买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学;安徽大学

摘要：本发明公开了一种基于离散金豺优化算法的原材料采购量和采购时间点的优化方法，包括：1构建单周期原料采购决策优化模型，2离散金豺优化算法求解采购决策优化模型，得到最优采购方案。本发明能从多个供应商处得到采购的最优原材料采购量以及最优采购时间点，从而在保证连续生产的基础上，降低库存水平以及总不合格品采购数量，以提高采购供应链效率，实现智能化采购决策。

主权项：1.一种基于离散金豺优化算法的原材料采购量和采购时间点的优化方法，其特征在于，是按如下步骤进行：步骤1、定义当前采购周期T内时间节点集合T＝{t1，t2，...，ti，...，tn}，ti表示第i个时间点，i＝1，2，...，n，n表示总时间点数，定义当前采购周期T内的采购时间点为h，且h∈T；获取g个供应商的最大供货量向量u＝[u1，u2，...，uj，...，ug]，j＝1，2，...，g，uj表示第j个供应商的最大原料供货量；获取g个供应商的单位原材料的不合格品率向量dq＝[dq1，dq2，...，dqj，...，dqg]，dqj表示第j个供应商单位原料的不合格品率；获取g个供应商的单位原材料的延期交货率向量bd＝[bd1，bd2，...，bdj，...，bdg]，bdj表示第j个供应商单位原料的延期交货率；步骤2、构建原材料采购决策优化模型：利用式1构建以最小化库存水平为目标的第一目标函数z1： 利用式2构建以最小化总不合格品数量为目标的第二目标函数z2： 式1和式2中，q0表示当前采购周期T开始时的期初库存，d为原料在每个时间点的消耗量，xj为从第j个供应商处采购的原料量；利用式3构建总目标函数z： 式3中，w1，w2∈0，1分别为z1和z2的权重，且w1+w2＝1，为第一目标函数z1的最小值，为第一目标函数z1的最大值，为第二目标函数z2的最小值，为第二目标函数z2的最大值；利用式4获取当前采购周期T内每个时间点的库存量： 式4中，L为采购提前的时间点，bdd为各个供应商延期交货的时间点数；利用式5-式9构建总目标函数z的约束条件：ss≤qk≤qmax，k＝1，2，...，n5h+L×d≤q0-ss6xj≤uj7 式5-式9中，b表示从g个供应商处采购总量的最小百分比，ss表示安全库存量，qmax表示最大库存量；步骤3、基于离散金豺优化算法求解所述原材料智能采购模型：步骤3.1、离散金豺优化算法的参数初始化；步骤3.1.1、初始化猎物个数为N，猎物个体的维度为g+1，最大迭代次数为Inter；定义当前迭代次数为inter，并初始化inter＝1；步骤3.1.2、定义猎物个体的位置：每个猎物的位置代表一个采购方案，所述采购方案是指在当前采购周期T内选择一个采购时间点h，并在采购时间点h下从g个供应商中分别采购原料量{xj|j＝1，2，...，g}所形成的方案；定义第inter代猎物种群中所有猎物个体的位置集合为其中，表示第inter代猎物种群中第s个猎物个体的位置，即第inter次迭代的第s个采购方案；且其中，表示第inter代猎物种群中第s个猎物个体的位置的第r个维度变量，表示第inter次迭代的第s个采购方案中从第r个供应商处所采购的原材料量；表示第inter次迭代的第s个采购方案中的采购时间点；步骤3.2、拉丁超立方抽样初始化种群：步骤3.3、为每个猎物个体设置计数器，设置精英种群EP；步骤3.3.1、为第inter代猎物种群中每个猎物个体设置各自的计数器，并初始化第inter代猎物种群中第s个猎物个体的计数器定义每个猎物个体的计数器的阈值为limit，且limit＝percent×Inter，其中，percent表示猎物个体被视为废弃个体的阈值比例，且percent∈[0，1]；步骤3.3.2、设置一个精英种群EP，其最大个体数为M；步骤3.3.3、定义精英种群EP中所有精英个体的位置集合为{EP1，EP2，...，EPe，...，EPM}，EPe表示第e个精英个体的位置，且EPe＝epe1，epe2，...，eper，...，epeg，epeg+1；其中，eper表示第e个精英个体的位置EPe的第r个维度变量；步骤3.4、定义顺序交叉、断序交叉和概率选择交叉中的任意一种交叉方式，记为Cl，l＝1，2，3；定义并初始化第l种交叉方式的选择价值设置最小交叉选择概率为PC_min；定义单点变异、两点变异和连续片段变异中的任意一种变异方式，记为Ml，定义并初始化第l种变异方式的选择价值设置最小变异选择概率为PM_min；步骤3.5、利用式3计算第inter代猎物种群中所有猎物个体的适应度值后，对所有猎物个体的适应度值进行排序，并将适应度最低的猎物个体记为雄豺，将雄豺的位置记为GMbest，其适应度值记为将适应度次低的猎物个体记为雌豺，将雌豺的位置记为GFbest，其适应度值记为并将雄豺和雌豺存入精英种群EP中，并将精英种群EP中的个体数量记为m；步骤3.6、进入算法迭代循环操作：步骤3.6.1、利用式10计算的猎物逃逸能量 式10中，r为0-1之间的随机变量，c1为常数；步骤3.6.2、若则利用第l种交叉方式Cl对进行处理，得到第inter+1代猎物种群中第s个猎物个体的位置，否则，对利用第l种变异方式Ml对进行处理，得到第inter+1代猎物种群中第s个猎物个体的位置，从而得到第inter+1代猎物种群，并对第inter+1代猎物种群进行修复操作，使所有猎物个体均满足所有的约束条件；从而得到第inter+1代猎物种群步骤3.6.3、计算第inter+1代的猎物种群中所有猎物个体的适应度并进行排序，将适应度最低的猎物个体记为PMbest，其适应度值记为将适应度次低的猎物个体记为PFbest，其适应度值记为步骤3.6.4、若则令GMbest＝PMbest，令若则令GFbest＝PFbest，令步骤3.6.5、判断m＜M是否成立，若成立，则将PMbest和PFbest存入精英种群EP中，并令m+2赋值给m后，执行步骤3.6.8；否则，直接执行步骤3.6.6；步骤3.6.6、利用第l种交叉方式Cl或第l种变异方式Ml将PMbest和PFbest分别与精英种群EP中的所有个体逐一进行处理，从而产生2M个新子代，并对2M个新子代进行修复操作，使其满足所有的约束条件；计算精英种群EP中的所有个体和2M个新子代的适应度值，并从中选择适应度前M个个体作为新的精英种群，并将新的精英种群中的最优个体记为EPMbest，其适应度值记为次优个体记为EPFbest，其适应度值记为步骤3.6.7、若则令GMbest＝EPMbest，令若则令GFbest＝EPFbest，令步骤3.6.8、若的适应度值小于的适应度值则的计数器值清0，并将对应的第l种交叉方式Cl的选择价值加1或者第l种变异方式Ml的选择价值加1，否则，将赋值给且对应的对应的第l种交叉方式Cl的选择价值或者第l种变异方式Ml的选择价值不变；步骤3.6.9、若的计数器值则将视为废弃个体，并对废弃个体执行扰动策略后，生成新的个体并赋给废弃个体且的计数器值清0；步骤3.6.10、将inter+1赋值给inter后，若inter＞Inter，则将GMbest作为最优采购方案；否则，返回执行步骤3.6顺序执行。

全文数据：

权利要求：

百度查询： 合肥工业大学 安徽大学 基于离散金豺优化算法的原材料采购量和采购时间点的优化方法