基于多Agent分销网络模型的库存分配方法组成比例

本发明专利技术提供了一种基于多Agent分销网络模型的库存分配方法，以克服现有技术不能对分散的供应链环境下不确定的分销网络进行有效建模的问题。该库存分配方法包括：步骤一、确定待分配的目标产品，获得目标产品的库存控制参数；步骤二、获得目标产品在多Agent分销网络模型中多个Agent的当前库存量，其中，多Agent分销网络模型中的多个Agent包括供应商Agent、客户Agent以及至少一个分销商Agent；步骤三、通过随机模拟方法生成随机变量，随机变量为随机需求；步骤四、利用库存控制参数、随机变量以及目标产品在多Agent分销网络模型中各Agent的当前库存量，计算目标产品在多Agent分销网络模型各Agent的目标库存量。

Inventory allocation method based on multi Agent distribution network model

The present invention provides an inventory allocation method based on a multi Agent distribution network model to overcome the fact that existing techniques can not effectively model an uncertain distribution network in a decentralized supply chain environment. Including the inventory allocation method: step one, to determine the distribution of target products, to obtain the target product inventory control parameters; step two, to obtain the current inventory, the target product distribution of multiple Agent network model in the multi Agent, multi Agent multi Agent distribution network model including Agent, Agent and customer supplier at least one distributor Agent; step three, the stochastic simulation method to generate random variables as random variables, stochastic demand; step four, the inventory control parameters, random variables and the target product in each Agent Agent distribution network model in the current inventory, calculate the target inventory target product distribution network model in Agent Agent.

【技术实现步骤摘要】
基于多Agent分销网络模型的库存分配方法
本专利技术涉及计算机应用技术，尤其涉及一种基于多Agent分销网络模型的库存分配方法。
技术介绍
在流程企业先进计划体系中，分销计划问题包括长期计划和短期计划两个方面。长期计划主要关注战略方面的问题，关注于提高企业整体的业务效率，如根据客户分布和需求情况，进行分销网络的设置和选址；短期计划主要关注于制造企业和分销商之间的订货周期、订货点、订货批量大小问题。在供应链环境下，制造企业与分销商之间是协作关系，必须处理好协作供应商和分销商的订货决策。分销供应链管理的目的是将制造企业、分销商、客户等实体集成起来，在不确定的市场环境下，使产品能够在正确的时间、以正确的批量被送达，从而在满足客户服务水平要求下达到最优的效益。在分销网络中，制造商生产的产品可以通过分销商销售，也可以直销给客户；网络中包含产品仓库，该仓库可以是制造企业管理，也可以由分销商管理，甚至是第三方物流。产品中心仓库的存在对于减少供应链中的不确定带来的影响、提高客户服务水平、增强企业经济效益具有重要作用。因此，合理确定制造企业、中心仓库和经销商的库存水平就是供应链管理中的一个重要问题，也是整个供应链获得效益的关键。目前，在流程企业分销网络优化过程中存在以下问题：1.不确定的系统环境建模需求、提前期、产品变质等因素会影响分销供应链决策，如何在不确定环境下进行建模是一个实际应用中重要问题。2.优化方法分销供应链决策是一个多阶段优化问题，且系统状态、维数随供应链中实体个数而增加，如何建立优化模型，并且在不确定环境下进行优化求解是一个难题。
技术实现思路
在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。鉴于此，本专利技术提供了一种基于多Agent分销网络模型的库存分配方法，以至少解决目前现有技术不能对分散的供应链环境下不确定的分销网络进行有效建模的问题。根据本专利技术的一个方面，提供了一种基于多Agent分销网络模型的库存分配方法，该基于多Agent分销网络模型的库存分配方法包括：步骤一、确定待分配的目标产品，获得目标产品的库存控制参数；步骤二、获得目标产品在多Agent(代理)分销网络模型中多个Agent的当前库存量，其中，多Agent分销网络模型中的多个Agent包括供应商Agent、客户Agent以及至少一个分销商Agent；步骤三、通过随机模拟方法生成随机变量的值，随机变量为随机需求；步骤四、利用库存控制参数、随机变量以及目标产品在多Agent分销网络模型中各Agent的当前库存量，计算目标产品在多Agent分销网络模型各Agent的目标库存量；其中，在步骤四中，计算目标产品在多Agent分销网络模型各Agent的目标库存量包括：针对多Agent分销网络模型中的多个Agent中的每一个Agent，执行如下步骤四一至四七：步骤四一、根据库存控制参数确定该Agent的多个状态，然后基于该Agent的多个状态以及随机变量的值来获得该Agent的每个状态所对应的至少一个可能动作，其中，该Agent的多个状态表示目标产品在该Agent可能处于的多种库存状态；针对该Agent的每个状态，该Agent的该状态所对应的至少一个可能动作表示从该Agent的该状态改变为下一种可能的状态所经过的动作；步骤四二、建立Q-表，Q-表包含多个Q-表项，每个Q-表项对应一个状态-动作对(si,aij)，其中，si表示该Agent的多个状态之一，i＝1,2,…,N，N为该Agent的所有状态的数目，aij表示状态si的一个可能动作，j＝1,2,…,M，M表示状态si对应的所有可能动作数；步骤四三、在Q-表中，对每个状态-动作对(si,aij)对应的Q-表项Q(si,aij)的值进行初始化；步骤四四、针对每个状态-动作对(si,aij)，设定迭代次数k，初始化k＝1，执行步骤B1-B4：步骤B1、计算该状态-动作对(si,aij)的立即回报r；步骤B2、针对该状态-动作对(si,aij)中当前状态si的每一种可能新状态si’，计算的值，将状态-动作对(si,aij)对应的Q-表项Q(si,Aij)的值更新为Z0的当前值，其中，aij'表示当前状态si到可能新状态si’所经过的可能动作，α为步长值，γ为折扣率，Q(si',aij')表示状态-动作对(si',aij')对应的Q-表项，表示使得Q(si',aij')值最大的可能动作；将对应的新状态记为状态s'，并将状态-动作对(si,aij)中当前状态si更新为状态s'；步骤B3、令k’＝k+1；步骤B4、判定k’的值是否小于预设阈值：若是，将当前k’的值赋给k，然后返回步骤B1；否则，针对该状态-动作对结束步骤B1-B4；步骤四五、判定是否已获得该Q-表的最优解：若是，执行步骤四六；否则，执行步骤四七；步骤四六、根据该最优解和该Agent的当前库存量，确定该Agent的目标库存量；步骤四七、修改库存控制参数和/或随机变量，返回步骤四一。进一步地，在步骤四三中，将每个状态-动作对(si,aij)对应的Q-表项Q(si,aij)的值初始化为0。进一步地，在步骤四三中，将每个状态-动作对(si,aij)对应的Q-表项Q(si,aij)的值初始化为任意值。进一步地，预设阈值为10。进一步地，产品的库存控制参数通过如下方式获得：从ERP系统中提取基础数据，根据基础数据确定库存控制参数；其中，基础参数包括企业产品库存量、产品配方中的原料和工艺数据。进一步地，步长值的表达式为：其中，k表示当前迭代次数，且α0＝0.8。进一步地，折扣率γ＝0.9。相比于现有技术，本专利技术具有如下有益效果：(1)本专利技术提出的基于多Agent分销网络模型的库存分配方法解决了实际供应链中不确定性建模的问题，提供了基于多Agent的供应链协商方法，能够将供应商、企业和客户统一考虑，进行全局优化。(2)本专利技术提出的基于多Agent分销网络模型的库存分配方法，运用仿真优化技术和人工智能技术，能有效地求解不确定环境下的分销网络优化问题，具有全局优化求解能力、问题无关特性和模糊优化能力。在本专利技术中，不确定性指的是数值本身是未定的，如未来一段时间的物料需求量，是预测来的，带有一定的不确定性，但在实际生产中又必须进行这种预测，否则无法安排生产计划。采用的数学方法如概率方法，用服从某种概率分布的随机变量表示不确定量。为了能够计算，又利用随机模拟的方法将随机变量仿真为确定值。通过以下结合附图对本专利技术的最佳实施例的详细说明，本专利技术的这些以及其他优点将更加明显。附图说明本专利技术可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本专利技术的优选实施例和解释本专利技术的原理和优点。在附图中：图1为根据本专利技术实施例的基于多Agent分销网络模型的库存分配方法的一个示例性处理的流程图；图2为本文档来自技高网...

【技术保护点】
基于多Agent分销网络模型的库存分配方法，其特征在于，所述基于多Agent分销网络模型的库存分配方法包括：步骤一、确定待分配的目标产品，获得所述目标产品的库存控制参数；步骤二、获得所述目标产品在多Agent分销网络模型中多个Agent的当前库存量，其中，所述多Agent分销网络模型中的所述多个Agent包括供应商Agent、客户Agent以及至少一个分销商Agent；步骤三、通过随机模拟方法生成随机变量的值，所述随机变量为随机需求；步骤四、利用所述库存控制参数、所述随机变量以及所述目标产品在所述多Agent分销网络模型中各Agent的当前库存量，计算所述目标产品在所述多Agent分销网络模型各Agent的目标库存量；其中，在步骤四中，所述计算所述目标产品在所述多Agent分销网络模型各Agent的目标库存量包括：针对所述多Agent分销网络模型中的多个Agent中的每一个Agent，执行如下步骤四一至四七：步骤四一、根据所述库存控制参数确定该Agent的多个状态，基于该Agent的所述多个状态以及所述随机变量的值并获得该Agent的每个状态所对应的至少一个可能动作，其中，该Agent的多个状态表示所述目标产品在该Agent可能处于的多种库存状态；针对该Agent的每个状态，该Agent的该状态所对应的至少一个可能动作表示从该Agent的该状态改变为下一种可能的状态所经过的动作；步骤四二、建立Q‑表，所述Q‑表包含多个Q‑表项，每个Q‑表项对应一个状态‑动作对(si,aij)，其中，si表示该Agent的多个状态之一，i＝1,2,…,N，N为该Agent的所有状态的数目，aij表示状态si的一个可能动作，j＝1,2,…,M，M表示状态si对应的所有可能动作数；步骤四三、在所述Q‑表中，对每个状态‑动作对(si,aij)对应的Q‑表项Q(si,aij)的值进行初始化；步骤四四、针对每个状态‑动作对(si,aij)，设定迭代次数k，初始化k＝1，执行步骤B1‑B4：步骤B1、计算该状态‑动作对(si,aij)的立即回报r；步骤B2、针对该状态‑动作对(si,aij)中当前状态si的每一种可能新状态si’，计算...

【技术特征摘要】
1.基于多Agent分销网络模型的库存分配方法，其特征在于，所述基于多Agent分销网络模型的库存分配方法包括：步骤一、确定待分配的目标产品，获得所述目标产品的库存控制参数；步骤二、获得所述目标产品在多Agent分销网络模型中多个Agent的当前库存量，其中，所述多Agent分销网络模型中的所述多个Agent包括供应商Agent、客户Agent以及至少一个分销商Agent；步骤三、通过随机模拟方法生成随机变量的值，所述随机变量为随机需求；步骤四、利用所述库存控制参数、所述随机变量以及所述目标产品在所述多Agent分销网络模型中各Agent的当前库存量，计算所述目标产品在所述多Agent分销网络模型各Agent的目标库存量；其中，在步骤四中，所述计算所述目标产品在所述多Agent分销网络模型各Agent的目标库存量包括：针对所述多Agent分销网络模型中的多个Agent中的每一个Agent，执行如下步骤四一至四七：步骤四一、根据所述库存控制参数确定该Agent的多个状态，基于该Agent的所述多个状态以及所述随机变量的值并获得该Agent的每个状态所对应的至少一个可能动作，其中，该Agent的多个状态表示所述目标产品在该Agent可能处于的多种库存状态；针对该Agent的每个状态，该Agent的该状态所对应的至少一个可能动作表示从该Agent的该状态改变为下一种可能的状态所经过的动作；步骤四二、建立Q-表，所述Q-表包含多个Q-表项，每个Q-表项对应一个状态-动作对(si,aij)，其中，si表示该Agent的多个状态之一，i＝1,2,…,N，N为该Agent的所有状态的数目，aij表示状态si的一个可能动作，j＝1,2,…,M，M表示状态si对应的所有可能动作数；步骤四三、在所述Q-表中，对每个状态-动作对(si,aij)对应的Q-表项Q(si,aij)的值进行初始化；步骤四四、针对每个状态-动作对(si,aij)，设定迭代次数k，初始化k＝1，执行步骤B1-B4：步骤B1、计算该状态-动作对(si,aij)的立即回报r；步骤B2、针对该状态-动作对(si,...

【专利技术属性】
技术研发人员：李成严，尹书杰，曹克翰，王闯，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23