基于协同进化粒子群的多层供应链协同优化

第１６卷第１期计算机集成制造系统Ｖ０１．１６Ｎｏ．１２０１０年１月ＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓＪａｎ．２０１０文章编号：１００６—５９１１（２０１０）０１—０１２７－－０６

基于协同进化粒子群的多层供应链协同优化

吴学静，周泓，梁春华

（北京航空航天大学经济管理学院，北京１００１９１）

摘要：为了从整体角度优化调度供应链网络的各个环节，研究了带软时间窗的分批配送问题及其对需求分配与生产调度的影响，考虑在满足一定客户满意度水平条件下的最小化运作成本。建立了该问题的模型，针对此模型设计了协同进化粒子群优化算法并进行求解。通过实验研究表明，软时间窗对于问题的运作成本有很大的影响，整个供应链网络的协同优化对降低运作成本起到了关键的作用。

关键词：供应链；协同进化；粒子群优化；分批配送；软时间窗

中图分类号：Ｆ４０６．６文献标识码：Ａ

Ｃｏｌｌａｂｏｒａｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｏｆｍｕｌｔｉ—ｅｃｈｅｌｏｎｓｕｐｐｌｙｃｈａｉｎｂａｓｅｄｏｎｃｏ－ｅｖｏｌｕｔｉｏｎａｒｙ

ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ

ＷＵＸｕｅ－ｊｉｎｇ。ＺＨＯＵＨｏｎｇ，ＬＩＡＮＧＣｈｕｎ—ｈｕａ

（Ｓｃｈｏｏｌ０ｆＥｃｏｎｏｍｉｃｓ８ＬＭａｎａｇｅｍｅｎｔ，ＢｅｉｈａｎｇＵｎｉｖｅｒｓｉｔｙ。Ｂｅｉｊｉｎｇ１００１９１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｐｅｒｆｏｒｍｏｖｅｒａｌｌｏｐｔｉｍｉｚｉｎｇｔｈｅｓｃｈｅｄｕｌｉｎｇｏｆｅａｃｈｅｎｔｉｔｙｉｎｓｕｐｐｌｙｃｈａｉｎｎｅｔｗｏｒｋ，ｔｈｅｂａｔｃｈｉｎｇｄｅｌｉｖｅｒｙｐｒｏｂｌｅｍｗｉｔｈｓｏｆｔｔｉｍｅｗｉｎｄｏｗｓａｎｄｉｔｓｉｍｐａｃｔｏｎｔｈｅｒｅｑｕｉｒｅｍｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｐｒｏｄｕｃｔｉｏｎｓｃｈｅｄｕｌｉｎｇｉｎｍａｎｕ—ｆａｃｔｕｒｉｎｇｅｎｔｅｒｐｒｉｓｅｓｗｅｒｅｓｔｕｄｉｅｄ．Ｈｏｗｔｏ

ｍｉｎｉｍｉｚｅｏｐｅｒａｔｉｏｎｃｏｓｔｓｗｈｉｌｅｓａｔｉｓｆｙｉｎｇｃｅｒｔａｉｎｃｕｓｔｏｍｅｒｓｅｒｖｉｃｅｌｅｖｅｌｗａｓａｌｓｏｃｏｎｓｉｄｅｒｅｄ．Ｔｏｄｅａｌｗｉｔｈｔｈｅｓｅｐｒｏｂｌｅｍｓ，ａｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｒｅｑｕｉｒｅｍｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎ，ｓｃｈｅｄｕｌｉｎｇａｎｄｔｈｅｂａｔｃｈｉｎｇｄｅｌｉｖｅｒｙｗａｓｃｏｎｓｔｒｕｃｔｅｄ．Ａｎｄａｃｏ－ｅｖｏｌｕｔｉｏｎａｒｙＰａｒｔｉｃｌｅ

ＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍｗａｓｄｅｖｅｌ—ｏｐｅｄｔｏｔａｃｋｌｅｔｈｅｐｒｏｄｕｃｔｉｏｎｓｃｈｅｄｕｌｉｎｇａｎｄｂａｔｃｈｉｎｇｄｅｌｉｖｅｒｙｐｒｏｂｌｅｍｓ．ＴｗｏｅｘｐｅｒｉｍｅｎｔｓｗｅｒｅｃａｒｒｉｅｄＯＵｔ，ａｎｄｔｈｅｃｏｍｐｕｔａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｅｆｆｅｃｔｏｆｓｏｆｔｔｉｍｅｗｉｎｄｏｗｗａｓｃｒｉｔｉｃａｌ，ａｎｄｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｓｐｌａｙｅｄｉｍ?ｐｏｒｔａｎｔｒｏｌｅｉｎｒｅｄｕｃｉｎｇｏｐｅｒａｔｉｏｎｃｏｓｔｉｎｃｏｌｌａｂｏｒａｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｉｎｓｕｐｐｌｙｃｈａｉｎｎｅｔｗｏｒｋｓ．

Ｋｅｙｗｏｒｄｓ：ｓｕｐｐｌｙｃｈａｉｎ；ｃｏ－ｅｖｏｌｕｔｉｏｎａｒｙ；ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ；ｂａｔｃｈｉｎｇｄｅｌｉｖｅｒｙ；ｓｏｆｔｔｉｍｅｗｉｎｄｏｗ

０引言

生产系统与物流系统集成管理的竞争力来自于整体的协调、沟通和资源共享阻引，只有采用综合集成的方法，充分考虑不同子系统之间的相互作用和关联，才能实现全局最优Ｄ．４－ｓ］。许多学者对多层供应链优化问题进行了研究¨“争１１］，但迄今为止，多数成果还主要集中于概念意义上的物流集成，企业如何实施生产与物流系统的集成，如何让这种集成的思想真正地指导实践进而转化成效益，是亟待解决的问题。本文考虑如何从整体的角度来优化产品的需求分配、生产调度与分批配送问题，利用软时间窗因素来调节各模块的优化进程，进而得到更优的运作方案，以获得更低的运作成本。该问题比单纯的

收稿日期：２００９－０１－１４；修订日期：２００９－０４—１３。Ｒｅｃｅｉｖｅｄ１４Ｊａｎ．２００９；ａｃｃｅｐｔｅｄ１３Ａｐｒ．２００９．

基金项目：国家自然科学基金资助项目（７０７７１００３，７０５２１００１）；北京航空航天大学博士生创新基金资助项目（４３０２６４）；北京市科委博士生资助项目（ｚｚ０７６２）；航空科学基金资助项目（２００８ＺＧ５５０１４）。Ｆｏｕｎｄａｔｉｏｎｉｔｅｍｓ：ＰｒｏｊｅｅｔｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎ，Ｃｈｉｎａ（Ｎｏ．７０７７１００３．７０５２１００１）。ｔｈｅＩｎｎｏｖａｔｉｏｎＦｏｕｎｄａｔｉｏｎｏｆＢＵＡＡｆｏｒＰｈＤＧｒａｄｕａｔｅｓ，Ｃｈｉｎａ（Ｎｏ．４３０２６４），ｔｈｅＢｅｉｊｉｎｇＭｕｎｉｃｉｐａｌ：Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ

Ｃｏｍｍｉｓｓｉｏｎ。Ｃｈｉｎａ（Ｎｏ．ＺＺ０７６２）．ａｎｄｔｈｅＡｅｒｏｎａｕｔｉｃａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎ。Ｃｈｉｎａ（Ｎｏ．２００８ＺＧ５５０１４）．

