模糊需求环境下的连续盘点(Q,R)库存模型
- 格式:pdf
- 大小:133.75 KB
- 文档页数:3
Vo1.24,No.6 预 测
FoRECASTING 2005年第6期
模糊需求环境下的连续盘点(Q,厂)库存模型
代颖 。 马祖军 。 武振业
(1.西南交通大学经济管理学院,四川成都610031;2.西南交通大学交通运输学院,四川成都610031)
摘 要:传统库存模型中大多采用随机理论处理不确定性,然而当决策者不清楚资料数据服从何种概率分布时,
适合采用模糊理论处理不确定性。本文用模糊数表示需求的不确定性,提出了一种采用连续盘点(Q,r)库存控
制策略的模糊库存模型,并利用模拟退火算法求解最佳订货点和最优订货批量。
关键词:库存;模糊需求;模拟退火算法;(Q,r)策略
中图分类号:F253.4 文献标识码:A 文章编号:1003—5192(2005)06—0071—03
Continuous Review(Q,r)Inventory Models with Fuzzy Demand
DAI Ying ,MA Zu—jun ,WU Zhen—ye
(1、School ofEconomics&Management,Southwest Jiaotong University,Chengdu 610031,China;
2.School of Traffic&Transportation,Southwest Jiaotong University,Chengdu 610031,China)
Abstract:Conventional inventory models that include uncertainty are based on the concept of randomness and on proba—
bility theory.However,if it is unclear to the decision—maker which kind of probability distribution the data followed,a
promising additional instrument to treat uncertainty is fuzzy set theory.In this paper,uncertain demand is represented
by fuzzy numbers and a continuous review(Q,r)inventory model is developed.The simulated annealing algorithm is
used to give the optimal reorder level and order quantity of the models.
Key words:inventory;fuzzy demand;simulated annealing algorithm;(Q,,)policy
1 引言
企业经营过程中通常采用库存来应对各种不
确定性,如原材料供应的不确定、制造的不确定以
及顾客需求的不确定等…。以往有关库存问题的
研究一般采用随机理论处理不确定性,通过对历史
资料的统计分析来预测资料数据服从何种概率分
布,据此建立随机库存模型。但如果资料数据不完
整,则无法验证所假定概率分布的确切性。若采用
模糊理论来处理不确定性,则无需假定资料数据服
从何种概率分布,可以避免资料收集不足的问题,
而且可以处理模糊语意变量(如“顾客需求大约
是d’’)[ 。
国际上有关模糊库存模型的研究始于20世纪
80年代l3 J,90年代中期以来得到较快发展。但
以往研究主要针对模糊环境下的EoQ J、
EPQ[ ~ ]和周期盘点库存模型[ , , ,很少研究 模糊环境下的连续盘点库存模型。Gen等用三角
模糊数表示订货费、存储费及缺货费,并用模糊数
的平均值法求解订货批量的取值区间,但未导出最
优订货批量l1 。本文考虑连续盘点(Q,r)库存控
制策略下采用模糊理论处理需求的不确定性,建立
了一种模糊库存模型,并用模拟退火算法求解最佳
订货点和最优订货批量,以使年期望总成本最小,
最后辅以算例说明。
2模型建立
企业采用连续盘点(Q,r)库存控制策略时,当
库存水平下降到订货点r时,立即发出订单补货,
且每次的订货批量为Q。本文作如下假设:(1)仅
考虑单一物品库存;(2)订货提前期是固定的;(3)
需求可以用模糊数(由决策者利用经验或主观判断
得到)表示。为叙述方便,引入下述符号:D为年
平均需求量;A为每次订货的固定订货费;Co为单
收稿日期:2004—12—05
基金项目:国家自然科学基金资助项目(70272022,70502025);中国博士后科学基金资助项目(2003033527);西南交通
大学基础科学研究基金资助项目(20051301)
71 ·
维普资讯 http://www.cqvip.com Vo1.24.No.6 预 测 2005年第6期
位物品的变动订货费;C^为单位物品的年存储费;
C。为允许缺货时单位物品的缺货费; 2为不允许
缺货时单位物品的缺货损失费; 为缺货待补率(当
发生缺货时,愿意等待延期交货的顾客比率),有
0≤卢≤1,且 =1时表示允许缺货, =0时表示不
允许缺货;r为订货点;Q为每次的订货批量;L为
订货提前期(周);d 为每周的模糊需求量(i=1,2,
L);D£为订货提前期内总的模糊需求量,其期
望值为U;S为每个订货周期的模糊缺货量; 为每
