杜同，蔣國(guó)瑞

北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 100124

制造業(yè)供應(yīng)鏈產(chǎn)銷(xiāo)協(xié)同計(jì)劃沖突協(xié)商模型

杜同，蔣國(guó)瑞

北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 100124

面對(duì)市場(chǎng)競(jìng)爭(zhēng)日益劇烈和客戶需求多樣化的趨勢(shì)，制造業(yè)供應(yīng)鏈的制造商和經(jīng)銷(xiāo)商努力實(shí)現(xiàn)產(chǎn)銷(xiāo)協(xié)同計(jì)劃。然而在產(chǎn)銷(xiāo)協(xié)同計(jì)劃中時(shí)常出現(xiàn)沖突，及時(shí)有效消解沖突，能提高整個(gè)供應(yīng)鏈的協(xié)作效率，改善供應(yīng)鏈上企業(yè)間的合作關(guān)系；反之，會(huì)降低供應(yīng)鏈的運(yùn)作效率，削弱供應(yīng)鏈的競(jìng)爭(zhēng)力。針對(duì)這類(lèi)沖突問(wèn)題，引入讓步協(xié)商策略，在有限信息共享?xiàng)l件下，建立供應(yīng)鏈產(chǎn)銷(xiāo)協(xié)同計(jì)劃沖突協(xié)商模型；設(shè)計(jì)具有歷史提議回顧特點(diǎn)的協(xié)商流程；通過(guò)文化基因算法，產(chǎn)生反提議生成策略；通過(guò)算例驗(yàn)證文化基因算法及沖突協(xié)商模型的有效性。

沖突消解；讓步協(xié)商；文化基因算法；制造業(yè)供應(yīng)鏈；產(chǎn)銷(xiāo)協(xié)同計(jì)劃；有限信息共享

1 引言

供應(yīng)鏈產(chǎn)銷(xiāo)協(xié)同包括需求預(yù)測(cè)、產(chǎn)品設(shè)計(jì)、生產(chǎn)計(jì)劃、庫(kù)存與物流、銷(xiāo)售等供應(yīng)鏈協(xié)同中的核心業(yè)務(wù)，是制造業(yè)每時(shí)每刻都在進(jìn)行的最重要活動(dòng)[1]。協(xié)同計(jì)劃是產(chǎn)銷(xiāo)協(xié)同的重要環(huán)節(jié)。由于各企業(yè)追求的目標(biāo)、價(jià)值觀以及獲得信息的渠道不盡相同，協(xié)同計(jì)劃中往往不可避免地會(huì)產(chǎn)生價(jià)格、數(shù)量和交貨時(shí)間等決策變量上的沖突[2]。如果不能及時(shí)有效地消解沖突，將影響供應(yīng)鏈產(chǎn)銷(xiāo)協(xié)同計(jì)劃，降低供應(yīng)鏈競(jìng)爭(zhēng)力[3]。