作者简介：吴学静（１９７９一），女，天津人，北京航空航天大学经济管理学院博士研究生，主要从事生产与物流系统优化及仿真的研究。

Ｅ－ｍａｉｌ：ｘｉｗ０６２６＠１２６．ｃｏｒｎ。

１２８计算机集成制造系统第１６卷

需求分配、调度与配送问题更加复杂［４．”。１“，故以协同进化算法［１１’１５３为主框架，集成两个粒子群优化算法——随机粒子群（ＲａｎｄｏｍＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉ—ｍｉｚａｔｉｏｎ，Ｒａｎｄｏｍ—ＰＳＯ）与粒子群与分层聚类混合算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎＨｉｅｒａｒｃｈｉｃａｌＣｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ＰＳＯ—ＨＣ）［“８。“１３’１６。９１来求解该问题，获得了满意的结果。

１带软时间窗的需求分配、生产调度与分批配送集成优化

带时间窗约束的物流配送问题是对配送问题的进一步扩展，它在配送问题的基础上增加了服务时间窗的限制，这里的服务时间窗指车辆到达各客户的时间范围［１｛’６Ｊ２’２０｜。由于软时间窗允许配送有一定程度的提前或延后，会对客户造成一定程度的不便，企业就会针对不同的情况对客户给予补偿，从而产生不便成本［３’６］，表１所示为不便成本函数ｎ］。现实生活中有太多的不确定因素存在，因为软时间窗约束问题与实际情况更加吻合，所以具有很强的实用背景和研究意义口≈’７’１２’２卜２３］。利用有限的资源合理安排生产，并按照产品的交货时间窗的需求来优化产品的生产调度与配送就更加难以解决，该问题是个ＮＰ难题［３’６。７’”］。针对以上分析，本文综合考虑产品的需求分配、产品在各个工厂中的调度安排，以及将产成品进行分批配送的问题。

表１可采用的不便成本函数‘‘】

注：ＣＡｆ，Ｂｒ］为内时间窗Ｉ［Ｅ，，ｋ］为外时间窗；Ｅ，≤Ａ；≤Ｂ。≤Ｌ，Ｐ”‘为所有节点中的最大不便成本。１．１问题描述

考虑多订单多产品带软时间窗的需求分配、生产调度与分批配送问题。已知有Ｎ个订单，每个订单ｉ有ＮＣｉ种产品，所有≥：ＮＣ。种产品首先被分

ｉ

配到Ｍ个工厂中，每个工厂有生产能力的限制。被分配到各个工厂内的产品将进行调度安排，决定各个产品的加工先后顺序，此处并不考虑机器调整时间。产品加工完成后直接被送到配送中心进行存储，并根据其交货时间窗的范围安排其运输批次和运输车辆。图１所示为问题的结构图。

集成问题桫架

ｌ唑兰！：刿

毒恳

局一订单ｆ的产品数量；Ｍ－工Ｊ数量

图１问题的结构图

１．２数学模型

（１）设定以下符号及变量

Ｄｉ为订单ｉ的产品歹的需求量；ＭＣＡ。为工厂ｋ的生产能力限制；ＣＶＥＣ为每辆车的固定费用；ＣＵＳＳ，为配送中心处产品Ｊ的单位时间单位产品库存成本；ＣＵＭ。为工厂ｋ生产产品＿『的单位生产成本；ＶＣ为车的载重量（所有车辆同质）；ＣＩ。为订单ｉ的产品歹的不便成本；ＴＳ。为订单ｉ的产品Ｊ的库存时间；ＴＰ¨为订单ｉ的产品Ｊ在工厂忌的加工时间；ＵＴＤｉｊ为订单ｉ的产品．ｆ的内时间窗上限；ＤＴＤ。为订单ｉ的产品Ｊ的内时间窗下限；ＴＥＡｉ为订单ｉ的产品Ｊ的外时间窗下限；ＴＴＤ。为订单ｉ的产品Ｊ的外时间窗上限；ＴＬ。为订单ｉ的产品歹的生产完工时间；Ｍ为工厂数量；Ｎ为订单数量；Ｃ为客

户满意度水平；ＮＣ，为订单ｉ订购的产品种类；

ｒ１，删Ｄ（ｉ，歹）一ｚ，

砒优９＝ＪＵＴＤ＃≤ＴＸｆ≤ＤＴＤ。，Ｖｉ，歹；

１０，其他。

（２）决策变量

砜一点鬻舻鄹虹ｎ籼旺；

ｌ

２；Ｋ

１２；Ｋ

：口Ｌ４￥．４Ｐ．

订曰。。目

第１期吴学静等：基于协同进化粒子群的多层供应链协同优化１２９

ＳＣＨ稚为订单ｉ的产品＿『在工厂ｋ的加工顺序；丁Ｘ，为第ｚ次运输的起始时间；ＮＵＭＢ为总运输批次；ＣＯＭＤ（ｉ，Ｊ）＝ｚ为订单ｉ的产品．『将于第ｚ批次运输；Ⅲ（ｚ）为第ｚ批次运输所需车辆数；Ｗ（ｚ）为第Ｚ批次货物的总重。

将［－ＤＴＤ。，ＵＴＤ。］定义为订单ｉ的产品歹的内时间窗，Ｄ，ｙ‘是订单ｉ的产品，允许破坏的最大时间，则外时间窗为［ＴＥＡｄ，ＴＴＤ。］，此处ＴＥＡ＃一ＤＴＤ＃一Ｄ，７‘，丁ＴＤｄ＝ＵＴＤ。＋Ｄ孑“。

（３）模型描述

目标为最小化总成本，即最小化生产成本、库存成本、运输成本与不便成本之和。

１）ＰｒｏｄｕｃｔｉｏｎＣＯｓ产∑∑∑ＤｇＤＭ，ｊ★ＣＵＭｔ３ｔ。

Ｊ＾’

２）ＳｔｏｒａｇｅＣＯＳｔ＝ｌ／Ｚ∑∑Ｄ。Ｔｓ。ＣＵＳＳ。。

此处，ＴＳｄ＝ＴＸｒ—ＴＬｄ，且ＣＯＭＤ（ｉ，Ｊ）一Ｚ。客户ｉ的产品＿『的库存时间ＴＳ。等于订单ｉ的产品歹的起运时间减去其生产完工期。其中，丁Ｌｄ＝∑ＴＰ谳＋ＴＰ驰，此处ＳＣＨ（～）ｔ＜ｓｃＨ（１．小。

