一种离散制造企业多物料联合采购优化方法及系统技术方案

本发明专利技术提供一种离散制造企业多物料联合采购优化方法及系统，该方法包括：建立不同物料联合采购成本模型，设定模型的约束条件；构建成本模型的初始种群，计算初始种群中各蜜源适应度；雇佣峰对种群中的蜜源进行邻域搜索，通过贪婪算法选择当前最优解，并将当前最优解代入到搜索方程中；计算每个蜜源选择的概率，观察蜂根据蜜源选择概率挑选蜜源生成新的蜜源；当存在有需要放弃的蜜源，则侦查蜂通过混沌搜索算法产生新蜜源将需要放弃的蜜源替换；当达到最大迭代次数，获取当前最优蜜源作为模型的最优解，进行不同物料联合采购。通过该方案解决铸造企业多物料采购成本过高的问题，有效降低物料采购成本，减少人力物料耗费，便于物料综合管理。

An optimization method and system of multi material joint purchasing in discrete manufacturing enterprises

【技术实现步骤摘要】
一种离散制造企业多物料联合采购优化方法及系统
本专利技术涉及计算机
，尤其涉及一种离散制造企业多物料联合采购优化方法及系统。
技术介绍
对于许多小型的铸造企业，由于铸造工序复杂、生产方式为单件小批量、生产所需的原材料品种较多，对每种物料都采用不同的库存控制策略不便于管理。同时企业信息化程度不高，各部门间无论信息共享度还是数据准确度都存在较大的问题。而在实际的生产过程中，物料需求、采购提前期、单位物料的库存费用、缺货损失费用、订货费用等大多数因素都可能是不确定的。需求和提前期的不确定，可能会导致缺货问题的发生，不能等到库存为0之后再订货。因此，采购点以及采购批量的确定极其重要，必须考虑设置适当的安全库存以应对突发情况。而且采购批量的确定还需要考虑多种资源约束条件，如资金量、库存容量、运输容量、最小订货量、服务水平以及企业生产能力限制等约束的限制。目前，在实际的物料采购管理中，由于企业的采购人员缺少物料品种分类及采购批量预测相关的知识及方法，基于依靠历史经验指定物料采购计划，往往会对库存需求、订货周期、资金、成本制约等方面因素考虑不周，导致人力物力的耗费，增加企业物料采购成本。
技术实现思路
有鉴于此，本专利技术实施例提供了一种离散制造企业多物料联合采购优化方法及系统，以解决铸造企业多种物料采购成本高的问题。在本专利技术实施例的第一方面，提供了一种离散制造企业多物料联合采购优化方法，包括：建立不同物料联合采购成本模型，设定所述不同物料联合采购成本模型的约束条件；构建所述不同物料联合采购成本模型的初始种群，计算初始种群中各蜜源适应度；雇佣峰对种群中的蜜源进行邻域搜索，通过贪婪算法选择当前最优解，并将所述当前最优解代入到搜索方程中；计算每个蜜源选择的概率，观察蜂根据蜜源选择概率挑选蜜源生成新的蜜源；当存在有需要放弃的蜜源，则侦查蜂通过混沌搜索算法产生新蜜源将需要放弃的蜜源替换；当达到最大迭代次数，获取当前最优蜜源作为所述不同物料联合采购成本模型的最优解，根据所述最优解，进行不同物料联合采购。在本专利技术实施例的第二方面，提供了一种离散制造企业多物料联合采购优化系统，包括：建立模块，用于建立不同物料联合采购成本模型，设定所述不同物料联合采购成本模型的约束条件；初始化模块，用于构建所述不同物料联合采购成本模型的初始种群，计算初始种群中各蜜源适应度；雇佣峰模块，用于雇佣峰对种群中的蜜源进行邻域搜索，通过贪婪算法选择当前最优解，并将所述当前最优解代入到搜索方程中；观察蜂模块，用于计算每个蜜源选择的概率，观察蜂根据蜜源选择概率挑选蜜源生成新的蜜源；侦查蜂模块，用于当存在有需要放弃的蜜源，则侦查蜂通过混沌搜索算法产生新蜜源将需要放弃的蜜源替换；获取模块，用于当达到最大迭代次数，获取当前最优蜜源作为所述不同物料联合采购成本模型的最优解，根据所述最优解，进行不同物料联合采购。在本专利技术实施例的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。本专利技术实施例中，建立多物料联合采购模型，模型初始化后，通过人工蜂群算法，并结合混沌搜索算法优化侦查蜂的随机搜索，获取最优解，根据最优解进行物料采购，从而解决的传统铸造企业多种物料采购成本高的问题，有效减低成本，减少人力、物力及财力的耗费，方便企业物料采购的管理。基于混沌搜索算法改善人工蜂群算法的搜索精度和收敛速度，进一步保障求解的准确度和速度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。图1为本专利技术一实施例提供的离散制造企业多物料联合采购优化方法的流程示意图；图2为本专利技术一实施例提供的离散制造企业多物料联合采购优化方法的另一流程示意图；图3为本专利技术一实施例提供的离散制造企业多物料联合采购优化系统的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外，“第一”“第二”用于区分不同对象，并非用于描述特定顺序。针对铸造企业的实际生产情况和模型运算量的复杂度等要求，选出随机性需求、订货费用、缺货成本这几个因素，以及资金、容量、服务水平等多种资源约束，针对不同类别的物料分别提出不一样的采购批量优化策略，确定每类物料的最优订货点、订货量、安全库存量或补货间隔期、最大库存水平等，使企业原材料仓库的平均总库存成本最小。研究物料的采购批量优化是为了在多资源约束下(服务水平、资金、容量、生产能力限制等)，考虑数量折扣、缺货情况、需求或提前期随机等因素的影响，通过合适的采购批量策略求解最优的采购批量、安全库存、最大库存水平等，实现库存成本最小、利益最大等多个目标。对该物料联合采购模型的求解是一个典型的NP-hard(non-deterministicpolynomial)问题，一般难以通过线性规划等传统优化方法进行求解，对于复杂的优化问题可以基于人工蜂群算法进行优化求解。请参阅图1，本专利技术实施例提供的一种离散制造企业多物料联合采购优化方法的流程示意图，包括：S101、建立不同物料联合采购成本模型，设定所述不同物料联合采购成本模型的约束条件；所述不同物料联合采购成本模型为物料采购的成本函数，通过求解成本函数，可以计算得到最小成本对应的采购方案。所述约束条件为模型中参数受到的约束，一般指采购资金、库存空间等。相对于单独物料采购，联合采购可以有效节约成本，因此，对同一采购点的多种物料采用联合采购策略补充库存，减少订购次数，便于分摊订货费用、运输调度、降低总库存费用，提高库存水平，降低物料管理复杂性。示例性的，针对所述不同物料联合采购成本模型，可以假设条件如下：(1)物料的需求变化是随机的；(2)以一定的服务水平允许缺货；(3)无数量折扣；(4)库存持有成本为线性；(5)各物料的采购周期是联合订购周期的整数倍，即Ti＝kiT；(6)供应商的生产率始终大于铸造企业的需求率；(7)库存周转资金有限；(8)存储能力有限。进一步的，平均订货成本如下，主要组成部分本文档来自技高网...

【技术保护点】
1.一种离散制造企业多物料联合采购优化方法，其特征在于，包括：/n建立不同物料联合采购成本模型，设定所述不同物料联合采购成本模型的约束条件；/n构建所述不同物料联合采购成本模型的初始种群，计算初始种群中各蜜源适应度；/n雇佣峰对种群中的蜜源进行邻域搜索，通过贪婪算法选择当前最优解，并将所述当前最优解代入到搜索方程中；/n计算每个蜜源选择的概率，观察蜂根据蜜源选择概率挑选蜜源生成新的蜜源；/n当存在有需要放弃的蜜源，则侦查蜂通过混沌搜索算法产生新蜜源将需要放弃的蜜源替换；/n当达到最大迭代次数，获取当前最优蜜源作为所述不同物料联合采购成本模型的最优解，根据所述最优解，进行不同物料联合采购。/n

【技术特征摘要】
1.一种离散制造企业多物料联合采购优化方法，其特征在于，包括：
建立不同物料联合采购成本模型，设定所述不同物料联合采购成本模型的约束条件；
构建所述不同物料联合采购成本模型的初始种群，计算初始种群中各蜜源适应度；
雇佣峰对种群中的蜜源进行邻域搜索，通过贪婪算法选择当前最优解，并将所述当前最优解代入到搜索方程中；
计算每个蜜源选择的概率，观察蜂根据蜜源选择概率挑选蜜源生成新的蜜源；
当存在有需要放弃的蜜源，则侦查蜂通过混沌搜索算法产生新蜜源将需要放弃的蜜源替换；
当达到最大迭代次数，获取当前最优蜜源作为所述不同物料联合采购成本模型的最优解，根据所述最优解，进行不同物料联合采购。


2.根据权利要求1所述的方法，其特征在于，所述不同物料联合采购成本模型为物料平均库存总成本，所述物料平均库存总成本包括平均订货成本、平均库存持有成本和平均缺货成本。


3.根据权利要求1所述的方法，其特征在于，所述构建所述不同物料联合采购模型的初始种群包括：
确定种群数N、最大迭代次数、雇佣峰变为侦查蜂的极限标识和优化的参数数量D，其中，雇佣峰数量与种群数相同且对应；
在搜索空间中随机产生N个蜜源向量{Xi＝(xi1,xi2,…xiD)|i＝1,2,…,N}，其中，初始化种群方程为：
xij＝rand*(xmaxj-xminj)+xminj,j＝1,2,···,D(1)；

表示蜜源向量最大值，表示蜜源向量最小值；
初始每个蜜源的侦查状态标识为0，用于表示雇佣峰转变为侦查蜂进行随机搜索的标识。


4.根据权利要求1所述的方法，其特征在于，所述雇佣峰对种群中的蜜源进行邻域搜索，通过贪婪算法选择当前最优解，并将所述当前最优解代入到搜索方程中包括：
随机选择两个蜜源xa1k、xa2k，并选择两个蜜源中的任一位置k，雇佣蜂根据公式(2)进行变异操作，生成新的候选蜜源：
yik＝xik+2*(rand-0.5)*(xbest-xik)+2*(rand-0.5)*(xa1k-xa2k)(2)；
其中，yik为候选蜜源，xik为k位置随机原蜜源，rand表示随机数，xbest表示当前最优蜜源，xa1k、xa2k表示随机选择的两个蜜源，k∈(1,2,…,D)，i、k为参数；
计算新的候选蜜源适应度，通过贪婪算法从新蜜源和原蜜源选择适应度更高的蜜源。


5.根据权利要求1所述的方法，其特征在于，所述计算每个蜜源选择的概率具体为：
根据公式(3)蜜源选择概率函数，计算每个蜜源选择概率：；



其中，Pi为蜜源i的选择概率，Fitnessi表示蜜源i的适应度，max(Fitnessi)表示最高适应度。


6.根据权利要求1所述的方法，其特征在于，所述当存在有需要放弃的蜜源，则侦查蜂通过混沌搜索算法产生新蜜源将需要放弃的蜜源替换包...

【专利技术属性】
技术研发人员：唐红涛，
申请(专利权)人：武汉晨曦芸峰科技有限公司，
类型：发明
国别省市：湖北;42