摘要：針對(duì)制造企業(yè)供應(yīng)鏈聯(lián)盟構(gòu)建了伙伴企業(yè)選擇的多目標(biāo)模型。文章基于分析遺傳算法及模擬退火算法，提出了將遺傳算法和模擬退火算法兩者結(jié)合來(lái)進(jìn)行求解。同時(shí)，通過(guò)實(shí)例仿真結(jié)果表明了該模型和算法的可行性和正確性。

關(guān)鍵詞：伙伴選擇 遺傳算法（GA） 模擬退火（SA）算法

面對(duì)競(jìng)爭(zhēng)日益激烈的市場(chǎng)，越來(lái)越多的制造企業(yè)已經(jīng)感到依靠自身難以靈活、快速地響應(yīng)客戶(hù)的需求，企業(yè)間的供應(yīng)鏈聯(lián)盟應(yīng)運(yùn)而生。它利用現(xiàn)代信息技術(shù)與供應(yīng)商及客戶(hù)采取合作的形式，使具有不同核心能力的多個(gè)企業(yè)結(jié)成一種利益共同體或動(dòng)態(tài)聯(lián)盟?；诠?yīng)鏈的動(dòng)態(tài)聯(lián)盟更好的保證了產(chǎn)品質(zhì)量、成本、交貨期，減少了直接供銷(xiāo)商（分銷(xiāo)商）的數(shù)量和以及所需考慮供銷(xiāo)商（分銷(xiāo)商）的重?cái)?shù)，使得整條供應(yīng)鏈聯(lián)盟在物流、資金流、信息流及企業(yè)生產(chǎn)管理上達(dá)到整體最優(yōu)，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，風(fēng)險(xiǎn)共擔(dān)和共同盈利。

供應(yīng)鏈聯(lián)盟成員企業(yè)選擇是在組建供應(yīng)鏈聯(lián)盟過(guò)程中必須要考慮的重要問(wèn)題之一。成員企業(yè)選擇的正確與否直接影響到供應(yīng)鏈聯(lián)盟的成敗和績(jī)效。由于影響成員企業(yè)選擇的因素很多，人們一般情況下不能直接做出決策，必須借助一定的決策工具進(jìn)行選擇。本文對(duì)制造企業(yè)供應(yīng)鏈成員企業(yè)選擇問(wèn)題進(jìn)行了數(shù)學(xué)描述，并提出了基于遺傳算法和模擬退火算法的伙伴選擇優(yōu)化模型和算法，最后給出算例，以驗(yàn)證其有效性和準(zhǔn)確性。

1 制造型企業(yè)供應(yīng)鏈合作伙伴選擇的指標(biāo)體系

筆者基于國(guó)內(nèi)外相關(guān)研究成果，給出了制造型企業(yè)供應(yīng)鏈合作伙伴關(guān)系評(píng)價(jià)的指標(biāo)體系，詳見(jiàn)圖1。

2 基于遺傳算法和模擬退火算法的制造企業(yè)供應(yīng)鏈的伙伴關(guān)系選擇方法和應(yīng)用

2.1 伙伴企業(yè)的選擇及多目標(biāo)模型的構(gòu)建

假設(shè)構(gòu)建供應(yīng)鏈聯(lián)盟的成員企業(yè)具備n項(xiàng)核心能力，則：

供應(yīng)鏈中n項(xiàng)任務(wù)的集合用{yi|i∈[1，2，…，n]}表示；

能夠完成任務(wù)yi的成員企業(yè)集合為Ei={eij|i∈[1，2，…，mi]}（i=1，2，…，n）；

mi為能夠完成任務(wù)yi的成員企業(yè)的數(shù)量；

Tij、Qij、Cij、Rij、Biji′j′即為企業(yè)eij完成任務(wù)yi的性能參數(shù)。

T——時(shí)間；

Q——質(zhì)量；

C——內(nèi)在成本；

R——可靠性；

B——聯(lián)結(jié)成本。

鑒于上述分析，為這條供應(yīng)鏈選擇一組企業(yè)F={f1，f2…，fn}，且F∩Ei={fi}即為優(yōu)化目標(biāo)，同時(shí)應(yīng)該使整條供應(yīng)鏈得到如下目標(biāo)：

minT；maxQ；minC；maxR；minB（1）

由此引申出多目標(biāo)優(yōu)化的課題。一般來(lái)講，一家企業(yè)不可能同時(shí)達(dá)到式（1）中的目標(biāo)。鑒于此，筆者基于多目標(biāo)優(yōu)化課題構(gòu)建了一套模型：

minZ=w1 uij+w2 （1- ）uij+w3 （1- ）uij+w4 （1- ）uij+ w5 uijui′j′（2）

在式（2）中，tmax、qmax、cmax、rmax、bmax表示全部的候選企業(yè)完成各項(xiàng)任務(wù)的該種性能參數(shù)的最大值。被選入供應(yīng)鏈的uij=1，否則取0值；供應(yīng)鏈成員企業(yè)的組成側(cè)重主要取決于權(quán)重wi。賦值可通過(guò)專(zhuān)家評(píng)分法、層次分析法和熵值法進(jìn)行設(shè)定，且 wk=1。

2.2 算法設(shè)計(jì)

GA和SA結(jié)合算法的步驟：

2.2.1 設(shè)定模擬退火初溫t0，使k=1。

2.2.2 引入二進(jìn)制編碼。染色體參數(shù)參考圖2進(jìn)行設(shè)定，編碼長(zhǎng)度L= mi，代碼串中uij表示候選企業(yè)的狀態(tài)，uij 值為1，說(shuō)明該企業(yè)被選中，uij為零值，表示該企業(yè)被淘汰。若M代表群體規(guī)模，則隨機(jī)產(chǎn)生M個(gè)滿(mǎn)足uij=vi（i=1，2，3，…，n）的二進(jìn)制代碼串構(gòu)成初始群體，該供應(yīng)鏈聯(lián)盟對(duì)類(lèi)型 企業(yè)的選擇個(gè)數(shù)是vi=（1，2，…，mi）。

2.2.3 評(píng)價(jià)群體中的個(gè)體，并按照大小的順序逐一排列同一代群體 M個(gè)個(gè)體的適應(yīng)度，i（i=1，2，…，M）即為其染色體序號(hào)，則可運(yùn)用式（3）計(jì)得個(gè)體i的適應(yīng)度函數(shù)：

fi=（3）

2.2.4 按照遺傳操作要求來(lái)處理群體中的個(gè)體：

①選擇操作：采用比例選擇算子，假設(shè)群體規(guī)模M取20～100，則可通過(guò)公式（4）計(jì)算出適應(yīng)度為f的個(gè)體Xi被選中進(jìn)入下一代的概率Pi：Pi=（4）

②交叉操作：父代中X1、X2通過(guò)交叉概率Pc進(jìn)行雙親雙子交叉操作，產(chǎn)生新一代個(gè)體（Pc的取值范圍在0.2～0.7之間）。

③變異操作：Xi的各基因位以變異概率Pm進(jìn)行變異，也就是參考Pm隨機(jī)擇取位置對(duì)原有mi值進(jìn)行變換。在這一過(guò)程中，須以約束條件uij=vi（i=1，2，…，n）為基準(zhǔn)來(lái)衡量變異操作是否合理（Pm的取值范圍在0.1～0.5之間）。若與該約束條件不符，則須重置代碼串，系統(tǒng)隨之重新選擇，并進(jìn)行交叉、變異。當(dāng)新生個(gè)體符合約束條件時(shí)重置模式終止。