以前供應(yīng)鏈產(chǎn)銷(xiāo)協(xié)同計(jì)劃的研究，常常假設(shè)信息在整個(gè)供應(yīng)鏈系統(tǒng)上是可以實(shí)現(xiàn)完全共享的，一般采用集中式的計(jì)劃模型來(lái)解決企業(yè)之間的沖突[4]。然而由于供應(yīng)鏈系統(tǒng)組織結(jié)構(gòu)和信息保密的限制，整個(gè)供應(yīng)鏈系統(tǒng)上的信息完全共享往往難以實(shí)現(xiàn)，有限信息共享?xiàng)l件下的協(xié)同計(jì)劃更符合供應(yīng)鏈的現(xiàn)實(shí)情況，從而成為協(xié)同計(jì)劃研究的重要發(fā)展方向[5]。信息不完全也使產(chǎn)銷(xiāo)協(xié)同計(jì)劃沖突消解更加復(fù)雜。例如，Dudek等針對(duì)雙邊的多產(chǎn)品能力約束批量計(jì)劃中的沖突問(wèn)題，利用一種基于多目標(biāo)規(guī)劃思想的計(jì)劃調(diào)整策略，通過(guò)在協(xié)商中反復(fù)交換計(jì)劃方案和成本信息獲得相對(duì)較優(yōu)的計(jì)劃[6]；在此方法基礎(chǔ)上，張瀚林等以遺傳算法的選擇、交叉和變異過(guò)程為調(diào)整機(jī)制，將協(xié)商中交流的備選計(jì)劃及其所產(chǎn)生的成本變化信息融入到計(jì)劃調(diào)整算法中，產(chǎn)生一種具有多點(diǎn)搜索和概率搜索特點(diǎn)的協(xié)同計(jì)劃沖突消解方法[5]；李應(yīng)等針對(duì)具有合作伙伴關(guān)系的多級(jí)分布式供應(yīng)鏈協(xié)同計(jì)劃問(wèn)題，采用一種基于合作對(duì)策的兩步協(xié)商方法來(lái)消解上下游企業(yè)之間沖突[7]；戢守峰等將代理機(jī)制引入供應(yīng)鏈協(xié)同計(jì)劃中，給出一種有限信息共享下基于協(xié)同Agent的生產(chǎn)-分銷(xiāo)計(jì)劃模型[4]。

以上研究都假設(shè)供應(yīng)鏈上企業(yè)擁有相同的決策目標(biāo)（整體收益最優(yōu)等），在此基礎(chǔ)上研究有限信息共享下的產(chǎn)銷(xiāo)協(xié)同沖突消解問(wèn)題。然而供應(yīng)鏈上企業(yè)各自追求收益最大化是更為現(xiàn)實(shí)的實(shí)際問(wèn)題，這種情況下的沖突消解是亟需解決的新問(wèn)題。針對(duì)有限信息共享下供應(yīng)鏈產(chǎn)銷(xiāo)協(xié)同計(jì)劃中的沖突問(wèn)題，本文假設(shè)制造商和經(jīng)銷(xiāo)商都以自身收益最優(yōu)為決策目標(biāo)，引入讓步協(xié)商策略，建立協(xié)商模型，設(shè)計(jì)運(yùn)行流程，提出基于文化基因算法的反提議生成策略，通過(guò)協(xié)商消解沖突，達(dá)成合作或協(xié)作協(xié)議，從而實(shí)現(xiàn)雙贏。

2 產(chǎn)銷(xiāo)協(xié)同計(jì)劃數(shù)學(xué)規(guī)劃模型

2.1 問(wèn)題描述及參數(shù)定義

考慮供應(yīng)鏈下游的制造商和經(jīng)銷(xiāo)商產(chǎn)銷(xiāo)協(xié)同計(jì)劃問(wèn)題。制造商負(fù)責(zé)生產(chǎn)多種產(chǎn)品，并以批發(fā)價(jià)格賣(mài)給經(jīng)銷(xiāo)商，經(jīng)銷(xiāo)商再以銷(xiāo)售價(jià)格賣(mài)給消費(fèi)者。假設(shè)制造商的產(chǎn)品制造能力、庫(kù)存能力均存在限制，并且能力上限隨周期的改變而變化；假設(shè)產(chǎn)品的運(yùn)輸費(fèi)用包含在銷(xiāo)售成本中，由經(jīng)銷(xiāo)商承擔(dān)；假設(shè)經(jīng)銷(xiāo)商每一周期的需求必須被制造商完全滿足，不允許缺貨[8]。下面定義產(chǎn)銷(xiāo)協(xié)同計(jì)劃問(wèn)題相關(guān)的符號(hào)。

