计算机集成制造系统 ›› 2018, Vol. 24 ›› Issue (第5): 1292-1300.DOI: 10.13196/j.cims.2018.05.022
孔繁辉1,李健1,2
摘要: 为了通过提高供应链柔性网络来提高企业运营效率,考虑供应端(节点中断)和需求端(需求量波动)的不确定性,运用含多隐层的机器学习模型——深度信念网络,构建了以中转点选择和流量分布优化为目标的供应链柔性网络模型,制定了网络训练步骤,并以某大型制造企业为例,在供应链柔性网络预处理的基础上,对比分析了BP神经网络与深度信念网络的流量预测精度。实例分析结果表明,深度信念网络克服了BP神经网络容易陷入局部最优的缺陷,比传统的BP神经网络预测精度更高、训练时间更短、学习能力更强,最大程度地缩短了供应链网络应对不确定风险的响应时间,提高了供应链网络柔性。
中图分类号: