[论文解读] A Multi-Stage Supply Chain Network Optimization Using Genetic Algorithms

Nelson Dzupire, Yaw Nkansah-Gyekye|arXiv (Cornell University)|Aug 4, 2014

Advanced Multi-Objective Optimization Algorithms参考文献 35被引用 11

一句话总结

本文提出了一种基于多目标遗传算法（GA）的优化模型，用于三阶段供应链网络，旨在最小化总系统成本和交货延迟。通过利用进化计算探索Pareto前沿，该方法在不确定的供应链环境中有效平衡了成本效率与准时交付表现。

ABSTRACT

In today's global business market place, individual firms no longer compete as independent entities with unique brand names but as integral part of supply chain links. Key to success of any business is satisfying customer's demands on time which may result in cost reductions and increase in service level. In supply chain networks decisions are made with uncertainty about product's demands, costs, prices, lead times, quality in a competitive and collaborative environment. If poor decisions are made, they may lead to excess inventories that are costly or to insufficient inventory that cannot meet customer's demands. In this work we developed a bi-objective model that minimizes system wide costs of the supply chain and delays on delivery of products to distribution centers for a three echelon supply chain. Picking a set of Pareto front for multi-objective optimization problems require robust and efficient methods that can search an entire space. We used evolutionary algorithms to find the set of Pareto fronts which have proved to be effective in finding the entire set of Pareto fronts.

研究动机与目标

• 解决在不确定性条件下多级供应链中平衡成本最小化与准时交付的挑战。
• 开发一个双目标优化模型，以捕捉供应商、制造商和配送中心之间的系统总成本与交货延迟。
• 应用进化算法，以高效探索多目标供应链决策的整个Pareto前沿。
• 为决策者提供一组在成本效率与服务水平表现之间权衡的稳健解。
• 展示遗传算法在解决具有冲突目标的复杂现实供应链网络设计问题中的有效性。

提出的方法

• 将包含供应商、制造商和配送中心的三阶段供应链网络建模为决策节点。
• 构建一个双目标数学模型，以最小化总系统成本和向配送中心的交货延迟。
• 采用非支配排序遗传算法（NSGA-II）在解空间中搜索Pareto最优前沿。
• 在遗传算法框架中，将供应链决策（如流量数量、设施选址）编码为染色体。
• 基于成本与延迟双重目标的适应度评估，对解进行非支配前沿排序。
• 迭代应用遗传算子——选择、交叉与变异——以演化出多样化的Pareto最优解集。

实验结果

研究问题

• RQ1 如何优化多阶段供应链网络，以同时最小化总系统成本与交货延迟？
• RQ2 遗传算法在识别具有冲突目标的供应链问题中分布良好的Pareto前沿方面表现如何？
• RQ3 需求、提前期和成本的不确定性如何影响成本效率与服务水平之间的权衡？
• RQ4 进化计算能否有效探索复杂现实供应链网络设计问题的整个解空间？
• RQ5 在三阶段供应链结构中，成本与交货表现之间的关键权衡是什么？

主要发现

• 所提出的遗传算法成功识别出在成本与交货延迟权衡前沿上分布良好的Pareto最优解集。
• 双目标模型使决策者能够选择在降低成本与提升准时交付表现之间实现平衡的解决方案。
• 进化计算，特别是NSGA-II，在处理供应链优化的复杂多维解空间方面表现有效。
• 该模型捕捉了需求、提前期和成本不确定性对系统整体表现及决策权衡的影响。
• 结果表明，遗传算法能够高效探索并收敛到大规模供应链网络的高质量非支配解。
• 本研究验证了元启发式方法在求解精确方法可能计算不可行的真实世界供应链问题中的适用性。