T為周期；I為產(chǎn)品。

決策變量：

pit為第t周期產(chǎn)品i的銷(xiāo)售價(jià)格；xit為第t周期產(chǎn)品i的生產(chǎn)量。

狀態(tài)變量：

ait為0-1變量，反映第t周期產(chǎn)品i是否進(jìn)行產(chǎn)品制造活動(dòng)，取0時(shí)表示不發(fā)生產(chǎn)品制造活動(dòng)，取1時(shí)發(fā)生產(chǎn)品制造活動(dòng)；NIit為第t周期產(chǎn)品i的庫(kù)存；dit為第t周期產(chǎn)品i的需求量。

相關(guān)參數(shù)：

NLit為第t周期產(chǎn)品i的制造能力上限；NSLt為第t周期產(chǎn)品庫(kù)存能力上限；PULit為第t周期產(chǎn)品i的銷(xiāo)售價(jià)格上限；PCit為第t周期產(chǎn)品i的單位制造成本；PSCit為第t周期產(chǎn)品i的單位庫(kù)存成本；MCit為第t周期產(chǎn)品i的單位銷(xiāo)售成本；WPit為第t周期產(chǎn)品i的批發(fā)價(jià)格；UISi為單位產(chǎn)品i所占的庫(kù)存；SPCi為產(chǎn)品i制造活動(dòng)的生產(chǎn)準(zhǔn)備成本；γt為第t周期經(jīng)銷(xiāo)商所分擔(dān)的庫(kù)存成本的比例；B為大常數(shù)。

2.2 數(shù)學(xué)規(guī)劃模型

假設(shè)產(chǎn)品i需求：dit=αi-βipit，其中，αi，βi都是大于零的常數(shù)。αi是市場(chǎng)容量，βi是價(jià)格敏感系數(shù)。則制造商與經(jīng)銷(xiāo)商的數(shù)學(xué)規(guī)劃模型如下：

I制造商收益=產(chǎn)品批發(fā)收入-可變生產(chǎn)成本-固定生產(chǎn)成本-制造商承擔(dān)庫(kù)存成本，表達(dá)式為：

II經(jīng)銷(xiāo)商收益=產(chǎn)品銷(xiāo)售收入-產(chǎn)品訂購(gòu)成本-銷(xiāo)售成本-經(jīng)銷(xiāo)商承擔(dān)庫(kù)存成本，表達(dá)式為：

其中，mp(PX)與rp(PX)分別是制造商和經(jīng)銷(xiāo)商的收益函數(shù)，PX是由全部決策變量組成的向量；式（2）表示產(chǎn)品庫(kù)存平衡；式（3）表示產(chǎn)品庫(kù)存能力約束；式（4）表示價(jià)格取值約束；式（5）表示產(chǎn)品制造能力約束；式（6）確保式ait∈{0，1}；式（7）表示非零約束。令計(jì)劃開(kāi)始時(shí)產(chǎn)品的庫(kù)存為零，即NIi，0=0。

3 產(chǎn)銷(xiāo)協(xié)同計(jì)劃沖突協(xié)商模型

3.1 協(xié)商描述與假設(shè)

協(xié)商雙方分別為協(xié)商發(fā)起者與協(xié)商接受者，每輪協(xié)商中，協(xié)商發(fā)起者先發(fā)出提議，協(xié)商接受者評(píng)價(jià)后發(fā)出反提議，然后協(xié)商發(fā)起者評(píng)價(jià)反提議并在下一輪提出新提議[9]。另對(duì)協(xié)商作出如下假設(shè)：

假設(shè)1制造商和經(jīng)銷(xiāo)商是平等的，不存在中間協(xié)調(diào)者。

假設(shè)2制造商和經(jīng)銷(xiāo)商是理性的，以自身收益最大化為目標(biāo)。

假設(shè)3制造商和經(jīng)銷(xiāo)商只共享有限信息。本文中庫(kù)存成本、能力約束、產(chǎn)品需求函數(shù)以及庫(kù)存成本分?jǐn)偙壤秊楣蚕硇畔?，其他信息為私有信息?/p>