（蝌，ｏ）

ＮＵＭＢ

３）Ｄｉｓｔｒｉｂｕｔｉｏｎｃｏｓ卢ｙＶＮｆＣＶＥＣ。

百

此处，州（ｚ）＝［ｗ（ｔ）／ｖｃ１，如果ＣＯＭＤ（ｉ，Ｊ）一ｚ，则ｗ（ｚ）＝∑∑Ｄ口。

ｌｊ

４）Ｉｎｃｏｎｖｅｎｉｅｎｃｅｃｏｓ产∑∑ＣＩｉ（卜ｎｕｍ，ｊ），

ｆＪ

ＴｏｔａｌｃＯＳｔ一∑∑∑ＤｄＤＭ。ｔＣＵＭ班＋

』ｔｉ

ＮＵＭＢ

１／２∑∑ＤｄＴｓ口ＣＵＳＳ。＋∑ＶＮ（Ｉ）ＣＶＥＣ＋Ｊｆ＝１

∑∑ｃｆ＃（卜删ｍｉ）。

ｉＪ

（４）约束

１）工厂生产能力限制∑∑Ｄ。ＤＭ计≤

ｌＪ

ＭＣＡ＾，Ｖｋ。

２）客户ｉ的产品歹仅由一个工厂加工，∑ＤＭ驰＝１，Ｖｉ，Ｊ。

３）产品歹的生产完工期不大于其起始配送时间，ＴＬｉ≤丁Ｘ，，此处Ｃ０．ＭＤ（ｉ，歹）＝Ｚ，Ｖ（ｉ，歹）。

４）每批次运输不超过可用车辆总数限制，ＶＮ（Ｚ）≤ＮＶＥＣ。

５）所有产品的送达时间不超过其外时间窗限制，ＴＥＡ，≤ＴＸｌ≤现，此处（Ｘ）ＭＤ（ｉ，．『）＝ｚ，Ｖ（ｉ，歹）。

∑∑ｈｕｍ。６’客户满意度约束ｊ了嚣≥ｃ。

２算法设计

粒子群优化算法是一种基于群体的演化算法，其思想来源于人工生命和演化计算理论，是群集智能的代表方法之一［９＇１４’１引。１９９７年，粒子群优化算法用来解决组合优化问题，取得了很好的效果‘“私９’１３。１引。但随着问题复杂程度的提高，粒子群优化算法的优势不再那么明显，容易陷入局部优解，为克服这个缺点，笔者利用粒子群嵌入协同进化算法来解决本文的复杂优化问题。协同进化算法以种群为基础，模拟生物界中不同物种之间协同进化的方式来指导优化过程，因此算法对于解决复杂系统的优化问题有很强的优势‘儿Ｊ５｜。个体适应值采用式（１）计算，其值属于（Ｏ，１］。

ｇｑ（ｓ）一｛ｍ…ａｘ，ｇ口（“）＋１｝

凡（ｓ）一————』竺竺———一。（１）凡（ｓ）一————————————二＝—————————一。（１）。∈ｍ聊ｉｎ［订ｇｑ（“卜｛。∈ｍＰ。ａｐｘＭｇｑ（“）＋１）

式中：＾（ｓ）为种群Ｐｏｐ［ｑ－］（ｇ一１，２，…，Ｍ）中第ｓ个个体的适应值，ｇ。（＂）为种群ＰｏｐＥｑ］中第＂个个体通过与共生伙伴合作得到的目标函数值ｍ１。

２．１Ｒａｎｄｏｍ—ＰＳＯ算法设计

当订单到达配送中心后，首先需要将各产品分配到各工厂中进行加工，即所提到的需求分配问题。已知有Ｎ个订单，每个订单ｉ有ＮＣ。种产品，所有∑ＮＣ，种产品首先被分配到Ｍ个工厂中。粒子按如下公式更新粒子轨迹，以调整其需求分配方案：口苏＝ｒ?口苏＋，．１?（砖一ｚ苏）＋

ｒｚ?（粥一硝ｔ），（２）

ｚ缸＝ｚ苏＋嵋ｔ，（３）如果ｚ＆一忌，则

ｃｏｕｎｔｅｒｏｔ＝ｃｏｕｎｌｅｒ３Ｉ＋１，（４）

加缘＝＾］ｃｏｕｎｒｔｅｒ：ｋ。（５）对于粒子志的订单ｉ的工件歹，给定某个工厂１，令ＰＢＬ＝｛肋ｚ０。，户酣：ｚ，…，ｐ以知），升序排列该序歹０，得到ＰＢＬ７＝｛户６２０－，，户易ｚ３ｚ，，…，ｐ６ｚ：Ｍ，｝。令户酣乳，＝ｐ６缘，＋１＋户扰靠，，产生一个随机数ｒａｎｄ∈［ｏ，１］，如果ｐ扰苏，＜ｒａｎｄ＜ｐｂｌ：ｒ＋１，则

ｚ０＝ｋ７＋１。（６）

１３０计算机集成制造系统第１６卷

对于式（１）中的粒子速度按如下公式进行更新：

如果，．１＞Ｏ．５，ｒ２＞ｏ．５，则

口氛＝ｒ?口氛＋（户ｊ—ｚ乳）＋（筋一ｚ３ｔ）；（７）

如果ｒｌ＞Ｏ．５，ｒｚ≤０．５，则

口瓤＝ｒ?嘞＋（户；一ｚ缸）；（８）如果ｒ１≤０．５，ｒ２＞Ｏ．５，则

口苏一ｒ?＂缸＋（硝一ｚ缸）；（９）如果ｒ１≤Ｏ．５，ｒ２≤ｏ．５，则

口‰＝ｒ×口＆。（１０）２．２ＰＳ（卜ＨＣ算法设计

任意工厂ｋ一１，２，…，Ｍ，对于所有工件（ｉ，＿『），如果ＤＭｏ。＝１，意味着工件（ｉ，Ｊ）被分配到了ｋ工厂加工。对分配到各工厂的工件进行调度安排，采用粒子群优化算法对问题求解，粒子按照以下公式改变其位置与速度：

％（ｉ，Ｊ）＝ＯｔｌＵｄ（ｆ．Ｊ）＋ｒ１（Ｐｄｃｆ．Ｊ）一Ｘｄ（ｉ．，））＋

ｒ２（户ｇ（ｆ，』）一Ｘｄ（ｆ．ｊ））；（１１）鼬扪神，一一二ｄ（），其他。（１２）

令曲（ｆ．ｐ＝｛ｓ（ｖｄ＜叫，）），则

Ｙｄ（ｆ，』）一厂Ｌ（ｓ（ｖｄ㈦，）））＝Ｚ，（１３）

ｆＸｄ（ｉ．ｊ）＋Ｙｄ（ｉ，Ｊ）＋ｍｎｄ（）ｍｎｄ（）＜ｒ３，Ｚｄｔｌ，ｊ）２１锄（ｆ＇力＋ｍ行ｄ（）其他。

（１４）令列＋１一｛Ｚｄ∽，）｝，则

ｚ州，ｆ）＝＾（ｚ州．ｊ））一Ｚ。（１５）

２．３协同进化粒子群的算法步骤

步骤１分别初始化两个粒子群Ｒａｎｄｏｍ—ＰＳＯ与ＰＳＯ—ＨＣ。

步骤２按照式（２）～式（１０）运行Ｒａｎｄｏｍ—

ＰＳＯ，解决需求分配问题。

步骤３按照式（１１）～式（１５）运行ＰＳＯ—ＨＣ，解决调度与分批配送问题。

步骤４根据式（１）计算协同进化算法适应值，并评价Ｒａｎｄｏｍ—ＰＳＯ算法的粒子极值与全局极值。

步骤５转步骤２，直到满足循环终止条件。３仿真分析

本章针对企业运作管理的实际特点和需求进行相应的仿真研究。以前企业采取的方式是每个工厂配有运输队伍，工厂将加工完成的产品直接送到各地的商店暂时保管，然后根据订单配送到客户所在地，这种模式的弊端在于不管配送件数多少，各分店中都必须配备送货人员和卡车，运输费用相当高，占物流费用的７０％以上。设置配送中心后，企业将设置在全国各地分公司处的保管和配送等业务从各公司中分离出来，对货物进行集中管理与配送，节省了一大笔开销。配送中心一般建立在分公司集中的大城市，一个中心可承担约２０个分公司的商品配送业务。同时，配送中心负责制订库存与配送计划，将交货期较接近的产品放到一批配送，从而减少运输车辆与运输次数，进而降低配送成本。另外，配送中心还负责对各个工厂进行需求分配的调度，整体协调，避免产生不当的调度方案，使整个企业能够以较低的成本获得较高的收益，并获得一定的客户满意度。

针对以上情况，本文对相同的需求与模型结构进行了两次不同的实验研究，每次实验具有不同的目的与方法。实验一用来分析软时间窗因素对供应链网络优化过程的影响；实验二用来分析协同优化和独立优化对运作成本的影响。每次实验对四个问题进行研究：①３个订单，每个订单４种产品；②３个订单，每个订单８种产品；③６个订单，每个订单６种产品；④４个订单，每个订单１２种产品。各订单的各产品均在４个工厂进行生产，各工厂均有生产能力限制。

