跳到主要內容

臺灣博碩士論文加值系統

(35.172.136.29) 您好!臺灣時間:2021/07/26 21:16
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:李思慧
研究生(外文):LEE SHIH HUI
論文名稱:(s,Q)存貨控制之多目標微粒群最佳化
論文名稱(外文):Multi-Objective Particle Swarm Optimization of the (s,Q) Inventory Control Models
指導教授:鄒慶士鄒慶士引用關係許晉雄許晉雄引用關係
學位類別:碩士
校院名稱:國立臺北商業技術學院
系所名稱:商學研究所
學門:商業及管理學門
學類:一般商業學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:83
中文關鍵詞:存貨管理多目標最佳化微粒群演算法缺貨後補銷售損失
外文關鍵詞:Inventory ManagementMulti-Objective OptimizationOptimizationParticle SwarmBackorderLost Sales
相關次數:
  • 被引用被引用:2
  • 點閱點閱:105
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
存貨管理對於企業來說是極為重要的工作,其目的是運用最少的成本維持高度的服務水準,降低缺貨的可能性以滿足顧客對產品的需求。如何在這些衝突目標間做出權衡取捨,便是多目標存貨控制所面臨的一大挑戰。本研究將Agrell(1995)提出的缺貨後補下三目標( )存貨控制模式延伸至銷售損失的情況下,運用加入區域搜尋與群集機制的混合式多目標微粒群最佳化進行各模型的求解,並與傳統存貨控制求解方式及強健柏拉圖進化式演算法比較,結果發現混合式多目標微粒群最佳化求得的非凌越解在各項績效衡量指標上明顯的勝過強健柏拉圖進化式演算法,並且不易被傳統存貨控制的解答所凌越。傳統的方式一次只能求取一組解,而混合式微粒群演算法基於多點並行的搜尋方式,可以一次求解多組非凌越解。此外,為了避免多目標存貨控制模式出現多餘(redundant)的目標,本研究將三個目標之存貨控制模式轉換為兩個雙目標之存貨控制模式,分別命名為缺貨次數與缺貨數量存貨模式,並進行求解,比較不同模型的差異。最後也將不同存貨模式在缺貨後補與銷售損失的狀況下求解並進行比較。在銷售損失的狀況下,廠商擔心因缺貨而造成的銷售損失,因此會更注重庫存的管理,讓實際銷售狀況與庫存能更緊密的配合,訂購適量的存貨,以維持高度服務水準並同時降低存貨成本。
Inventory control is an important activity for any enterprise. Traditional inventory models only involve single objective which relates to several cost concepts and/or service requirements. Even in its multi-objective formulation、most models have been solved by aggregation methods. Such solutions obtained are unsatisfactory because decision makers try to act through a surrogate variable with incomplete information.So inventory control should be regarded as a multi-objective optimization (MOO) problem. This work extends Agrell’s multi-objective inventory control model from backorder to lost sales、and applies hybrid Multi-Objective Particle Swarm Optimization (HMOPSO)、which incorporates a local search and clustering method、to solve the problem. The way of multi-objective analysis can determine lot size and safety factor simultaneously under the objectives of minimizing the expected total relevant cost and some measurements about stockout.HMOPSO is also compared with the traditional inventory control approach (such as the simultaneous and sequential approach) and the Strength Pareto Evolutionary Algorithm (SPEA). Comparative results show that HMOPSO surpasses SPEA on three performance indexes、and is competitive with traditional approaches. HMOPSO can find several non-dominated solution in a single run and traditional approaches just search for one in a single run. I in order to avoid the redundance in objective functions、we reorient Agrell’s model to two bi-objective inventory models、named the stockout occasions model (N-model) and the number of items stocked out model (B-model).Finally、the results from backordering model are compared to those of lost sales model. For the decision variables、the safety factors of lost sales are grater than those of backordering in average、but lot sizes of lost sales are smaller than those of backordering model.
中文摘要 i
英文摘要 ii
目錄 iv
表目錄 vii
圖目錄 ix
第一章 緒論 1
1.1 研究動機 1
1.2 研究目的 3
1.3 研究限制 4
1.4 研究流程及架構 4
第二章 文獻探討 7
2.1 存貨管理 7
2.1.1 存貨基本概念 7
2.1.2 存貨控制系統 8
2.1.3 存貨控制之成本因素 9
2.2 多目標最佳化 10
2.2.1 柏拉圖最佳解 11
2.2.2 傳統多目標最佳化求解方式 13
2.2.3 多目標存貨控制文獻回顧 15
2.2.4 以仿生型智能求解多目標最佳化 17
2.2.5 群體智能 18
2.3 微粒群演算法 19
2.3.1 微粒群最佳化演算法的發展背景與基本概念 19
2.3.2 微粒群演算法說明 20
2.3.3 微粒群演算法相關發展應用 24
第三章 多目標存貨控制與微粒群最佳化 26
3.1 多目標存貨控制模式 28
3.1.1 缺貨後補存貨控制模式 28
3.1.1.1 三目標之存貨控制模式 28
3.1.1.2 雙目標之存貨控制模式 29
3.1.2 銷售損失存貨控制模式 31
3.1.2.1 三目標之存貨控制模式 31
3.1.2.2 雙目標之存貨控制模式 31
3.2 混合式多目標微粒群演算法 32
3.2.1 區域搜尋與群集機制 32
3.2.3 混合式微粒群演算法執行步驟 33
3.3 非凌越解績效評估 34
第四章 缺貨後補及銷售損失之實例驗證 37
4.1 缺貨後補下之三目標存貨控制求解 37
4.1.1 以HMOPSO求解 37
4.1.2 以SPEA求解 40
4.1.3 以傳統(s,Q)存貨控方法求解 42
4.1.4 非凌越解之績效評估 47
4.1.4.1 HMOPSO與SPEA之比較 47
4.1.4.2 HMOPSO與傳統循序法及同步法之比較 52
4.2 缺貨後補下之雙目標存貨控制之求解 56
4.2.1 以HMOPSO求解N、B存貨控制模式 56
4.2.2 N與B存貨控制模式比較 58
4.3 銷售損失下之三目標存貨控制之求解 62
4.3.1 以HMOPSO與SPEA求解 62
4.3.2 非凌越解之績效評估 65
4.4 銷售損失下之雙目標存貨控制之求解 70
4.4.1 以HMOPSO求解N與B存貨控制模式 70
4.4.2 N與B存貨控制模式比較 71
4.5 缺貨後補與銷售損失多目標存貨控制求解結果比較 75
第五章 研究結論與建議 77
5.1 研究結論 77
5.2 未來研究建議 80
參考文獻 81
書籍
[1] 林清河,物料管理,臺北市:華泰文化事業股份有限公司,二版,2002
[2] 吳振麟、頂衛中、郭財吉、楊昌哲,物料管理,臺北市:高立書局,2003年
[3] 許志義,多目標決策,臺北市:五南書局,二版,2003年
[4] Boyd、R. and Richerson、P. J.、Culture and the Evolutionary Process、Chicago、IL、1985.
[5] Cohon、J. L.、Multicriteria programming: Brief review and application. In J. S. Gero(Ed.)、Design Optimization、New York: Academic Press、1985.
[6] Deb、K.、Multi-Objective Optimization using Evolutionary Algorithms、New York: John Wiley & Sons、2001.
[7] Dorigo、M.、Optimization、Learning and Natural Algorithms、Dipartimento di Elettronica、Politecnico di Milano、Italy、1992.
[8] Hadley、G.、and Whitin、T. M.、Analysis of Inventory System、Englewood Cliffs、N. J.:Prentice-Hall Inc、1963.
[9] Holland、J. H.、Adaptation in Natural and Artificial Systems、University of Michigan、Ann Arbor、MI、1975.
[10] Hwang、C. L. and Masud、A. S. M.、Multiple Objective Decision Making-Methods and Appliations: A State-of-the-Art Survey,. Berlin: Springer-Verlag、1979.
[11] Kennedy、J.、Eberhart、R. C.、Shi、Y.、Swarm Intelligence、San Francisco: Morgan Kaufmann、2001.
[12] Koopmans、T. C.、Activity Analysis of Production and Allocation、New York: Wiley、1951、pp.33-97.
[13] Liu、G. P.、Yang J. B.、Yang、J. F.、Multiobjective Optimisation and Control、Baldock、Hertfordshire、England: research studies press、2003、pp.75-76.
[14] Miettinen、K.、Nonlinear Multiobjective Optimization、Boston: Kliwer、1999.
[15] Tersine、R. J.、Principles of Inventory and Materials Management、New Jersey: Wheetley Conpany、1994.
[16] Sliver、E. A. 、Pyke、D. F. and Peterson、R.、Inventory Management and Production Planning and Scheduling、John Wiley & Sons: New York,1998.
[17] Von Neumann、J. and Morgenstern、O.、Theory of Games and Economic Behavior、Verlag Wirtschaft und Finanzen: NewJersey、Princeton、2001.

