CN114708045A - 一种基于消费者偏好的多周期供应链网络设计方法及*** - Google Patents
一种基于消费者偏好的多周期供应链网络设计方法及*** Download PDFInfo
- Publication number
- CN114708045A CN114708045A CN202210618921.9A CN202210618921A CN114708045A CN 114708045 A CN114708045 A CN 114708045A CN 202210618921 A CN202210618921 A CN 202210618921A CN 114708045 A CN114708045 A CN 114708045A
- Authority
- CN
- China
- Prior art keywords
- product
- supply chain
- consumer
- chain network
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013461 design Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 40
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 88
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 80
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 238000011084 recovery Methods 0.000 claims abstract description 9
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000004519 manufacturing process Methods 0.000 claims description 58
- 238000009826 distribution Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 108091026890 Coding region Proteins 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 2
- 108090000623 proteins and genes Proteins 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 7
- 230000007704 transition Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 238000013068 supply chain management Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Sustainable Development (AREA)
Abstract
本发明公开了一种基于消费者偏好的多周期供应链网络设计方法及***,考虑消费者偏好及产品的回收和再制造,用各环节的碳排放量作为环境目标,并结合消费者需求偏好的改变,同时优化供应链的利润与碳排放目标;针对消费者需求转变的现状,考虑了消费者的低价偏好与低碳偏好对产品市场需求量的影响,以分段函数刻画了产品市场需求与产品价格和低碳水平的关系。同时,将产品定价与产品环保技术投入作为决策变量纳入到绿色供应链网络设计中,更加贴近实际市场状况,从而实现供应链网络在建设及销售、回收等运营过程中所需总成本的最小化,为企业的供应链管理提供更有效的决策。
Description
技术领域
本发明属于供应链网络设计领域,更具体地,涉及一种基于消费者偏好的多周期供应链网络设计方法及***。
背景技术
传统的供应链网络设计往往以最小化网络成本或者最大化网络利润为目标,然而,随着经济的飞速发展,资源消耗和环境破坏问题日益凸显,温室气体的排放是造成这些问题的主要原因之一。同时,消费者自身的环保意识也逐步提升,越来越多的人认可环境保护和可持续发展的概念,消费质量和消费结构随之发生改变。但现有的供应链网络设计方法往往只考虑了生产或运输过程中的碳排放,忽视了消费的需求变化,也并未综合考虑产品定价与环保技术投入的相关决策,无法保证供应链在现有市场的竞争力,导致企业需要投入更多的运营成本,难以实现总成本的最小化。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于消费者偏好的多周期供应链网络设计方法及***,由此解决基于现有的多周期供应链规划方法难以实现消费者偏好转变下的总成本最小化的问题。
为实现上述目的,按照本发明的第一方面,提供了一种基于消费者偏好的多周期供应链网络设计方法,包括:
S1,以供应链利润最大化、供应链碳排放量最小化为优化目标,构建供应链网络设计模型;
其中,分别为消费者市场编号集合、产品种类编号集合、周期编号集合,分别为相应的索引;为产品在价格等级和低碳水平等级时的价格,如果产品
选择价格等级和低碳水平等级,则为1,否则为0;为周期产品在消费者市场的缺货数量,为周期下产品在价格等级和低碳水平等级时在消费者市场的需
求量,,为产品价格等级对应的价格,为产品低
碳水平等级对应的低碳水平,为周期t消费者市场的最大规模,为低价偏好消费者的
市场比例;为消费者认可的产品价格上阈值;为消费者认可的产品价格下阈值;为
消费者认可的低碳水平上阈值;为消费者认可的低碳水平下阈值;
S2,确定所述供应链网络设计模型的约束条件,所述约束条件包括:产品分别在制造工厂及分销中心的数量均衡与容量限制约束,以及产品分别在消费者市场及第三方回收中心的数量均衡约束;
