基于神经网络融合技术的供应商评价研究

供应商是整个供应链的源头,他是企业制造资源的输入端,因而对供应商选择是一个企业经营运作的基础.对供应商的评价选择将在很大程度上决定供应链能否平稳运行和运行的效能.BP神经网络方法可避免传统方法的局限性与专家评价的主观随意性,实现了定性分析与定量分析的有效结合,保证供应商评价结果的客观性,但同时也存在训练时间长、易陷入极小值的缺点.因此,建立了一种神经网络融合技术算法.方法是由主成分分析法、粒子群算法与BP算法相融合而成的一种评价方法.通过收敛性分析和数值模拟,验证该算法具有良好的泛化能力,并且在训练误差、训练时间上也要优于BP神经网络算法.因此,对于解决供应商评价问题是有效的.     

基于中智犹豫模糊语言优先QUALIFLEX方法的绿色供应商选择

针对绿色供应商选择过程中,评价指标数量明显超过可供选择的供应商数量且指标之间存在优序关系等特点,提出了基于中智犹豫模糊语言优先QUALIFLEX方法的绿色供应商选择方法.首先,利用中智犹豫模糊语言表征评价信息和评价权重;其次,构造优先矩阵对指标权重做精确化处理,考虑到决策者对指标的要求和指标之间的优序关系,对指标权重进行修订;然后,提出改进的中智犹豫模糊语言余弦距离测度,在此基础上借助QUALIFLEX方法确定备选供应商的最终排序;最后,利用化学制药企业选择原料供应商的案例验证了所提方法的有效性.     

基于改进模糊多准则决策法的弹性供应商选择及动态订单分配

本文通过选取具有风险抵抗能力的弹性供应商，解决因供应商稳定性低致使供应链风险的问题。首先，使用最佳-最差方法建立考虑风险因素初步选择供应商的模型。在此基础上，应用模糊多标准决策法建立多目标模型，解决考虑弹性标准的供应商动态选择问题。最后，运用改进狼群算法衡量利润和环境危害之间最佳的订单分配策略。以新能源汽车制造企业供应商选择及订单分配为例进行验证。结果表明，改进后的狼群算法与原始算法相比寻优精度更高、收敛速度更快，具有更好的综合性能。     

基于直觉模糊AWD方法的供应商选择

供应商选择是供应链管理的关键环节之一.运用直觉模糊精确加权(AWD)和复杂比例评价(COPRAS)方法对供应商选择模型进行了研究,构建了基于直觉模糊精确加权的供应商选择的COPRAS模型.模型将供应商评价值的语言变量转化为直觉模糊数,运用直觉模糊的精确加权方法分别确定各个评价指标的精确权重和同一指标下各个供应商的精确权重,极大地提高了指标权重确定的科学性,然后结合COPRAS方法选择供应商.最后将构建的供应商选择模型在实例中进行了应用,并结合各供应商效用度得出了各个供应商的优先顺序,获得了最佳供应商选择方案,验证了所提出方法的可行性和有效性.     

供应商综合实力的指标评价体系及模糊判断

供应链管理(SCM)是在IT技术广泛应用的基础上产生的一种先进、新颖的管理哲理与方法.在供应链(SC)中,合理地评价供应商的综合实力是优化选择具有敏捷性和相容性合作伙伴的关键,也对提高整个SC的竞争力有着极其重要的作用.构建了供应商综合实力的指标评价体系及评价因素集、权重集,提出一个通用的模糊判断模型及相应的算法,并利用该算法较好地解决了对供应商综合实力进行定量判断的问题.     

基于AHP和动量BP神经网络的工程项目承包商选择模型

运用BP神经网络技术,采用动量BP算法,构建了基于动量BP神经网络的工程项目承包商选择模型,并将AHP的评价结果作为学习样本,对BP神经网络模型进行训练和测试.结果表明,基于AHP和动量BP神经网络的工程项目承包商选择模型是可行的,该模型具有较高的自组织、自适应和自学习能力以及较强的容错功能,能够为一般的工程项目承包商选择活动提供有效的参考和依据.     

