薛軍等

摘 要：采用復(fù)雜適應(yīng)系統(tǒng)理論和復(fù)雜人Agent的行為方式，進(jìn)行系統(tǒng)節(jié)點(diǎn)Agent群體之間的協(xié)同進(jìn)化機(jī)制研究。以成本、質(zhì)量、服務(wù)水平三個(gè)準(zhǔn)則為目標(biāo)函數(shù)，構(gòu)建供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent決策模型；以買方選擇供應(yīng)商數(shù)量最少為目標(biāo)函數(shù)，構(gòu)建總部配送中心系統(tǒng)節(jié)點(diǎn)Agent決策模型。提出了基于多目標(biāo)共生型協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化算法，通過系統(tǒng)節(jié)點(diǎn)Agent群體間的行為優(yōu)化，鞏固了連鎖零售供應(yīng)鏈上下游企業(yè)之間的關(guān)系，降低了供應(yīng)鏈的總成本。

關(guān)鍵詞：多目標(biāo)協(xié)同決策；供應(yīng)商數(shù)量選擇；訂單分配；復(fù)雜適應(yīng)系統(tǒng)理論；多目標(biāo)共生型協(xié)同進(jìn)化遺傳算法

中圖分類號(hào)：F25

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：16723198（2015）03006204

0 引言

在一個(gè)企業(yè)的運(yùn)營過程中，需要從一些供應(yīng)商處采購商品、零部件等。在過去十幾年中，很多企業(yè)開始采用大幅度減少供貨商數(shù)量的采購策略，甚至演化為“單一源采購”，即一個(gè)供貨商負(fù)責(zé)某一種商品的所有供給。當(dāng)減少供應(yīng)商數(shù)量時(shí)，可以減少交易成本，給企業(yè)帶來更多的經(jīng)濟(jì)效益。但是，因?yàn)楣?yīng)商具有很多的不確定性，例如供應(yīng)商能否保證貨物的質(zhì)量；能否在庫存提前期供貨；能否保證貨物的運(yùn)輸安全；能否提供優(yōu)質(zhì)的服務(wù)；能否保證其自身的財(cái)務(wù)狀況運(yùn)行良好等，從而導(dǎo)致企業(yè)采購具有更大的風(fēng)險(xiǎn)，并且一些供應(yīng)風(fēng)險(xiǎn)根本無法預(yù)測(cè)。采用以往的多源采購策略時(shí)，可以使采購風(fēng)險(xiǎn)減少，但是，交易成本大幅增長(zhǎng)，產(chǎn)生嚴(yán)重的浪費(fèi)。連鎖零售供應(yīng)鏈的核心理念是減少一切浪費(fèi)，盡力降低成本。因此，連鎖零售供應(yīng)鏈的核心零售企業(yè)必須在因控制不確定因素所付出的成本與成功控制不確定因素所獲得的收益間作出正確權(quán)衡，因此，進(jìn)行供應(yīng)商數(shù)量選擇與訂單分配協(xié)同決策問題研究具有重要的現(xiàn)實(shí)意義。

本文根據(jù)復(fù)雜適應(yīng)系統(tǒng)的開放、動(dòng)態(tài)、演化建模思想，提出系統(tǒng)節(jié)點(diǎn)Agent群體之間的協(xié)同進(jìn)化機(jī)制。采用供應(yīng)商提供增量?jī)r(jià)格折扣方式，建立供應(yīng)商數(shù)量選擇與訂單分配多目標(biāo)協(xié)同決策模型?；诙嗄繕?biāo)共生型協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化算法，研究供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體與總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體之間的行為優(yōu)化問題。

1 系統(tǒng)節(jié)點(diǎn)Agent群體之間的協(xié)同進(jìn)化

連鎖零售供應(yīng)鏈?zhǔn)嵌鄠€(gè)復(fù)雜組成單元（企業(yè)）相互作用而形成的、具有一定群體智能的復(fù)雜適應(yīng)系統(tǒng)，具有很強(qiáng)的適應(yīng)能力，各個(gè)組成單元都影響著連鎖零售供應(yīng)鏈的發(fā)展演化。

本文把連鎖零售供應(yīng)鏈的各個(gè)組成單元抽象為復(fù)雜適應(yīng)主體，采用復(fù)雜人Agent（Complex Person Agent，CPA）模型描述。連鎖零售供應(yīng)鏈的復(fù)雜適應(yīng)系統(tǒng)是一個(gè)復(fù)雜的合作共生網(wǎng)絡(luò)體系，系統(tǒng)模型結(jié)構(gòu)由：（1）系統(tǒng)節(jié)點(diǎn)Agent演化優(yōu)化級(jí)：包含供應(yīng)商子系統(tǒng)Agent群體、連鎖零售企業(yè)總部子系統(tǒng)Agent群體、總部配送中心子系統(tǒng)Agent群體、客戶子系統(tǒng)Agent群體；（2）微觀個(gè)體交互作用級(jí)：包含各區(qū)域配送中心Agent群體；（3）微觀個(gè)體行為優(yōu)化級(jí)：包含各連鎖零售分店Agent的三層演化優(yōu)化級(jí)組成。

1.1 復(fù)雜人Agent模型

系統(tǒng)節(jié)點(diǎn)Agent演化優(yōu)化級(jí)的復(fù)雜人Agent模型主要基于以下幾個(gè)假設(shè)：

假設(shè)1：在連鎖零售供應(yīng)鏈的多Agent系統(tǒng)（Multi-Agent System，MAS ）中，必須采用知識(shí)術(shù)語描述復(fù)雜人Agent的狀態(tài)，如目標(biāo)、意愿、信念、規(guī)劃、假設(shè)和欲求等。同時(shí)，要求復(fù)雜人Agent能夠檢驗(yàn)其自身的信念與欲求，形成其意愿，并根據(jù)一定的假設(shè)規(guī)劃采取行動(dòng)，最終在這些知識(shí)的基礎(chǔ)上完成協(xié)同決策任務(wù)。

假設(shè)2：在連鎖零售供應(yīng)鏈的MAS中，一個(gè)復(fù)雜人Agent必須能夠根據(jù)環(huán)境變化和其他復(fù)雜人Agent的不同作用，進(jìn)行推論和決策，根據(jù)決策結(jié)果采取相應(yīng)對(duì)策。復(fù)雜人Agent可以基于個(gè)人歷史以及與其他復(fù)雜人Agent相互之間信息交流而實(shí)現(xiàn)學(xué)習(xí)功能，并根據(jù)自己的經(jīng)驗(yàn)改變自己的行為，從而產(chǎn)生復(fù)雜的經(jīng)濟(jì)規(guī)律和新的決策規(guī)則。

假設(shè)3：在連鎖零售供應(yīng)鏈的MAS中，每個(gè)復(fù)雜人Agent內(nèi)部的協(xié)同進(jìn)化決策器維護(hù)一個(gè)采用進(jìn)化算法的群體，參與系統(tǒng)的合作與競(jìng)爭(zhēng)，其進(jìn)化群體為Agent提供行為決策功能。

1.2 系統(tǒng)節(jié)點(diǎn)Agent群體之間協(xié)同進(jìn)化機(jī)制

在開放、動(dòng)態(tài)的多Agent環(huán)境下，為了實(shí)現(xiàn)Agent群體間行為優(yōu)化目標(biāo)，多個(gè)復(fù)雜人Agent之間必須相互學(xué)習(xí)、協(xié)同發(fā)展，多個(gè)復(fù)雜人Agent采用協(xié)同進(jìn)化機(jī)制進(jìn)行合作與競(jìng)爭(zhēng)。

在系統(tǒng)節(jié)點(diǎn)Agent演化優(yōu)化級(jí)中，存在著多個(gè)相互協(xié)作的復(fù)雜人Agent，而且復(fù)雜人Agent是通過其內(nèi)部協(xié)同進(jìn)化決策器中的進(jìn)化群體為其提供行為決策的，各個(gè)復(fù)雜人Agent的進(jìn)化群體之間是按照以生物協(xié)同進(jìn)化理論為基礎(chǔ)的協(xié)同進(jìn)化機(jī)制進(jìn)化的，并且協(xié)同進(jìn)化機(jī)制采用多物種協(xié)同進(jìn)化算法實(shí)現(xiàn)。

2 供應(yīng)商選擇與訂單分配多目標(biāo)協(xié)同決策模型

供應(yīng)商供應(yīng)能力的不確定性直接影響連鎖零售供應(yīng)鏈的運(yùn)作，選擇適宜的供應(yīng)源，可以有效地分散供應(yīng)中斷的風(fēng)險(xiǎn)，又可保證成本的最小化。

2.1 問題描述與基本假設(shè)

假設(shè)每個(gè)供應(yīng)商都能夠同時(shí)提供彼此之間相互獨(dú)立的多種商品，都不會(huì)發(fā)生商品供貨短缺現(xiàn)象。連鎖零售企業(yè)總部配送中心Agent系統(tǒng)向n個(gè)供應(yīng)商采購m種商品，并且采購的所有同種商品都采用預(yù)先商定的統(tǒng)一價(jià)格，同時(shí)采用全部數(shù)量的折扣方式。因?yàn)檠芯康氖菃坞A段采購問題，所以在協(xié)同決策模型中不考慮庫存成本。

2.2 符號(hào)含義

模型中用到的符號(hào)及其含義如下：

j：采購商品種類的序號(hào)，j=1，2，…，m；

i：被選擇供應(yīng)商的序號(hào)，i=1，2，…，n；

t：折扣階段序號(hào)，t=1，2，…，T；

Dj：在計(jì)劃期內(nèi)，商品j的總采購需求量；

xij：總部配送中心Agent系統(tǒng)從供應(yīng)商i處采購商品j的數(shù)量（決策變量）；

qij：供應(yīng)商i提交的商品j中報(bào)廢商品百分比；

aijt：供應(yīng)商i以折扣率rijt供應(yīng)商品j的數(shù)量上限；

rijt：從第i個(gè)供應(yīng)商訂購商品j的數(shù)量達(dá)到相應(yīng)的定額要求時(shí)，所給予的第t個(gè)階段的價(jià)格折扣率；

cpij：在不考慮折扣的情況下，向供應(yīng)商i訂購商品j的單位成本，為商品單價(jià)與運(yùn)輸成本之和；

cqij：由于從供應(yīng)商i處采購到不合格的商品j造成的單位成本損失；

uij：從供應(yīng)商i處，能夠獲得商品j的最大數(shù)量；

dij：供應(yīng)商i提交的商品j中出現(xiàn)的商品延遲交貨率；

coi：從供應(yīng)商i處訂貨的訂貨成本；

yij，yi，yijt：中間變量，其值為0或1。

2.3 系統(tǒng)節(jié)點(diǎn)Agent群體多目標(biāo)協(xié)同決策模型

以成本、質(zhì)量、服務(wù)水平三個(gè)準(zhǔn)則為目標(biāo)函數(shù)，考慮供應(yīng)商提供數(shù)量折扣的優(yōu)惠條件，構(gòu)建供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體多目標(biāo)協(xié)同決策模型。

成本目標(biāo)，在考慮數(shù)量折扣的條件下，最小化商品采購費(fèi)用、由于采購不合格的商品造成的成本損失和訂貨費(fèi)用：

minZ1=∑ni=1∑mj=1∑Tt=1cpijxij（rijtyijt）+∑ni=1∑mj=1qijxijcqij+∑ni=1yicoi（1）

質(zhì)量目標(biāo)，使采購商品中的廢品數(shù)量最小化：

minZ2=∑ni=1∑mj=1qijxij（2）

服務(wù)水平目標(biāo)，使采購商品中延遲交貨的數(shù)量最小化：

minZ3=∑ni=1∑mj=1dijxij（3）

在供應(yīng)商數(shù)量選擇與訂單分配多目標(biāo)協(xié)同決策問題研究中，連鎖零售企業(yè)總部配送中心Agent系統(tǒng)以買方選擇供應(yīng)商數(shù)量最少為目標(biāo)函數(shù)，構(gòu)建連鎖零售企業(yè)總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體決策模型。

minZzx=∑ni=1∑mj=1yij=∑ni=1yi（4）

s.t.0≤xij≤uij并且是整數(shù)（5）

∑Tt=1yijt≤1（6）

∑mj=1∑Tt=1yijt≤myi（7）

∑Tt=1yijtaijt-1≤xij≤∑Tt=1yijtaijt（8）

上述模型中，i=1，2，…，n；j=1，2，…，m。其中式（1）表示在考慮數(shù)量折扣條件下，成本最小化（包括商品采購費(fèi)用、由于采購不合格的商品造成的成本損失和訂貨費(fèi)用）目標(biāo)；式（2）針對(duì)質(zhì)量目標(biāo)，使采購商品中廢品率最小化；式（3）針對(duì)服務(wù)水平目標(biāo)，使采購商品中延遲交貨的數(shù)量最小化；式（4）表示使買方選擇供應(yīng)商數(shù)量最少化的目標(biāo)函數(shù)式；式（5）是非負(fù)采購量約束和在供應(yīng)商i處采購商品j的上限數(shù)量約束；式（6）表示總部配送中心Agent系統(tǒng)從供應(yīng)商i處采購商品j時(shí)，最多只能以一個(gè)折扣階段的優(yōu)惠價(jià)格購買該商品；式（7）表示一個(gè)訂單包含在一個(gè)供應(yīng)商處采購的所有種類商品；式（8）表示與某一折扣區(qū)間內(nèi)優(yōu)惠價(jià)格相匹配采購量的上下限約束。

3 基于協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化

3.1 問題描述

在系統(tǒng)節(jié)點(diǎn)Agent演化優(yōu)化級(jí)，供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體的目標(biāo)包括：成本目標(biāo)、質(zhì)量目標(biāo)和服務(wù)水平目標(biāo)，本文采用偏好權(quán)重將其轉(zhuǎn)化為各目標(biāo)加權(quán)之和的單目標(biāo)問題。但是，為了實(shí)現(xiàn)供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體與總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體的目標(biāo)，兩個(gè)系統(tǒng)節(jié)點(diǎn)Agent群體之間必須相互合作，協(xié)同進(jìn)化，共同發(fā)展，通過系統(tǒng)節(jié)點(diǎn)Agent群體之間的協(xié)同進(jìn)化機(jī)制，實(shí)現(xiàn)系統(tǒng)節(jié)點(diǎn)Agent群體間的行為優(yōu)化。

3.2 基于協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化算法

本文采用基于多目標(biāo)共生型協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化算法，通過供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體與總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體間的行為優(yōu)化，對(duì)供應(yīng)商選擇與訂單分配多目標(biāo)協(xié)同決策模型進(jìn)行求解。

設(shè)計(jì)供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體和總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體分別為一個(gè)種群，對(duì)應(yīng)的目標(biāo)為分目標(biāo)，種群中個(gè)體的適應(yīng)度值取決于合作作用和貢獻(xiàn)度大小，那么各個(gè)分目標(biāo)就對(duì)應(yīng)于完整解的部分解。不同的種群采用不同的進(jìn)化算法來進(jìn)化，通過對(duì)各個(gè)分目標(biāo)種群中個(gè)體的適應(yīng)度評(píng)價(jià)來實(shí)現(xiàn)各個(gè)分目標(biāo)之間的協(xié)同進(jìn)化和共同發(fā)展，求得優(yōu)化問題的完整解。

基于多目標(biāo)共生型協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化算法基本流程如圖1所示。

圖1 Agent群體間行為優(yōu)化算法流程圖

4 實(shí)例分析

4.1 問題描述與基本假設(shè)

某連鎖零售企業(yè)的總部配送中心Agent計(jì)劃從7個(gè)供應(yīng)商處采購6種商品。所有供應(yīng)商供應(yīng)商品時(shí)都提供全部數(shù)量折扣優(yōu)惠條件。假設(shè)每個(gè)供應(yīng)商都能夠同時(shí)提供彼此之間相互獨(dú)立的多種商品，都不會(huì)發(fā)生商品供貨短缺現(xiàn)象。表1所示的各種參數(shù)值表明每個(gè)供應(yīng)商能夠供應(yīng)商品種類的范圍、供應(yīng)商品的能力等。種群規(guī)模為60條染色體，最大遺傳代數(shù)為200，決策變量的個(gè)數(shù)為42。交叉概率為0.60，變異概率為0.006。供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體與總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體之間的行為優(yōu)化問題，采用圖1所示的基于多目標(biāo)共生型協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化算法進(jìn)行求解。