S3,求解所述供应链网络设计模型,得到基于消费者偏好的多周期供应链网络设计最优方案。
按照本发明的第二方面,提供了一种基于消费者偏好的多周期供应链网络设计***,包括:计算机可读存储介质和处理器;
所述计算机可读存储介质用于存储可执行指令;
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行如第一方面所述的方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1、本发明提供的基于消费者偏好的多周期供应链网络设计方法及***,考虑消费者偏好的绿色供应链,基于消费者偏好的绿色供应链网络设计方法展开研究,考虑产品的回收和再制造,用各环节的碳排放量作为环境目标,并结合消费者需求偏好的改变,同时优化供应链的利润与碳排放目标,为企业在消费者需求影响下的多周期绿色供应链网络设计提供参考,能够让企业应对不同消费者偏好影响下的市场;针对消费者需求转变的现状,考虑了消费者的低价偏好与低碳偏好对产品市场需求量的影响,以分段函数刻画了产品市场需求与产品价格和低碳水平的关系;同时,将产品定价与产品环保技术投入作为决策变量纳入到绿色供应链网络设计中,更加贴近实际市场状况,从而实现供应链网络在建设及销售、回收等运营过程中所需总成本的最小化,为企业的供应链管理提供更有效的决策。
2、本发明提供的基于消费者偏好的多周期供应链网络设计方法及***,在求解建立的复杂的多周期绿色供应链网络规划模型时,将多目标遗传算法和变邻域下降算法结合,并在每次迭代中引入K-means聚类算法来筛选帕累托前沿上的代表性解,提高了算法的局部寻优能力和计算效率,随着算法的局部寻优能力的提升,算法的整体寻优能力也得到提升,从而使模型的计算精度得到提高。
附图说明
图1为本发明实施例提供的基于消费者偏好的多周期供应链网络设计方法流程示意图。
图2为本发明实施例提供的多周期供应链网络结构图。
图3为本发明实施例提供的结合多目标遗传算法与变邻域算法求解供应链网络设计模型的流程图。
图4为本发明实施例提供的结合多目标遗传算法与变邻域算法求解供应链网络设计模型的收敛图之一。
图5为本发明实施例提供的结合多目标遗传算法与变邻域算法求解供应链网络设计模型的收敛图之二。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
采用传统的供应链网络设计方法得到的供应链网络忽视了消费者的需求偏好转变,其产品在市场中逐渐失去竞争优势,易出现缺货或产能过剩的情况,难以实现供应链网络在建设及销售、回收等运营过程中所需总成本的最小化,对此,本发明实施例提供一种考虑消费者偏好的绿色闭环供应链网络设计方法,如图1所示,包括:
S1,以供应链利润最大化、供应链碳排放量最小化为优化目标,构建供应链网络设计模型;
其中,为消费者市场编号集合,索引为;为产品种类集合,索引为;为周期编号
集合,索引为;如果产品选择价格等级和低碳水平等级,则为1,否则为0;为
周期产品在消费者市场的缺货数量,为周期下产品在价格等级和低碳水平等
级时在消费者市场的需求量,, 为产品价格等级l
对应的价格, 为产品低碳水平等级e对应的低碳水平,为周期t消费者市场的最大规
模。
如图2所示,绿色供应链网络由制造工厂I、分销中心J、消费者市场K和第三方回收中心M构成。制造工厂负责将外部提供的以及第三方回收商回收到的原材料生产为相应的产品。分销中心负责将制造工厂生产的产品运输到各消费者市场进行销售,同时分销中心具备一定的仓储能力,在其容量允许范围内,可以将产品存储下一周期再运输销售。第三方回收点负责回收消费者市场上的可回收产品,在检测后将可再利用的部分产品运输到制造工厂进行再制造。
确定消费者偏好影响下产品需求量与产品属性的关系;所述消费者偏好包括:消费者低价偏好和消费者低碳偏好;所述产品属性包括:产品价格和产品低碳水平。其中,所述产品低碳水平由产品在生产和运输过程中的碳排放量决定。
计算消费者偏好影响下产品需求量与产品属性的关系的具体步骤为:
(1)确定产品信息与市场上的消费者信息;所述产品信息包括产品价格区间和产品单位碳排放区间;所述市场上的消费者信息包括低价偏好消费者比例和低碳偏好消费者比例;
其中,低价偏好消费者为对产品价格敏感的消费者;低碳偏好消费者为对产品低碳水平敏感的消费者;
(2)推导产品价格和产品低碳水平与产品需求量的函数关系;
其中,为产品需求量;为低价偏好消费者的市场比例;为消费者认可的产
品价格上阈值;为消费者认可的产品价格下阈值;为消费者认可的低碳水平上阈值;
为消费者认可的低碳水平下阈值;为产品价格,范围在;为产品低碳水平,范围
在,为消费者市场的最大规模;
(3)产品需求量函数离散化;
以供应链利润最大化和碳排放最小化为优化目标,结合消费者偏好影响下产品需求量与产品属性的关系,构建有关制造工厂、分销中心、消费者市场和第三方回收中心的四层网络结构的供应链网络设计模型,并设立模型约束。
其中,如果候选制造工厂被选址并运营,则为1,否则为0;如果候选分销中心被选址并运营,则为1,否则为0;为建造候选制造工厂的固定成本;为建造候选
分销中心的固定成本;为低碳水平等级的产品的环保技术投入成本;
运输成本TC的表达式为:
可变成本AC的表达式为:
其中,为产品在周期在制造工厂生产的数量;为产品在周期制造工厂
的单位生产成本;为周期结束时,产品在分销中心的库存数量;为产品在分销中心的单位仓储成本;为产品的单位缺货损失成本;为产品的单位回收成本;为回收的产品在制造工厂再制造的单位节约成本。
优选地,供应链碳排放量为固定碳排放量、运输碳排放量及生产碳排放量之和。
运输碳排放量TC的表达式为:
生产碳排放量PM的表达式为:
S2,确定所述供应链网络设计模型的约束条件,所述约束条件包括:产品分别在制造工厂及分销中心的数量均衡与容量限制约束,以及产品分别在消费者市场及第三方回收中心的数量均衡约束。
具体地,设立模型约束:
为了满足产品在制造工厂的数量均衡与容量限制,定义约束如下:
为了满足产品在分销中心的数量均衡与容量限制,定义约束如下:
为了保证产品在消费者市场的数量均衡,定义约束如下:
为了保证产品在第三方回收中心的数量均衡,定义约束如下:
相关决策变量的范围约束如下:
S3,求解所述供应链网络设计模型,得到基于消费者偏好的多周期供应链网络设计最优方案。
具体地,输出多周期供应链网络设计的最优方案集合,确定各方案下供应链的设施选址、产品定价、环保技术投入、产品生产、流量分配、库存管理与交通工具选择的结果,企业管理者可根据其实际规划从方案集合中选取方案。
由于多周期供应链网络设计的决策变量多,存在多个优化目标,且模型复杂,现有的优化方法求解速度慢,无法在大规模实例下快速求解;而常规的启发式算法在求解时无法保证得到高质量和高精度的求解方案,同样难以实现成本最小化。对此,优选地,采用多目标遗传算法结合变邻域算法求解所述供应链网络设计模型,如图2-3所示,具体包括:
S31,参数初始化,设定迭代次数。
具体地,对算法的参数进行初始化,并设定算法终止条件。
S32,采用优先级编码方式产生初始种群,种群中个体的编码由五部分组成:第一部分定义制造工厂提供的产品(P)的优先级,第二部分、第三部分和第四部分分别表示候选分销中心(J),消费者市场(K)以及第三方回收中心(M)的优先级顺序,第五部分定义产品价格等级、产品低碳水平等级以及交通工具种类;编码序列中每一位的基因值的大小用来描述P种产品在制造工厂选择、候选分销中心选择、消费者市场选择或第三方回收中心选择的优先级以及产品价格等级、产品低碳水平等级以及交通工具种类。
其中,个体的编码序列为T行n列矩阵,T为总周期数,n列矩阵包括五个部分,前四个部分的列数即为制造工厂、分销中心、消费者市场及第三方回收中心的数量,第五部分包括3列,分别为产品价格等级、产品低碳水平等级以及交通工具种类。
具体地,种群中个体的编码包含选址信息、产品定价信息、产品低碳水平信息、流量分配信息和库存信息等。
相应地,当采用多目标遗传算法结合变邻域算法求解所述供应链网络设计模型
时,步骤S3中对基于上述算法对模型求解得到的编码结果进行解码以获取方案的过程包
括,按照周期顺序分别进行解码:首先对第一周期的第五部分编码进行解码,明确产品价格
等级、低碳水平等级和运输时的交通工具种类。接着,根据第一部分编码中的最高优先级及
产品生产的优先顺序,结合工厂的生产成本函数,确定P种产品在制造工厂的生产分配
情况,也即该编码的优先级不仅代表产品类型生产的优先顺序,也决定了哪个制造工厂将
生产哪个类型的产品以及该制造工厂在各周期生产的产品数量。在第二部分编码中,找到
最大优先级的分销中心,并根据优先级顺序,结合运输成本函数计算各分销中心的
运输量和库存量。然后,根据第三部分编码值,基于消费者市场的需求量,计算各分销中
心与消费者市场之间的产品流向及流量。最后,依照第四部分的编码,基于运输成本函数,确定第三方回收中心对应的消费者市场及制造工厂,计算从消费者市场回收的产
品的流量分配结果。
S33,对种群中个体进行解码,并根据适应度函数,计算种群中个体适应度值;
S34,进行选择、交叉及变异等遗传操作,对种群更新,得到帕累托最优解集;
其中,帕累托最优解集指多目标优化中所有帕累托最优解组成的集合,帕累托最优解指不被解空间中任一解支配的解。
S37,判断是否达到迭代次数,若是,停止迭代,输出结果,若否,返回S33。
也即,判断是否达到终止条件,若是,停止迭代,输出结果,若否,转步骤S33。
优选地,步骤S31中,采用响应曲面法对算法的参数进行初始化,具体包括:
S311,确定作为控制因子的算法参数,包括最大迭代次数,交叉概率和变异概率;选择将采用的响应曲面实验设计(如中心复合设计或Box-Behnken设计),如中心复合设计或Box-Behnken设计;根据实验设计进行实验,获取各组算法参数下的算法性能指标(例如:超体积、平均理想距离、最大分散度等);
S312,用二阶多项式模型来分析算法参数的取值和算法性能指标之间的函数关系;
S313,根据得到的算法参数与算法性能指标的函数关系,计算极值点,确定算法的最优参数组合。
优选地,步骤S36具体包括:
采用本发明实施例提供的结合多目标遗传算法与变邻域算法求解供应链网络设计模型的收敛情况如图4-5所示,可以看出,随着迭代次数的增加,逐步收敛,最后趋于稳定。
本发明实施例提供一种基于消费者偏好的多周期供应链网络设计***,包括:计算机可读存储介质和处理器;
所述计算机可读存储介质用于存储可执行指令;
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行如上述任一实施例所述的方法。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于消费者偏好的多周期供应链网络设计方法,其特征在于,包括:
S1,以供应链利润最大化、供应链碳排放量最小化为优化目标,构建供应链网络设计模型;
其中,分别为消费者市场编号集合、产品种类编号集合、周期编号集合,分
别为相应的索引;为产品在价格等级和低碳水平等级时的价格,如果产品选择价格
等级和低碳水平等级,则为1,否则为0;为周期产品在消费者市场的缺货
数量,为周期下产品在价格等级和低碳水平等级时在消费者市场的需求量,,为产品价格等级对应的价格,为产品低碳水
平等级对应的低碳水平,为周期t消费者市场的最大规模,为低价偏好消费者的市场
比例;为消费者认可的产品价格上阈值;为消费者认可的产品价格下阈值;为消费者
认可的低碳水平上阈值;为消费者认可的低碳水平下阈值;
S2,确定所述供应链网络设计模型的约束条件,所述约束条件包括:产品分别在制造工厂及分销中心的数量均衡与容量限制约束,以及产品分别在消费者市场及第三方回收中心的数量均衡约束;