2.2.5 引入最優(yōu)保留策略。

2.2.6 針對(duì)群體中的個(gè)體模擬退火操作：

①SA狀態(tài)函數(shù)產(chǎn)生新基因值g′（K），g′（K）=g（K）+β，β∈（-1，1）為隨機(jī)擾動(dòng)；

②求解g′（K）的目標(biāo)函數(shù)值和g（K）目標(biāo)函數(shù)值之差ΔC；

③計(jì)算接受概率Pr=min[1，exp（-ΔC/tk）]；

④假設(shè)Pr>random[0，1），則取g（k）=g′（K）；否則g（K）恒定不變；

⑤引入最優(yōu)保留策略；

⑥利用退火函數(shù)tk+1=vtk退火，退火速率v∈（0，1）。

2.2.7 用遺傳算法操作終止條件來(lái)衡量運(yùn)算的合理性，若與此條件相符轉(zhuǎn)步驟2.2.8，反之則轉(zhuǎn)步驟2.2.3。

2.2.8 解碼處理遺傳算法搜索的最優(yōu)個(gè)體，得出優(yōu)化結(jié)果。

2.3 算例

各伙伴企業(yè)基于D——設(shè)計(jì)、P——采購(gòu)、M——制造、S——銷(xiāo)售四項(xiàng)核心能力構(gòu)成供應(yīng)鏈聯(lián)盟，每種類(lèi)型的候選企業(yè)數(shù)量分別為2個(gè)，3個(gè)，3個(gè)和4個(gè)，聯(lián)結(jié)成本w5忽略不計(jì)，鑒于供應(yīng)鏈企業(yè)組成類(lèi)型，基于層次分析法獲得各權(quán)重系數(shù)：0.25、0.28、0.28和0.19。供應(yīng)鏈候選企業(yè)的性能參數(shù)詳見(jiàn)表1。t0=10000，v=0.7，M=30（t0、v、M分別表示初始溫度、退火速率、群體規(guī)模），最大繁殖代數(shù)=100，基于Delphi7編程實(shí)現(xiàn)，得到目標(biāo)函數(shù)值2.80378961748634，轉(zhuǎn)換成最佳伙伴組合D-1、P-2、M-2、S-4。本文研究的候選企業(yè)可以以72種形式進(jìn)行優(yōu)化組合，基于該模型數(shù)學(xué)表達(dá)式代入各初始值求得最佳伙伴企業(yè)組合的優(yōu)化值即為最優(yōu)，表明GA-SA結(jié)合算法的計(jì)算結(jié)果正確。由此斷定，GA-SA結(jié)合算法收斂速度快，并能達(dá)到一個(gè)穩(wěn)定的最優(yōu)解。

表1 供應(yīng)鏈各候選企業(yè)完成任務(wù)的性能參數(shù)

3 結(jié)論

基于遺傳算法與模擬退火算法相結(jié)合的求解，巧妙規(guī)避了單一GA算法早熟問(wèn)題，同時(shí)使搜索行為進(jìn)一步優(yōu)化。該多目標(biāo)模型和結(jié)合算法在制造企業(yè)供應(yīng)鏈伙伴選擇問(wèn)題方面的應(yīng)用比較科學(xué)，可以進(jìn)一步推廣。

參考文獻(xiàn)：

[1]王凌.智能優(yōu)化算法及其應(yīng)用[M].北京：清華大學(xué)出版社，2001.

[2]周明，孫樹(shù)棟.遺傳算法原理及應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2001.

[3]周文勇，田蕾.基于供應(yīng)鏈的虛擬企業(yè)[J].物流技術(shù)與應(yīng)用，1999（4）.

作者簡(jiǎn)介：

王琳（1961-），男，陜西西安人，本科，講師，研究方向：電工電子學(xué)。

摘要：針對(duì)制造企業(yè)供應(yīng)鏈聯(lián)盟構(gòu)建了伙伴企業(yè)選擇的多目標(biāo)模型。文章基于分析遺傳算法及模擬退火算法，提出了將遺傳算法和模擬退火算法兩者結(jié)合來(lái)進(jìn)行求解。同時(shí)，通過(guò)實(shí)例仿真結(jié)果表明了該模型和算法的可行性和正確性。

關(guān)鍵詞：伙伴選擇 遺傳算法（GA） 模擬退火（SA）算法

面對(duì)競(jìng)爭(zhēng)日益激烈的市場(chǎng)，越來(lái)越多的制造企業(yè)已經(jīng)感到依靠自身難以靈活、快速地響應(yīng)客戶(hù)的需求，企業(yè)間的供應(yīng)鏈聯(lián)盟應(yīng)運(yùn)而生。它利用現(xiàn)代信息技術(shù)與供應(yīng)商及客戶(hù)采取合作的形式，使具有不同核心能力的多個(gè)企業(yè)結(jié)成一種利益共同體或動(dòng)態(tài)聯(lián)盟?；诠?yīng)鏈的動(dòng)態(tài)聯(lián)盟更好的保證了產(chǎn)品質(zhì)量、成本、交貨期，減少了直接供銷(xiāo)商（分銷(xiāo)商）的數(shù)量和以及所需考慮供銷(xiāo)商（分銷(xiāo)商）的重?cái)?shù)，使得整條供應(yīng)鏈聯(lián)盟在物流、資金流、信息流及企業(yè)生產(chǎn)管理上達(dá)到整體最優(yōu)，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，風(fēng)險(xiǎn)共擔(dān)和共同盈利。

