面向供应链网络平衡问题的自适应和多样化学习型算法
最优化与控制
2025-04-17 v1
摘要
本文提出了一种新型非线性规划模型，用于捕捉复杂供应链网络的平衡状态。该模型等价于变分不等式模型，放宽了传统严格假设，以容纳现实世界的复杂性，如生产、消费和定价之间的非线性、非凸和非光滑关系。为了高效解决这一具有挑战性的问题，我们引入了一种新型启发式算法，即自适应和多样化学习型算法 (AVLA)，灵感来自群体学习行为。AVLA 模拟不同子群在不同阶段中个体学习过程，采用基于成功历史的参数自适应机制以减少手动调参。对 29 个基准问题和 5 个供应链网络进行大规模计算实验表明，AVLA 的性能优于 19 种最先进的算法。AVLA 在平均值和最佳目标函数值方面始终取得最佳结果，成为解决复杂供应链网络平衡问题的强大工具。
引用
@article{arxiv.2504.11499,
title = {Adaptive and various learning-based algorithm for supply chain network equilibrium problems},
author = {Sheng-Xue He},
journal= {arXiv preprint arXiv:2504.11499},
year = {2025}
}
备注
40 pages. arXiv admin note: substantial text overlap with arXiv:2504.10788