基于粒子群算法的供应链生产、配送集成计划研究

doi:10.3778/j.issn.1002-8331.2008.30.063

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (30): 206-209.DOI: 10.3778/j.issn.1002-8331.2008.30.063

基于粒子群算法的供应链生产、配送集成计划研究

马慧民¹,叶春明¹,张爽¹,许圣良²

1.上海理工大学管理学院，上海 200093
2.上海电机学院经济管理学院，上海 200245

收稿日期:2008-07-12 修回日期:2008-08-28 出版日期:2008-10-21 发布日期:2008-10-21
通讯作者: 马慧民

Research on integrated production-distribution planning in supply chain based on particle swarm optimization algorithm

MA Hui-min¹,YE Chun-ming¹,ZHANG Shuang¹,XU Sheng-liang²

1.Business School，University of Shanghai for Science & Technology，Shanghai 200093，China
2.Business School，Shanghai Dianji University，Shanghai 200245，China

Received:2008-07-12 Revised:2008-08-28 Online:2008-10-21 Published:2008-10-21
Contact: MA Hui-min

摘要/Abstract

摘要： 针对单工厂、多产品、多周期、多配送中心的供应链网络，构建了生产、配送集成计划模型，提出了用于求解该问题的粒子群算法方案，阐明了该算法方案的具体实现过程。采用分离策略提出独立决策下的生产计划模型和配送计划模型。仿真实例的计算结果表明集成决策可以有效地降低供应链成本。

关键词: 集成计划, 粒子群算法, 生产, 配送计划

Abstract: The model of integrated production-distribution planning in manufacturing supply chain network comprised of single plant，multiple products，multiple cycles and multiple distribution centers is put forward.The method based on binary particle swarm optimization algorithm is proposed to solve this problem.The detailed realization of the method is illustrated.The example is computed.Simulation results of the example demonstrate the effectiveness of this algorithm.By comparison of the result，it can be found that integrated production-distribution planning can remarkably reduce supply chain cost.

Key words: integrated planning, particle swarm optimization algorithm, production-distribution planning

马慧民¹,叶春明¹,张爽¹,许圣良². 基于粒子群算法的供应链生产、配送集成计划研究[J]. 计算机工程与应用, 2008, 44(30): 206-209.

MA Hui-min¹,YE Chun-ming¹,ZHANG Shuang¹,XU Sheng-liang². Research on integrated production-distribution planning in supply chain based on particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2008, 44(30): 206-209.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[5]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[6]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[7]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[8]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[9]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[10]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[11]	周琴，程立正. 层适应网格上求解奇异摄动问题的粒子群算法[J]. 计算机工程与应用, 2020, 56(11): 46-50.
[12]	胡雪娇，陈行健，赵南，薛卫. PSO_BFA优化词袋模型及蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2020, 56(1): 165-171.
[13]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[14]	尹建津1，张贝克1，高东1，许欣2. 改进蝙蝠算法解决FFSP问题及其应用研究[J]. 计算机工程与应用, 2019, 55(9): 243-247.
[15]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.

基于粒子群算法的供应链生产、配送集成计划研究

Research on integrated production-distribution planning in supply chain based on particle swarm optimization algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics