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 PDF

Info

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
Application number
CN202210618921.9A
Other languages
English (en)
Other versions
CN114708045B (zh
Inventor
王剑
万迁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202210618921.9A priority Critical patent/CN114708045B/zh
Publication of CN114708045A publication Critical patent/CN114708045A/zh
Application granted granted Critical
Publication of CN114708045B publication Critical patent/CN114708045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种基于消费者偏好的多周期供应链网络设计方法及***
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，所述供应链网络包括制造工厂、分销中心、消费者市场及第三方回收中心； 所述供应链利润为总销售额与固定成本、运输成本、可变成本的差值，总销售额
Figure 230755DEST_PATH_IMAGE001
；
其中，
Figure 489174DEST_PATH_IMAGE002
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，
Figure 737752DEST_PATH_IMAGE003
分别为相应的索引；
Figure 992016DEST_PATH_IMAGE004
为产品
Figure 275230DEST_PATH_IMAGE005
在价格等级
Figure 832113DEST_PATH_IMAGE006
和低碳水平等级
Figure 443354DEST_PATH_IMAGE007
时的价格，如果产品
Figure 376675DEST_PATH_IMAGE005
选择价格等级
Figure 639029DEST_PATH_IMAGE006
和低碳水平等级
Figure 101235DEST_PATH_IMAGE007
，则
Figure 589985DEST_PATH_IMAGE008
为1，否则
Figure 936784DEST_PATH_IMAGE008
为0；
Figure 929010DEST_PATH_IMAGE009
为周期
Figure 93275DEST_PATH_IMAGE010
产品
Figure 193955DEST_PATH_IMAGE005
在消费者市场
Figure 937921DEST_PATH_IMAGE011
的缺货数量，
Figure 315812DEST_PATH_IMAGE012
为周期
Figure 995186DEST_PATH_IMAGE013
下产品
Figure 192950DEST_PATH_IMAGE005
在价格等级
Figure 865239DEST_PATH_IMAGE006
和低碳水平等级
Figure 97638DEST_PATH_IMAGE007
时在消费者市场
Figure 210563DEST_PATH_IMAGE011
的需 求量，
Figure 895622DEST_PATH_IMAGE014
，
Figure 246969DEST_PATH_IMAGE015
为产品价格等级
Figure 458507DEST_PATH_IMAGE006
对应的价格，
Figure 604318DEST_PATH_IMAGE016
为产品低 碳水平等级
Figure 386460DEST_PATH_IMAGE007
对应的低碳水平，
Figure 541498DEST_PATH_IMAGE017
为周期t消费者市场的最大规模，
Figure 607543DEST_PATH_IMAGE018
为低价偏好消费者的 市场比例；
Figure 455413DEST_PATH_IMAGE019
为消费者认可的产品价格上阈值；
Figure 849485DEST_PATH_IMAGE020
为消费者认可的产品价格下阈值；
Figure 683580DEST_PATH_IMAGE021
为 消费者认可的低碳水平上阈值；
Figure 213919DEST_PATH_IMAGE022
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，所述供应链网络包括制造工厂、分销中心、消费者市场及第三方回收中心； 所述供应链利润为总销售额与固定成本、运输成本、可变成本的差值，总销售额
Figure 232690DEST_PATH_IMAGE001
；
其中，
Figure 504272DEST_PATH_IMAGE023
为消费者市场编号集合，索引为
Figure 1112DEST_PATH_IMAGE011
；
Figure 917116DEST_PATH_IMAGE024
为产品种类集合，索引为
Figure 450996DEST_PATH_IMAGE005
；为周期编号 集合，索引为
Figure 85240DEST_PATH_IMAGE013
；如果产品
Figure 385771DEST_PATH_IMAGE005
选择价格等级
Figure 546494DEST_PATH_IMAGE006
和低碳水平等级
Figure 641489DEST_PATH_IMAGE007
，则
Figure 497450DEST_PATH_IMAGE008
为1，否则
Figure 474108DEST_PATH_IMAGE008
为0；
Figure 99125DEST_PATH_IMAGE009
为 周期
Figure 365021DEST_PATH_IMAGE013
产品
Figure 832912DEST_PATH_IMAGE005
在消费者市场
Figure 740825DEST_PATH_IMAGE011
的缺货数量，
Figure 485927DEST_PATH_IMAGE012
为周期
Figure 188304DEST_PATH_IMAGE013
下产品
Figure 894223DEST_PATH_IMAGE005
在价格等级
Figure 340247DEST_PATH_IMAGE006
和低碳水平等 级
Figure 939856DEST_PATH_IMAGE007
时在消费者市场
Figure 672189DEST_PATH_IMAGE011
的需求量，
Figure 990038DEST_PATH_IMAGE025
，
Figure 708595DEST_PATH_IMAGE026
为产品价格等级l 对应的价格，
Figure 303655DEST_PATH_IMAGE027
为产品低碳水平等级e对应的低碳水平，
Figure 347835DEST_PATH_IMAGE017
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；
Figure 152980DEST_PATH_IMAGE028
其中，
Figure 940807DEST_PATH_IMAGE029
为产品需求量；
Figure 639642DEST_PATH_IMAGE018
为低价偏好消费者的市场比例；
Figure 589143DEST_PATH_IMAGE019
为消费者认可的产 品价格上阈值；
Figure 616005DEST_PATH_IMAGE020
为消费者认可的产品价格下阈值；
Figure 82890DEST_PATH_IMAGE021
为消费者认可的低碳水平上阈值；
Figure 511597DEST_PATH_IMAGE022
为消费者认可的低碳水平下阈值；
Figure 632000DEST_PATH_IMAGE030
为产品价格，范围在
Figure 536371DEST_PATH_IMAGE031
；
Figure 666001DEST_PATH_IMAGE032
为产品低碳水平，范围 在
Figure 949214DEST_PATH_IMAGE033
，
Figure 771677DEST_PATH_IMAGE034
为消费者市场的最大规模；
（3）产品需求量函数离散化；
Figure 403426DEST_PATH_IMAGE035
其中，
Figure 336747DEST_PATH_IMAGE036
为产品价格等级
Figure 474467DEST_PATH_IMAGE006
和产品低碳水平等级
Figure 592465DEST_PATH_IMAGE007
下的需求量；
Figure 815636DEST_PATH_IMAGE015
为价格等级
Figure 287068DEST_PATH_IMAGE006
对 应的价格；
Figure 420240DEST_PATH_IMAGE016
为产品低碳水平等级
Figure 318926DEST_PATH_IMAGE006
对应的低碳水平。
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。
（4）构建利润目标函数
Figure 29393DEST_PATH_IMAGE037
和碳排放目标函数
Figure 429151DEST_PATH_IMAGE038
；
利润目标函数
Figure 807042DEST_PATH_IMAGE039
；
其中，
Figure 611050DEST_PATH_IMAGE040
为总销售额；
Figure 949759DEST_PATH_IMAGE041
为固定成本；
Figure 762994DEST_PATH_IMAGE042
为运输成本；
Figure 995392DEST_PATH_IMAGE043
为可变成本；
优选地，固定成本
Figure 235881DEST_PATH_IMAGE044
；
其中，如果候选制造工厂被选址并运营，则
Figure 45574DEST_PATH_IMAGE045
为1，否则
Figure 662500DEST_PATH_IMAGE045
为0；如果候选分销中心
Figure 749405DEST_PATH_IMAGE046
被选址并运营，则
Figure 301740DEST_PATH_IMAGE047
为1，否则
Figure 474095DEST_PATH_IMAGE047
为0；
Figure 629133DEST_PATH_IMAGE048
为建造候选制造工厂
Figure 836123DEST_PATH_IMAGE049
的固定成本；
Figure 277469DEST_PATH_IMAGE050