期刊
[18] Agrell、P. J. 「A multicriteria framework for inventory control」、International Journal of Production Economics、vol. 41、1995、pp.59-70.
[19] Bookbinder、J. H. and Chen V. Y. X. 「Multicriteria trade-offs in a warehouse/retailer systerm」、The Journal of the Opterational Research Society、vol. 43、no. 7,1992、pp. 707-720.
[20] Donaldson、W.、「The allocation of inventory items to lot size / reorder level (Q,r) and periodic review (T、Z) control systems」. Operational Research Quarterly、vol. 25、no. 3、1974、pp.481-485.
[21] Mandal、N. K.、Roy、T. K.、Maiti、M.、「Multi-objective fuzzy inventory model with three constraints: a geometric programming approach」、Fuzzy Sets and Systems、vol.150、no.1、2005、pp.87-106.
[22] Padmanabhan、G. and Vrem-Vrat. 「Analysis of multi-item inventory systems under resource constraints: a non-linear goal programming approach」、Engineering Cost and Production Economics、vol.20、1990、pp.121-127.
[23] Peurto、J.、Fernandez、F. R.、「Pareto-optimality in classical inventory problems」. Naval Research Logistics、1998、pp.45:83-98.
[24] Reynolds、C. W.、「A distributed behavioral model」、Computer Graphics、vol. 21、no. 4、1987、pp. 24-34.
[25] Roy、T. K. and Maiti、M.、「Multi-objective inventory models of deteriorating items with some constraints in a fuzzy environment」、Computers and Operations Research、vol.25、no.12、1998、pp.1085-1095.
[26] Veldhuizen、D. A. V. and Lamont、G. B.、「Multiobjective evolutionary algorithms: analyzing the state-of-the-art」. Evolutionary Computation、vol. 8、no. 2、2000、pp.125-147.

