供應(yīng)鏈聯(lián)合補(bǔ)充問題的強(qiáng)化學(xué)習(xí)算法.pdf

1、聯(lián)合補(bǔ)充問題(The joint replenishment problemERP)，是指在同一供應(yīng)商處采購多種貨物，對(duì)不同周期的不同貨物進(jìn)行調(diào)度的策略問題，好的采購策略能提高庫存管理效果和節(jié)約成本。在實(shí)現(xiàn)生活中，企業(yè)受到外界各種因素的影響，在聯(lián)合補(bǔ)充的過程中需求量或者采購周期往往會(huì)產(chǎn)生波動(dòng)，為了降低企業(yè)的額外無用消耗，模糊聯(lián)合問題就因運(yùn)而生，問題的解決也變得迫在眉睫。隨著生產(chǎn)生活的需要，企業(yè)需要面對(duì)各種各樣的聯(lián)合補(bǔ)充問題，機(jī)器學(xué)習(xí)和E

2、RP相結(jié)合，解決了專家算法中供應(yīng)鏈中的知識(shí)獲取問題。強(qiáng)化學(xué)習(xí)是人工智能的重要算法之一，它是通過不斷與環(huán)境交互從而改進(jìn)本身的策略。
　　首先，研究單一供應(yīng)商條件下需求為模糊變量的聯(lián)合補(bǔ)充問題，需求量為模糊變量，列出其隸屬函數(shù)，通過梯形模糊數(shù)求解目標(biāo)函數(shù)，通過模糊隸屬度求出目標(biāo)函數(shù)，即各產(chǎn)品的補(bǔ)充周期；通過各個(gè)產(chǎn)品的最佳補(bǔ)充周期確定對(duì)應(yīng)的基本補(bǔ)充周期長度。通過對(duì)需求模糊的聯(lián)合補(bǔ)充問題研究，得到一個(gè)每次行動(dòng)后系統(tǒng)獲得的回報(bào)函數(shù)并通過學(xué)習(xí)

3、算法對(duì)數(shù)學(xué)模型進(jìn)行處理，最終求解出的函數(shù)為最小化訂貨成本。
　　其次，研究聯(lián)合補(bǔ)充問題的強(qiáng)化學(xué)習(xí)算法。通過強(qiáng)化學(xué)習(xí)對(duì)離散問題的研究，從而解決無模型情況下的聯(lián)合補(bǔ)充問題。將聯(lián)合補(bǔ)充問題轉(zhuǎn)變?yōu)闆Q策問題，進(jìn)而使用強(qiáng)化學(xué)習(xí)解決策略問題。依據(jù)半馬爾可夫理論，采用強(qiáng)化學(xué)習(xí)算法，對(duì)供應(yīng)鏈中聯(lián)合補(bǔ)充問題進(jìn)行無導(dǎo)師學(xué)習(xí)，每種貨物的基本周期作為初始狀態(tài)，由馬爾可夫決策鏈，通過行為和轉(zhuǎn)移概率計(jì)算出聯(lián)合補(bǔ)充的Q值，參數(shù)選取原則與結(jié)束條件，最后通過實(shí)例的驗(yàn)