个订货周期的平均库存量;F。为每个订货周期的订
货费;F^为每个订货周期的期望存储费;F 为每个
订货周期的模糊缺货费;F 为每个订货周期的期望
总成本;F丁T为年期望总成本。
每个订货周期的订货费为
Fo=A+C,,×Q (1)
允许缺货(J9=1)时,订货提前期内总的模糊
需求量D,及其隶属度为
Df=d1+d2+…+d[ (2)
西 (DL) maxd :。 mint ( 1),- (d2),
, 西(dL)}
(3)
利用重心法计算DL的期望值为
∑DL× 方(DL)
寺D L ㈩ 一.【工 \ ,
ULt UL
由于期初的期望库存量为Q+r—U,期末期望
库存量为r—U,则每个订货周期的平均库存量为
r二 : +,一U1 1 (5)一————————— ———————~一 十r— I 3,
不允许缺货( =0)时,模糊缺货量S的隶属
度及期望值为
(S) 西(DL) (6)
∑S× 6.(DL)
s 齑 ㈩
每个订货周期的平均库存量为
! ± 二 2±( 二 2
1/ +E(S)
= +r— +E(s) (8)
由(5)和(8)式得0≤ ≤1时,每个订货周期的平
72· 均库存量为
8× 1+(1—8)×I2
: +,一u (1一卢)×E(s)
(9)
由于每个订货周期的平均时间为Q/D年,所
以每个订货周期的期望存储费为
F^=C^×(等+r-U+(1+卢)×E(s))×
(10)
允许缺货( =1)时,若订货提前期内的总需
求大于订货点r,会发生缺货,且模糊缺货量为
S=max{DL—r,0} (11)
每个订货周期的模糊缺货费 。及其隶属度为
1=Cs1×max{DL—r,0} (12)
( 1) 西(DL) (13)
利用重心法将模糊缺货费F 解模糊化,可得
每个订货周期的期望缺货费为
1× ( 1)
def
D D I …,
∈ ,。
不允许缺货( =0)时,每个订货周期的模糊
缺货费F 2及其隶属度为
F 2=C 2×msx{DL—r,0} (15)
(F 2)= 6 (DL) (16)
利用重心法将模糊缺货费 2解模糊化,可得
每个订货周期的期望缺货费为
∑ 2× 芦(F、2)
defF,2=
由(14)和(17)式得0≤p≤1时,每个订货周
期的期望缺货费为
F =J9×defF 1+(1一J9)×defF 2 (18)
由(1)、(10)和(18)式得每个订货周期的期望
总成本为
FT:Fo+Fh+F s
A+Co×Q+C^×
( +r-U+(1- E(s))×
+卢×def 1+(1一卢)×defF ̄2 (19)
年期望总成本为 维普资讯 http://www.cqvip.com 代颖。等:模糊需求环境下的连续盘点(Q。r)库存模型
F :FT×
: + ×D+C^×
f +,.一u+(1一f1)×E(s)1+
×卢×def 。+ ×(1一f1)×defF,z
(20)
3模型求解
模拟退火算法是求解组合最优化问题的一种有
效工具,在搜索过程中能够避免陷入局部最优解,体
现了较强的全局寻优性[15, ]。为此,本文采用模拟
退火算法求解模糊库存模型,其算法流程如下:
步骤1 设定初始温度(t )、温度衰减系数
(a)、Markov链长度(L )、新解产生机制及终止条
件等参数,并任意选取一个初始解 。
步骤2按新解产生机制在当前解 ,的邻域
内产生新解 + ,并计算新解与当前解的目标函数
值之差△F=F( +】)一F( )。如果△F三三三0,则
接受新解,转步骤3;如果△F>0,在(0,1)内产生
个随机数y,若exp(一AF/t)>Y,接受新解,
否则不接受新解。
步骤3检查是否达到规定的迭代次数L ,
若已达到,转步骤4,否则返回步骤2。
步骤4 检查是否满足终止条件。若不满足
终止条件,则降低温度,使t +l=at^,返回步骤2;
若满足终止条件,则停止计算,并输出结果。
为实现上述算法,需要注意以下几个问题:
(1)解空间。订货点r和每次订货批量Q的
每个可能取值对应一个解,限制r和Q为整数。
(2)目标函数。使年期望总成本F 最小。
(3)初始解选取。在解空间内任意选取一个解
作为初始解。
(4)新解产生机制。在(一2,2)内按均匀分布
产生两个随机整数△l和△2,分别作为r和Q的
变化量。
(5)初始温度t0。令初始接受率 0=0.9,经
200次迭代估计出初始温度t
(6)终止条件。连续降温5次,目标函数值变
化都小于1×10 。
4 结束语
当决策者不清楚顾客需求服从何种概率分布 时,用模糊数表示需求的不确定性更符合实际情
况。基于这一思想,本文建立了一种采用连续盘点
(Q,r)库存控制策略的模糊库存模型,并用模拟退
火算法求得最佳订货点和最优订货批量。
本文只用模糊数表示了需求的不确定性,事实
上订货费、存储费及缺货费也受到时间或季节变化
等因素的影响,因而进一步的研究将用模糊理论处
理多个变量的不确定性,以建立更贴合实际的库存
模型。
参 考 文 献:
[1]Davis T.Effective supply chain management[J].Sloan
Management Review,1993,34(4):35—46.
[2]Petrovic D,Petrovic R,Vujogevic M.Fuzzy models for the newsboy problem[J].International Journal of Pro—
duction Economics,1996,45(1—3):435—441.