改进粒子群算法在电子商务采购中的应用
粒子群算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解，下面是小编搜集的一篇关于粒子群算法在电子商务采购中的应用探究的论文范文，供大家阅读借鉴。
随着互联网的迅猛发展和社会信息化水平的不断提高，企业进入一个全球化竞争的网络经济时代，电子商务作为企业的发展平台已成趋势。特别对中小企业而言，电子商务带来了许多新的机遇和挑战，面对日益加剧的市场竞争和多变的市场需求，如何结合电子商务这信息化平台及特点，确保产品品质，降低采购成本是提高自身竞争力的关键。但是通过电子商务平台(如阿里巴巴、淘宝)的.采购往往会遇到一种情况：一种产品多个供应商，各供应商散落分布，报价、邮费历史交易情况等各评价指标均有差异。针对电子商务平台供应商难以选择的问题，本文建立合理的供应商评价体系并采用改进粒子群算法对模型进行求解，最终选择较合适的供应商及供应量组合。
一、模型建立
(一)供应商评价指标
对于供应商评价指标，国内外学者都做过大量研究。[1，2]本文根据电子商务信息化平台的特点，选取了以下7项评价指标：产品质量(Q)、价格(P)、交货速度(T)、运输质量(TQ)、服务(S)、信用度(C)、支付(PA)。
产品质量指的是实际产品质量与供应商描述的产品质量相符程度，用合格率表示;产品价格是包含运输费用在内的平均单位产品的成本;交货速度指供应商发货速度，从订单下达到收到货物的时间，用交货准时率来表示;交货速度指供应商发货速度，从订单下达到收到货物的时间，用交货准时率来表示;服务指整个交易过程中供应商的服务情况，包括沟通态度、商业承诺、售后服务和反馈态度;信用度也即可靠度，是供应商在该电子商务平台的使用积分;支付指的是供应商提供的支付方式及方便程度。
以上评价指标参数，除了价格由供应商提供外，其余评价指标数值均从电子商务平台上采集。
(二)模型的建立
设购买方需要采购m种产品，有n个候选供应商，每个供应商都供应一种或多种所需产品，购买方可在这n家供应商的供应能力范围内，选择供应商并确定采购的产品类型及数量，达到minP―采购成本最小化，maxQ―产品质量最大化，maxT―交货速度最快化，maxTQ―运输质量最大化，maxS―服务最好化，maxC―信用度最高化，maxPA―支付最方便化。这是一个多目标优化问题，采用加权法得到单目标优化函数：
二、改进粒子群算法求解
粒子群算法(PSO)，基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。该算法具有鲁棒性、扩展性和并行分布性等优点，算法规则简单，易于实现且收敛速度快，已成功运用于训练人工神经网络、求解多维非线性函数优化问题、min-max问题、约束优化等实际问题中。因此，本文采用粒子群算法对上述优化模型进行求解，并通过动态惯性因子和收缩因子，保证其收敛性，进一步提升算法性能。
(一)问题表示
供应商及供应量选择的问题描述为：在n家供应商中，为m种产品选择供应的供应商及确定供应量，以达到满足整体要求即目标函数最小。n家供应商中，每家可能提供一种或多种产品，购买方可以在供应商提供的品种范围内同时向其采购多种产品。
在以上问题的描述下，确定粒子i在解空间的位置表示Xk=(x11，x12，…，x1n，x21，…，x2n，…，xm1，…，xmn)，代表着m个产品在n家供应商的订货量，若xij=0，则表示提供i产品的第j家供应商没有被选择，若，xij即表示i产品在第j家供应商的订货量。
粒子的飞行速度决定其飞行的的位移距离和方向，表示为Vi=(v11，v12，…，v1n，v21，…，v2n，…，vm1，…，vmn)。vij为粒子在该维空间位置的飞行速度，也即位置变化值。
(二)约束条件处理
三、应用范例
即产品1在供应商1、2、3的采购量分别为38、111、51;产品2在供应商2、5的采购量分别是726、274;产品3的采购没有选择供应商4，在供应商1、3的采购量分别是336和164。结果中可以看出，在多目标优化的模型中，层次分析法结合改进粒子群算法能有效给出供应商及供应量组合，为用户提供选择参考。
四、结束语
本文以电子商务平台为背景，根据使用电子商务平台进行采购的特点，建立对应的供应商评价体系和相应的数学模型，采用层次分析法获取各指标权重值，使用粒子群算法进行求解，并引入动态惯性因子和收敛因子避免算法的早熟同时加快收敛速度。实例证明该方法能有效解决多目标复杂决策环境下的供应商及供应量选择难题，具有较广泛的适用性和较强的应用价值。
【改进粒子群算法在电子商务采购中的应用】相关文章：