对于实验一，表２为采用各种不便成本的结果，反映了软时间窗因素对运作成本的影响。其中，不变成本１～３分别表示线性成本、二次成本、常数成本和零成本。与采用不便成本４相比，若采用不便成本１～３，则会导致稍高的运作成本和显著的时间窗破坏值的下降。对于二次不便函数，其内时间窗破坏程度高于线性不便成本与常数不便成本，除了问题二，该种情况均适用。对于二次不便成本函数，其对时间窗破坏的惩罚小于其他两函数。如果想把总的时间窗的破坏分配到尽量少的客户中，则应选择常数不便成本。实际上，二次不便成本由于具有较高的客户满意度与较低的运作成本，更容易被采用。

第１期吴学静等：基于协同进化粒子群的多层供应链协同优化

表２软时间窗对于运作成本的影响

问题１运输成本时间窗破坏值／ｈ服务不满意率／％问题２运输成本时间窗破坏值／ｈ服务不满意率／％问题３运输成本时间窗破坏值／ｈ服务不满意率／％问题４运输成本时间窗破坏值／ｈ服务不满意率／％

３４

２２１．７３４０９３．７

５９．５５４．１２０．１

１９．９

３４

８６４．４３２４４９．２

３３．６１０４．４１６．７

４３．３

对于实验二，表３展示了采用独立方法进行整体优化与采用协同进化粒子群方法进行整体优化的运作成本变化。独立方法则首先采用Ｒａｎｄｏｍ－ＰＳＯ算法求解需求分配问题，对Ｐ，个粒子进行咒，次迭代得到相对优解，将所得的结果输入给ＰＳＯ—ＨＣ算法，并对Ｐ：个粒子进行疗：次迭代，来优化生产调度与分批配送的优化。而协同进化粒子群算法则在对Ｒａｎｄｏｍ－ＰＳＯ的ｇ。个粒子进行ｍ。次迭代以求解需

求分配问题后，将优。个粒子极值输入给ＰＳＯ－ＨＣ算法，对ｑｚ个粒子进行ｍ。次迭代，并将结果反馈给协同进化算法，再对Ｒａｎｄｏｍ—ＰＳＯ的粒子速度与位置进行更新，然后进行ＰＳ（）＇ＨＣ的寻优过程。以协同进化算法为框架带动Ｒａｎｄｏｍ—ＰＳ０与ＰＳＯ－ＨＣ算法进行ｍ。次迭代，最终得到满意解。不难计算，两种方法的算法复杂度分别为０（ＰＭ．ＮＮ）和Ｏ

（ｍ１ｍ２

ｍ３

ｑ２）。其中，ＰＭ＝ｍａｘ｛ｐ１，声２｝，ＮＮ＝

ｍａｘ｛咒１，ｎ２｝。

虽然协同进化粒子群的算法复杂度略有增加，但从表３中可以看出，整体优化供应链网络可

以使成本降低７．５４％～１３。８６％，成果显著。协同优化方法使得生产成本、不便成本和配送成本均有所降低。由于协同方法可以整合分批配送问题中的许多配送，使得交货时间窗较近的产品放到

同一批次运输，减少了配送次数与配送车辆，进而降低了配送费用。而且，从不便成本的下降可以看出，协同优化使不满意的服务有所降低。若将产品分配到不恰当的工厂进行加工，有可能导致产品提前期提高，进而导致启运时间点的延误，最终造成产品无法按时交货。整体协调则可以最大程度地避免此种情况的发生，产生更加合理的需求分配方案和生产与配送方案，同时得到更低的运作成本，但是以稍高的库存成本为代价。通过利用各种优势，协同优化供应链网络得到了更低的运作成本。

表３协同优化成本分析

注：Ｎ为订单编号；ＮＣ为每个订单中产品数量；Ｐｒｏ为生产成本Ｉｌｎｖ为库存成本；Ｄｅｌ为配送成本；Ｉｎｃ为小便成本

４

结束语

本文从系统的角度研究了产品的生产调度与分

批配送问题，分析了在采用不同的不便成本的情况下，软时间窗因素对运作成本的影响以及协同优化的管理方式给物流企业带来的效益。建立了该问题的集成模型，并应用协同进化粒子群算法求解该问题，得到了满意的结果。以上分析表明，采用协同优

化的方式管理物流运作能够给企业带来可观的利润。因此，从实践的角度看，企业应该改变物流企业的运营模式，使之适应协同优化的管理方式；在理论研究方面，可以考虑将具体的运输路径子模块加入整个模型，从整体角度分析需求分配、库存与分批配送问题对成本与客户满意度的影响。在相当长一段时期内，生产、库存、配送等的协同优化对运作成本的影响，以及多周期库存量对整体协调效果与运作

２ｕ

１７

Ⅲ三墨

∞

驵

３７１

７７８

鲳

４２弘６７９

Ｏ

３

８

ｎＭ

５曲６５１

３

４３

∞９２Ｍ１

ｏｏ

７７

０

１

∞ｎ４衙９８４

０６

Ｏ

跎坨

３加

１３２计算机集成制造系统第１６卷

成本的影响等问题依旧是研究的热点。同时，在算

法研究方面，如何把协同进化算法与各种启发式算

法结合起来，以加强其局部搜索能力并提高算法的

时间性能，将是协同进化算法在优化领域亟需解决

的问题。

参考文献：

［１］ＢＡＵＳＣＨＤＯ，ＢＲ０ｗＮＧＧ，ＲＯＮＥＮＤ．Ｓｃｈｅｄｕｌｉｎｇｓｈｏｒｔ－

ｔｅｒｍｍａｒｉｎｅｔｒａｎｓｐｏｒｔｏｆｂｕｌｋｐｒｏｄｕｃｔｓ［Ｊ］．ＭａｒｉｔｉｍｅＰｏｌｉｃｙ

ａｎｄＭａｎａｇｅｍｅｎｔ，１９９８，２５（４）：３３５—３４８．

［２］ＢＡＬＡＫＲＩｓＨＮＡＮＮ．Ｓｉｍｐｌｅｈｅｕｒｉｓｔｉｃｓｆｏｒｔｈｅｖｅｈｉｃｌｅｒｏｕ—

ｔｉｎｇｐｒｏｂｌｅｍｗｉｔｈｓｏｆｔｔｉｍｅｗｉｎｄｏｗｓ

ＥＪ］．ＪｏｕｒｎａｌｏｆＯｐｅｒａ．－

ｔｉｏｎａｌＲｅｓｅａｒｃｈＳｏｃｉｅｔｙ，１９９３，４４（３）：２７９一－２８７．

［３］ＴＡＩＬＬＡＲＤＥ。ＢＡＤＥＡＵＰ．ＧＥＮＤＥＲＡＵＭ，ｅｔａ１．．Ｔａｂｕ

ｓｅａｒｃｈｈｅｕｒｉｓｔｉｃｆｏｒｔｈｅｖｅｈｉｃｌｅｒｏｕｔｉｎｇｐｒｏｂｌｅｍｗｉｔｈｓｏｆｔｔｉｍｅ

ｗｉｎｄｏｗｓ［Ｊ］．ＴｒａｎｓｐｏｒｔａｔｉｏｎＳｃｉｅｎｃｅ，１９９７，３１（２）：１７０—１８６．

［４３ＫＥＮＮＥＤＹＪ，ＥＢＥＲＨＡＲＴＲ．Ａｄｉｓｃｒｅｔｅｂｉｎａｒｙｖｅｒｓｉｏｎｏｆ

ｔｈｅｐａｒｔｉｃｌｅｓｗａｒｒｎａｌｇｏｒｉｔｈｍ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＷｏｒｌｄＭｕｌｔｉ