S3,求解所述供应链网络设计模型,得到基于消费者偏好的多周期供应链网络设计最优方案。
其中,如果候选制造工厂被选址并运营,则为1,否则为0;如果候选分销中心被
选址并运营,则为1,否则为0;为建造候选制造工厂的固定成本;为建造候选分
销中心的固定成本;为低碳水平等级的产品的环保技术投入成本;
运输成本TC的表达式为:
可变成本AC的表达式为:
5.如权利要求1所述的方法,其特征在于,采用多目标遗传算法结合变邻域算法求解所述供应链网络设计模型,具体包括:
S31,参数初始化,设定迭代次数;
S32,采用优先级编码方式产生初始种群,种群中个体的编码序列中每一位基因值的大小用来描述P种产品在制造工厂选择、候选分销中心选择、消费者市场选择或第三方回收中心选择的优先级以及产品价格等级、产品低碳水平等级、交通工具种类;
S33,对种群中个体进行解码,并根据适应度函数,计算种群中个体适应度值;
S34,进行选择、交叉及变异等遗传操作,对种群更新,得到帕累托最优解集;
S37,判断是否达到迭代次数,若是,停止迭代,输出结果,若否,返回S33。
6.如权利要求5所述的方法,其特征在于,步骤S31中,采用响应曲面法对算法的参数进行初始化,具体包括:
S311,确定作为控制因子的算法参数,包括最大迭代次数,交叉概率和变异概率;根据响应曲面实验设计进行实验,获取各组算法参数下的算法性能指标;
S312,用二阶多项式模型来分析算法参数的取值和算法性能指标之间的函数关系;
S313,根据得到的算法参数与算法性能指标的函数关系,计算极值点,确定算法的最优参数组合。
8.一种基于消费者偏好的多周期供应链网络设计***,其特征在于,包括:计算机可读存储介质和处理器;
所述计算机可读存储介质用于存储可执行指令;
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令,执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618921.9A CN114708045B (zh) | 2022-06-02 | 2022-06-02 | 一种基于消费者偏好的多周期供应链网络设计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618921.9A CN114708045B (zh) | 2022-06-02 | 2022-06-02 | 一种基于消费者偏好的多周期供应链网络设计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114708045A true CN114708045A (zh) | 2022-07-05 |
CN114708045B CN114708045B (zh) | 2022-09-13 |
Family
ID=82177564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210618921.9A Active CN114708045B (zh) | 2022-06-02 | 2022-06-02 | 一种基于消费者偏好的多周期供应链网络设计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708045B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258419A (zh) * | 2023-05-10 | 2023-06-13 | 吉林大学 | 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177505A1 (en) * | 2008-01-04 | 2009-07-09 | Dietrich Brenda L | Supply and Distribution Method and System Which Considers Environmental or "Green" Practices |
CN108549234A (zh) * | 2018-05-11 | 2018-09-18 | 江南大学 | 一种基于动态变值的多目标优化控制方法 |
WO2018185635A1 (en) * | 2017-04-03 | 2018-10-11 | Muthusamy Rajasekar | Product chain based derivation of future product cost using cascading effect of the product chain |
CN109711908A (zh) * | 2018-11-09 | 2019-05-03 | 上海大学 | 供应链网络的建模方法、***及电子设备 |
CN110619395A (zh) * | 2019-08-27 | 2019-12-27 | 武汉科技大学 | 一种回收产品重用的产品配置方法 |
WO2020023410A1 (en) * | 2018-07-22 | 2020-01-30 | Scott Amron | Distributed inventory system |
CN110852667A (zh) * | 2019-09-18 | 2020-02-28 | 浙江工商大学 | 一种多周期多产品易逝品供应链网络设计的两阶段调度方法 |
CN111882355A (zh) * | 2020-07-27 | 2020-11-03 | 哈尔滨商业大学 | 双回收渠道闭环供应链的分析方法 |
CN113674017A (zh) * | 2021-07-21 | 2021-11-19 | 扬州大学 | 家用电器闭环供应链成本分担最优比例计算分析方法及*** |
