《实现多级供货能力承诺的虚拟企业生产计划模型研究》由会员分享，可在线阅读，更多相关《实现多级供货能力承诺的虚拟企业生产计划模型研究（70页珍藏版）》请在金锄头文库上搜索。
1、摘要虚拟企业生产计划是虚拟企业盟主整合成员核心能力，实现客户产品服务的关键之一。针对虚拟企业生产计划难以制定和执行的问 题，论文从实现多级供货能力承诺的角度出发，研究了虚拟企业多级供货承诺体系结构、带供货能力承诺的虚拟企业生产运作模式、多级订单供货承诺流程、考虑初始供货承诺的生产计划模型以及基于混合策略的蚁群优化算法等问题。最后结合长沙某企业生产情况，引入算 例对上述内容进行了验证。论文的主要研究内容和成果如下：( 1 ) 从成品供货能力承诺、零部件供货能力承诺、可用生产能 力承诺C T P 、可发货能力承诺D T P 以及可盈利能力承诺y 印等方面 系统概述了供货能力承诺A T P 的相关内
2、容，分析了影响企业做出供货承诺的因素，并对当前A T P 的实施现状进行了阐述。D ，婶J = 、0 l I r = D ，0 - - 6 )一，Q ，一m Jm D 哆s 4哆s m a x a t , ，I i = L 2 , ，哪( p = l ，2 ，只一DV p = L 2 , P - t , ，哆) n ( ，幺) = o Q = l 2 ，帕研) E o I 玉 o 1 )Q ，0 ，H F D u , ，曩，哆，鬈，哆，d t ，吼，D p o ( p = l ，2 ，P )( 3 7 )( 3 8 )( 3 9 )0 1 0 )( 3 - - H )( 3 - - t 2 )
3、m a d 硝2 ：片d也b 懈z 2 = 以钆一，Q 。，一，垅固胁( f ) 昭一| ) 一 一用芦H艺q 肌，电。，略一啦，) 一艺展皿月Z c 吒) 一丑，Q ，一知吒) 1 ( 3 一t 3 )气，。( 呶，l 巴，g ，) + 丑，Q ，一咒，丑，Q P ( z 0 一盘) 一q 妒只Q P 【l 一，蟛) 】 办 匹a o ，置护魄，( I ( 沪一f ) 一包，最，Q P ( 1 一& P )硕士学位论文第3 章面向多级供货能力承诺的虚拟企业生产计划模型砒。，名戤。，吃1 只船， ，一日，) 啦， D f ， f ( d t , ，) = 0 幽，= B ，k ，置，Q ，(
4、D I ，一线，) 啦， q，)=0啦=q(3-24) k 日G 一癣) a t , 婶一，) 爿- - 4t = - iJ 气，只，j 巩耐一a t , ，) 一属Q 只矿一c 酊) 一q 哟【l 一I l “ ) 】月纠- g , f ( d t , ) 曰Q 一日恐0 一蜀)其中：( 3 2 7 )( 3 - - 2 8 )( 3 2 9 )硕士学位论文第3 章面向多级供货能力承诺的虚拟企业生产计划模型c 矿) = 【伽r P Q ( 矿d , - 一：哟) 竺：；( 3 3 。)fr l P Q ( d t D ) d t D C a t ) = 0d r = D( 3 - 3 1 )
5、 t z P Q ( D 一出1d t O ( 3 - - 3 5 )m o d e 3 、m o d e l 4 也考虑了不含变动生产成本的订单收入与两类成本的差值的最大化，两类成本控制成员企业向盟主和盟主向客户做出最佳供货承诺通过m o d e l 3 可得到成员企业向盟主做出的最佳承诺供货日期，在此基础上，盟主通过m o d e l 4 得到客户做出的最佳承诺供货日期上述混合线性规划模型涉及的参数和变量众多，给求解带来一定的困难，在第四章中将研究专门的算法。说明多级供货能承诺的实现过程。4 0硕士学位论文第4 章面向多级供货能力承诺的虚拟企业生产计划模型求解算法第4 章实现多级供货能力承
