动态批量问题(DLSP, Dynamic Lot Sizing Problem)是一个理论和算法上研究的难点,也是生产实践中的重大经济效益的问题之一。恰当的批量决策,可以避免过量的库存或者频繁的缺货,提高服务质量,降低生产运作成本。 本文以服务性产品为对象...
详细信息
动态批量问题(DLSP, Dynamic Lot Sizing Problem)是一个理论和算法上研究的难点,也是生产实践中的重大经济效益的问题之一。恰当的批量决策,可以避免过量的库存或者频繁的缺货,提高服务质量,降低生产运作成本。 本文以服务性产品为对象,在此背景下研究了多产品动态批量问题(MDLSP, Multi-product Dynamic Lot Sizing Problem)、考虑再制造的多产品动态批量问题(RMDLSP, Multi-product Dynamic Lot Sizing Problem with Remanufactured Constraints)以及考虑使用寿命的多产品动态批量问题(UMDLSP, Multi-product Dynamic Lot Sizing Problem with End-of-use Constraints)。通过对三种不同条件下的多产品动态批量模型的建立与分析,并结合现有的动态批量模型和动态批量算法的国内外研究现状,构造了一种改进次梯度规则下的禁忌搜索算法。该算法首先运用拉格朗日松弛对建立的多产品动态批量模型进行分解,并通过对分解后子模型的分析,设置了各子模型的求解规则,之后本文采用随机的方法产生满足条件的初始解,并通过改进次梯度规则的邻域操作不断的对该初始解进行优化,直到满足终止条件。为了验证该算法的可靠性,本文通过MATLAB程序设计语言对构造的禁忌搜索算法进行编程设计,并引入具体的算例进行仿真求解,通过与动态规划方法、拉尔朗日松弛算法进行比较分析,结果显示：禁忌搜索算法能在较短的时间内获得较好的满意解。并且,本文将考虑再制造的多产品动态批量问题与传统的多产品动态批量问题进行比较,通过总成本的对比,验证了考虑再制造的多产品动态批量总成本低于不考虑再制造的多产品动态批量总成本。 本文的主要创新点是：研究了服务性产品的多产品动态批量问题,并构造了一个能有效解决不同条件下多产品动态批量问题的禁忌搜索算法,为企业的动态批量问题提供了一个科学的、合理的解决方案。并且本文对比分析了相同市场需求下再制造企业与传统企业的多产品动态批量决策。验证了在产品种类、市场需求等外界因素相同的前提下,服务性产品的回收再制造能降低生产成本,提高企业利润,从而为传统企业进行回收再制造的决策提供了较好的指导意见。
暂无评论