基于灰色系统的供应链需求预测研究

来源 :江苏大学 | 被引量 : 0次 | 上传用户:wangliubaobao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着全球经济一体化的加速,信息技术的发展,市场竞争的日益激烈和市场需求的快速多变都给企业带来了难得的机遇和严峻的挑战,这就要求企业应该具备对不断变化的市场需求做出科学预测和快速响应能力。传统的以过分依赖企业内部资源优势为特征的企业管理策略难于应对激烈的市场竞争环境及瞬息万变的市场需求。这就要求企业更多地利用外部资源,加强与供应链上下游企业的信息交流,从而更加准确地预测需求。在这样的背景下,供应链协同和信息共享也成为解决供应链需求不确定性的主要方法和策略。通过供应链各主体间的信息和预测共享信息,通过一些协同算法对各个预测信息的整合优化,达到整个供应链效益最大化,能有效地消除需求预测信息在供应链中传输时由于各主体利益和目标的不同而导致的预测不一致等问题。目前,供应链需求预测模型存在着运算复杂、运算时间长、需要大量历史数据、精度不高等缺点。   本文研究的目的在于建立一个能够克服上述预测模型缺点的供应链需求预测灰色新模型,并运用该模型对供应链中各级需求量进行预测,然后使用合作博弈理论构建供应链中各级需求预测出现误差时的协商策略对预测结果进行优化。灰色预测模型GM(1,1)最大的特点就是算法简单、运算时间短、可利用较少的数据建模,这给建模和运算带来了方便。但是,灰色预测模型对于具有非齐次指数特性的序列预测时误差较大甚至失效。因此,本文在对现有灰色预测模型进行研究的基础上,提出了一种新的内涵式参数辨识的非线性表达式,并采用遗传算法对内涵式参数进行辨识,建立了一种新的预测模型。   本论文的主要研究成果如下:   1、针对内涵式参数辨识的GM(1,1)模型应用于具有非齐次指数特性的序列预测时误差较大甚至失效的缺陷,提出一种新的内涵式参数辨识的NGM(1,1,k)非线性表达式,并采用遗传算法对内涵式参数进行辨识,建立了GANGM(1,1,k)预测新模型。典型算例表明,GANGM(1,1,k)模型收敛速度快,拓展了普通内涵式参数辨识的GM(1,1)模型应用范围,且具有更高的预测精度,可应用于齐次指数和非齐次指数规律变化序列的预测。   2、为解决供应链中需求预测精度不高的问题,在传统GM(1,1)预测模型的基础上,采用了一种基于遗传算法调整发展系数和内生灰作用量的灰色预测模型,并运用此模型对供应链中各级需求量进行预测,然后使用博弈理论构建了供应链中各级需求预测出现误差时的协商策略用以对预测结果的优化。实验结果表明,协商策略获取了符合双方利益的需求量,预测结果有较高的精度。   3、在灰色理论研究的基础上,结合中国第一汽车集团公司管理现状需求,应用J2EE架构中的三大开源框架SSH技术,设计开发了汽车供应链需求预测WEB应用系统——供应链需求预测系统。
其他文献
众所周知,比较是人类认识世界的一种重要手段和有说服力的表达方式,是世界各种语言的最重要的组成部分。随着Web2.0的深入发展,Internet技术更加注重与普通用户的交互,用户不
随着三维建模和三维扫描技术的飞速发展,三维网格数据的规模也同样快速增长,而这些数据的处理和存储问题开始凸显。现阶段有着很多对三维网格处理方面的研究,但是却基本没有
群智能算法是通过模拟自然界生物的群体行为而构造的随机优化算法,它为解决大量存在于计算机科学、管理科学、控制工程等领域的全局优化问题提供了新的途径,因此成为学术界长
设计模式是面向对象软件设计中针对典型问题的典型解决方案,被广泛应用于软件系统中。从代码中识别设计模式实例有助于对软件的理解和再工程。目前,设计模式结构特征的识别研究
视觉是人类获取信息的主要途径之一,而图像正是我们通过视觉获得信息的主要手段。在现阶段的工程项目和科学研究中,经常需要宽视角且高分辨率的图像。普通获取图像的设备无法直
随着社会经济的不断发展,人们的生活质量也越来越高,出门旅游变成了节假日人们的主流选择。在互联网技术飞速发展的今天,传统的旅游导览模式已经无法满足人们参观旅游的需求,
电子商务个性化推荐系统随着Web2.0技术的迅猛发展得到了广泛的关注和普及,为用户在日益增长的海量信息中发现自己所需要的信息提供了一种有效方法。电子商务网站使用电子商
电力工业作为保证国民经济实现可持续发展增长的重要基础产业,拥有大量的资产、设备、人员等信息,随着电力信息化进程的快速发展,电力工业的信息量快速扩大,如何快速分析、处
以数据为中心的发布订阅通信模型可以很好的满足分布式实时系统各节点不同QoS的应用要求,并且能适应多对多传输的场景。发布订阅通信模型可以为应用简化分布式实时系统的复杂
数字博物馆是文化遗产传承与弘扬的重要依托,目前很多博物馆已经获取了大量的三维数字化文物模型,未来三维模型数量还会加速增加。而如何将这些几何性质复杂、细节程度高的文