| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究的背景、意义及发展现状 | 第7-10页 |
| ·供应链环境下的库存管理 | 第7-8页 |
| ·决策支持技术 | 第8-10页 |
| ·论文的研究内容及结构 | 第10-12页 |
| ·论文研究的主要内容 | 第10-11页 |
| ·论文的结构 | 第11-12页 |
| 第二章 供应链环境下的库存管理 | 第12-20页 |
| ·供应链管理概述 | 第12-14页 |
| ·供应链管理的概念 | 第12页 |
| ·供应链管理的核心思想 | 第12-14页 |
| ·供应链管理与传统的管理模式的主要区别 | 第14页 |
| ·库存管理概述 | 第14-20页 |
| ·库存的概念 | 第14-15页 |
| ·库存管理的作用 | 第15页 |
| ·库存控制 | 第15-17页 |
| ·库存成本 | 第16-17页 |
| ·库存控制策略 | 第17页 |
| ·供应链环境下的库存管理和控制 | 第17-20页 |
| 第三章 粒子群优化算法及改进 | 第20-29页 |
| ·群智能算法 | 第20-21页 |
| ·粒子群优化算法原理 | 第21-22页 |
| ·粒子群优化算法的流程 | 第22-23页 |
| ·粒子群优化算法参数分析 | 第23-25页 |
| ·改进的粒子群优化算法 | 第25-29页 |
| ·学习因子的自适应调节 | 第25-26页 |
| ·带变异算子的粒子群优化算法 | 第26-29页 |
| 第四章 PSO算法在神经网络中的应用 | 第29-41页 |
| ·人工神经网络 | 第29-31页 |
| ·神经元模型 | 第29-30页 |
| ·神经网络模型 | 第30-31页 |
| ·神经网络的分类 | 第30-31页 |
| ·神经网络的学习 | 第31页 |
| ·BP神经网络 | 第31-34页 |
| ·BP神经网络的原理 | 第32-33页 |
| ·BP神经网络的优势和不足 | 第33-34页 |
| ·用改进的粒子群优化算法训练BP神经网络 | 第34-41页 |
| ·IPSO-BP算法流程 | 第34-36页 |
| ·仿真实验及结果分析 | 第36-41页 |
| ·评价网络性能的指标 | 第37页 |
| ·IRIS数据集上的仿真实验 | 第37-41页 |
| 第五章 生产型企业供应链系统中的库存管理子系统分析 | 第41-48页 |
| ·系统架构分析 | 第41-42页 |
| ·库存管理业务流程分析 | 第42-48页 |
| 第六章 生产型企业原料库存控制策略 | 第48-56页 |
| ·库存控制模型 | 第48-54页 |
| ·确定性模型 | 第49-51页 |
| ·随机性模型 | 第51-53页 |
| ·供应链库存模型 | 第53-54页 |
| ·原料库存控制指标分析 | 第54-56页 |
| 第七章 原料库存控制辅助决策模块的实现 | 第56-61页 |
| ·预测模型的建立 | 第56-58页 |
| ·预测模型的建立过程 | 第57-58页 |
| ·原料库存控制辅助决策模块的实现 | 第58-61页 |
| 第八章 结束语 | 第61-63页 |
| ·结论 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-68页 |