为建造候选 分销中心
Figure 937120DEST_PATH_IMAGE046
的固定成本；
Figure 895849DEST_PATH_IMAGE051
为低碳水平等级
Figure 564203DEST_PATH_IMAGE007
的产品
Figure 582975DEST_PATH_IMAGE005
的环保技术投入成本；
运输成本TC的表达式为：
Figure 729923DEST_PATH_IMAGE052
Figure 85818DEST_PATH_IMAGE053
其中，
Figure 1821DEST_PATH_IMAGE054
为产品
Figure 191494DEST_PATH_IMAGE005
在周期
Figure 701104DEST_PATH_IMAGE013
通过交通工具
Figure 1635DEST_PATH_IMAGE055
从设施
Figure 506566DEST_PATH_IMAGE056
运输到设施
Figure 991774DEST_PATH_IMAGE057
的产品数量，
Figure 113313DEST_PATH_IMAGE058
;
Figure 686377DEST_PATH_IMAGE059
为设施节点
Figure 452339DEST_PATH_IMAGE056
和设施节点
Figure 983815DEST_PATH_IMAGE057
的距离，
Figure 327071DEST_PATH_IMAGE060
，
Figure 94039DEST_PATH_IMAGE061
；
Figure 839141DEST_PATH_IMAGE062
为选择交通工 具
Figure 541518DEST_PATH_IMAGE055
运输产品
Figure 372071DEST_PATH_IMAGE005
的单位运输成本；
可变成本AC的表达式为：
Figure 427882DEST_PATH_IMAGE063
Figure 27491DEST_PATH_IMAGE064
其中，
Figure 900769DEST_PATH_IMAGE065
为产品
Figure 343252DEST_PATH_IMAGE005
在周期
Figure 327388DEST_PATH_IMAGE013
在制造工厂
Figure 781503DEST_PATH_IMAGE066
生产的数量；
Figure 698119DEST_PATH_IMAGE067
为产品
Figure 503264DEST_PATH_IMAGE005
在周期
Figure 25512DEST_PATH_IMAGE013
制造工厂
Figure 724347DEST_PATH_IMAGE066
的单位生产成本；
Figure 939428DEST_PATH_IMAGE068
为周期
Figure 966290DEST_PATH_IMAGE013
结束时，产品
Figure 167595DEST_PATH_IMAGE005
在分销中心的库存数量；
Figure 596302DEST_PATH_IMAGE069
为产品
Figure 982284DEST_PATH_IMAGE005
在分销中心
Figure 621076DEST_PATH_IMAGE046
的单位仓储成本；
Figure 750706DEST_PATH_IMAGE070
为产品
Figure 33920DEST_PATH_IMAGE071
的单位缺货损失成本；
Figure 466169DEST_PATH_IMAGE072
为产品
Figure 467623DEST_PATH_IMAGE005
的单位回收成本；
Figure 135365DEST_PATH_IMAGE073
为回收的产品
Figure 538665DEST_PATH_IMAGE005
在制造工厂
Figure 656662DEST_PATH_IMAGE066
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。
也即，碳排放目标函数
Figure 614254DEST_PATH_IMAGE074
；
其中，
Figure 351266DEST_PATH_IMAGE075
为固定碳排放量；
Figure 484438DEST_PATH_IMAGE076
为生产碳排放量；
Figure 117545DEST_PATH_IMAGE077
为运输碳排放量；
Figure 93591DEST_PATH_IMAGE078
其中，
Figure 493348DEST_PATH_IMAGE079
为建造候选制造工厂
Figure 340081DEST_PATH_IMAGE066
的碳排放量；
Figure 675248DEST_PATH_IMAGE080
为建造候选分销中心
Figure 745447DEST_PATH_IMAGE046
的碳排放量；
运输碳排放量TC的表达式为：
Figure 558683DEST_PATH_IMAGE081
Figure 791081DEST_PATH_IMAGE082
其中，
Figure 156203DEST_PATH_IMAGE083
为选择交通工具
Figure 106842DEST_PATH_IMAGE055
运输产品
Figure 723768DEST_PATH_IMAGE005
的单位碳排放量；
生产碳排放量PM的表达式为：
Figure 810672DEST_PATH_IMAGE084
其中，
Figure 831849DEST_PATH_IMAGE085