供應(yīng)鏈聯(lián)盟成員企業(yè)選擇是在組建供應(yīng)鏈聯(lián)盟過(guò)程中必須要考慮的重要問(wèn)題之一。成員企業(yè)選擇的正確與否直接影響到供應(yīng)鏈聯(lián)盟的成敗和績(jī)效。由于影響成員企業(yè)選擇的因素很多，人們一般情況下不能直接做出決策，必須借助一定的決策工具進(jìn)行選擇。本文對(duì)制造企業(yè)供應(yīng)鏈成員企業(yè)選擇問(wèn)題進(jìn)行了數(shù)學(xué)描述，并提出了基于遺傳算法和模擬退火算法的伙伴選擇優(yōu)化模型和算法，最后給出算例，以驗(yàn)證其有效性和準(zhǔn)確性。

1 制造型企業(yè)供應(yīng)鏈合作伙伴選擇的指標(biāo)體系

筆者基于國(guó)內(nèi)外相關(guān)研究成果，給出了制造型企業(yè)供應(yīng)鏈合作伙伴關(guān)系評(píng)價(jià)的指標(biāo)體系，詳見(jiàn)圖1。

2 基于遺傳算法和模擬退火算法的制造企業(yè)供應(yīng)鏈的伙伴關(guān)系選擇方法和應(yīng)用

2.1 伙伴企業(yè)的選擇及多目標(biāo)模型的構(gòu)建

假設(shè)構(gòu)建供應(yīng)鏈聯(lián)盟的成員企業(yè)具備n項(xiàng)核心能力，則：

供應(yīng)鏈中n項(xiàng)任務(wù)的集合用{yi|i∈[1，2，…，n]}表示；

能夠完成任務(wù)yi的成員企業(yè)集合為Ei={eij|i∈[1，2，…，mi]}（i=1，2，…，n）；

mi為能夠完成任務(wù)yi的成員企業(yè)的數(shù)量；

Tij、Qij、Cij、Rij、Biji′j′即為企業(yè)eij完成任務(wù)yi的性能參數(shù)。

T——時(shí)間；

Q——質(zhì)量；

C——內(nèi)在成本；

R——可靠性；

B——聯(lián)結(jié)成本。

鑒于上述分析，為這條供應(yīng)鏈選擇一組企業(yè)F={f1，f2…，fn}，且F∩Ei={fi}即為優(yōu)化目標(biāo)，同時(shí)應(yīng)該使整條供應(yīng)鏈得到如下目標(biāo)：

minT；maxQ；minC；maxR；minB（1）

由此引申出多目標(biāo)優(yōu)化的課題。一般來(lái)講，一家企業(yè)不可能同時(shí)達(dá)到式（1）中的目標(biāo)。鑒于此，筆者基于多目標(biāo)優(yōu)化課題構(gòu)建了一套模型：

minZ=w1 uij+w2 （1- ）uij+w3 （1- ）uij+w4 （1- ）uij+ w5 uijui′j′（2）

在式（2）中，tmax、qmax、cmax、rmax、bmax表示全部的候選企業(yè)完成各項(xiàng)任務(wù)的該種性能參數(shù)的最大值。被選入供應(yīng)鏈的uij=1，否則取0值；供應(yīng)鏈成員企業(yè)的組成側(cè)重主要取決于權(quán)重wi。賦值可通過(guò)專(zhuān)家評(píng)分法、層次分析法和熵值法進(jìn)行設(shè)定，且 wk=1。

2.2 算法設(shè)計(jì)

GA和SA結(jié)合算法的步驟：

2.2.1 設(shè)定模擬退火初溫t0，使k=1。

2.2.2 引入二進(jìn)制編碼。染色體參數(shù)參考圖2進(jìn)行設(shè)定，編碼長(zhǎng)度L= mi，代碼串中uij表示候選企業(yè)的狀態(tài)，uij 值為1，說(shuō)明該企業(yè)被選中，uij為零值，表示該企業(yè)被淘汰。若M代表群體規(guī)模，則隨機(jī)產(chǎn)生M個(gè)滿(mǎn)足uij=vi（i=1，2，3，…，n）的二進(jìn)制代碼串構(gòu)成初始群體，該供應(yīng)鏈聯(lián)盟對(duì)類(lèi)型 企業(yè)的選擇個(gè)數(shù)是vi=（1，2，…，mi）。

