×
高、钱；许慧；李爱军

基于粒子群优化算法的供应链网络商品需求预测分析。 （英语） Zbl 1478.90013号

J.计算。申请。数学。 400，文章ID 113760，15 p.（2022）.
摘要：本文在比较传统供应链和现代供应链的基础上，构建了供应链网络模型，以解决企业中沟通效果差、信息不流通、供需不平衡的问题。在对三种算法和三种商品预测模型进行比较后，利用企业供应链数据，采用神经网络商品需求预测方法和粒子群优化算法相结合的模型，对预测效果和算法性能进行综合评价，提出一个优化模型。研究结果表明：在国家仓库和地区仓库中，自回归综合混合密度网络（AR-MDN）的预测值与实际值之间的差异为15%，平均离群值在450到150之间，均方根误差（RMSE）得分平均绝对百分比误差（MAPE）分别为117.342和2.334。结果表明，该模型的拟合趋势、预测精度和稳定性优于自回归综合移动平均模型（ARIMA）和多层感知器长短期记忆模型（MLP-LSTM）。在确定随机需求方面，改进PSO（IPSO）的平均最优解为0.45，表明该算法的性能明显强于PSO算法和人工蜂群（ABC）算法；IPSO算法与AR-MDN商品预测模型组合模型的综合评价得分为67.41分，效果最优。本文构建的供应链网络模型可以为企业提供良好的商品需求预测方法，提高企业应对供应链风险的能力。

MSC公司：

90B06型 运输、物流和供应链管理
90 C59 数学规划中的近似方法和启发式

关键词：

MDN配置总成；商品需求预测；粒子群优化；供应链网络；组合模型
PDF格式BibTeX公司 XML格式引用
\textit{Q.Gao}等人，J.Compute。申请。数学。400，文章ID 113760，15页（2022；Zbl 1478.90013）
全文： 内政部