为低碳水平等级
Figure 738625DEST_PATH_IMAGE007
的产品
Figure 283876DEST_PATH_IMAGE005
在制造工厂
Figure 225287DEST_PATH_IMAGE066
的生产的单位碳排放；
Figure 807578DEST_PATH_IMAGE086
为低 碳水平等级
Figure 342596DEST_PATH_IMAGE007
的产品
Figure 301325DEST_PATH_IMAGE005
在制造工厂
Figure 362822DEST_PATH_IMAGE066
再制造的单位碳排放。
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：
Figure 240648DEST_PATH_IMAGE087
Figure 856437DEST_PATH_IMAGE088
其中，
Figure 618857DEST_PATH_IMAGE089
为产品
Figure 410226DEST_PATH_IMAGE005
的存储系数；
Figure 334320DEST_PATH_IMAGE090
为候选制造工厂
Figure 968564DEST_PATH_IMAGE049
的设施容量；
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：
Figure 393729DEST_PATH_IMAGE091
Figure 164239DEST_PATH_IMAGE092
Figure 524813DEST_PATH_IMAGE093
其中，
Figure 380773DEST_PATH_IMAGE094
为候选分销中心
Figure 357432DEST_PATH_IMAGE046
的设施容量；
为了保证产品在消费者市场的数量均衡，定义约束如下：
Figure 248028DEST_PATH_IMAGE095
Figure 513924DEST_PATH_IMAGE096
其中，
Figure 981814DEST_PATH_IMAGE097
为产品
Figure 624148DEST_PATH_IMAGE005
在消费者市场
Figure 369250DEST_PATH_IMAGE011
下的回收率；
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：
Figure 71627DEST_PATH_IMAGE098
Figure 777546DEST_PATH_IMAGE099
Figure 957992DEST_PATH_IMAGE100
其中，
Figure 823180DEST_PATH_IMAGE101
为回收的产品
Figure 555512DEST_PATH_IMAGE005
的可再利用率；如果在周期
Figure 607782DEST_PATH_IMAGE013
选择交通工具种类
Figure 857498DEST_PATH_IMAGE055
，则
Figure 452558DEST_PATH_IMAGE102
为 1，否则
Figure 496738DEST_PATH_IMAGE102
为0；
Figure 770724DEST_PATH_IMAGE103
为一个极大的数，例如，int32最大值：2147483647。
相关决策变量的范围约束如下：
Figure 683185DEST_PATH_IMAGE104
；
Figure 257386DEST_PATH_IMAGE105
；
Figure 472467DEST_PATH_IMAGE106
；
Figure 764908DEST_PATH_IMAGE107
。
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
Figure 966213DEST_PATH_IMAGE067
，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
Figure 394921DEST_PATH_IMAGE108
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
Figure 780903DEST_PATH_IMAGE109
，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
Figure 419694DEST_PATH_IMAGE110
，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。
S35，对所述帕累托最优解集进行K-means聚类，选出
Figure 549324DEST_PATH_IMAGE023
个代表性最优解；
S36，对所述
Figure 98117DEST_PATH_IMAGE023
个代表性最优解利用变邻域下降算法进行局部搜索；
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：
S361，给定初始解
Figure 655001DEST_PATH_IMAGE111
，令
Figure 263312DEST_PATH_IMAGE112
，定义
Figure 196633DEST_PATH_IMAGE113
个邻域，记为
Figure 599932DEST_PATH_IMAGE114
(
Figure 452351DEST_PATH_IMAGE115
