摘要：【目的】为了满足客户需求的多样性并最大限度地减少缺陷品对顾客满意度的影响。【方法】同时考虑随机需求和随机存在的缺陷项目数量,设计算法对缺陷品进行100%筛选后进行全单位数量折扣处理。【结果】根据骨干差分进化算法(Bare-bones differential evolutionary algorithm,BBDE),结合模拟退火算法(Simulated annealing algorithm,SA)算法的Metropolis准则,设计了基于SA的混合骨干差分进化算法(SA-based hybrid BBDE,SAHBBDE),以提高BBDE的全局寻优能力。【结论】数值实验表明,该算法在总成本最佳、平均值最低及标准误差最小的表现上优于遗传进化算法(Genetic algorithm,GA)、粒子群算法(Particle swarm optimization algorithm,PSO),与骨干粒子群算法(Bare bones PSO algorithm,BBPSO)、差分进化算法(Differential evolution algorithm,DE)和BBDE相比也表现出优异的性能。

摘要：分析基于联合补货策略的供应商选择与商品订货量分配协同决策问题,设计一种有效的改进差分进化算法(Improved differential evolution, IDE)进行求解.在考虑商品异质性带来的分组约束基础上,构建一种拓展的供应商选择与订货量分配协同决策新模型.对比算例分析表明, IDE在求解此问题及其扩展问题时优于标准差分进化算法和模拟退火算法,随机生成的大规模算例进一步验证了IDE求解此类复杂问题的优越性.

摘要：本文构建了一种基于联合补货策略的配送中心选址-库存协同优化新模型,该模型允许缺货,有资源约束且考虑数量折扣;同时设计了一种融合模拟退火思想的双种群独立进化的自适应差分算法(Adaptive Simulated Annealing Differential Algorithm,ASADE)对该模型进行求解,并通过算例与自适应差分算法、改进的蛙跳算法进行对比,证实了ASADE算法的有效性。最后进行了敏感性分析,讨论相关参数变动对总成本的影响,可为管理者更好决策提供有益的依据。

摘要：针对采购管理中广泛存在的不确定性,将单位库存成本和可变订货成本视为模糊变量,构建了运输容量约束下有数量折扣的模糊联合补货模型,此模型属于NP-hard问题,目前缺乏可靠的全局优化求解算法。在选取梯级平均综合表示法对总成本去模糊的基础上,设计了基于自适应混合差分进化算法的求解方法,并通过算例验证了此模糊联合补货模型的有效性和求解算法的全局优化能力。

摘要：本文用三角模糊数表示不确定的资金约束,用梯形模糊数表示不确定的存储空间约束,构建了模糊规划联合补货模型,目标函数为最小化订货成本、库存持有成本和运输成本,决策变量为基本补充周期和每种产品的补充周期。通过对变异算子与选择操作进行变化,设计了改进的差分进化算法对模型进行求解,并通过实例证实了模型与算法的科学合理性。

摘要：针对不确定环境下有最小订货量约束的产品联合补货问题,用三角模糊数表示固定订货成本和可变订货成本,建立了模糊规划模型,选择能使总成本最小的方案进行补货。在分别采用重心法和符号法对模糊总成本进行去模糊化后,采用改进的差分进化算法对模型进行求解。通过数值实例与遗传算法进行了性能对比,证实了所设计算法的优势;对比分析了20种情况下两种去模糊化方法得到的联合补货总成本,并以成本最小为原则给出了去模糊化方法的选择原则。

摘要：烟花算法作为一种新型群体智能优化算法,在众多领域得到成功应用。联合采购品种的不断扩大对算法性能提出了巨大挑战。针对联合补货问题设计了基于烟花算法的求解方案,并利用基础算例证明方案有效性。随机生成的大规模算例表明,烟花算法相较于混合差分进化算法,在求解大规模联合补货问题时可获得更优的近似最优解,具有更快的收敛速度和更高的稳定性,验证了烟花算法在混合整数规划方面的应用效果。

摘要：综合考虑实际中普遍存在的补货资金约束、运输能力约束以及"部分产品不能同时运输"这一运输条件的限制,构建了结合产品运输策略的联合补货模型,并设计混合差分进化算法对模型进行求解,证实了模型的有效性。此外,对需求率和单位库存持有成本进行敏感性分析,结果表明这两个参数的变化均会使补货成本增加,且需求率对总补货成本的影响程度较大。而需求率和单位库存持有成本的增加还会使基本补货周期T减小,表明企业需更频繁地订货。

摘要：针对装备维修保障仓库系统运营费用高、仓库点位布局不合理、备件库存结构不合理等问题,建立以多品种联合补货问题为基础的装备维修备件仓库选址-库存控制决策联合优化模型,模型可用于求解仓库的开设位置、维修活动需求点的指派情况、仓库补货时间以及库存水平等.根据模型的结构特点,利用多种群协同进化的方法改进传统果蝇优化算法的位置更新方式,设计一种内外两层搜索策略的混合果蝇优化算法,外层搜索策略作为算法的主程序用于搜索仓库选址决策变量,内层搜索策略采用改进的RAND算法用于搜索库存控制决策变量.仿真结果表明,混合果蝇优化算法具有良好的求解效率,能够确保库存系统在一定服务水平的基础上有效降低库存运营总成本.

摘要：随着B2C行业生态链的完善,竞争加剧,平台对网络零售商的运作效率提出了更高的要求,而退货和延时服务都会造成运作效率的损失。本文紧密结合B2C运作实践,提出一个考虑平台运作效率损失的多品采销协同优化模型,将“采-存-销”三个供应链运作的核心环节进行集成优化。研究通过JRP、UJRP、EJRP三种模型的参数灵敏度对比分析,发现B2C运作模式在抵抗需求波动上具有一定优势。其中,对于EJRP模型而言,商品平均退货率对总成本的扰动较大。因此,本文建议决策者加强对退货率、延时服务率等影响平台运作效率系列指标的控制与管理。同时,本文设计了一种混合蝙蝠差分算法(BADE),通过不同问题规模的算例实验,证明算法的有效性及鲁棒性。另外,该算法着重关注可行解的多样性,在多变的网络零售环境下,给予决策者灵活的决策空间,更具实用性。