参考文献：

[1] Schwarzmüller，T。；布罗西，P。；杜曼，D。；Welpe，I.M.，数字化转型如何影响组织？工作设计和领导力变革的关键主题，Mrev Manage。版次：29、2、114-138（2018）
[2] 加万卡，S.A。；Gunasekaran，A。；Kamble，S.，《印度零售业4.0背景下大数据驱动供应链投资、绩效衡量和组织绩效研究》，《国际生产研究》，58，5（2020），1574-193
[3] Kochan，C.G。；诺维基，D.R。；B.绍泽。；Randall，W.S.，《基于云的信息共享对医院供应链绩效的影响：系统动力学框架》，《国际生产经济学杂志》。，195, 168-185 (2018)
[4] Alshubiri，F。；贾米尔，S.A。；Elheddad，M.，《信通技术对金融发展的影响：来自海湾合作委员会国家的经验证据》，《国际工程总线》。管理。，11 (2019), 1847979019870670-1847979019870679
[5] De Vass，T。；Shee，H。；Miah，S.J.，《物联网对供应链整合和绩效的影响：组织能力视角》，澳大利亚。信息系统杂志。，2-31 (2018)
[6] Poornima，S。；Pushpalaha，M.，使用基于增强LSTM的加权线性单位递归神经网络预测降雨量，大气，10，11，668-674（2019）
[7] Qudus，硕士。；乔杜里，S。；Marufuzzaman，M。；Yu，F。；Bian，L.，生物燃料供应链网络的两阶段机会约束随机规划模型，国际生产经济学杂志。，195, 27-44 (2018)
[8] Mishra，J.L。；霍普金森，P.G。；Tidridge，G.，《循环经济主导的闭环供应链的价值创造：快速消费品的案例研究》，《生产计划》。控制，29，6，509-521（2018）
[9] Fu，Y。；Zhu，J.，基于区块链的大型生产企业供应链内生风险管理，IEEE Access，715310-15319（2019）
[10] Madani，H。；Arshadi Khamseh，A。；Tavakkoli-Moghaddam，R.，通过双目标元神经算法求解人道主义供应链中救济物流的新双目标模型，科学。伊朗（2020年）
[11] 李毅。；万，Z。；Liu，J.，随机需求下VMI问题最优策略的双层规划方法，ANZIAM J.，59，2，247-270（2017）·Zbl 1390.90519号
[12] Wa'el A，H。；Memon，F.A。；Savic，D.A.，《季节变化影响下家庭水-能源-食物关系的基于风险的评估》，《清洁生产杂志》，1711275-1289（2018）
[13] Tran，T.-T.，《应用灰色系统理论预测台湾主要贸易商品的进出口总值》，国际期刊分析。申请。，17228-302（2019）
[14] 拉赫马蒂，O。；乔宾，B。；Fathabadi，A。；库隆，F。；Soltani，E。；沙哈比，H。；Mollaefar，E。；Tiefenbacher，J。；西普洛，S。；Ahmad，B.B.，使用分位数回归和unec方法对地下水硝酸盐污染建模的机器学习模型的不确定性进行预测，科学。Total Environ.公司。，688, 855-866 (2019)
[15] Sakizadeh，M。；穆罕默德，M.M。；Klammler，H.，使用时间序列预测和新的时空方法Water Resour对地下水位进行趋势分析和空间预测。管理。，33, 4, 1425-1437 (2019)
[16] Abbasimehr，H。；沙巴尼，M。；Yousefi，M.，使用LSTM网络进行需求预测的优化模型，计算。Ind.Eng.，143，第106435-106443条（2020年）
[17] 江，L。；罗林斯，K.M。；勒德洛，M。；Sadler，B.，酒精饮料分销需求预测，SMU数据科学。第3版、第1版、第5-12版（2020年）
[18] 任，S。；Chan，H.-L。；Siqin，T.，《时尚产品零售运营中的需求预测：方法、实践和实际案例研究》，《运营年鉴》。第291、1761-777号决议（2020年）
[19] 张，P。；Ci，B.，《黄金价格预测的深度信念网络》，Resour。政策，69，第101806-101811条（2020年）
[20] 莫罗夫，联合国。；Kurt，E。；Kamphues，J.，《机器学习与统计：评估创新需求预测模型的研究》，Procedia Compute。科学。，180, 40-49 (2021)
[21] Eskandari-Khanghahi，M。；塔瓦科利·莫哈达姆，R。；Taleizadeh，A.A。；Amin，S.H.，《不确定性下血小板库可持续供应链网络的设计与优化》，《工程应用》。Artif公司。智力。，71, 236-250 (2018)
[22] 刘，M。；刘，Z。；Chu，F。；郑，F。；Chu，C.，供应链连锁反应下中断风险评估的一种新的稳健动态贝叶斯网络方法，《国际生产研究杂志》，59，1，265-285（2021）
[23] Tricoire，F。；Parragh，S.N.，今天投资物流设施，以减少明天的路线排放，Transp。决议B，103，56-67（2017年）
[24] 厄尔萨伊。；Noyan，N.，人道主义救援网络设计的机会约束两阶段随机规划模型，交通。决议B，108，55-83（2018年）
[25] 魏，B。；Sun，D.J.，基于宏观基本图的双层网络动态拥塞定价，J.Adv.Transp。，113-124 (2018)
[26] 努拉伊，V。；法蒂，M。；Narenji，M。；Parast，M.M。；帕尔达洛斯，P.M。；Stanfield，P.，《供应链设计中风险缓解的多目标模型》，《国际生产研究》，58，5，1338-1361（2020）
[27] Moghdani，R。；萨纳，S.S。；Shahbandarzadeh，H.，具有多次交付的多项目模糊经济生产量模型，软计算。，24, 14, 10363-11087 (2020) ·Zbl 1493.90012号
[28] Majumder，S。；Kar，M.B。；卡尔，S。；Pal，T.，不确定参数多目标最短路径问题的不确定规划模型，软计算。，24, 12, 8975-8996 (2020) ·兹比尔1490.90294
[29] 辛格，S。；Mohapatra，A.，基于重复小波变换的极短期风速预测ARIMA模型，更新。能源，136758-768（2019）
[30] 陈，Y。；胡，S。；Mao，H.，深度学习最佳疏散模型在公共结构设计中的应用，Image Vis。计算。，102，第103975-103981条（2020年）
[31] 王，D。；Yue，C。；Wei，S。；Lv，J.，四种分解-组装模型对一日期农产品期货价格预测的性能分析，算法，10，3，108-113（2017）·Zbl 1461.91209号
[32] 薛，Y。；姜杰。；赵，B。；Ma，T.，一种基于全局最优的自适应人工蜂群算法，用于全局优化，软计算。，22, 9, 2935-2952 (2018)
[33] 布耶，A。；Hatamlou，A.，基于改进布谷优化和改进粒子群优化算法的高效混合聚类方法，应用。软计算。，67, 172-182 (2018)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。