假設(shè)4協(xié)商失敗對(duì)于制造商和經(jīng)銷(xiāo)商而言都是不好的結(jié)果。

3.2 協(xié)商模型

協(xié)商模型可以描述為一個(gè)十元組：NM=＜S，B，IS，fs(IS)，fb(IS)，hs(r)，hb(r)，CX，R，NR＞。其中，S，B分別表示協(xié)商發(fā)起者和協(xié)商接受者；IS={is1，is2，…，isn}為協(xié)商議題集合，本文以協(xié)同計(jì)劃問(wèn)題的決策變量為協(xié)商議題，fs(IS)與fb(IS)分別表示S與B的收益函數(shù)；hs(r)，hb(r)分別表示S與B的讓步函數(shù)；CX為協(xié)商的可行方案集合（可行域），CX中的所有方案必須滿足式（2）～（7）的約束；R表示最大協(xié)商輪次；NR={N1，N2，…，NR}，Nr表示第r輪協(xié)商中交互提議的數(shù)目。

另外，為方便描述協(xié)商流程，令MSD、MBD分別表示可行域內(nèi)使S與B收益最大的提議；SPSrk與BPSrk分別表示S和B第r輪提出的提議方案中的第k個(gè)提議，r=1，2，…，R，k=1，2，…，Nr；sp，bps分別表示SPSrk與BPSrk的第l個(gè)議題。

3.3 協(xié)商流程

協(xié)商開(kāi)始時(shí)需要檢測(cè)協(xié)商雙方是否存在沖突，具體方法是：協(xié)商雙方交互最大收益提議MSD、MBD，若兩者相等，說(shuō)明沖突不存在，以MSD為協(xié)商結(jié)果，協(xié)商結(jié)束。若兩者不相等，說(shuō)明沖突存在，需要通過(guò)協(xié)商來(lái)消解沖突，隨機(jī)選擇兩者之一為協(xié)商發(fā)起者，進(jìn)入?yún)f(xié)商過(guò)程。協(xié)商流程如圖1所示。

圖1 雙方交互過(guò)程中的協(xié)商流程

每輪協(xié)商中，協(xié)商參與者都需要計(jì)算本輪讓步區(qū)間。本文將讓步區(qū)間劃分為與最大協(xié)商輪次R相關(guān)的若干子讓步區(qū)間，區(qū)間之間不重疊，前一讓步區(qū)間的下限即為后一讓步區(qū)間上限，區(qū)間內(nèi)利用文化基因算法搜索有效提議，實(shí)現(xiàn)搜索區(qū)間的全覆蓋。令第r輪協(xié)商發(fā)起者的讓步下限為SLr，讓步上限為SUr，則

其中θs是決定協(xié)商發(fā)起者讓步函數(shù)形狀的參數(shù)。當(dāng)協(xié)商發(fā)起者讓步到fs(MBD)時(shí)，可以直接接受MBD作為協(xié)商結(jié)果，而MBD必然會(huì)被協(xié)商接受者所接受，所以沒(méi)有再繼續(xù)協(xié)商的必要。相應(yīng)的，記第r輪協(xié)商接受者的讓步下限為BLr，讓步上限為BUr，協(xié)商接受者讓步函數(shù)：