基于GRA-CS-BP算法的期货价格预测

针对在采用BP神经网络进行期货价格预测时,存在的模型结构复杂,易陷入局部极小值,模型无法收敛问题.考虑从网络结构和网络参数两个方面对BP网络模型进行优化,由此提出基于GRA-CS-BP算法的期货价格预测方法.首先用灰色关联度分析法进行输入变量筛选,找出和预测价格关联度大的重要因素作为网络输入,简化网络模型整体结构.然后采用布谷鸟算法对网络权阈值参数进行优化,将经过选择优化后建立的BP神经网络模型用于期货价格预测.仿真结果表明,新模型不仅具有更高的预测精度,同时其运行的稳定性也要好于单纯BP神经网络模型,为期货价格预测提出了一种新的方法.     

随机需求收益最大化分销网络设计问题

研究随机需求的供应链分销网络设计问题。考虑供应商可以选择所服务的零售商,且供应商通过定价决策确定所服务的零售商。针对此问题,建立了一个非线性整数规划模型和一个等价的集合包裹模型,并利用列生成算法求解集合包裹模型,同时提出一种O（ n3 logn）时间的算法求解列生成算法中产生的子问题。数值计算表明,本文所提出的算法具有很好的最优性和可行性。     

基于粒子群算法的模糊层次分析法改进及其应用研究

提出了基于粒子群算法(Particle Swarm Optimization)的模糊层次分析法(Fuzzy Analytic Hierarchy Process)模型,简称PSO-FAHP,将模糊判断矩阵一致性的检验、修正及各元素权重值的计算过程转化成非线性带约束系统优化问题,并利用粒子群算法实现了该问题的求解。构建了制造企业供应商选择评价指标体系,最后将该模型应用于制造企业供应商选择评价,结果表明,此模型能有效帮助企业选择较佳的供应商,对供应链构建有一定的指导意义。     

考虑可信度和优先级的对偶犹豫模糊多属性决策在绿色审计中的应用研究

针对目前专家和属性对于方案比选的重要性致使企业迫切需要将其定量化分析的问题,以及企业环境行为中公司需要承担环保责任,在绿色采购方面要将环境属性引入供应商比选标准的问题,本文提出了考虑专家可信度和属性优先级的对偶犹豫模糊多属性决策方法,将专家对于该领域的熟悉程度及所选属性的重要程度融入到供应商的绿色评估指标定量化分析与评选中。结合对偶犹豫模糊集的隶属度与非隶属度,给出了对偶犹豫模糊熵值、混合平均算子和混合几何算子的计算模型与该方法模型的具体步骤,通过对某企业绿色审计在内的四种属性进行评估来选择最佳供应商的实例,验证了此模型的可行性和有效性。     

Analytic network process in supplier selection: A case study in an electronic firm

Supplier selection, which is the first step of the activities in the product realization process starting from the purchasing of material till to the end of delivering the products, is evaluated as a critical factor for the companies desiring to be successful in nowadays competition conditions. With the scope of this paper, supplier selection was considered as a multi criteria decision problem. A model aiming the usage of analytic network process (ANP) in supplier selection is developed owning to the evaluation of the relations between supplier selection criterias in a feedback systematic. The proposed model is implemented in a company of electronic.     

An integrated FCM and fuzzy soft set for supplier selection problem based on risk evaluation

Supplier selection problem, considered as a multi-criteria decision-making (MCDM) problem, is one of the most important issues for firms. Lots of literatures about it have been emitted since 1960s. However, research on supplier selection under operational risks is limited. What’s more, the criteria used by most of them are independent, which usually does not correspond with the real world. Although the analytic network process (ANP) has been proposed to deal with the problems above, several problems make the method impractical. This study first integrates the fuzzy cognitive map (FCM) and fuzzy soft set model for solving the supplier selection problem. This method not only considers the dependent and feedback effect among criteria, but also considers the uncertainties on decision making process. Finally, a case study of supplier selection considering risk factors is given to demonstrate the proposed method’s effectiveness.     