ＣｏｎｆｅｒｅｎｃｅｏｎＳｙｓｔｅｍｉｃｓ。ＣｙｂｅｒｎｅｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｃｓ．Ｐｉｓｃａ—

ｔａｗａｙ，Ｎ．Ｊ．，ＵＳＡ：ＩＥＥＥＰｒｅｓｓ，１９９７：４１０４－４１０９．

［５］ＹＵＳＵＦＹＹ，ＳＡＲＨＡＤＩＭ，ＧＵＮＡｓＥＫＡＲＡＮＡ．Ａｇｉｌｅ

ｍａｎｕｆａｃｔｕｒｉｎｇｚｔｈｅｄｒｉｖｅｒｓ，ｃｏｎｃｅｐｔｓａｎｄａｔｔｒｉｂｕｔｅｓ［Ｊ］．Ｉｎｔｅｒ—

ｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＰｒｏｄｕｃｔｉｏｎＥｃｏｎｏｍｉｃｓ，１９９９，６２（１／２）：

３３—４３．

［６３ＦＡＧＥＲＨＯＬＴＫ．Ｓｈｉｐｓｃｈｅｄｕｌｉｎｇｗｉｔｈｓｏｆｔｌｉｍｅｗｉｎｄｏｗｓ—

ａｎｏｐｔｉｍｉｚａｔｉｏｎｂａｓｅｄａｐｐｒｏａｃｈ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＯｐｅｒ—

ａｔｉｏｎａｌＲｑｅｓｅａｒｃｈ，２００１，１３１（３）：５５９－５７Ｉ．

［７２ＨＯＫＥＹＭＡｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅｖｅｈｉｄｅｒｏｕｔｉｎｇｐｒｏｂｌｅｍｗｉｔｈｓｏｆｔ

ｔｉｍｅｗｉｎｄｏｗｓ：ｔｈｅｃａｓｅｏｆａｐｕｂｌｉｃｌｉｂｒａｒｙｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍＤ］．

Ｓｏｄｏ－ＥｃｏｎｏｍｉｅＰｌａｎｎｉｎｇＳｃｉｅｎｃｅｓ，１９９１，２５（３）：１７９—１８８．

［８］ＥＢＥＲＨＡＲＴＲ，ＫＥＮＮＥＤＹＪ．Ａｎｅｗｏｐｔｉｍｉｚｅｒｕｓｉｎｇｐａｒｔｉｃｌｅ

ｓｗａｒｍｔｈｅｏｒｙ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ６ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍ—

ｐｏｓｉｕｍｏｎＭｉｃｒｏＭａｃｈｉｎｅａｎｄＨｕｍａｎＳｃｉｅｎｃｅ．．Ｗａｓｈｉｎｇｔｏｎ，

Ｄ．Ｃ．，ＵＳＡ：ＩＥＥＥ，１９９５：３９－－４３．

［９］ＨＵＡＮＧＭｉｎ，ＷＵＸｕｅｊｉｎｇ，ＷＡＮＧＸｉｎｇｗｅｉ．Ｖｉｒｔｕａｌｅｎｔｅｒ—

ｐｒｉｓｅｒｉｓｋ

ｐｒｏｇｒａｍｍｉｎｇｂａｓｅｄｏｎａｎｔｓｙｓｔｅｍｕｎｄｅｒｅｌｅｃｔｒｏｎｉｃ

ｃｏｍｍｅｒｃｅ［Ｊ］．ＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓ，２００５，１１（１０）：１４５６—１４６０（ｉｎＣｈｉｎｅｓｅ）．［黄敏，吴学静，王兴伟．电子商务下基于蚂蚁系统的集成式企业风险规划ＥＪ］．计算机集成制造系统，２００５，１１（１０）：１４５６—１４６０．］

［１０３ＫＡＵＦＭＡＮＬ，ＲＯＵＳＳＥＥＵＷＰ．Ｆｉｎｄｉｎｇｇｒｏｕｐｓｉｎｄａｔａ：ａｎｉｎｔｒｏｄｕｃｔｉｏｎｔｏｃｌｕｓｔｅｒａｎａｌｙｓｉｓ［Ｍ］．ＮｅｗＹｏｒｋ，Ｎ．Ｙ．，ＵＳＡ：

Ｗｉｌｅｙ，１９９０．

［１１］ＰＯＴＴＥＲＭ，ＤＥＪＯＮＧＫＡ．Ｃｏｏｐｅｒａｔｉｖｅｃｏｅｖｏｌｕｔｉｏｎ：ａｎａｒ—

ｃｈｉｔｅｃｔｕｒｅｆｏｒ

ｅｖｏｌｖｉｎｇｃｏａｄａｐｔｅｄｓｕｂｃｏｍｐｏｎｅｎｔｓ［Ｊ］．Ｅｖｏｌｕ＂?

ｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ，２０００，８（１）：１－２９．

［１２］ＺＨＯＵＨｏｎｇ，ＬＩＺｈｅｎｇｄａｏ，ｗｕＸｕｅｊｉｎｇ．Ｈｙｂｒｉｄａｎｔｃｏｌｏｎｙ

ｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｕｎｒｅｌａｔｅｄｐａｒａｌｌｅｌｍａｃｈｉｎｅｓｃｈｅｄｕ—

ｌｉｎｇｐｒｏｂｌｅｍ［ＪＪ．ＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓ—

ｔｅｍｓ，２００８，１４（９）：１７３３?－１７４１（ｉｎＣｈｉｎｅｓｅ）．［周泓，李政道，

吴学静．一种求解变速机调度问题的混合蚁群优化算法［Ｊ］．

计算机集成制造系统，２００８，１４（９）：１７３３—１７４１．］

［１３］ＳＨＥＹ。ＥＢＥＲＨＡＲＴＲ．Ａｍｏｄｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉ一

２ｅｒ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＷｏｒｌｄＣｏｎｇｒｅｓｓｏｎＣｏｍｐｕｔａ－．

ｔｉｏｎａｌＩｎｔｅＨｉｇｅｎｃｅ．Ｗａｓｈｉｎｇｔｏｎ，Ｄ．Ｃ．，ＵＳＡ：ＩＥＥＥ，１９９８：

６９－７３．

［１４３ＫＥＮＮＥＤＹＪ。ＭＥＮＤＥＳＲ．Ｐｏｐｕｌａｔｉｏｎｓｔｒｕｃｔｕｒｅａｎｄｐａｒｔｉｃｌｅ

ｓｗａｒｍｐｅｒｆｏｒｍａｎｃｅ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＣｏｎｇｒｅｓｓｏｎ

ＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，１３．Ｃ．，ＵＳＡ：ＩＥＥＥ，

２００２：１６７ｌ一１６７６．

［１５］ＳＨＩＹ，ＫＲＯＨＬＩＮＧＲ．Ｃｏ－ｅｖｏｌｕｔｉｏｎａｒｙｐａｒｔｉｃｌｅｓｗａｒＹｎｏｐ—

ｔｉｍｉｚａｔｉｏｎｔｏｓｏｌｖｉｎｇｒａｉｎ－ｍａｘｐｒｏｂｌｅｍｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆ

ＩＥＥＥＣｏｎｇｒｅｓｓｏｎＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，

Ｄ．Ｃ．，ＵＳＡ：ＩＥＥＥ，２００２；１６８２—１６８７．‘

［１６］ＫＥＮＮＥＤＹＪ，ＥＢＥＲＨＡＲＴＲ．Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ

［ｃ］／／ＰｒｏｃｅｅｄｉｆｌｇｓｏｆＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｉｌＮｅｕｒａｌ

Ｎｅｔｗｏｒｋｓ．Ｗａｓｈｉｎｇｔｏｎ。Ｄ．Ｃ，ＵＳＡ：ＩＥＥＥ，１９９５：１９４２—１９４８．

［１７］ＧＵＨＡＳ，ＲＡＳＴＯＧＩＲ，ＳＨＩＭＫ．ＣＵＲＥ：ａｎｅｆｆｉｃｉｅｎｔｃｌｕｓ．一

ｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｌａｒｇｅｄａｔａｂａｓｅｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆ

ＡＣＭＳＩＧＭＯＤＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｒｅｎｃｅｏｆＭａｎａｇｅｍｅｎｔｏｆ

Ｄａｔａ．ＮｅｗＹｏｒｋ，Ｎ．Ｙ．，ＵＳＡ：ＡｑＣＭ，１９９８：７３－－８４．

［１８］ｓｕＤＩＰＴ０Ｇ．ＲＡ３ＥＥＶＲ，ＫＹＵＳＥＯＫＳ．ＲＯＣＫ：ａｒｏｂｕｓｔ

ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｃａｔｅｇｏｒｉｃａｌａｔｔｒｉｂｕｔｅｓ［Ｊ］．Ｉｎｆｏｒｍａ—

ｔｉｏｎＳｙｓｔｅｍ，２０００，２５（５）：３４５—３６６．

［１９］ＫＡＲＹＰＩＳＧ，ＨＡＮＥ，ＫＵＭＡＲＶ．Ｃｈａｍｅｌｅｏｎ：ｈｉｅｒａｒｃｈｉｃａｌ

ｃｌｕｓｔｅｒｉｎｇｕｓｉｎｇｄｙｎａｍｉｃｍｏｄｅｌｉｎｇ［Ｊ］．ＩＥＥＥＣｏｍｐｕｔｅｒ，

１９９９，３２（８）：６８－７５．

［２０］ＨＡＬＬＮＧ，ＰＯＳＮＥＲＭＥ．Ｅａｒｌｉｎｅｓｓ－ｔａｒｄｉｎｅｓｓｓｃｈｅｄｕｌｉｎｇｐｒｏｂ—

ｌｅｍｓ，Ｉ：ｗｅｉｇｈｔｅｄｄｅｖｉａｔｉｏｎｏｆｃｏｍｐｌｅｔｉｏｎｔｉｍｅｓａｂｏｕｔａＬ１０ＩＴＵＴＩＯｎ

ｄｕｅｄａｔｅ［Ｊ］，．ＯｐｅｒａｔｉｏｎｓＲｅｓｅａｒｃｈ，１９９１，３９（５）：８３６＂－８４６．．

［２１］ＮＯＬＡＮＤＲＢ，ＰＯＬＡＫＪＷ．Ｔｒａｖｅｌｔｉｍｅｖａｒｉａｂｉｌｉｔｙ：ａｒｅ—

ｖｉｅｗｏｆｔｈｅｏｒｅｔｉｃａｌａｎｄｅｍｐｉｒｉｃａｌｉｓｓｕｅｓ［Ｊ］．ＴｒａｎｓｐｏｒｔＲｅ—

ｖｉｅｗ，２００２，２２（１）：３９—５４．

［２２］ＢＡＫＥＲＫＲ。ＳＣＵＤＤＥＲＧＤ．Ｓｅｑｕｅｎｃｉｎｇｗｉｔｈｅａｒｌｉｎｅｓｓ

ａｎｄｔａｒｄｉｎｅｓｓｐｅｎａｌｔｉｅｓ：ａｒｅｖｉｅｗｌ－Ｊ］．ＯｐｅｒａｔｉｏｎｓＲｅｓｅａｒｃｈ，

１９９０，３８（１）：２２－３６．

［ｚ３］ＤＩＲＫＢＩＳＫＵＰ，ＭＡＲＴＩＮＦ．Ｂｅｎｃｈｍａｒｋｓｆｏｒｓｃｈｅｄｕｌｉｎｇｏｎ

ａｓｉｎｇｌｅｍａｃｈｉｎｅａｇａｉｎｓｔｒｅｓｔｒｉｃｔｉｖｅａｎｄｕｎｒｅｓｔｒｉｃｔｉｖｅｃｏｍｍｏｎ

ｄｕｅｄａｔｅｓ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ８ＬＯｐｅｒａｔｉｏｎｓＲｅｓｅａｒｃｈ，２００１，

２８（８）：７８７—８０１．

基于协同进化粒子群的多层供应链协同优化

作者：吴学静， 周泓， 梁春华， WU Xue-jing， ZHOU Hong， LIANG Chun-hua

作者单位：北京航空航天大学,经济管理学院,北京,100191

刊名：

计算机集成制造系统

英文刊名：COMPUTER INTEGRATED MANUFACTURING SYSTEMS

年，卷(期)：2010，16(1)

被引用次数：0次

参考文献(23条)

1.BAUSCH D O.BROWN G G.RONEN D Scheduling shortterm marine transport of bulk products 1998(4)

2.BALAKRISHNAN N Simple heuristics for the vehicle routing problem with soft time windows 1993(3)

3.TAILLARD E.BADEAU P.GENDERAU M Tabu search heuristic for the vehicle routing problem with soft time windows 1997(2)

4.KENNEDY J.EBERHART R A discrete binary version of the particle swarm algorithm 1997

5.YUSUF Y Y.SARHADI M.GUNASEKARAN A Agile manufacturing:the drivers,concepts and attributes

1999(1/2)

6.FAGERHOLT K Ship scheduling with soft time windowsan optimization based approach 2001(3)

7.HOKEY M A multi-objective vehicle routing problem with soft time windows:the case of a public library distribution system 1991(3)

8.EBERHART R.KENNEDY J A new optimizer using particle swarm theory 1995

9.黄敏.吴学静.王兴伟电子商务下基于蚂蚁系统的集成式企业风险规划 2005(10)

10.KAUFMAN L.ROUSSEEUW P Finding groups in data:an introduction to cluster analysis 1990

11.POTTER M.DE JONG K A Cooperative coevolution:an architecture for evolving coadapted subcomponents 2000(1)

12.周泓.李政道.吴学静一种求解变速机调度问题的混合蚁群优化算法[期刊论文]-计算机集成制造系统 2008(9)

13.SHE Y.EBERHART R A modified particle swarm optimizer 1998

14.KENNEDY J.MENDES R Population structure and particle swarm performance 2002

15.SHI Y.KROHLING R Co-evolutionary particle swarm optimization to solving min-max prohlems 2002

16.KENNEDY J.EBERHART R Particle swarm optimization 1995

17.GUHA S.RASTOGI R.SHIM K CURE:an efficient clustering algorithm for large databases 1998

18.SUDIPTO G.RAJEEV R.KYUSEOK S ROCK:a robust clustering algorithm for categorical attributes

2000(5)

19.KARYPIS G.HAN E.KUMAR V Chameleon:hierarchical clustering using dynamic modeling 1999(8)

20.HALL N G.POSNER M E Earliness-tardiness scheduling problems,I:weighted deviation of completion times about a common due date 1991(5)

21.NOLAND R B.POLAK J W Travel time variability:a review of theoretical and empirical issues 2002(1)

22.BAKER K R.SCUDDER G D Sequencing with earliness and tardiness penalties:a review 1990(1)

23.DIRKBISK U P.MARTIN F Benchmarks for scheduling on a single machine against restrictive and unrestrictive common due dates 2001(8)

相似文献(10条)

1.期刊论文刘威.周俊颖.程国平供应链企业协同进化策略研究-商业研究2009,""(12)

供应链协同内在动因问题是理论界和企业界研究的热点问题,生态学理论认为协同的主要动因有系统自组织、自然选择和协同基因.供应链系统与生态学系统存在着相似性,分析生态位、k选择以及演化博弈对供应链协同策略研究具有现实意义.

