基于GA-BP神经网络的快速消费品库存需求预测的研究--以A公司为例
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 快速消费品行业预测的研究现状 | 第14-15页 |
| 1.2.2 BP神经网络预测的研究现状 | 第15-17页 |
| 1.2.3 库存管理研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-20页 |
| 第二章 企业背景介绍 | 第20-28页 |
| 2.1 行业环境 | 第20-21页 |
| 2.2 A公司现状 | 第21-25页 |
| 2.3 解决思路 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 GA-BP神经网络预测模型构建 | 第28-58页 |
| 3.1 BP神经网络简介 | 第28-32页 |
| 3.1.1 BP神经网络原理 | 第28-29页 |
| 3.1.2 BP神经网络模型 | 第29-30页 |
| 3.1.3 BP神经网络学习算法 | 第30-32页 |
| 3.2 BP神经网络模型构建 | 第32-36页 |
| 3.2.1 数据预处理 | 第32页 |
| 3.2.2 构建网络模型 | 第32-33页 |
| 3.2.3 网络训练 | 第33-36页 |
| 3.2.4 网络测试 | 第36页 |
| 3.3 遗传算法 | 第36-39页 |
| 3.3.1 遗传算法简介 | 第37页 |
| 3.3.2 遗传算法的构成 | 第37-39页 |
| 3.4 GA-BP神经网络模型构建 | 第39-49页 |
| 3.4.1 网络参数初始化 | 第41页 |
| 3.4.2 染色体编码 | 第41页 |
| 3.4.3 产生初始种群 | 第41-42页 |
| 3.4.4 适应度计算 | 第42页 |
| 3.4.5 遗传算子设计 | 第42-44页 |
| 3.4.6 参数设置及终止条件 | 第44-46页 |
| 3.4.7 GA-BP神经网络训练 | 第46-48页 |
| 3.4.8 GA-BP神经网络测试 | 第48-49页 |
| 3.5 传统预测方法 | 第49-55页 |
| 3.5.1 灰色理论 | 第49-52页 |
| 3.5.2 时间序列预测 | 第52-55页 |
| 3.6 测试效果对比 | 第55-56页 |
| 3.7 GA-BP神经网络模型预测 | 第56页 |
| 3.8 本章小结 | 第56-58页 |
| 第四章 库存优化 | 第58-70页 |
| 4.1 相关库存理论介绍 | 第58-60页 |
| 4.1.1 EOQ模型 | 第58-59页 |
| 4.1.2 安全库存 | 第59-60页 |
| 4.2 原材料库存优化 | 第60-66页 |
| 4.2.1 目前原材料库存策略 | 第60-62页 |
| 4.2.2 改进原材料库存策略 | 第62-66页 |
| 4.3 产成品库存优化 | 第66-67页 |
| 4.3.1 目前产成品库存策略 | 第66-67页 |
| 4.3.2 改进产成品库存策略 | 第67页 |
| 4.4 本章小结 | 第67-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 结果与建议 | 第70页 |
| 5.2 总结 | 第70-71页 |
| 5.3 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
