網絡化制造環(huán)境下多級閉環(huán)供應鏈協(xié)調優(yōu)化控制技術

1 網絡化制造概述
1．1 網絡化制造的基本概念
1．2 網絡化制造的基本內涵
1．3 網絡化制造系統(tǒng)的結構和功能
1．4 網絡化制造資源集成
1．5 網絡化制造的關鍵技術
1．6 網絡化制造的研究現狀及發(fā)展趨勢
1．6．1 國外研究現狀
1．6．2 國內研究現狀
1．7 面向產品全生命周期的網絡化集成制造系統(tǒng)
2 閉環(huán)供應鏈網絡優(yōu)化相關理論
2．1 閉環(huán)供應鏈網絡規(guī)劃基本理論
2．1．1 供應鏈網絡相關概念
2．1．2 閉環(huán)供應鏈網絡結構
2．1．3 閉環(huán)供應鏈網絡優(yōu)化設計的主要內容
2．2 閉環(huán)供應鏈網絡中的不確定性
2．2．1 閉環(huán)供應鏈網絡不確定性的來源及特點
2．2．2 供應鏈網絡不確定性產生機理
2．3 不確定性優(yōu)化方法
2．3．1 模糊規(guī)劃方法
2．3．2 隨機規(guī)劃方法
2．3．3 魯棒優(yōu)化方法
3 基于多面體不確定集的魯棒優(yōu)化模型構建
3．1 問題描述與假設
3．1．1 問題描述
3．1．2 參數符號及含義
3．1．3 基本假設
3．2 閉環(huán)供應鏈網絡多目標模型構建
3．2．1 閉環(huán)供應鏈網絡成本函數
3．2．2 閉環(huán)供應鏈網絡碳排放函數
3．2．3 閉環(huán)供應鏈網絡顧客滿意度損失函數
3．2．4 多目標約束
3．3 基于多面體不確定集的魯棒優(yōu)化模型構建
3．3．1 不確定參數描述
3．3．2 多目標魯棒線性優(yōu)化模型
4 基于深度信念網絡的市場需求預測
4．1 DBN介紹
4．1．1 RBM介紹
4．1．2 共軛梯度算法
4．1．3 DBN學習過程
4．1．4 共軛梯度算法
4．1．5 DBN學習過程
4．2 基于DBN市場需求預測
4．2．1 市場需求預測指標及數據處理
4．2．2 DBN預測模型關鍵參數設定
4．2．3 基于DBN的市場需求預測
4．3 案例分析
4．3．1 案例描述
4．3．2 家電供應鏈網絡參數設定
4．4 模型算法設計與評價
4．4．1 Levy飛行搜索機制
4．4．2 動態(tài)參數調整策略
4．4．3 多目標模糊優(yōu)化
4．4．4 算法性能評價
4．5 結果分析
4．5．1 不確定環(huán)境下的網絡規(guī)劃方案
4．5．2 敏感性分析
5 基于DWOA的綠色閉環(huán)供應鏈網絡魯棒模糊優(yōu)化設計
5．1 魯棒模糊理論
5．1．1 魯棒優(yōu)化理論
5．1．2 模糊處理理論
5．2 多目標問題處理
5．2．1 多目標理論
5．2．2 多目標優(yōu)化算法
5．3 鯨魚算法與差分鯨魚算法
5．3．1 鯨魚算法
5．3．2 差分鯨魚算法
5．4 綠色閉環(huán)供應鏈網絡模型建立
5．4．1 問題描述
5．4．2 模型假設及符號定義
5．4．3 模型建立
5．5 模型處理
5．5．1 模糊處理
5．5．2 多目標處理
5．6 模型求解及算例驗證
5．6．1 折扣區(qū)間的敏感性分析
5．6．2 多目標模型驗證
5．6．3 不確定性模型驗證
5．6．4 DWOA算法驗證
6 基于SD的四級閉環(huán)供應鏈質量控制模型
6．1 供應鏈質量控制模型描述
6．1．1 模型結構框架
6．1．2 模型假設
6．1．3 仿真軟件
6．2 多級閉環(huán)供應鏈質量控制模型
6．2．1 因果回路圖
6．2．2 主要方程及參數設置
6．2．3 多級閉環(huán)供應鏈的系統(tǒng)模型
6．3 多級閉環(huán)供應鏈質量控制模型仿真
6．3．1 模型檢測
6．3．2 數值算例
7 契約協(xié)調下多級閉環(huán)供應鏈質量控制模型
7．1 質量獎懲契約協(xié)調模型
7．1．1 模型結構框架
7．1．2 主要方程及參數設置
7．1．3 數值仿真
7．2 質量成本分攤契約協(xié)調模型
7．2．1 模型結構框架
7．2．2 主要方程及參數設置
7．2．3 數值仿真
7．3 回收契約協(xié)調模型
7．3．1 模型結構框架
7．3．2 主要方程及參數設置
7．3．3 數值仿真
參考文獻