混合优化RBF-BP网络的板形缺陷识别

针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法。首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题。然后利用遗传算法(GA)良好的全局搜索能力优化整个网络的权值。RBF-BP组合神经网络是由一个RBF子网和一BP子网串联构成的,该网络同时具备BP神经网络能较好地预测未知样本的能力以及RBF神经网络的逼近速度快的优点。并以某900HC可逆冷轧机板形识别为应用背景,在MATLAB2010a环境下进行仿真实验,结果表明混合优化RBF-BP组合神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形缺陷识别精度并具有较好的鲁棒性,可以满足板带轧机高精度的板形控制要求。     

基于径向基函数神经网络的流程企业供应链预测仿真

本文在比较预测方法的基础上，采用径向基函数（RBF）神经网络技术建立流程企业供应链预测模型，进行了实例预测仿真，并将预测结果与BP网络的预测结果进行了比较。结果表明，RBF网络误差小于BP网络，其中平方根RBF网络的预测仿真误差最小，而BP网络的误差最大。     

交通流灰色RBF网络非线性组合预测方法

针对智能交通系统的开发,提出一种基于灰色GM(1,1)模型和RBF网络非线性组合的短时交通流预测方法.该方法采用三层结构的RBF网络将两种单一预测方法(灰色GM(1,1)模型和RBF网络)进行了非线性组合.利用实测数据对组合方法进行了仿真实验,结果表明:非线性组合模型的预测准确性高于单独的RBF网络预测的准确性;组合模型发挥了两种单一方法各自的优势,是短时交通流预测的有效方法.     

A locally linear neuro-fuzzy model for supplier selection in cosmetics industry

Supplier selection and evaluation is a complicated and disputed issue in supply chain network management, by virtue of the variety of intellectual property of the suppliers, the several variables involved in supply demand relationship, the complex interactions and the inadequate information of suppliers. The recent literature confirms that neural networks achieve better performance than conventional methods in this area. Hence, in this paper, an effective artificial intelligence (AI) approach is presented to improve the decision making for a supply chain which is successfully utilized for long-term prediction of the performance data in cosmetics industry. A computationally efficient model known as locally linear neuro-fuzzy (LLNF) is introduced to predict the performance rating of suppliers. The proposed model is trained by a locally linear model tree (LOLIMOT) learning algorithm. To demonstrate the performance of the proposed model, three intelligent techniques, multi-layer perceptron (MLP) neural network, radial basis function (RBF) neural network and least square-support vector machine (LS-SVM) are considered. Their results are compared by using an available dataset in cosmetics industry. The computational results show that the presented model performs better than three foregoing techniques.     

基于DEMATEL-BP的装配式住宅预制构件供应商选择的影响因素识别

装配式住宅预制构件的应用正促使着建筑业发生一场升级换代的变革,传统的建筑业供应链模式将被逐步替代.住宅预制构件供应商在全国各地应运而生,如何科学高效地选择供应商是当前亟待解决的问题.充分结合装配式住宅预制构件的特点,建立预制构件供应商评价指标体系;通过将DEMATEL方法和BP神经网络相结合的方式,对评价指标体系进行关联度分析,重新划分指标实际权值,进而为决策群体对装配式预制构件供应商的选择与评价提供有价值的决策指导.     

基于模糊RBF神经网络的单位廉政风险评价研究

廉政风险防控是反腐败工作的新举措,对风险的评价是风险管理中一个不可缺少的流程.首先运用文献研究方法,提出廉政风险评价的初步指标,再运用帕累托理论得到经过约减的指标体系.建立基于模糊RBF神经网络的廉政风险水平评价模型.并在某军区对20个单位的廉政风险水平进行评价,与传统的评价模型相比,模型能够克服评估过程中的随机性和不确定性,以及计算过程中容易陷入局部极小的问题.     

基于模糊神经网络的MVP评价模型及实证分析

利用模糊数学和神经网络方法建立对运动员进行评价的模糊网络模型,采用NBA流行的各评价指标作为其输入,模糊综合评价结果作为输出。样本数据采用2003~2004赛季NBA各单项50强的常规赛数据,分别用BP网络和RBF网络,建立分析系统,比较结果证明RBF网络仿真效果最好,完全可以实用,该模型也可以用在其它综合评价系统中。