2.2.3 評(píng)價(jià)群體中的個(gè)體，并按照大小的順序逐一排列同一代群體 M個(gè)個(gè)體的適應(yīng)度，i（i=1，2，…，M）即為其染色體序號(hào)，則可運(yùn)用式（3）計(jì)得個(gè)體i的適應(yīng)度函數(shù)：

fi=（3）

2.2.4 按照遺傳操作要求來(lái)處理群體中的個(gè)體：

①選擇操作：采用比例選擇算子，假設(shè)群體規(guī)模M取20～100，則可通過(guò)公式（4）計(jì)算出適應(yīng)度為f的個(gè)體Xi被選中進(jìn)入下一代的概率Pi：Pi=（4）

②交叉操作：父代中X1、X2通過(guò)交叉概率Pc進(jìn)行雙親雙子交叉操作，產(chǎn)生新一代個(gè)體（Pc的取值范圍在0.2～0.7之間）。

③變異操作：Xi的各基因位以變異概率Pm進(jìn)行變異，也就是參考Pm隨機(jī)擇取位置對(duì)原有mi值進(jìn)行變換。在這一過(guò)程中，須以約束條件uij=vi（i=1，2，…，n）為基準(zhǔn)來(lái)衡量變異操作是否合理（Pm的取值范圍在0.1～0.5之間）。若與該約束條件不符，則須重置代碼串，系統(tǒng)隨之重新選擇，并進(jìn)行交叉、變異。當(dāng)新生個(gè)體符合約束條件時(shí)重置模式終止。

2.2.5 引入最優(yōu)保留策略。

2.2.6 針對(duì)群體中的個(gè)體模擬退火操作：

①SA狀態(tài)函數(shù)產(chǎn)生新基因值g′（K），g′（K）=g（K）+β，β∈（-1，1）為隨機(jī)擾動(dòng)；

②求解g′（K）的目標(biāo)函數(shù)值和g（K）目標(biāo)函數(shù)值之差ΔC；

③計(jì)算接受概率Pr=min[1，exp（-ΔC/tk）]；

④假設(shè)Pr>random[0，1），則取g（k）=g′（K）；否則g（K）恒定不變；

⑤引入最優(yōu)保留策略；

⑥利用退火函數(shù)tk+1=vtk退火，退火速率v∈（0，1）。

2.2.7 用遺傳算法操作終止條件來(lái)衡量運(yùn)算的合理性，若與此條件相符轉(zhuǎn)步驟2.2.8，反之則轉(zhuǎn)步驟2.2.3。

2.2.8 解碼處理遺傳算法搜索的最優(yōu)個(gè)體，得出優(yōu)化結(jié)果。

2.3 算例

各伙伴企業(yè)基于D——設(shè)計(jì)、P——采購(gòu)、M——制造、S——銷(xiāo)售四項(xiàng)核心能力構(gòu)成供應(yīng)鏈聯(lián)盟，每種類(lèi)型的候選企業(yè)數(shù)量分別為2個(gè)，3個(gè)，3個(gè)和4個(gè)，聯(lián)結(jié)成本w5忽略不計(jì)，鑒于供應(yīng)鏈企業(yè)組成類(lèi)型，基于層次分析法獲得各權(quán)重系數(shù)：0.25、0.28、0.28和0.19。供應(yīng)鏈候選企業(yè)的性能參數(shù)詳見(jiàn)表1。t0=10000，v=0.7，M=30（t0、v、M分別表示初始溫度、退火速率、群體規(guī)模），最大繁殖代數(shù)=100，基于Delphi7編程實(shí)現(xiàn)，得到目標(biāo)函數(shù)值2.80378961748634，轉(zhuǎn)換成最佳伙伴組合D-1、P-2、M-2、S-4。本文研究的候選企業(yè)可以以72種形式進(jìn)行優(yōu)化組合，基于該模型數(shù)學(xué)表達(dá)式代入各初始值求得最佳伙伴企業(yè)組合的優(yōu)化值即為最優(yōu)，表明GA-SA結(jié)合算法的計(jì)算結(jié)果正確。由此斷定，GA-SA結(jié)合算法收斂速度快，并能達(dá)到一個(gè)穩(wěn)定的最優(yōu)解。

