的企業(yè)庫存能夠創(chuàng)造巨大的經(jīng)濟價值。隨著信息化技術(shù)的發(fā)展，將智能技術(shù)應用到企業(yè)供應鏈管理中成為一種必然的趨勢，因此，將此技術(shù)用于供應鏈庫存控制中也是目前研究的一個熱點。
　　 人工神經(jīng)網(wǎng)絡(luò)是計算機智能技術(shù)之一，BP神經(jīng)網(wǎng)絡(luò)是目前應用最為廣泛的神經(jīng)網(wǎng)絡(luò)之一，但是BP神經(jīng)網(wǎng)絡(luò)存在著容易陷

2、于局部極小值，收斂速度慢，訓練時間長等問題。針對BP算法收斂速度慢的問題，提出了一種動態(tài)自適應調(diào)整學習參數(shù)的改進型BP算法，在學習過程中，動態(tài)的調(diào)整參數(shù)和誤差收斂界限值，將改進后的算法應用到XOR問題中，實驗表明該算法可以自動的調(diào)節(jié)參數(shù)值，減少了震蕩，加快收斂速度。針對BP算法容易陷入局值的問題，提出用遺傳算法優(yōu)化網(wǎng)絡(luò)初始權(quán)值，遺傳算法是一種隨機優(yōu)化技術(shù)，它可以發(fā)現(xiàn)全局最優(yōu)解，因此，將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合將有利于實現(xiàn)優(yōu)勢互補，并在

3、保證遺傳算法整體優(yōu)化特性的前提下，加快算法的收斂速度。
　　 選用某一汽車企業(yè)的零配件--軸承為研究對象，分析影響該配件庫存的因素，設(shè)計三層BP神經(jīng)網(wǎng)絡(luò)模型，并提出一種改進遺傳算子的自適應遺傳算法，該算法通過比較兩代之間的適應度評估值，選取適合的交叉率和變異率，保證了優(yōu)秀個體進入下一代，而且避免了種群中最大適應度值的個體的交叉率和變異率為零的情況。最后將改進后的算法與BP網(wǎng)絡(luò)結(jié)合，建立庫存控制模型，并在Matlab環(huán)境下對其進行