同城服装门店VMI模式下分布式库存策略研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究目的及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 分布式库存管理研究现状 | 第14-16页 |
| 1.2.2 补货策略现状 | 第16页 |
| 1.2.3 调拨策略现状 | 第16-17页 |
| 1.2.4 需求预测现状 | 第17-18页 |
| 1.2.5 VMI模式下的分布式库存管理优化现状 | 第18-19页 |
| 1.3 研究内容与技术路线 | 第19-23页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 技术路线 | 第20-23页 |
| 2 相关基础理论与方法 | 第23-31页 |
| 2.1 VMI模式下的分布式库存管理理论 | 第23-27页 |
| 2.1.1 分布式库存管理理论 | 第23-24页 |
| 2.1.2 VMI思想理论 | 第24-25页 |
| 2.1.3 VMI模式下的分布式库存管理 | 第25-27页 |
| 2.2 库存需求预测理论 | 第27-29页 |
| 2.2.1 需求预测的概念 | 第27-28页 |
| 2.2.2 需求预测的方法 | 第28-29页 |
| 2.3 自适应遗传算法 | 第29-31页 |
| 2.3.1 自适应遗传算法介绍 | 第29页 |
| 2.3.2 自适应遗传算法的具体步骤 | 第29-31页 |
| 3 VMI模式下的分布式库存需求预测研究 | 第31-41页 |
| 3.1 VMI模式下的分布式库存需求预测 | 第31-34页 |
| 3.1.1 库存需求预测的概念与意义 | 第31-33页 |
| 3.1.2 库存需求预测问题说明 | 第33-34页 |
| 3.2 基于时间序列和灰色预测组合预测算法的建立 | 第34-41页 |
| 3.2.1 随机时间序列预测法介绍 | 第34页 |
| 3.2.2 灰色预测法介绍 | 第34-35页 |
| 3.2.3 组合预测模型的建立 | 第35-37页 |
| 3.2.4 组合预测模型的具体算法 | 第37-41页 |
| 4 VMI模式下的分布式库存模型研究 | 第41-51页 |
| 4.1 模型假设 | 第41-44页 |
| 4.1.1 问题描述 | 第41-42页 |
| 4.1.2 假设与参数 | 第42-44页 |
| 4.2 模型建立 | 第44-47页 |
| 4.2.1 补货模型 | 第44-45页 |
| 4.2.2 调拨模型 | 第45-47页 |
| 4.3 自适应遗传算法对问题求解 | 第47-51页 |
| 4.3.1 补货模型求解 | 第47-48页 |
| 4.3.2 调拨模型求解 | 第48-51页 |
| 5 案例分析 | 第51-67页 |
| 5.1 案例概述 | 第51页 |
| 5.2 库存需求预测 | 第51-61页 |
| 5.2.1 门店历史库存需求数据分析 | 第51-54页 |
| 5.2.2 门店需求预测 | 第54-61页 |
| 5.3 补货分析 | 第61-63页 |
| 5.3.1 补货相关数据准备 | 第61页 |
| 5.3.2 运行求解 | 第61-63页 |
| 5.4 调拨分析 | 第63-67页 |
| 5.4.1 调拨相关数据准备 | 第63-64页 |
| 5.4.2 运行求解 | 第64-67页 |
| 6 成果与展望 | 第67-69页 |
| 6.1 主要工作成果 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-79页 |
| 学位论文数据集 | 第79页 |