2.期刊论文郝海.时洪浩供应链企业的生态关系与协同进化-商业时代2008,""(30)

为探讨供应链企业的生态关系和协同进化机理,本文在时供应链生态系统概述的基础上,指出供应链企业是协同进化关系,并从进化的视角分析企业关系的发展历程,最后从资源的获取、对顾客的响应、提高服务水平和获得竞争优势四方面对供应链企业协同进化的动因进行分析.

3.学位论文陈扬供应链联盟协同进化机制与策略2009

供应链联盟是在竞争与合作的市场环境下，由供应链上一些相互独立的实体为了实现某一共同的目标而组成的联盟，每个合作伙伴企业在各自优势领域为联盟贡献自己的核心能力，相互联合起来实现优势互补、风险共担和利益分享。这种模式能有效地提高供应链企业的市场竞争力。到目前为止

，尽管已有相当学者对供应链联盟的形成、运作、风险等进行了理论与实践的深入研究，但对于联盟在未来以某种模式更有效、更平稳的发展与提升研究还没有学者涉及。基于此，作者将供应链联盟作为一个复杂系统，对其进化模式和策略的研究将使供应链联盟管理从生态学角度把握供应链联盟的发展优化管理，使供应链联盟的可持续发展、核心竞争力提升和强化成员效应的实现成为可能，具有重要的理论与现实意义。

本文进行大量的供应链联盟理论和协同进化理论的资料收集与分析后，以超循环理论和协同进化理论为基础，结合博弈论思想、自组织发展和组织学习理论，进行供应链联盟协同进化的动力学分析。首先构建供应链联盟协同进化体系，分析其进化的层次结构；其次，找出供应链联盟协同进化的动力因子，主要从环境、竞争、适应和控制力等方面进行阐释；最后，借助Lotka-Volterra模型和logistic方程构建联盟协同进化动力学模型。在实现供应链联盟协同进化前，从联盟成员、联盟管理、联盟组织等方面分析了供应链联盟协同进化的实施障碍因素并提出联盟协同进化的可行性路径--文化路径、技术路径和关系路径。在供应链联盟协同进化策略研究部分，首先建立良好的供应链联盟协同进化环境，并设定进化目标，最后，根据前面的实施障碍和可行性路径分析，提出知识策略、创新策略和激励策略。文章最后，分析了汽车行业供应链联盟协同进化发展案例，并结合汽车行业特色和发展思路，提出相应举措，为供应链联盟协同进化在今后的实践应用提供借鉴与参考。

4.学位论文葛昌跃企业集群网络化制造中的协同方法研究2004

在经济全球化和日益激烈的市场竞争的压力下,中小企业为自身的生存和发展,在某一地域集聚起来,形成企业集群.企业集群克服了中小企业的某些局限性,同时,随着企业集群的进一步发展,企业集群在技术创新、产品创新、服务创新和市场营销过程中等日益显现了前所未有的活力,且对当地的区域经济增长起着十分重要的作用.如在浙江等地的企业集群无不显现出其适应性和强劲的竞争优势,并且在该地形成了一系列颇具特色和竞争力的块状特色经济区域.企业集群现已成为中小企业发展的重要方向.随着信息技术和计算机网络技术的发展,制造方式正在发生变化,网络化制造的出现将使企业集群的优势更加凸显.在网络环境下,企业集群正以其灵活的企业组织形态、经营模式和管理机制等适应网络化制造的要求.集群内企业作为网络化制造系统的中的成员企业,通过协作与竞争,可方便地参与动态的网络化制造系统重组,以适应快速多变和不确定的市场需求,并促使了集群内企业的协同进化.本文结合绍兴永通集团的企业集群的现状和发展,对企业集群的网络化制造进行了探讨,主要内容如下:第一章是全文的总体介绍部分.简单介绍了课题背景;讨论了企业集群及网络化制造的定义以及重要性;分析了企业集群的网络化制造的研究现状;论述了全文研究工作的意义、思路、组织结构和研究内容等.第二章主要对企业集群模型、机理和网络化进行了探讨.首先从总体上阐述了企业集群,对企业集群的现象、特征、成因、分类和优势进行了分析;对企业集群进行建模研究,并应用于绍兴永通集团的企业集群;分析了企业集群网络化制造机理;最后探讨了企业集群实施大批量定制对网络化制造的需求.第三章主要对企业集群网络化制造中协同方法进行了探讨.分别从企业集群的供应链网、企业集群的知识共享和企业集群网络化制造中的协调方法等不同角度,探讨企业集群网络化制造中的协同方法;并结合永通集团对企业集群的生产过程中的协调方法进行了探讨,进行了永通集团CRM中的智能分析模块的研究.第四章结合前面章节的研究,参与设计和开发了一个企业集群网络化制造协同控制系统的原型.首先讨论了企业集群对网络化制造的需求;然后分析了企业集群网络化制造存在的问题;分析了企业集群网络化制造系统的立足点;分析了企业集群的网络化制造系统的基本框架;提出了企业集群网络化制造系统的体系结构;最后简单示例了企业集群网络化制造过程中的协同控制的系统原型.第五章对全文的工作进行了总结,并对进一步的工作进行了展望.

5.期刊论文王宇露企业生境优化的生态对策探讨-商业时代2007,""(34)

企业生境是企业个体、种群或群落所在地区的生态环境.作为企业生境的主体,企业不仅有适应生境的能力,而且有优化生境的能力.借鉴生态学理论,本文从企业与供应链上下游企业共生,企业与竞争者、需求市场协同进化和拓展生态位,占领潜在生态位三方面探讨了企业优化生境的对策.

6.学位论文吴绍艳基于复杂系统理论的工程项目管理协同机制与方法研究2006

伴随着工程项目复杂化的发展趋势,传统的管理模式已经不能满足和适应复杂性工程项目管理的需要,迫切需要一种新的、相适应的管理模式和理念.复杂系统理论为研究工程项目管理提供了一些新的范式,将复杂性科学与项目管理理论相结合是研究复杂性工程项目管理问题的有效途径.基于协同学和协同科学理论、复杂适应系统理论和涌现论,本文对复杂性工程项目的多目标、全过程、各参与方以及信息要素的协同管理机制进行了较为深入的基础性研究,提出了一些有助于提高项目管理效率、实现项目总体目标的协同方法,不仅具有重要的理论价值,对复杂性工程项目也具有积极的现实指导意义.

本文的主要工作和创新点如下:

第一,基于系统科学理论建立了工程项目系统结构框图,并基于复杂系统理论揭示了工程项目系统的复杂适应性特征.

第二,对协同的涌现效应进行了论证,建立了系统整体涌现性大小与协同广度和深度的二维框图,提出了将硬性界面软性化的工程项目管理总体界面协同思路,建立了基于界面协同的工程项目管理系统涌现模型；并在对工程项目目标、组织、过程等各子系统内部和相互间的界面进行分析的基础上,构建了工程项目协同管理系统的总体思路和概念模型.

第三,引入了功效系数和系统协调度概念,以费用、工期、质量和资源目标为例,建立了这些目标子系统的功效函数,进而构建了工程项目管理的多目标系统的协调度函数模型,并将微粒群算法应用在模型优化中.

第四,尝试将过程建模工具Petri网应用到工程项目协同管理过程中,建立了基于赋时着色Petri网的工程项目微观工作流网模型和基于Petri网的工程项目全生命周期及各个阶段的宏观过程模型；构建了面向全生命周期的工程项目动态风险管理体系,并基于全寿命周期分析方法,对工程项目与环境的协调作用进行了阐述.

第五,分析了工程项目供应链系统整体涌现现象发生的条件和机制,揭示了基于构材效应的供应链成员的选择要求和过程,构建了基于柔性界面的参与方合作伙伴关系的建立框架,并对供应链上主体间协同进化机理和过程进行了探讨.