)，分别为：改变产品 价格或低碳水平等级，改变交通工具的选择，随机交换制造工厂（即第一部分编码）的编码 顺序和随机交换个体的编码顺序；
S362，根据邻域结构来对解搜索，当在
Figure 675522DEST_PATH_IMAGE116
中发现一个比
Figure 412534DEST_PATH_IMAGE111
更优的解
Figure 545706DEST_PATH_IMAGE117
时，令
Figure 444392DEST_PATH_IMAGE118
，
Figure 154859DEST_PATH_IMAGE112
；
S363，若遍历当前邻域结构
Figure 554616DEST_PATH_IMAGE119
依旧找不到比
Figure 666928DEST_PATH_IMAGE111
更优的解，令
Figure 2095DEST_PATH_IMAGE120
；
S364，若
Figure 199858DEST_PATH_IMAGE121
，转步骤S362，否则，输出最优解。
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，所述供应链网络包括制造工厂、分销中心、消费者市场及第三方回收中心；所述 供应链利润为总销售额与固定成本、运输成本、可变成本的差值，总销售额
Figure DEST_PATH_IMAGE001
；
其中，
Figure 691845DEST_PATH_IMAGE002
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，
Figure DEST_PATH_IMAGE003
分 别为相应的索引；
Figure 657920DEST_PATH_IMAGE004
为产品
Figure DEST_PATH_IMAGE005
在价格等级
Figure 234395DEST_PATH_IMAGE006
和低碳水平等级
Figure DEST_PATH_IMAGE007
时的价格，如果产品
Figure 426342DEST_PATH_IMAGE005
选择价格 等级
Figure 257026DEST_PATH_IMAGE006
和低碳水平等级
Figure 610647DEST_PATH_IMAGE007
，则
Figure 143260DEST_PATH_IMAGE008
为1，否则
Figure 607739DEST_PATH_IMAGE008
为0；
Figure DEST_PATH_IMAGE009
为周期
Figure 73355DEST_PATH_IMAGE010
产品
Figure 847145DEST_PATH_IMAGE005
在消费者市场
Figure DEST_PATH_IMAGE011
的缺货 数量，
Figure 132633DEST_PATH_IMAGE012
为周期
Figure DEST_PATH_IMAGE013
下产品
Figure 931962DEST_PATH_IMAGE005
在价格等级
Figure 471659DEST_PATH_IMAGE006
和低碳水平等级
Figure 432661DEST_PATH_IMAGE007
时在消费者市场
Figure 939866DEST_PATH_IMAGE011
的需求量，
Figure 480569DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
为产品价格等级
Figure 920777DEST_PATH_IMAGE006
对应的价格，
Figure 39300DEST_PATH_IMAGE016
为产品低碳水 平等级
Figure 299380DEST_PATH_IMAGE007
对应的低碳水平，
Figure DEST_PATH_IMAGE017
为周期t消费者市场的最大规模，
Figure 909353DEST_PATH_IMAGE018
为低价偏好消费者的市场 比例；
Figure DEST_PATH_IMAGE019
为消费者认可的产品价格上阈值；
Figure 954800DEST_PATH_IMAGE020
为消费者认可的产品价格下阈值；
Figure DEST_PATH_IMAGE021
为消费者 认可的低碳水平上阈值；
Figure 523185DEST_PATH_IMAGE022
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。
2.如权利要求1所述的方法，其特征在于，固定成本
Figure DEST_PATH_IMAGE023
；
其中，如果候选制造工厂
Figure 270561DEST_PATH_IMAGE024
被选址并运营，则
Figure DEST_PATH_IMAGE025
为1，否则
Figure 199071DEST_PATH_IMAGE025
为0；如果候选分销中心
Figure 817135DEST_PATH_IMAGE026
被 选址并运营，则
Figure DEST_PATH_IMAGE027
为1，否则
Figure 556420DEST_PATH_IMAGE027
为0；
Figure 525513DEST_PATH_IMAGE028
为建造候选制造工厂
Figure 962442DEST_PATH_IMAGE024
的固定成本；
Figure DEST_PATH_IMAGE029
为建造候选分 销中心
Figure 497329DEST_PATH_IMAGE026
的固定成本；