6、诺的虚拟企业生产计划模型求解算法4 1 启发式方法概述在很多求解问题中，基于全局的考虑，需要构造复杂庞大的方程或式子来描述实际问题，但往往发生现实问题得到很好的反应却难以求解的现象，并且随着参数和变量的增加，问题求解的难度呈组合爆炸式增长针对这类问题，常见的方法就是采用启发式搜索算法，或者满足需要的近似解或基本满意解。 。启发式饵钿删”的思路是一种基于经验或判断，可能找到问题的合理解，但在数学理论上又不能保证其是最优解的方法嗍最早在优化中引入启发式准则的论文是Z a n a k i $ 和E v a n s 在1 9 8 1 年提出的m I ，其认为启发式的目的在于解决问题的学习方法和发现准则
7、，按照预定的启发式准则搜索全局最满意解的过程一般地，启发式方法的基本类型有：问题分解法、减少解空问法、近似方法、构造型方法、邻域搜索( 局部改进) 法和元启发式算法嗍其中元启发式算法是最近研究的热点，包括蚁群算法、模拟退火算法、遗传算法和禁忌搜索算法等，上述算法可从不同的角度利用不同的搜索机制和策略进行全局搜索，从而获得较好的全局优化性能经过二十多年的发展，启发式搜索算法得到了很好的发展，特别是与人工智能、生物算法的结合运用，大量的优秀论文和好的启发式规则被提出，成功解决了许多传统方法不能解决的优化问题，如旅行商问题( T r a v e l i n 8s a l e s m a np r o
8、 b l e m ，简称T s P ) 等4 2 蚁群算法介绍蚊群算法( a n tc o l o n ya l g o r i t h m ) 是由意大利学者D o r i g o 等人f v J i 于2 0 世纪年代初期通过模拟自然界中蚂蚁集体寻径的行为而提出的一种基于种群的启发式仿生进化算法观察发现，自然界中蚂蚁能够自适应地找到从巢穴到食物源的最短路径因为蚂蚁在搜索食物的行程中，不断分泌一种生物激素信息素( P h e r o m o n e ) 而且分泌的强弱程度随着搜索路径的长短而变化。其它蚂蚁在后续的食物搜索过程中，可以感知环境中信息素的强度，从而调整搜索方向。这样，硕士学位论文
9、第4 章面向多级供货能力承诺的虚拟企业生产计划模型求解算法距离较短的路径，因为信息素水平高，会吸引更多的蚂蚁；而距离较大的路径，只会有少量的蚂蚁经过。通过这种正反馈作用，最优的路径就会逐濒凸现出来。4 2 1 算法原理为清楚地介绍蚁群算法的基本原理，一般借助经典的对称T S P 问题来进行说明I ，o t 1 洲假设c = k ，乞，巳 是席个城市的集合，= ( I q ，白E c 是集合c 中元素( 城市) 两两连接的集合，略( f ，_ ，= 1 2 ，哪是白的E u c l i d e a n 距离，G = ( c ，D 是 一个有向图T S P 阍题的目的是从有向图G 中寻出长度最短的
10、H a m i l t o n 圈设r , - ( 0 为t 时刻路径( f 力上的信息素数量，珊为蚂蚁群中蚂蚁的数目；r = ( f ) lq ，c ，ec 是t l F I t , l 集合c 中元索两两连接上的残留信息素数量集合， 在初始时刻各条路径上信息素数量相等蚊群算法的寻优是在有向图G = ( C 厶r ) 上通过3 个准则加以实现，即转移概率准则、局部调整准则和全局( 1 ) 转移概率准则蚂蚁七他= l 2 ，埘) 在行进过程中，根据各条路径信息素数量决定转移方向算法中人工蚂蚁与实际蚂蚁不同。具有记忆功能禁忌表m = l 2 ，肼) 用来记录蚂蚁七当前所走过的城市在搜索过程中，蚂
