粒子群神經(jīng)網(wǎng)絡在供應鏈庫存管理中的應用研究.pdf

1、供應鏈管理是當前的一個研究的熱點，也是企業(yè)界越來越青睞的管理方式，而庫存管理是供應鏈管理中的一個重要組成部分，有效的企業(yè)庫存管理能夠創(chuàng)造巨大的經(jīng)濟價值。隨著信息化技術的普及，越來越多的企業(yè)引入了管理信息系統(tǒng)，但隨著市場競爭的加劇，傳統(tǒng)的管理信息系統(tǒng)已經(jīng)不能滿足企業(yè)的需求了，將供應鏈思想和智能技術應用到企業(yè)的信息管理中成為一種必然的趨勢。 作為計算機智能技術之一的人工神經(jīng)網(wǎng)絡是一門活躍的邊緣性交叉學科，研究它的發(fā)展過程和前沿問題，

2、具有重要的理論意義。BP神經(jīng)網(wǎng)絡是目前應用最為廣泛的神經(jīng)網(wǎng)絡之一，但是BP神經(jīng)網(wǎng)絡的學習算法是基于梯度下降這一本質的，因此不可避免地存在著容易陷于局部極小值，收斂速度慢，訓練時間長等問題。而粒子群優(yōu)化算法作為一種解決非線性、不可微和多峰值復雜優(yōu)化問題的優(yōu)秀算法，它具有計算簡單、收斂速度快等特點，并具有較強的全局尋優(yōu)能力，可以作為BP神經(jīng)網(wǎng)絡的學習算法，但該算法在進化后期容易出現(xiàn)速度變慢以及早熟的現(xiàn)象。 本文針對粒子群優(yōu)化算法的不

3、足，對其進行了學習因子自適應調節(jié)和增加變異算子兩種思路的改進；將改進后的算法作為BP網(wǎng)絡的學習算法來進行網(wǎng)絡的訓練，并通過仿真實驗驗證了改進后的粒子群神經(jīng)網(wǎng)絡在全局尋優(yōu)能力和算法收斂速度兩個方面都有了一定的提高。然后，根據(jù)運籌學存貯論中的庫存控制理論，結合供應鏈中庫存管理的思想，針對某食用油生產(chǎn)商的原料庫存、采購特點建立了原料庫存控制指標體系，并根據(jù)該指標體系，以改進后的粒子群神經(jīng)網(wǎng)絡作為預測模型，在該生產(chǎn)商供應鏈管理系統(tǒng)的基礎上，進行