Figure 876357DEST_PATH_IMAGE030
为低碳水平等级
Figure 332747DEST_PATH_IMAGE007
的产品
Figure 664629DEST_PATH_IMAGE005
的环保技术投入成本；
运输成本TC的表达式为：
Figure 991705DEST_PATH_IMAGE031
Figure 541635DEST_PATH_IMAGE032
其中，
Figure 485320DEST_PATH_IMAGE033
为产品
Figure 778898DEST_PATH_IMAGE005
在周期
Figure 242372DEST_PATH_IMAGE013
通过交通工具
Figure 697624DEST_PATH_IMAGE034
从设施
Figure DEST_PATH_IMAGE035
运输到设施
Figure 394185DEST_PATH_IMAGE036
的产品数量，
Figure DEST_PATH_IMAGE037
;
Figure 757033DEST_PATH_IMAGE038
为设施节点
Figure 839127DEST_PATH_IMAGE035
和设施节点
Figure 465281DEST_PATH_IMAGE036
的距离，
Figure DEST_PATH_IMAGE039
，
Figure 649137DEST_PATH_IMAGE040
；
Figure DEST_PATH_IMAGE041
为选择交通工 具
Figure 566409DEST_PATH_IMAGE034
运输产品
Figure 722584DEST_PATH_IMAGE005
的单位运输成本；
可变成本AC的表达式为：
Figure 785218DEST_PATH_IMAGE042
Figure DEST_PATH_IMAGE043
其中，
Figure 190791DEST_PATH_IMAGE044
为产品
Figure 629863DEST_PATH_IMAGE005
在周期
Figure 423900DEST_PATH_IMAGE013
在制造工厂
Figure 923014DEST_PATH_IMAGE024
生产的数量；
Figure DEST_PATH_IMAGE045
为产品
Figure 815884DEST_PATH_IMAGE005
在周期
Figure 793067DEST_PATH_IMAGE013
制造工厂
Figure 923834DEST_PATH_IMAGE024
的单 位生产成本；
Figure 344582DEST_PATH_IMAGE046
为周期
Figure 193590DEST_PATH_IMAGE013
结束时，产品
Figure 974464DEST_PATH_IMAGE005
在分销中心
Figure 225317DEST_PATH_IMAGE026
的库存数量；
Figure DEST_PATH_IMAGE047
为产品
Figure 581081DEST_PATH_IMAGE005
在分销中心
Figure 917384DEST_PATH_IMAGE026
的 单位仓储成本；
Figure 501949DEST_PATH_IMAGE048
为产品
Figure DEST_PATH_IMAGE049
的单位缺货损失成本；
Figure 138467DEST_PATH_IMAGE050
为产品
Figure 884706DEST_PATH_IMAGE005
的单位回收成本；
Figure DEST_PATH_IMAGE051
为 回收的产品
Figure 724617DEST_PATH_IMAGE005
在制造工厂
Figure 112873DEST_PATH_IMAGE024
再制造的单位节约成本。
3.如权利要求1或2所述的方法，其特征在于，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；
固定碳排放量
Figure 72739DEST_PATH_IMAGE052
其中，
Figure DEST_PATH_IMAGE053
为建造候选制造工厂
Figure 773235DEST_PATH_IMAGE024
的碳排放量；
Figure 84131DEST_PATH_IMAGE054
为建造候选分销中心
Figure 10498DEST_PATH_IMAGE026
的碳排放量；
运输碳排放量TC的表达式为：
Figure DEST_PATH_IMAGE055
Figure 356029DEST_PATH_IMAGE056
其中，
Figure DEST_PATH_IMAGE057
为选择交通工具
Figure 991541DEST_PATH_IMAGE034
运输产品
Figure 524153DEST_PATH_IMAGE005
的单位碳排放量；
生产碳排放量PM的表达式为：
Figure 254212DEST_PATH_IMAGE058
其中，
Figure 923091DEST_PATH_IMAGE059
为低碳水平等级
Figure 713192DEST_PATH_IMAGE007
的产品
Figure 982368DEST_PATH_IMAGE005
在制造工厂
Figure 984959DEST_PATH_IMAGE024
的生产的单位碳排放；
Figure 39503DEST_PATH_IMAGE060
为低碳水平 等级
Figure 734927DEST_PATH_IMAGE007
的产品
Figure 242131DEST_PATH_IMAGE005