11、蚁根据各个路径上的信息素数量和路径的启发信息来计算转移概率茄( f ) ，其意表示在t 时刻蚂蚁k 由元素礴 移到元素_ ，的转移概率，即 枷 搿扣枞即一吱， 【0否则其中；a t l o w e d 。= ( c - t a b u I 表示蚂蚁量下一步允许选择的城市，4 表示轨迹的相对重要性，6 表示能见度的相对重要性，( f ) 为启发函数，即( f ) = l 呜( 4 2 )显然，该启发函数表示蚂蚁从元素( 城市) 礴 移到元素( 城市) J 的期望程度( 2 ) 局部调整准则。局部调整是每只蚂蚁在寻求解的过程中进行的信息素的调整经过h 个时刻，两个元素状态之间的局部信息素数量要根据
12、下式作调整： 巧O + 哟= ( 1 一f ) 0 ( f ) + ( 4 - 3 )硕士学位论文第4 章面向多级供货能力承诺的虚拟企业生产计划模型求解算法f 02l(n_)(4-4)其中。f E 【o ，l 】为控制信息索挥发的参数，血表示集合C 中两个节点之问的最小距离。( 3 ) 全局调整准则在所有的蚂蚁都生成了解后。从中选取最优解，对构成最优解的节点迸行信息素调整。当然，只有生成了全局最优解的蚂蚁才有机会进行全局调整全局调整规则为：f ：f ( f + 1 ) 5 ( 1 一力勺( f ) + 加f ；f ( f )( 4 5 )A ( O = A 苟( f )( 4 6 )，k -
13、- I其中：p 为挥发系数，p 【o ，l 】；A k ( f ) 表示本次循环中路径上的信息素数量的增量；A ( r ) 表示第i 只蚂蚁在本次循环中留在路径上的信息量 文献【7 l 】中曾给出3 种不同的蚁群算法模型：A n t - C y c l e ，A n t 心m i t y 以及A n t - D e n s i t y 它们的差别在- P A 砖( t ) 求法的不同：A m - C y c l e 利用的是整体信息，在求解T S P 问题时性能较好；而A n t - O o a n t i t y 和A n t - D e n s i t y 利用的是局部信息，因而通常采用A
14、 n t - C y c l e 作为基本模型，即 啦) = 徽嗽在鬻种弛；( 4 7 )其中，是信息素强度，它影响算法的收敛速度：厶表示第| | 只蚂蚁在本次循环中所走路径总长度t 2 2 算法流程根据蚁群算法原理，可通过流程将其描述如下f f 0 1 1 初始化第一步：将蚂蚁发布于各个城市O T 始城市) ；第二步；初始化和A 互构造环游第一步：对每只蚂蚁用转移概率在禁忌表外的城市中选择要移动的下一个城市，每通过一个所选择的城市将其放入禁忌表中；第二步：每只蚂蚁环游一圈后。计算环游长度，局部更新信息素3 全局更新信息素第一步：所有蚂蚁环游一圈后，根据信息素更新规则更新各条边上的信息素；硕士
15、学位论文第4 章面向多级供货能力承诺的虚拟企业生产计划模型求解算法第二步；比较所有的环游长度，找出最短的环游长度；第三步；将禁忌表清空，回到2 4 不断迭代直至满足停止条件停止条件一般是设定迭代次数或者满足楣邻两次迭代的环游长度之差小于设定值。通过上述步骤可以实现蚁群算法优化过程的本质。( 1 ) 选择机制。信息素越多的路径，被选择的概率越大；( 2 ) 更新机制。路径上的信息素会随蚂蚁的通过而增长，同时随着时间的推移逐渐减少；( 3 ) 协调机制蚂蚁之间实际上是通过信息量来互相通信、协同工作的。三种机制共同作用使蚁群算法具有较强的寻优能力4 3 基于混合策略的生产计划模型求解算法为了将带有启发式规则的蚁群算法用于实现多级供货能力承诺虚拟企业生产计划模型的求解，需要将算法作一定的转换嗍，这样才能更好地应用到盟主或成员企业的订单捧产上盟主或成员企业要对当前接收到的已经做出供货承诺的订单和待承诺订单进行生产调度，具体涉及到订单排产的先后顺序，最优开工日期和完工日期因此，本文将每一个订单视为一个节点，蚂蚁逐次从没有经过的节点( 订单) 中选择节点，安排到有先后顺序的位置上，从而形成一个订单捧产先后顺序，再通过启发式规则确定给定顺序下的最优开工日期，得到该只蚂蚁行程中的一个最优解，并更新各节点问的信息素
