基于仿真混合与自适应的集成差分进化算法用于不确定性下的库存管理
最优化与控制
2023-10-16 v3 数值分析
数值分析
机器学习
摘要
本研究提出一种基于仿真混合与自适应的集成差分进化（EDESH-SA）方法，用于不确定性下的库存管理（IM）。本研究中，多次运行的 DE 与一种基于仿真的混合方法相结合，该混合方法包含一种自适应机制，可根据每次迭代的成功或失败动态改变变异与交叉概率。由于其适应性，该算法能够处理 IM 中存在的复杂性与不确定性。利用蒙特卡洛仿真（MCS），在考虑随机性与多种需求情景的同时考察连续盘点（CR）库存策略。这种基于仿真的方法能够切实评估所提算法在解决实际环境中 IM 面临挑战时的适用性。实证结果表明所提方法有望改善 IM 的财务绩效并优化大型搜索空间。本研究利用 Ackley 函数的性能测试与扰动敏感性分析来探究变量变化如何影响目标值。该分析为算法的行为与鲁棒性提供了有价值的见解。
引用
@article{arxiv.2309.12852,
title = {Ensemble Differential Evolution with Simulation-Based Hybridization and Self-Adaptation for Inventory Management Under Uncertainty},
author = {Sarit Maitra and Vivek Mishra and Sukanya Kundu},
journal= {arXiv preprint arXiv:2309.12852},
year = {2023}
}
备注
15 pages, 6 figures, AsiaSIM 2023 (Springer)