其中θb是決定協(xié)商接受者讓步函數(shù)形狀的參數(shù)。首輪協(xié)商開(kāi)始時(shí)，協(xié)商發(fā)起者直接計(jì)算首輪讓步區(qū)間，生成并向?qū)Ψ桨l(fā)送首輪提議。由于沒(méi)有歷史提議，首輪協(xié)商中，協(xié)商雙方無(wú)需回顧歷史提議。除首輪外，協(xié)商參與者每次作出讓步后先要回顧對(duì)方提出的所有提議，若發(fā)現(xiàn)其中最優(yōu)提議的收益已經(jīng)不小于當(dāng)前的讓步區(qū)間下限，則以之為協(xié)商結(jié)果，協(xié)商結(jié)束；否則協(xié)商參與者生成反提議發(fā)送給對(duì)方。對(duì)方收到反提議方案后，若發(fā)現(xiàn)其中最優(yōu)提議的收益不小于讓步下限，則以該提議為協(xié)商結(jié)果，協(xié)商結(jié)束；否則，執(zhí)行更改讓步區(qū)間，回顧歷史提議，生成反提議等過(guò)程。如果直到第R輪協(xié)商結(jié)束，雙方仍沒(méi)有達(dá)成一致，則以MSD為協(xié)商結(jié)果，協(xié)商結(jié)束。

3.4 反提議生成策略

協(xié)商參與者若不接受對(duì)方提出的提議，可以提出反提議，反提議生成策略如下：在第r輪協(xié)商中，協(xié)商參與者利用文化基因算法求解反提議生成模型，從算法最后一代種群中選出前Nr個(gè)最優(yōu)個(gè)體，組成反提議方案發(fā)送給對(duì)方。記XD表示待評(píng)價(jià)提議，xdl表示其第l個(gè)議題。以相似度最大化為目標(biāo)構(gòu)造反提議生成模型，第r輪協(xié)商發(fā)起者反提議生成模型如下：

III協(xié)商發(fā)起者反提議相似度=反提議與協(xié)商接受者各提議相似度之和/提議數(shù)目

采用向量夾角余弦法計(jì)算相似度，gs是協(xié)商發(fā)起者的反提議相似度函數(shù)；式（14）表示讓步區(qū)間約束，式（15）表示可行域約束。與模型III相似，第r輪協(xié)商接受者的反提議生成數(shù)學(xué)模型如下：

IV協(xié)商接受者反提議相似度=反提議與協(xié)商發(fā)起者各提議相似度之和/提議數(shù)目

gb是協(xié)商接受者的反提議相似度函數(shù)；式（17）表示讓步區(qū)間約束；式（18）表示可行域約束。

4 沖突協(xié)商模型求解算法

4.1 文化基因算法流程

本文利用文化基因算法求解模型III、IV，生成反提議。1989年，Moscato以達(dá)爾文自然進(jìn)化理論與道金斯文化進(jìn)化理論為基礎(chǔ)，首先提出文化基因算法（Memetic Algorithm）的概念[10]。文化基因算法是一種求解大規(guī)模復(fù)雜優(yōu)化問(wèn)題的有效方法[11]，已經(jīng)被廣泛應(yīng)用到圖像處理[12]、生產(chǎn)計(jì)劃[13]、網(wǎng)絡(luò)分布設(shè)計(jì)[14]等多個(gè)領(lǐng)域，但尚未有人將其應(yīng)用到自動(dòng)協(xié)商中。本文以自適應(yīng)遺傳算法為全局搜索算法，以Powell算法為局部搜索算法，算法基本流程如圖2所示。

圖2 文化基因算法流程

4.2 文化基因算法的局部搜索

局部搜索過(guò)程發(fā)生在進(jìn)化操作之后。因?yàn)榛镜腜owell算法具有二次終止性，所以本文采用一種改進(jìn)算法，算法具體流程如下[15]：

步驟1取初始點(diǎn)x(1)，置n個(gè)線性無(wú)關(guān)的方向d(1)，d(2)，…，d(n)，置精度要求為ε，搜索代數(shù)k=1，最大搜索代數(shù)為K。