CN113935142A (zh) * | 2020-07-14 | 2022-01-14 | 武汉理工大学 | 基于消费者低碳偏好的供应链碳减排成本补贴契约方法 |
CN114154674A (zh) * | 2021-10-11 | 2022-03-08 | 浙江大学 | 一种不确定环境下产品价值链的多阶段优化配置方法 |
CN114548702A (zh) * | 2022-01-28 | 2022-05-27 | 中国科学技术大学 | 基于平台运营模式和碳交易政策的供应链建模方法及*** |
-
2022
- 2022-06-02 CN CN202210618921.9A patent/CN114708045B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177505A1 (en) * | 2008-01-04 | 2009-07-09 | Dietrich Brenda L | Supply and Distribution Method and System Which Considers Environmental or "Green" Practices |
WO2018185635A1 (en) * | 2017-04-03 | 2018-10-11 | Muthusamy Rajasekar | Product chain based derivation of future product cost using cascading effect of the product chain |
CN108549234A (zh) * | 2018-05-11 | 2018-09-18 | 江南大学 | 一种基于动态变值的多目标优化控制方法 |
WO2020023410A1 (en) * | 2018-07-22 | 2020-01-30 | Scott Amron | Distributed inventory system |
CN109711908A (zh) * | 2018-11-09 | 2019-05-03 | 上海大学 | 供应链网络的建模方法、***及电子设备 |
CN110619395A (zh) * | 2019-08-27 | 2019-12-27 | 武汉科技大学 | 一种回收产品重用的产品配置方法 |
CN110852667A (zh) * | 2019-09-18 | 2020-02-28 | 浙江工商大学 | 一种多周期多产品易逝品供应链网络设计的两阶段调度方法 |
CN113935142A (zh) * | 2020-07-14 | 2022-01-14 | 武汉理工大学 | 基于消费者低碳偏好的供应链碳减排成本补贴契约方法 |
CN111882355A (zh) * | 2020-07-27 | 2020-11-03 | 哈尔滨商业大学 | 双回收渠道闭环供应链的分析方法 |
CN113674017A (zh) * | 2021-07-21 | 2021-11-19 | 扬州大学 | 家用电器闭环供应链成本分担最优比例计算分析方法及*** |
CN114154674A (zh) * | 2021-10-11 | 2022-03-08 | 浙江大学 | 一种不确定环境下产品价值链的多阶段优化配置方法 |
CN114548702A (zh) * | 2022-01-28 | 2022-05-27 | 中国科学技术大学 | 基于平台运营模式和碳交易政策的供应链建模方法及*** |
Non-Patent Citations (2)
Title |
---|
FAREEDUDDIN MOHAMMED等: "Multi-period planning of closed-loop supply chain with carbon policies under uncertainty", 《TRANSPORTATION RESEARCH PART D》 * |
JIAN WANG,QIAN WAN: "A multi-period multi-product green supply network design problem with price and greenness dependent demands under uncertainty", 《APPLIED SOFT COMPUTING》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258419A (zh) * | 2023-05-10 | 2023-06-13 | 吉林大学 | 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 |
CN116258419B (zh) * | 2023-05-10 | 2023-09-08 | 吉林大学 | 一种基于结构洞理论的汽车供应链分级减碳路径判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114708045B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kadambala et al. | Closed loop supply chain networks: Designs for energy and time value efficiency | |
Golsefidi et al. | A robust optimization approach for the production-inventory-routing problem with simultaneous pickup and delivery | |
