神经网络在供应链库存控制中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 前言 | 第9-13页 |
| ·选题背景和研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国内研究现状 | 第10页 |
| ·国外研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11-13页 |
| ·本文的主要工作 | 第11页 |
| ·本文的结构 | 第11-13页 |
| 2 供应链管理环境下的库存问题 | 第13-20页 |
| ·供应链和供应链管理 | 第13-15页 |
| ·供应链和供应链管理的背景 | 第13页 |
| ·供应链和供应链管理的概念 | 第13-15页 |
| ·供应链管理的发展 | 第15页 |
| ·供应链管理的内容 | 第15页 |
| ·库存控制理论 | 第15-18页 |
| ·库存和库存控制的概念 | 第15-16页 |
| ·库存管理系统的组成 | 第16-17页 |
| ·库存的作用 | 第17页 |
| ·库存控制的目标 | 第17-18页 |
| ·库存的分类 | 第18页 |
| ·供应链管理环境下的库存问题 | 第18-20页 |
| 3 神经网络和遗传算法的基本理论 | 第20-34页 |
| ·神经网络简介 | 第20-24页 |
| ·神经网络的发展 | 第20-22页 |
| ·神经网络的概念 | 第22-23页 |
| ·神经网络的特点 | 第23-24页 |
| ·BP网络及性能分析 | 第24-29页 |
| ·BP网络的定义 | 第24页 |
| ·BP网络的特点 | 第24-25页 |
| ·BP网络的结构 | 第25页 |
| ·BP网络的工作原理 | 第25-26页 |
| ·BP网络的设计 | 第26-27页 |
| ·BP网络的主要缺陷及原因 | 第27-29页 |
| ·遗传算法简介 | 第29-34页 |
| ·遗传算法的基本原理 | 第29-30页 |
| ·遗传算法的步骤 | 第30页 |
| ·遗传算法的特点 | 第30-31页 |
| ·遗传算法的改进 | 第31-34页 |
| 4 一种BP神经网络的改进算法 | 第34-43页 |
| ·BP算法及性能分析 | 第34-40页 |
| ·BP算法的原理 | 第34-37页 |
| ·BP算法的流程 | 第37-38页 |
| ·BP算法的改进 | 第38-40页 |
| ·本文的改进算法 | 第40-43页 |
| ·算法的提出 | 第40-41页 |
| ·改进算法效率的比较 | 第41-43页 |
| 5 基于BP网络的供应链库存问题研究 | 第43-52页 |
| ·BP网络应用于库存控制的可行性分析 | 第43-45页 |
| ·BP神经网络的选择 | 第43-44页 |
| ·BP网络在库存控制中的应用 | 第44-45页 |
| ·建立库存控制BP神经网络模型 | 第45-52页 |
| ·影响企业库存控制的因素以及样本的选取 | 第45-48页 |
| ·网络结构的设计 | 第48-49页 |
| ·网络各层参数的设计 | 第49-50页 |
| ·网络训练过程与结果 | 第50-51页 |
| ·实验分析 | 第51-52页 |
| 6 改进自适应遗传BP神经网络的算法设计 | 第52-60页 |
| ·遗传算法与BP神经网络的结合 | 第52-54页 |
| ·遗传算法与BP神经网络结合的方式 | 第52页 |
| ·遗传算法与BP神经网络结合的步骤 | 第52-54页 |
| ·遗传算法与神经网络结合的应用前景 | 第54页 |
| ·自适应遗传算法与BP神经网络的结合 | 第54-60页 |
| ·自适应遗传算法 | 第54页 |
| ·改进的自适应遗传算法 | 第54-55页 |
| ·改进算法在XOR问题中的应用 | 第55-57页 |
| ·改进算法在供应链库存控制中的应用 | 第57-60页 |
| 7 结论与展望 | 第60-61页 |
| 8 参考文献 | 第61-67页 |
| 9 论文发表情况 | 第67-68页 |
| 10 致谢 | 第68页 |