步驟2對(duì)于i=1，2，…，n，令f表示適應(yīng)度函數(shù)，求解一維問(wèn)題：

4.3 文化基因算法的全局搜索

本文全局搜索算法是一種自適應(yīng)遺傳算法，算法具體如下。

編碼：采用二進(jìn)制編碼方式，令[lbi，ubi]表示議題i的取值范圍，lb′i表示不大于lbi的最大整數(shù)，ub′i表示不小于ubi的最小整數(shù)。用二進(jìn)制表示議題i的值，二進(jìn)制碼長(zhǎng)度為NIi+MIi，NIi是ub′i-lb′i對(duì)應(yīng)的二進(jìn)制代碼長(zhǎng)度，MIi是精度要求，表示算法執(zhí)行過(guò)程中精確到1/2MIi；將所有議題的二進(jìn)制碼串聯(lián)起來(lái)即構(gòu)成一個(gè)染色體。因此染色體的長(zhǎng)度CHL=∑NIi+MIi，如圖3所示。

圖3 編碼示意圖

種群初始化：以隨機(jī)的方式生成初始種群。

適應(yīng)度函數(shù)：交互協(xié)商中，以反提議相似度函數(shù)為算法的適應(yīng)度函數(shù)。

交叉算法：采用最簡(jiǎn)單的單點(diǎn)交叉方式，交叉點(diǎn)隨機(jī)選??；交叉概率隨父代適應(yīng)度自動(dòng)變化，且具有非線性變化的特性，自適應(yīng)的交叉概率：

表1 三個(gè)周期數(shù)值參數(shù)選擇

表2 兩種產(chǎn)品數(shù)值參數(shù)選擇

表3 兩種算法的協(xié)商結(jié)果比較

其中，fitmax是種群中最優(yōu)秀個(gè)體的適應(yīng)值；fitavg是每代種群的平均適應(yīng)度值；fit′是交叉的兩個(gè)個(gè)體中較優(yōu)秀的適應(yīng)值；pcmax及pcmin分別表示交叉率值的上、下限，λc是一固定常數(shù)。

變異算法：通過(guò)變異引入新基因可以保持種群多樣性，并在一定程度上避免早熟，隨機(jī)選取變異位置，非線性變化的變異概率：

其中，pmmax及pmmin分別表示變異率值的上、下限，λm是一固定常數(shù)。fit″是變異個(gè)體的適應(yīng)值。

5 實(shí)驗(yàn)

考慮供應(yīng)鏈在三個(gè)計(jì)劃周期內(nèi)銷(xiāo)售兩種產(chǎn)品的產(chǎn)銷(xiāo)協(xié)同計(jì)劃問(wèn)題，數(shù)值實(shí)驗(yàn)的具體參數(shù)如表1～表2所示。表1是不同周期供應(yīng)鏈成本與能力限制參數(shù)，表2是有關(guān)產(chǎn)品銷(xiāo)售、產(chǎn)品庫(kù)存、生產(chǎn)準(zhǔn)備成本的參數(shù)。

以制造商為協(xié)商發(fā)起者，最大協(xié)商輪次R=10，制造商與經(jīng)銷(xiāo)商的讓步形狀參數(shù)θs與θb分別為2與1.5，Nr=2。

文化基因算法的參數(shù)方案如下：Powell算法的最大迭代代數(shù)為50，精度要求為0.01，隨機(jī)選擇12個(gè)線性無(wú)關(guān)的初始方向；自適應(yīng)遺傳算法的種群規(guī)模為20，最大進(jìn)化代數(shù)50，初始化、選擇、交叉、變異過(guò)程如4.3節(jié)所述。為了驗(yàn)證文化基因算法的有效性，本文還利用遺傳算法求解沖突協(xié)商模型，遺傳算法的參數(shù)方案如下：采用二進(jìn)制編碼方式，隨機(jī)生成初始種群，種群規(guī)模20，最大進(jìn)化代數(shù)50；采用輪盤(pán)賭選擇方法，單點(diǎn)交叉，交叉率0.8，單點(diǎn)變異，變異率0.05。兩種算法中制造商與經(jīng)銷(xiāo)商都以反提議相似度函數(shù)作為適應(yīng)度函數(shù)。

