【摘要】：供應(yīng)鏈管理作為企業(yè)的左膀右臂,對企業(yè)能否健康發(fā)展起著重要作用,是給企業(yè)帶來巨大收益的競爭利器,備受企業(yè)決策者的關(guān)注。然而,隨著互聯(lián)網(wǎng)金融的迅猛發(fā)展,越來越多的制造企業(yè)在采購原材料時不再受制于地域的限制。全世界滿足要求的供應(yīng)者蜂擁而來,供應(yīng)商數(shù)量急劇增加,企業(yè)決策者如何正確、迅速地從中選取到滿足自身利益要求、穩(wěn)定、高質(zhì)量的供應(yīng)商變得非常的困難。智能優(yōu)化算法能夠從大量的原始數(shù)據(jù)中挖掘出隱含的有價值的信息,快速求解復(fù)雜的優(yōu)化問題。供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜的特征決定了應(yīng)用智能優(yōu)化算法對供應(yīng)鏈網(wǎng)絡(luò)的管理和決策上具有較強(qiáng)的可行性和現(xiàn)實(shí)性。本文通過對現(xiàn)今供應(yīng)鏈中各供應(yīng)商數(shù)據(jù)和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的分析,利用智能優(yōu)化算法和聚類方法,針對不同問題提出改進(jìn)的算法,并對一家推土機(jī)制造企業(yè)的供應(yīng)鏈網(wǎng)絡(luò)進(jìn)行優(yōu)化和決策,主要內(nèi)容如下:(1)針對密度峰值聚類算法對截斷距離參數(shù)依賴性過強(qiáng),數(shù)據(jù)點(diǎn)之間聚類結(jié)果過度影響所導(dǎo)致的類簇間數(shù)據(jù)點(diǎn)聚類結(jié)果的不確定性和缺乏客觀性的問題,提出基于人工蜂群的密度峰值聚類算法。并將其應(yīng)用到民營上市公司的聚類分析中。(2)針對供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、數(shù)據(jù)量大、求解速度較慢等問題,提出基于復(fù)雜網(wǎng)絡(luò)和樸素貝葉斯分類的人工蜂群算法。使用復(fù)雜網(wǎng)絡(luò)理論,降低供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度;引入樸素貝葉斯分類,大幅度地加快了算法的尋優(yōu)速度。并將其應(yīng)用于供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化決策中。(3)針對人工蜂群算法尋優(yōu)的解空間有限,尋優(yōu)速度較慢的問題,提出基于模擬退火和梯度下降的人工蜂群算法。改變原始蜂群算法中偵察蜂隨機(jī)游走的方式,擴(kuò)大算法的搜索解集,加快算法的收斂速度。樸素貝葉斯概率的引用提高原始蜂群算法的啟發(fā)性,加快算法的求解速度。并將改進(jìn)的人工蜂群算法應(yīng)用到供應(yīng)鏈網(wǎng)絡(luò)管理決策中。本文針對智能優(yōu)化算法中的人工蜂群算法存在的問題,結(jié)合密度峰值聚類算法、復(fù)雜網(wǎng)絡(luò)、樸素貝葉斯分類、模擬退火算法和梯度下降算法進(jìn)行修改。結(jié)果表明,本文所提出的方法能夠較為有效的對供應(yīng)商篩選,為企業(yè)決策者尋求更有效的供應(yīng)鏈優(yōu)化方案。
【圖文】：

(a) =0.7288 (b) =1.4196圖 3.1 不同 取值下 R15 數(shù)據(jù)集使用 DPC 算法的聚類結(jié)果如圖 3.1 所示，(a)圖是 取值為 0.7288 的聚類結(jié)果，聚類結(jié)果接近正確類結(jié)果，但仍舊存在類簇間數(shù)據(jù)點(diǎn)的分類不合理現(xiàn)象。(b)圖是 取值為 1.41

圖 3.2 使用 DPC 算法對隨機(jī)點(diǎn)的聚類結(jié)果可以清晰看到，兩個聚類中間的部分?jǐn)?shù)據(jù)點(diǎn)聚類結(jié)點(diǎn)的不合理聚類也正是因?yàn)橹皵?shù)據(jù)點(diǎn)的不合理聚 BeeDPC 算法在聚類原則上借鑒三角穩(wěn)定原理的思
【學(xué)位授予單位】：吉林財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18;F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 趙霞;曹寶明;竇建平;;基于群體智能的農(nóng)產(chǎn)品供應(yīng)鏈網(wǎng)絡(luò)多目標(biāo)優(yōu)化設(shè)計[J];計算機(jī)集成制造系統(tǒng);2015年09期

2 朱丹丹;孫俊清;李慧嫻;;復(fù)雜供應(yīng)鏈多級庫存系統(tǒng)的控制與協(xié)調(diào)仿真優(yōu)化[J];天津理工大學(xué)學(xué)報;2014年03期

3 劉小華;林杰;;基于遺傳粒子群混合算法的供應(yīng)鏈調(diào)度優(yōu)化[J];控制與決策;2011年04期

4 霍葉青;何躍;;基于K-均值聚類的卷煙市場研究[J];中國商貿(mào);2010年04期

5 邵舉平;董紹華;馬天云;;多級供應(yīng)鏈物流計劃模型及優(yōu)化算法研究[J];物流技術(shù);2008年12期

6 管曙榮,張偉,黃小原;供應(yīng)鏈優(yōu)化的有效手段:電子供應(yīng)鏈管理[J];東北大學(xué)學(xué)報(社會科學(xué)版);2004年01期

7 李一峰,武紅江;基于代理和遺傳算法的供應(yīng)鏈優(yōu)化模擬[J];工業(yè)工程與管理;2003年04期

相關(guān)碩士學(xué)位論文 前3條

1 陶巧云;基于Multi-Agent System的供應(yīng)鏈優(yōu)化方法的研究[D];齊魯工業(yè)大學(xué);2016年

2 鄭文;數(shù)據(jù)挖掘在股票分析中的應(yīng)用[D];復(fù)旦大學(xué);2012年

3 周育乾;基于粒子群優(yōu)化算法的濾波器設(shè)計與實(shí)現(xiàn)[D];南京理工大學(xué);2007年

，

本文編號：2612361