基于PSO-GA优化神经网络的企业物料安全库存预测研究

作     者：陈涛涛 

作者单位：北京印刷学院 

学位级别：硕士

导师姓名：王晓华

授予年度：2023年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 0822[工学-轻工技术与工程] 

主      题：安全库存 BP神经网络 遗传算法 粒子群算法 预测模型 

摘      要：随着我国工业信息化的不断发展和印刷产业市场竞争的加剧,追求企业的精益化管理成为必然。“零库存管理模式是精益化管理中的一部分,在企业库存管理中已经有了良好的发展,但是在实际生产中,特别是在经历了三年疫情防控后,“安全库存相较“零库存更加适合印刷产业需求。常用的库存控制方法有ABC分类法、定量订货法等,依靠传统方法很难达到精确的预测效果。因此,本文针对印刷企业特点,通过改进预测算法模型,有效提高了安全库存的预测精度。本文针对印刷企业物料安全库存设置问题,通过分析选取影响企业安全库存的七种主要因素,分别包括订单价格、存储成本、物料合格率等,这些因素之间存在着模糊复杂的非线性关系,使得企业对于安全库存的预测非常困难。由于神经网络自身具有优良的特性,在库存预测方面得到了广泛应用,但是依然存在缺点如容易陷入局部极小值问题,使得预测结果误差较大。因此,本文提出了一种优化神经网络的混合算法,算法主要内容是对遗传算法进行自适应交叉设计和自适应变异设计,并引入粒子群(PSO)算法中对粒子自身运动最佳信息进行记忆的方法,用粒子位置更新替代遗传算法(GA)子代个体位置更新,使其能够记忆自身进化过程中的最佳位置。在保证种群多样性的同时,提高遗传算法(GA)的寻优能力和收敛速度,并且通过该算法优化BP神经网络的权值和阈值。以某印刷企业物料-铜版纸的安全库存数据作为样本数据,使用Matlab软件分别构建BP神经网络预测模型、GA-BP神经网络预测模型、PSO-BP神经网络预测模型和PSO-GA-BP神经网络预测模型,通过预测模型的仿真实验对比,结果表明,PSO-GA-BP神经网络预测模型在收敛速度和预测精度方面都有明显提高,对预测结果的分析证明了该预测模型的可靠性。最后设计了基于MATLAB GUI的企业物料安全库存预测系统人机交互界面,通过导入样本数据分析验证了该人机交互界面的可行性,实现了对企业物料安全库存量的预测工作。