供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體目標(biāo)函數(shù)的最優(yōu)解為17847000元，選擇的供應(yīng)商數(shù)量為5個(gè)。

從實(shí)驗(yàn)結(jié)果可以看出，在多目標(biāo)、多種商品采購情況下，分配給每個(gè)供應(yīng)商的最終訂貨量配額，取決于供 應(yīng)商自身具備的服務(wù)能力與水平。另外，在所有供應(yīng)商供貨時(shí)都提供數(shù)量折扣的優(yōu)惠條件下，供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體目標(biāo)函數(shù)的最優(yōu)解值（17847000元）相對(duì)于所有供應(yīng)商供貨時(shí)都不提供數(shù)量折扣條件下的目標(biāo)函數(shù)最優(yōu)解值（29411000元）有明顯的減小。通過供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體與總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體間的行為優(yōu)化，使成本目標(biāo)值由初始值38000000000元減少到最優(yōu)解17847000元，成本目標(biāo)值有顯著的減小。

5 結(jié)語

本文根據(jù)復(fù)雜人Agent行為分析，采用以生物協(xié)同進(jìn)化理論為基礎(chǔ)的基于協(xié)同進(jìn)化機(jī)制的MAS組織結(jié)構(gòu)及其協(xié)作機(jī)制方法來研究系統(tǒng)節(jié)點(diǎn)Agent群體之間的協(xié)同進(jìn)化機(jī)制，強(qiáng)調(diào)協(xié)同進(jìn)化與合作，強(qiáng)調(diào)連鎖零售供應(yīng)鏈各個(gè)成員企業(yè)的協(xié)調(diào)發(fā)展。利用復(fù)雜適應(yīng)系統(tǒng)的開放、動(dòng)態(tài)、演化建模思想和基于Multi-Agent理論與技術(shù)的復(fù)雜系統(tǒng)建模方法，并針對(duì)連鎖零售供應(yīng)鏈多目標(biāo)系統(tǒng)特點(diǎn)，引入生物協(xié)同進(jìn)化思想，建立供應(yīng)商系統(tǒng)節(jié)點(diǎn)Agent群體與總部配送中心系統(tǒng)節(jié)點(diǎn)Agent群體間的協(xié)同決策模型，并提出基于多目標(biāo)共生型協(xié)同進(jìn)化遺傳算法的Agent群體間行為優(yōu)化算法，深入地研究系統(tǒng)節(jié)點(diǎn)Agent群體間的行為優(yōu)化問題，提高了供應(yīng)商數(shù)量選擇與訂單分配多目標(biāo)協(xié)同決策的智能性和精確性，降低了零售供應(yīng)鏈的運(yùn)作成本。

參考文獻(xiàn)

[1]R. Kawtummachai，N.V. Hop. Order allocation in a multiple-supplier environment[J].International Journal of Production Economics，2005，（1）.

[2]葉濤鋒，達(dá)慶利.面向批量訂貨和多需求類的生產(chǎn)與庫存配給[J].管理科學(xué)學(xué)報(bào)，2012，（1）.

[3]約翰·H·霍蘭.涌現(xiàn)[M].上海：上?？茖W(xué)技術(shù)出版社，2001.

[4]蔣偉進(jìn)，張蓮梅，史德嘉.復(fù)雜自適應(yīng)系統(tǒng)的MAS動(dòng)態(tài)協(xié)作任務(wù)求解時(shí)序邏輯模型[J].系統(tǒng)工程理論與實(shí)踐，2012，（6）.

[5]S.Dutta，S.P.Sarmah，Miller.An analysis of supply chain coordination in a multi-agent market[J].International Journal of Operational Research，2009，（4）.

[6]關(guān)志民，杜麗敏.企業(yè)選擇學(xué)研合作伙伴的多目標(biāo)數(shù)學(xué)規(guī)劃方法[J].中國軟科學(xué)，2007，（6）.