表1 供應(yīng)鏈各候選企業(yè)完成任務(wù)的性能參數(shù)

3 結(jié)論

基于遺傳算法與模擬退火算法相結(jié)合的求解，巧妙規(guī)避了單一GA算法早熟問(wèn)題，同時(shí)使搜索行為進(jìn)一步優(yōu)化。該多目標(biāo)模型和結(jié)合算法在制造企業(yè)供應(yīng)鏈伙伴選擇問(wèn)題方面的應(yīng)用比較科學(xué)，可以進(jìn)一步推廣。

參考文獻(xiàn)：

[1]王凌.智能優(yōu)化算法及其應(yīng)用[M].北京：清華大學(xué)出版社，2001.

[2]周明，孫樹(shù)棟.遺傳算法原理及應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2001.

[3]周文勇，田蕾.基于供應(yīng)鏈的虛擬企業(yè)[J].物流技術(shù)與應(yīng)用，1999（4）.

作者簡(jiǎn)介：

王琳（1961-），男，陜西西安人，本科，講師，研究方向：電工電子學(xué)。

摘要：針對(duì)制造企業(yè)供應(yīng)鏈聯(lián)盟構(gòu)建了伙伴企業(yè)選擇的多目標(biāo)模型。文章基于分析遺傳算法及模擬退火算法，提出了將遺傳算法和模擬退火算法兩者結(jié)合來(lái)進(jìn)行求解。同時(shí)，通過(guò)實(shí)例仿真結(jié)果表明了該模型和算法的可行性和正確性。

關(guān)鍵詞：伙伴選擇 遺傳算法（GA） 模擬退火（SA）算法

面對(duì)競(jìng)爭(zhēng)日益激烈的市場(chǎng)，越來(lái)越多的制造企業(yè)已經(jīng)感到依靠自身難以靈活、快速地響應(yīng)客戶(hù)的需求，企業(yè)間的供應(yīng)鏈聯(lián)盟應(yīng)運(yùn)而生。它利用現(xiàn)代信息技術(shù)與供應(yīng)商及客戶(hù)采取合作的形式，使具有不同核心能力的多個(gè)企業(yè)結(jié)成一種利益共同體或動(dòng)態(tài)聯(lián)盟?；诠?yīng)鏈的動(dòng)態(tài)聯(lián)盟更好的保證了產(chǎn)品質(zhì)量、成本、交貨期，減少了直接供銷(xiāo)商（分銷(xiāo)商）的數(shù)量和以及所需考慮供銷(xiāo)商（分銷(xiāo)商）的重?cái)?shù)，使得整條供應(yīng)鏈聯(lián)盟在物流、資金流、信息流及企業(yè)生產(chǎn)管理上達(dá)到整體最優(yōu)，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，風(fēng)險(xiǎn)共擔(dān)和共同盈利。

供應(yīng)鏈聯(lián)盟成員企業(yè)選擇是在組建供應(yīng)鏈聯(lián)盟過(guò)程中必須要考慮的重要問(wèn)題之一。成員企業(yè)選擇的正確與否直接影響到供應(yīng)鏈聯(lián)盟的成敗和績(jī)效。由于影響成員企業(yè)選擇的因素很多，人們一般情況下不能直接做出決策，必須借助一定的決策工具進(jìn)行選擇。本文對(duì)制造企業(yè)供應(yīng)鏈成員企業(yè)選擇問(wèn)題進(jìn)行了數(shù)學(xué)描述，并提出了基于遺傳算法和模擬退火算法的伙伴選擇優(yōu)化模型和算法，最后給出算例，以驗(yàn)證其有效性和準(zhǔn)確性。

1 制造型企業(yè)供應(yīng)鏈合作伙伴選擇的指標(biāo)體系

筆者基于國(guó)內(nèi)外相關(guān)研究成果，給出了制造型企業(yè)供應(yīng)鏈合作伙伴關(guān)系評(píng)價(jià)的指標(biāo)體系，詳見(jiàn)圖1。

