供应链库存管理优化与仿真应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 供应链管理的研究现状 | 第13-14页 |
| 1.2.2 供应链库存的研究现状 | 第14-15页 |
| 1.3 研究内容及论文结构 | 第15-17页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 论文结构 | 第16-17页 |
| 第2章 供应链库存控制理论及相关基础理论 | 第17-30页 |
| 2.1 供应链库存控制基本理论 | 第17-24页 |
| 2.1.1 供应链的概念 | 第17-19页 |
| 2.1.2 供应链中的库存 | 第19-21页 |
| 2.1.3 供应链中库存控制 | 第21-22页 |
| 2.1.4 供应链环境下的库存控制目标和意义 | 第22-23页 |
| 2.1.5 供应链环境下的库存控制特征 | 第23-24页 |
| 2.2 遗传算法简介 | 第24-27页 |
| 2.2.1 遗传算法的基本原理 | 第24-25页 |
| 2.2.2 遗传算法的步骤 | 第25页 |
| 2.2.3 遗传算法的特点 | 第25-26页 |
| 2.2.4 遗传算法的改进 | 第26-27页 |
| 2.3 神经网络简介 | 第27-29页 |
| 2.3.2 神经网络的特点 | 第27-28页 |
| 2.3.3 BP网络 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于遗传算法的库存优化控制 | 第30-42页 |
| 3.1 供应链库存系统的模型假设 | 第30-31页 |
| 3.2 仿真模型事件处理策略 | 第31页 |
| 3.3 遗传算法在库存优化中的应用 | 第31-34页 |
| 3.3.1 库存采购策略模型设计 | 第31-33页 |
| 3.3.2 遗传算法实现步骤 | 第33-34页 |
| 3.4 自适应遗传算法的改进 | 第34-40页 |
| 3.4.1 自适应遗传算法 | 第35页 |
| 3.4.2 改进的自适应遗传算法 | 第35-36页 |
| 3.4.3 算法仿真分析 | 第36-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于BP神经网络的库存优化控制 | 第42-56页 |
| 4.1 BP算法原理及特点 | 第42-45页 |
| 4.1.1 BP算法原理 | 第42-44页 |
| 4.1.2 BP神经网络模型特点 | 第44-45页 |
| 4.2 BP算法改进 | 第45-47页 |
| 4.2.1 BP算法改进 | 第45-46页 |
| 4.2.2 改进BP算法效率分析 | 第46-47页 |
| 4.3 库存控制模型 | 第47-49页 |
| 4.3.1 模型背景 | 第47-48页 |
| 4.3.2 模型输入的确定及其规范化 | 第48-49页 |
| 4.3.3 BP神经网络模型结构的建立 | 第49页 |
| 4.4 改进算法在商品库存控制模型中的应用 | 第49-55页 |
| 4.4.1 遗传算法与BP神经网络结合的方式 | 第51页 |
| 4.4.2 遗传算法与BP神经网络结合的步骤 | 第51-53页 |
| 4.4.3 改进算法模型训练过程 | 第53页 |
| 4.4.4 实验结果分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