利用Matlab平臺(tái)對(duì)協(xié)商過(guò)程進(jìn)行編程實(shí)現(xiàn)。協(xié)商前利用MATLAB，以總收益最大化為目標(biāo)求得該供應(yīng)鏈協(xié)同計(jì)劃問(wèn)題的最優(yōu)解：制造商收益3 640.7，經(jīng)銷(xiāo)商收益2 409.6，總收益6 050.3。

兩種算法的協(xié)商程序在Intel Pentium Dual T3200，2.00 GHz，2 GB內(nèi)存的計(jì)算機(jī)上各自獨(dú)立運(yùn)行30次，協(xié)商結(jié)果如表3。

實(shí)驗(yàn)結(jié)果分析及結(jié)論：將兩種算法的協(xié)商結(jié)果進(jìn)行比較，發(fā)現(xiàn)文化基因算法明顯優(yōu)于遺傳算法。利用文化基因算法進(jìn)行協(xié)商可以通過(guò)較少的協(xié)商輪次獲得更加接近最優(yōu)解的協(xié)商結(jié)果。

將基于文化基因算法的協(xié)商結(jié)果與最優(yōu)解相比較，發(fā)現(xiàn)協(xié)商結(jié)果已經(jīng)十分接近最優(yōu)解。平均制造商收益、平均零售商收益、平均供應(yīng)鏈總收益與已知最優(yōu)解的差距不超過(guò)7%；最優(yōu)制造商收益、最優(yōu)零售商收益、最優(yōu)供應(yīng)鏈總收益與已知最優(yōu)解的差距均不超過(guò)4%；而且協(xié)商達(dá)成一致所需輪次平均不足最大協(xié)商輪次的50%。

6 結(jié)束語(yǔ)

供應(yīng)鏈產(chǎn)銷(xiāo)協(xié)同計(jì)劃包含供應(yīng)鏈協(xié)同大量的核心業(yè)務(wù)，有效地消解產(chǎn)銷(xiāo)協(xié)同計(jì)劃中的沖突，對(duì)于提高供應(yīng)鏈運(yùn)行效率具有重要意義。本文將讓步協(xié)商策略引入產(chǎn)銷(xiāo)協(xié)同計(jì)劃沖突消解中，針對(duì)下游企業(yè)決策沖突的問(wèn)題，建立協(xié)商模型，在協(xié)商流程中加入歷史提議回顧過(guò)程，加快協(xié)商達(dá)成一致的進(jìn)程，利用文化基因算法尋優(yōu)能力強(qiáng)的優(yōu)勢(shì)，搜索有效反提議。實(shí)驗(yàn)結(jié)果表明文化基因算法比遺傳算法更有效，基于文化基因算法的沖突協(xié)商模型可以使供應(yīng)鏈上的企業(yè)在共享有限信息的情況下，通過(guò)較少的交互輪次獲得接近最優(yōu)解的決策。

[1]Maxime O，van Dat C，Julien B，et al.Decentralised planning coordination with quantity discount contract in a divergent supply chain[J].International Journal of Production Research，2013，51（9）：2776-2789.

[2]Shima M，Li Xueping.Designing intelligent agents to support long-term partnership in two echelon e-supply networks[J].Expert Systems with Applications，2012，39（18）：13501-13508.

[3]蔣國(guó)瑞，段曉敏，張瀚林.基于沖突檢測(cè)的供應(yīng)鏈協(xié)同計(jì)劃[J].計(jì)算機(jī)工程，2010，36（3）：247-249.

[4]戢守峰，張吉善，張川，等.基于代理的分散式生產(chǎn)—分銷(xiāo)系統(tǒng)協(xié)同計(jì)劃模型[J].計(jì)算機(jī)集成制造系統(tǒng)，2010，16（4）：822-827.