會議論文
[27] Bergh、F. and Ngelbrecht、A. P. E.、「A new locally convergent particle swarm optimiser」、The Proceedings of IEEE International Conference on Systems、Man and Cybernetics、In Hammamet、Tunisia、Vol. 3、2003.
[28] Boeringer、D. W. and Werner、D. H.、「Particle swarm optimization versus genetic algorithms for phased array synthesis」、IEEE Transaction on Antennas and Propagation、vol. 52、no. 3、March、2004、pp. 771-778.
[29] Clerc、M.、「The swarm and the queen: towards a deterministic and adaptiveparticle swarm optimization」、Proceeding of the 1999 Congress on Evolutionary Computation、Washington、1999、pp. 1951-1957.
[30] Coello、C. A.、and Lechuga、M. S.、「MOPSO: A proposal for multiple objective particle swarm optimization」、Proceeding of the 2002 Congress on Evolutionary Computation、Honolulu、Hawaii USA、May、2002、pp.12-17.
[31] Hu、X.、Eberhart、R. C.、「Multi-objective optimization using dynamic neighborhood particle swarm optimization」、Proceeding of the 2002 Congress on Evolutionary Computation、Honolulu、Hawaii USA、May、2002、pp.12-17、
[32] Kennedy、J. and Eberhart、R. C.、「Particle swarm optimization」、Proceedings of IEEE International Conference on Neural Networks、Issue IV、1995、pp. 1942-1948.
[33] Kennedy、J. and Spears、W.、「Matching algorithms to problems: an experimental test of the particle swarm and some genetic algorithms on the multimodal problem generator」、In IEEE World Congress on Computational Intelligence、1998、pp. 74–77.
[34] Sierra、M. R. and Coello、C. A.、「A new multi-objective particle swarm optimizer with improved selection and diversity mechanisms」、Proceeding of the 2004 Congress on Evolutionary Computation、2004、pp.1-39.
[35] Mostaghim、S. and Teich、J. 「Covering Pareto-optimal fronts by subswarms in multi-objective particle swarm optimization」. Proceeding of the 2004 Congress on Evolutionary Computation、Portland、Oregon、USA、June、2004、pp.19-23.
[36] Okabe、T.、Jin、Y. and Sendhoff、B.、「A critical survey of performance indices for multi-objective optimization」、Proc. of 2003 Congress on Evolutionary Computation、2003、pp. 878-885.
[37] Salerno、J.、「Using the particle swarm optimization technique to train a recurrent neural model」、In Proceedings of the Ninth IEEE International Conference on Tools with Artificial Intelligence、1997、pp. 45-49.
[38] Shi、Y. H.、and Eberhart、R. C.、「A modified particle swarm optimizer」、In IEEE World Congress on Computational Intelligence IEEE Press、1998a.
[39] Shi、Y. H.、and Eberhart、R. C.、「Parameter selection in particle swarm optimization」、In Evolutionary Programming VII (Berlin、1998b)、pp. 591–600.
[40] Shi、Y. H.、and Eberhart、R. C.、「Empirical study of particle swarm optimization」、Proceedings of the Evolutionary Computation 1999 Congress、vol. 3、1999、pp. 1945-1950.
[41] Tsou、C. S. 、Fang、H. H.、Chang、H. H. and Kao、C. H.、「An improved particle swarm pareto optimizer with local search and clustering MOPSO-LC」. The 6th International Conference on Simulated Evolution and Learning、Hefei,China、2006.
[42] Zhenya、H.、Chengjian、W.、Luxi、Y.、Xiqi、G.、Susu、Y. R.、Eberhart、C. and Shi、Y.、「Extracting rules from fuzzy neural networks by particle swarm optimization」、IEEE International Conference on Evolutionary Computation、Vol. I、1998、pp. 74-77.
[43] Zitzler、E.、Thiele、L.、「Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto Approach」、IEEE Transactions on Evolutionary Computation、vol. 3、pp. 257–271.

學位論文
[44] 高嘉宏,應用粒子群為基礎之萬用啟髮式演算法於多目標存貨規劃,碩士論文,世新大學資訊管理研究所,台北,2006。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