Li et al. | Impact of carbon regulations on the supply chain with carbon reduction effort | |
Agrawal et al. | Price and profit structuring for single manufacturer multi-buyer integrated inventory supply chain under price-sensitive demand condition | |
Aksoy et al. | Dynamic strategic supplier selection system with fuzzy logic | |
CN114708045B (zh) | 一种基于消费者偏好的多周期供应链网络设计方法及*** | |
Karimi-Nasab et al. | A random search heuristic for a multi-objective production planning | |
Zhang et al. | Production mode and pricing coordination strategy of sustainable products considering consumers’ preference | |
CN115495859B (zh) | 一种基于遗传算法的仓网规划方法 | |
Wang et al. | Optimal operation and subsidies/penalties strategies of a multi-period hybrid system with uncertain return under cap-and-trade policy | |
Lam et al. | A hybrid case-GA-based decision support model for warehouse operation in fulfilling cross-border orders | |
Yuan et al. | How Government Regulations and Consumer Behavior Influence Manufacturers’ Product Green Degree Decision‐Making: An Agent‐Based Model | |
Afshar et al. | Developing multi-objective mathematical model of sustainable multi-commodity, multi-level closed-loop supply chain network considering disruption risk under uncertainty | |
Chen et al. | [Retracted] A Supply Chain Model Based on Data‐Driven Demand Uncertainty under the Influence of Carbon Tax Policy | |
CN109919688B (zh) | 一种考虑市场因素的电子烟产品线规划方法 | |
Mehri Charvadeh et al. | Presenting a Management Model for a Multiobjective Sustainable Supply Chain in the Cellulosic Industry and Its Implementation by the NSGA‐II Meta‐Heuristic Algorithm | |
Wang et al. | Self-remanufacturing or outsourcing? Hybrid manufacturing system with remanufacturing options under yield uncertainty | |
CN111078203A (zh) | 一种支持创客与小微企业孵化的4m1t创新*** | |
CN113052418A (zh) | 一种基于多维数据结构的生产计划方法及*** | |
Zhang | B2C E-commerce logistics network optimization model | |
Xia et al. | Pricing Decision and Financing Approach Selection of Fund‐Deficient Closed‐Loop Supply Chain under Distributor’s Risk Aversion | |
Wei et al. | Modeling multilevel supplier selection problem based on weighted‐directed network and its solution | |
Hushko et al. | Modelling of management activity of the organization considering the impact of implicit factors in business processes | |
CN111563659B (zh) | 基于多蚁群***的多目标供应链配置方法 | |
Ren et al. | Optimization of the product service supply chain under the influence of presale services. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |