- 相關推薦
改進粒子群算法在電子商務采購中的應用
粒子群算法的基本思想是通過群體中個體之間的協作和信息共享來尋找最優解，下面是小編搜集的一篇關于粒子群算法在電子商務采購中的應用探究的論文范文，供大家閱讀借鑒。
隨著互聯網的迅猛發展和社會信息化水平的不斷提高，企業進入一個全球化競爭的網絡經濟時代，電子商務作為企業的發展平臺已成趨勢。特別對中小企業而言，電子商務帶來了許多新的機遇和挑戰，面對日益加劇的市場競爭和多變的市場需求，如何結合電子商務這信息化平臺及特點，確保產品品質，降低采購成本是提高自身競爭力的關鍵。但是通過電子商務平臺(如阿里巴巴、淘寶)的采購往往會遇到一種情況：一種產品多個供應商，各供應商散落分布，報價、郵費歷史交易情況等各評價指標均有差異。針對電子商務平臺供應商難以選擇的問題，本文建立合理的供應商評價體系并采用改進粒子群算法對模型進行求解，最終選擇較合適的供應商及供應量組合。
一、模型建立
(一)供應商評價指標
對于供應商評價指標，國內外學者都做過大量研究。[1，2]本文根據電子商務信息化平臺的特點，選取了以下7項評價指標：產品質量(Q)、價格(P)、交貨速度(T)、運輸質量(TQ)、服務(S)、信用度(C)、支付(PA)。
產品質量指的是實際產品質量與供應商描述的產品質量相符程度，用合格率表示;產品價格是包含運輸費用在內的平均單位產品的成本;交貨速度指供應商發貨速度，從訂單下達到收到貨物的時間，用交貨準時率來表示;交貨速度指供應商發貨速度，從訂單下達到收到貨物的時間，用交貨準時率來表示;服務指整個交易過程中供應商的服務情況，包括溝通態度、商業承諾、售后服務和反饋態度;信用度也即可靠度，是供應商在該電子商務平臺的使用積分;支付指的是供應商提供的支付方式及方便程度。
以上評價指標參數，除了價格由供應商提供外，其余評價指標數值均從電子商務平臺上采集。
(二)模型的建立
設購買方需要采購m種產品，有n個候選供應商，每個供應商都供應一種或多種所需產品，購買方可在這n家供應商的供應能力范圍內，選擇供應商并確定采購的產品類型及數量，達到minP―采購成本最小化，maxQ―產品質量最大化，maxT―交貨速度最快化，maxTQ―運輸質量最大化，maxS―服務最好化，maxC―信用度最高化，maxPA―支付最方便化。這是一個多目標優化問題，采用加權法得到單目標優化函數：
二、改進粒子群算法求解
粒子群算法(PSO)，基本思想是通過群體中個體之間的協作和信息共享來尋找最優解。該算法具有魯棒性、擴展性和并行分布性等優點，算法規則簡單，易于實現且收斂速度快，已成功運用于訓練人工神經網絡、求解多維非線性函數優化問題、min-max問題、約束優化等實際問題中。因此，本文采用粒子群算法對上述優化模型進行求解，并通過動態慣性因子和收縮因子，保證其收斂性，進一步提升算法性能。
(一)問題表示
供應商及供應量選擇的問題描述為：在n家供應商中，為m種產品選擇供應的供應商及確定供應量，以達到滿足整體要求即目標函數最小。n家供應商中，每家可能提供一種或多種產品，購買方可以在供應商提供的品種范圍內同時向其采購多種產品。
在以上問題的描述下，確定粒子i在解空間的位置表示Xk=(x11，x12，…，x1n，x21，…，x2n，…，xm1，…，xmn)，代表著m個產品在n家供應商的訂貨量，若xij=0，則表示提供i產品的第j家供應商沒有被選擇，若，xij即表示i產品在第j家供應商的訂貨量。
粒子的飛行速度決定其飛行的的位移距離和方向，表示為Vi=(v11，v12，…，v1n，v21，…，v2n，…，vm1，…，vmn)。vij為粒子在該維空間位置的飛行速度，也即位置變化值。
(二)約束條件處理
三、應用范例
即產品1在供應商1、2、3的采購量分別為38、111、51;產品2在供應商2、5的采購量分別是726、274;產品3的采購沒有選擇供應商4，在供應商1、3的采購量分別是336和164。結果中可以看出，在多目標優化的模型中，層次分析法結合改進粒子群算法能有效給出供應商及供應量組合，為用戶提供選擇參考。
四、結束語
本文以電子商務平臺為背景，根據使用電子商務平臺進行采購的特點，建立對應的供應商評價體系和相應的數學模型，采用層次分析法獲取各指標權重值，使用粒子群算法進行求解，并引入動態慣性因子和收斂因子避免算法的早熟同時加快收斂速度。實例證明該方法能有效解決多目標復雜決策環境下的供應商及供應量選擇難題，具有較廣泛的適用性和較強的應用價值。
【改進粒子群算法在電子商務采購中的應用】相關文章：
組合預測方法中的權重算法及應用08-22
MCMC算法在MIMO系統檢測中的應用09-24
關于LZW算法的改進研究08-31
遺傳算法及其在求解TSP中的應用09-22
淺談網絡拓撲發現算法在網管中的應用09-10
談網絡拓撲發現算法在網管中的應用10-03
電子商務在航運企業中的應用09-04
模擬退火算法在匹配場定位優化中的應用10-25