第六,基于WEB技术和中间件技术,建立了由客户层、应用层和数据层组成的包括各参与方和全过程的工程项目管理信息协同系统平台.

7.期刊论文刘海永.郑永前.宋书强.LIU Hai-yong.ZHENG Yong-qian.SONG Shu-qiang基于多量子粒子群协同进化

算法的敏捷供应链伙伴选择-陕西科技大学学报（自然科学版）2009,27(3)

针对敏捷供应链组建过程中伙伴选择的特点,提出了一种基于多种群协同进化的改进量子粒子群算法.在对该算法的设计中,首先将整个量子粒子种群分解为多个子种群,然后使各个子种群进行独立的演化,并通过周期性的共享搜索信息获得对自身信息的更新,最后通过具体的算例对该算法进行了仿真验证.研究结果表明,在算法的收敛性、最优性等方面,基于多量子粒子种群协同进化算法均达到了良好的效果.

8.学位论文张蓓构建我国零售业商业生态系统2007

零售业始于1852年，150多年间经历了三次大的革命，获得了巨大的发展。到2003年，全球零售额已经占GDP的24.8﹪。针对这一蓬勃发展的新兴行业，国内外理论界也掀起了研究的热潮。国内的研究主要停留在一般意义上的企业、行业的理论分析，零售业行业特征不是非常突出：而国外的研究尽管相对来说已进入了较成熟的阶段，也诞生了许多有影响力的理论，但它们都是将零售业孤立来看，缺乏系统的思想，也无法给我国零售业现阶段如何规避价格战、规模战等低水平竞争方式提供解决之道。本文立足于协同进化理论、复杂适应系统理论及商业生态系统理论的研究成果，提出了用商业生态系统的思想，建立我国零售业健康商业生态系统这一崭新的概念和思路，力图帮助我国零售业及其利益相关者走出零和博弈的竞争模式，建立多赢、

第一部分，问题的提出。零售业以其蓬勃的发展之势及其在经济社会中不断增强的影响力，使其备受关注又充满希望。而我国零售业却举步维艰

：面对市场的全面开放，我国零售业危机四伏；而博弈论的分析结果指示出，低效率的均衡是现阶段我国零售业经营方式的唯一结果。

第二部分，方案的设计。构建了商业生态系统模型。模型将经济社会分为三个层次：基础商业生态系统；骨干商业生态系统；核心商业生态系统。模型带来了全新的经营哲学：研究的主体是以主导企业为核心、以价值网为关联的共生企业群组成的商业生态系统；评价指标体系的设计是以主导企业对系统的整合能力、系统竞争力的提升能力；主导企业与共生企业对系统创造超额利润的协同能力等方面为指导思想。通过对零售商的供应链模型的数学推导间接证明了商业生态系统模型思想的正确性，再以这种正确思想为指导构筑了零售业商业生态系统架构。

第三部分，方案的运行。构建零售业商业生态系统的管理模型，并给出模型中各个利益相关者之间合作、联盟与协调的路径，最后规划了利益相关者的管理战略及战略应用。

第四部分，方案运行的保障。提出以建设新文化，革命服务业来保障方案的运行。

第五部分，方案进一步完善的方向。建立一套衡量商业生态系统运行质量的方法及指标体系，并量化这些指标，给出这些指标代表的意义及对系统运营的指导作用，提高论文的实用价值。

9.期刊论文黄利荣.田钧基于种群生态理论视角分析集群式供应链竞合关系-现代商业2009,""(14)

本文试图从一个新的视角种群生态理论来观察企业在相互竞争、合作、上下游等关系,以此来做出集群式供应的竞争,合作关系及上下游关系的分析,对种群之间的竞争、捕食关系做类比分析,并建立起相应的数学模型,将种群的演化、协同进化等规律应用到具体的产业集群的变化规律中,为集群式供应链内中小企业的发展提供政策上的指导.

10.学位论文宁方华面向现代制造的协同物流多要素模型与应用研究2006

随着全球制造业信息化的进一步发展，物流业越来越成为国民经济的大动脉和基础产业，成为当前最重要的竞争领域。近年来，为适应协同商务的范围广、速度快、成本低等特点，协同物流已经逐步成为物流发展的核心模式，同时，基于网络联盟协同的物流和供应链管理成为现代物流研究的主要目标之一。本文在国家自然科学基金项目“网络协同商务链的理论与方法研究”的研究基础上，进一步结合国家863计划“面向机电行业的应用服务平台开发与应用”研究，以系统论、信息论和协同进化为指导思想，运用熵学、协同学、优化调度、博弈论等经济管理理论与方法，将协同物流置于时间、成本、效能和持续发展的四维空间，进行物流多要素系统分析与决策运筹研究。

论文第一章，从我国制造业信息化以及协同商务对物流管理的重大影响入手，阐述了论文的研究背景及意义，详细论述了国内外物流管理在跨企业合作模式、网络的系统优化决策方面的研究概况，着重分析了制造业物流供应链管理存在的问题，提出了协同物流的多要素分析思路，确立论文的整体内容框架。

论文第二章，利用协调共生理论和熵学理论研究协同物流网络的经济共生性和复杂性，将结构熵和运行熵应用到协同物流网络的系统分析中，为物流节点协同模式的选择和网络组织的设计提供理论依据；并提出基于时间、成本、效能和持续发展多维空间的协同物流整体分析框架。

论文第三章，以多个不同完成期限的物流任务在网络节点间的合理分配为研究对象，建立协同物流的时间协调数学模型，提出使任务优化调度的病毒协同进化算法；并在优化调度的基础上，运用时间叠加技术使协同任务并行交错进行，定量地压缩物流管线的执行时间，为实现物流服务的快速反应提供协同决策支持。

论文第四章，在分析协同物流成本体系和性态基础上，研究了基于溢出效应的协同物流成本控制策略，阐述了协同策略对物流成本降低的不同作用；为优化网络资源配置和物流任务的分工协调，提出协同物流任务的成本协调决策模型并设计其病毒进化求解算法，并利用模式定理论证了该方法的性能优越性，为协同物流成本节约提供有效的决策方法。

论文第五章，从经济效益、服务质量以及增值效率三个方面研究协同物流的效能协调策略。运用描述节点之间资源、方法共享的活动网络，建立基于效益协同的物流网络数学模型，并应用于德马公司的物流外包策略和产品供需过程中的物流服务；为将物流增值效率的均衡控制在很好的范围内，运用协调博弈理论分析网络节点协同效率的动态均衡。

论文第六章，基于持续发展的理论本质，应用协同学原理讨论成本投资和流程整合协同下的物流节点势函数演变过程；并借鉴生态学的协同进化思想，建立基于物流效能的协同进化模型，提出表征网络及其节点持续成长竞争力的进化能力体系；运用进化博弈论分析协同物流网络达到进化稳定策略的进化轨迹，为协同物流的长期、持续发展提供战略依据。

论文第七章，回顾分析了机械制造业的物流运作模式、技术创新与发展现状，提出现阶段我国机械行业物流的战略发展措施；对于典型的机械制造业应用，构建了汽车行业协同物流体系及协同配送模式并分析行业应用效果；重点分析了物流装备制造业及德马物流有限公司的物流运作问题，提出基于物流协调中心的协同物流企业解决方案，通过在网络构建、时间成本的协调、效能策略以及持续发展等方面的应用效果分析，实现论文理论研究对应用实践的指导价值。

论文第八章，对本文的研究内容及成果进行了总结，阐述了论文的创新点，并展望未来。

本文链接：https://www.sodocs.net/doc/8913711926.html,/Periodical_jsjjczzxt201001018.aspx

授权使用：山东师范大学(shandsfdx)，授权号：fe45d71b-1935-4cba-8ed3-9dec0098170b

下载时间：2010年9月9日