在制造工厂
Figure 48413DEST_PATH_IMAGE024
再制造的单位碳排放。
4.如权利要求1所述的方法，其特征在于，产品在制造工厂的数量均衡与容量限制约束为：
Figure 973775DEST_PATH_IMAGE061
Figure 574521DEST_PATH_IMAGE062
其中，
Figure DEST_PATH_IMAGE063
为产品
Figure 100180DEST_PATH_IMAGE005
的存储系数；
Figure 710153DEST_PATH_IMAGE064
为候选制造工厂
Figure 991486DEST_PATH_IMAGE024
的设施容量；
产品在分销中心的数量均衡与容量限制约束为：
Figure DEST_PATH_IMAGE065
Figure 28712DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE067
其中，
Figure 41668DEST_PATH_IMAGE068
为候选分销中心
Figure 189752DEST_PATH_IMAGE026
的设施容量；
产品在消费者市场的数量均衡约束为：
Figure DEST_PATH_IMAGE069
Figure 89706DEST_PATH_IMAGE070
其中，
Figure DEST_PATH_IMAGE071
为产品
Figure 828992DEST_PATH_IMAGE005
在消费者市场
Figure 798085DEST_PATH_IMAGE011
下的回收率；
产品在第三方回收中心的数量均衡约束为：
Figure 733549DEST_PATH_IMAGE072
Figure DEST_PATH_IMAGE073
Figure 268435DEST_PATH_IMAGE074
其中，
Figure DEST_PATH_IMAGE075
为回收的产品
Figure 913043DEST_PATH_IMAGE005
的可再利用率；如果在周期
Figure 854586DEST_PATH_IMAGE013
选择交通工具种类
Figure 344473DEST_PATH_IMAGE034
，则
Figure 202707DEST_PATH_IMAGE076
为1，否 则
Figure 752638DEST_PATH_IMAGE076
为0；
Figure DEST_PATH_IMAGE077
为int32最大值。
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；
S35，对所述帕累托最优解集进行K-means聚类，选出
Figure 961902DEST_PATH_IMAGE078
个代表性最优解；
S36，对所述
Figure 495959DEST_PATH_IMAGE078
个代表性最优解利用变邻域下降算法进行局部搜索；
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。
7.如权利要求5所述的方法，其特征在于，步骤S36具体包括：
S361，给定初始解
Figure DEST_PATH_IMAGE079
，令
Figure 474279DEST_PATH_IMAGE080
，定义
Figure 195110DEST_PATH_IMAGE081
个邻域，记为
Figure 626092DEST_PATH_IMAGE082
(
Figure 208514DEST_PATH_IMAGE083
)，分别为：改变产品价格 或低碳水平等级，改变交通工具的选择，随机交换个体中制造工厂的编码顺序和随机交换 个体的编码顺序；
S362，根据邻域结构
Figure 510182DEST_PATH_IMAGE084
来对解搜索，当在
Figure 667494DEST_PATH_IMAGE084
中发现一个比
Figure 585771DEST_PATH_IMAGE079
更优的解
Figure DEST_PATH_IMAGE085
时，令
Figure 221152DEST_PATH_IMAGE086
,
Figure 157753DEST_PATH_IMAGE080
；
S363，若遍历当前邻域结构
Figure DEST_PATH_IMAGE087
依旧找不到比
Figure 751545DEST_PATH_IMAGE079
更优的解，令
Figure 891540DEST_PATH_IMAGE088
；
S364，若
Figure DEST_PATH_IMAGE089
，转步骤S362，否则，输出最优解。
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。
CN202210618921.9A 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*** Active CN114708045B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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***

Patent Citations (12)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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