[5]張瀚林，蔣國(guó)瑞，黃梯云.一種有限信息共享的全局尋優(yōu)供應(yīng)鏈雙邊協(xié)同計(jì)劃方法[J].管理工程學(xué)報(bào)，2010，24（2）：153-158.

[6]Dudek G，Stadtler H.Negotiation-based collaborative planning in divergent two-tier supply chains[J].International Journal of Production Research，2007，45（2）：465-484.

[7]李應(yīng).供應(yīng)鏈多層規(guī)劃問(wèn)題及其合作對(duì)策協(xié)商求解[J].運(yùn)籌與管理，2012，21（4）：52-58.

[8]Zhang Jian，Liu Xiao，Tu Y L.A capacitated production planning problem for closed-loop supply chain with remanufacturing[J].International Journal of Advanced Manufacturing Technology，2011，54（5）：757-766.

[9]Lai G，Sycara K，Li C.A decentralized model for automated multi-attribute negotiations with incomplete information and general utility functions[J].Multiagent Grid System，2008，4：45-65.

[10]Raúl B，Consolación G，Juan R，et al.A pareto-based memetic algorithm for optimization of looped water distribution systems[J].Engineering Optimization，2010，42（3）：223-240.

[11]Saman P M，Zanjirani F R，Wout D.A memetic algorithm for bi-objective integrated forward/reverse logistics network design[J].Computers and Operations Research，2010，37（6）：1100-1112.

[12]Sharif K M，Mohamad A A F，Amitay I，et al.A smart repair embedded memetic algorithm for 2D shape matching problems[J].Engineering Optimization，2012，44（10）：1229-1243.

[13]Schemeleva K，Delorme X，Dolgui A，et al.Multi-product sequencing and lot-sizing under uncertainties：a memetic algorithm[J].Engineering Applications of Artificial Intelligence，2012，25（8）：1598-1610.

[14]Raúl B，Consolación G，Juan R，et al.A memetic algorithm applied to the design of water distribution networks[J].Applied Soft Computing Journal，2010，10（1）：261-266.

[15]薛毅.最優(yōu)化原理與方法[M].北京：北京工業(yè)大學(xué)出版社，2004.

DU Tong,JIANG Guorui

School of Economics and Management,Beijing University of Technology,Beijing 100124,China

In the face of increasingly fierce market competition and increasingly diversified demand,manufacturers and dealers of manufacturing supply chain pay great effort to achieve production marketing collaborative planning.However, it often generates conflicts in the process of production marketing collaborative planning.Resolving conflicts timely and effectively can enhance collaboration efficiency of the whole supply chain and improve cooperation relations between the enterprises in the supply chain.Whereas it will reduce operational efficiency of the supply chain and weaken competitiveness of supply chain.For this kind of conflict problem,concession negotiation strategy is introduced and a conflict negotiation model for supply chain production marketing collaborative planning is built in the case of limited information shared.The negotiation process has the feature of reviewing history proposals.A strategy for generating counter proposals is presented by memetic algorithm.The validity of memetic algorithm and the conflict negotiation model is verified by numerical experimentations.

conflict resolution;concession negotiation;memetic algorithm;manufacturing supply chain;production marketing collaborative planning;limited information shared

A

TP311

10.3778/j.issn.1002-8331.1309-0511

DU Tong,JIANG Guorui.Conflict negotiation model for production marketing collaborative planning in manufacturing supply chain.Computer Engineering and Applications,2014,50（6）：265-270.

國(guó)家自然科學(xué)基金（No.71371018）。

杜同（1989—），男，碩士，研究領(lǐng)域?yàn)樯虅?wù)智能談判，供應(yīng)鏈管理；蔣國(guó)瑞（1954—），男，博士，教授，研究領(lǐng)域?yàn)楣芾硇畔⑾到y(tǒng)，商務(wù)智能談判，智能化供應(yīng)鏈管理。E-mail：jianggr@bjut.edu.cn

2013-10-08

2013-12-26

1002-8331（2014）06-0265-06