2 基于遺傳算法和模擬退火算法的制造企業(yè)供應(yīng)鏈的伙伴關(guān)系選擇方法和應(yīng)用

2.1 伙伴企業(yè)的選擇及多目標(biāo)模型的構(gòu)建

假設(shè)構(gòu)建供應(yīng)鏈聯(lián)盟的成員企業(yè)具備n項(xiàng)核心能力，則：

供應(yīng)鏈中n項(xiàng)任務(wù)的集合用{yi|i∈[1，2，…，n]}表示；

能夠完成任務(wù)yi的成員企業(yè)集合為Ei={eij|i∈[1，2，…，mi]}（i=1，2，…，n）；

mi為能夠完成任務(wù)yi的成員企業(yè)的數(shù)量；

Tij、Qij、Cij、Rij、Biji′j′即為企業(yè)eij完成任務(wù)yi的性能參數(shù)。

T——時(shí)間；

Q——質(zhì)量；

C——內(nèi)在成本；

R——可靠性；

B——聯(lián)結(jié)成本。

鑒于上述分析，為這條供應(yīng)鏈選擇一組企業(yè)F={f1，f2…，fn}，且F∩Ei={fi}即為優(yōu)化目標(biāo)，同時(shí)應(yīng)該使整條供應(yīng)鏈得到如下目標(biāo)：

minT；maxQ；minC；maxR；minB（1）

由此引申出多目標(biāo)優(yōu)化的課題。一般來(lái)講，一家企業(yè)不可能同時(shí)達(dá)到式（1）中的目標(biāo)。鑒于此，筆者基于多目標(biāo)優(yōu)化課題構(gòu)建了一套模型：

minZ=w1 uij+w2 （1- ）uij+w3 （1- ）uij+w4 （1- ）uij+ w5 uijui′j′（2）

在式（2）中，tmax、qmax、cmax、rmax、bmax表示全部的候選企業(yè)完成各項(xiàng)任務(wù)的該種性能參數(shù)的最大值。被選入供應(yīng)鏈的uij=1，否則取0值；供應(yīng)鏈成員企業(yè)的組成側(cè)重主要取決于權(quán)重wi。賦值可通過(guò)專(zhuān)家評(píng)分法、層次分析法和熵值法進(jìn)行設(shè)定，且 wk=1。

2.2 算法設(shè)計(jì)

GA和SA結(jié)合算法的步驟：

2.2.1 設(shè)定模擬退火初溫t0，使k=1。

2.2.2 引入二進(jìn)制編碼。染色體參數(shù)參考圖2進(jìn)行設(shè)定，編碼長(zhǎng)度L= mi，代碼串中uij表示候選企業(yè)的狀態(tài)，uij 值為1，說(shuō)明該企業(yè)被選中，uij為零值，表示該企業(yè)被淘汰。若M代表群體規(guī)模，則隨機(jī)產(chǎn)生M個(gè)滿(mǎn)足uij=vi（i=1，2，3，…，n）的二進(jìn)制代碼串構(gòu)成初始群體，該供應(yīng)鏈聯(lián)盟對(duì)類(lèi)型 企業(yè)的選擇個(gè)數(shù)是vi=（1，2，…，mi）。

2.2.3 評(píng)價(jià)群體中的個(gè)體，并按照大小的順序逐一排列同一代群體 M個(gè)個(gè)體的適應(yīng)度，i（i=1，2，…，M）即為其染色體序號(hào)，則可運(yùn)用式（3）計(jì)得個(gè)體i的適應(yīng)度函數(shù)：

fi=（3）

2.2.4 按照遺傳操作要求來(lái)處理群體中的個(gè)體：

①選擇操作：采用比例選擇算子，假設(shè)群體規(guī)模M取20～100，則可通過(guò)公式（4）計(jì)算出適應(yīng)度為f的個(gè)體Xi被選中進(jìn)入下一代的概率Pi：Pi=（4）

