混合差分进化与熵权TOPSIS：多目标(Q, r)库存决策优化

本文主要探讨了在随机需求环境下，如何解决多目标库存控制问题。研究者针对库存管理中的复杂性，提出了一个以降低成本、减少缺货率和控制缺货量为目标的多目标(Q, r)库存模型。这个模型考虑了三个关键性能指标，即年度预期总相关成本、年度预期缺货次数和年度预期缺货量，这些都是库存决策的重要考量因素。 为了找到满足决策者需求的Pareto前沿，即在不牺牲一个目标的同时最大化另一个目标的最佳解决方案集合，研究者采用了一种混合智能算法。这种算法结合了遗传算法和差分进化算法的优势，通过迭代优化过程，寻找非支配解，也就是那些无法通过牺牲其中一个目标来改善其他目标的解。这种方法能够在众多可能的决策方案中筛选出最具效率和效益的选择。 接着，作者引入了熵权TOPSIS（Technique for Order of Preference by Similarity to Ideal Solution）方法，这是一种常用的多属性决策分析工具。通过赋予不同目标不同的权重，基于这些权重对每个解的满意程度进行排序。熵权技术考虑了决策者对各个目标的主观重要性，使得排序更为公平且具有客观依据。 本文的研究为库存管理者提供了一个综合运用混合差分进化算法和熵权TOPSIS方法的有效决策支持框架。通过这个模型，管理者可以根据自身的业务需求和风险偏好，做出更精确、全面的库存控制决策，从而在满足客户需求的同时，降低运营成本并优化整体供应链绩效。这项工作对于实践中的库存管理和多目标优化问题具有重要的理论价值和实际应用意义。