制造/再制造系统库存优化：随机灰色提前期下的智能算法

本文探讨了"随机灰色提前期条件下制造/再制造混合系统库存优化"这一主题，发表于2007年的《华东理工大学学报（自然科学版）》第33卷第4期。作者刘东波、陈玉娟和黄道添针对不确定的生产提前期、恒定的顾客需求率以及产品回收率，提出了一个基于PUSH库存控制策略的库存管理模型。在这样的系统中，产品库存不仅依赖于新产品的制造过程，还通过回收产品的再制造过程进行补充。 生产提前期作为关键因素，被表述为随机灰色变量，这允许作者们应用随机灰色模拟技术来处理这种不确定性。随机灰色模拟技术能够生成不确定函数的输入-输出数据，这些数据被用来训练神经网络，从而加速对不确定函数模拟的过程。这种方法的创新之处在于将随机灰色模拟、神经网络和遗传算法结合，形成一种混合智能优化算法，用于解决复杂的库存控制问题。 研究结果显示，随着顾客服务水平和生产提前期的提高，平均生产成本会增加，这反映了现实世界中库存管理的实际挑战。模型的不确定性特征使其能更好地适应实际库存系统的动态性。最后，作者强调了他们的智能优化算法对于解决不确定规划问题的重要作用，即通过这种算法可以优化库存决策，使得生产与再制造过程更加高效，同时满足客户服务水平，降低整体运营成本。 关键词包括制造/再制造、不确定提前期、库存控制、随机灰色模拟、神经网络以及遗传算法，这些概念共同构成了论文的核心理论框架和技术手段。本文的研究对于理解并优化复杂制造业中的库存管理具有重要的理论和实践价值。