GA-BP算法在VMI庫存管理中的應用與研究.pdf

1、伴隨著全球市場競爭的日趨激烈，傳統的生產經營模式已經很難滿足市場的需求。供應商管理庫存(VMI)的庫存管理模式就在市場激烈競爭的環(huán)境下得到了廣泛的應用和快速的發(fā)展。又由于實際庫存管理中VMI庫存常常分布在多處，因此，企業(yè)需要對分布存儲的庫存進行集中化的管理。分布式VMI管理的主要策略手段是實現庫存實時信息的彼此共享，而安全庫存預測的高準確性又能夠有效的減少庫存管理的成本消耗。由于安全庫存量受多種不確定因素影響，而且這些不確定因素和決策之

2、間還存在著相當復雜的非線性關系，神經網絡在解決復雜的非線性問題領域具有相對于其他方法所沒有的獨特優(yōu)勢。傳統BP神經網絡有一些缺陷如收斂速度慢、容易陷入局部最優(yōu)等問題，而GA-BP神經網絡相比較于傳統的神經網絡算法具有更穩(wěn)定的建模模型、更多次數的達到預設目標、更少的擬合數據迭代步數、更快速地達到預設結果和更好的數據擬合效果。
　　本論文研究了VMI分布式庫存安全庫存量的預測方法，對多種方法進行了詳細分析，通過比較選取了GA-BP算法

3、作為庫存預測的方法。又考慮到實際庫存管理中多以分布式庫存模式設置庫存點，而在分布式庫存模式下不需要所有庫存都達到安全庫存量，允許個別庫存達到零庫存狀態(tài)，這也就增加了影響安全庫存量因素的不確定性。本論文對多種制約安全庫存量的不確定因素進行了具體分析，并利用GA-BP算法對問題進行建模，通過實例說明該算法有很好的實用性。利用仿真技術進行分析預測，從而使得數據擬合程度有所提升，有效地提高了安全庫存量預測的準確性。最后利用C＃和Matlab的混