②交叉操作：父代中X1、X2通過(guò)交叉概率Pc進(jìn)行雙親雙子交叉操作，產(chǎn)生新一代個(gè)體（Pc的取值范圍在0.2～0.7之間）。

③變異操作：Xi的各基因位以變異概率Pm進(jìn)行變異，也就是參考Pm隨機(jī)擇取位置對(duì)原有mi值進(jìn)行變換。在這一過(guò)程中，須以約束條件uij=vi（i=1，2，…，n）為基準(zhǔn)來(lái)衡量變異操作是否合理（Pm的取值范圍在0.1～0.5之間）。若與該約束條件不符，則須重置代碼串，系統(tǒng)隨之重新選擇，并進(jìn)行交叉、變異。當(dāng)新生個(gè)體符合約束條件時(shí)重置模式終止。

2.2.5 引入最優(yōu)保留策略。

2.2.6 針對(duì)群體中的個(gè)體模擬退火操作：

①SA狀態(tài)函數(shù)產(chǎn)生新基因值g′（K），g′（K）=g（K）+β，β∈（-1，1）為隨機(jī)擾動(dòng)；

②求解g′（K）的目標(biāo)函數(shù)值和g（K）目標(biāo)函數(shù)值之差ΔC；

③計(jì)算接受概率Pr=min[1，exp（-ΔC/tk）]；

④假設(shè)Pr>random[0，1），則取g（k）=g′（K）；否則g（K）恒定不變；

⑤引入最優(yōu)保留策略；

⑥利用退火函數(shù)tk+1=vtk退火，退火速率v∈（0，1）。

2.2.7 用遺傳算法操作終止條件來(lái)衡量運(yùn)算的合理性，若與此條件相符轉(zhuǎn)步驟2.2.8，反之則轉(zhuǎn)步驟2.2.3。

2.2.8 解碼處理遺傳算法搜索的最優(yōu)個(gè)體，得出優(yōu)化結(jié)果。

2.3 算例

各伙伴企業(yè)基于D——設(shè)計(jì)、P——采購(gòu)、M——制造、S——銷(xiāo)售四項(xiàng)核心能力構(gòu)成供應(yīng)鏈聯(lián)盟，每種類(lèi)型的候選企業(yè)數(shù)量分別為2個(gè)，3個(gè)，3個(gè)和4個(gè)，聯(lián)結(jié)成本w5忽略不計(jì)，鑒于供應(yīng)鏈企業(yè)組成類(lèi)型，基于層次分析法獲得各權(quán)重系數(shù)：0.25、0.28、0.28和0.19。供應(yīng)鏈候選企業(yè)的性能參數(shù)詳見(jiàn)表1。t0=10000，v=0.7，M=30（t0、v、M分別表示初始溫度、退火速率、群體規(guī)模），最大繁殖代數(shù)=100，基于Delphi7編程實(shí)現(xiàn)，得到目標(biāo)函數(shù)值2.80378961748634，轉(zhuǎn)換成最佳伙伴組合D-1、P-2、M-2、S-4。本文研究的候選企業(yè)可以以72種形式進(jìn)行優(yōu)化組合，基于該模型數(shù)學(xué)表達(dá)式代入各初始值求得最佳伙伴企業(yè)組合的優(yōu)化值即為最優(yōu)，表明GA-SA結(jié)合算法的計(jì)算結(jié)果正確。由此斷定，GA-SA結(jié)合算法收斂速度快，并能達(dá)到一個(gè)穩(wěn)定的最優(yōu)解。

表1 供應(yīng)鏈各候選企業(yè)完成任務(wù)的性能參數(shù)

3 結(jié)論

基于遺傳算法與模擬退火算法相結(jié)合的求解，巧妙規(guī)避了單一GA算法早熟問(wèn)題，同時(shí)使搜索行為進(jìn)一步優(yōu)化。該多目標(biāo)模型和結(jié)合算法在制造企業(yè)供應(yīng)鏈伙伴選擇問(wèn)題方面的應(yīng)用比較科學(xué)，可以進(jìn)一步推廣。

參考文獻(xiàn)：

[1]王凌.智能優(yōu)化算法及其應(yīng)用[M].北京：清華大學(xué)出版社，2001.

[2]周明，孫樹(shù)棟.遺傳算法原理及應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2001.

[3]周文勇，田蕾.基于供應(yīng)鏈的虛擬企業(yè)[J].物流技術(shù)與應(yīng)用，1999（4）.

作者簡(jiǎn)介：

王琳（1961-），男，陜西西安人，本科，講師，研究方向：電工電子學(xué)。