[發明專利]一種多項目式多目標集中采購決策優化方法及系統

在審

• 申請號: 202110426327.5
• 申請日: 2021-04-20
• 公開（公告）號: CN113065714A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 鄭美妹;周豪;王清威
• 申請（專利權）人: 上海交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/10;G06Q10/06;G06Q30/02;G06F30/20;G06F111/04;G06F111/06;G06F111/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種多項目式多目標集中采購決策優化方法，其特征在于，包括：

步驟S1：針對多工廠、多項目、多供應商、多期的實際采購情景，考慮采購成本、質量缺陷數量以及延遲交貨數量，并分別構建目標函數；

步驟S2：根據項目需求量隨機性以及供應商客觀存在的各類約束，提供不同的階梯價格折扣；

步驟S3：根據已構建的目標函數與約束條件，建立多階段混合整數隨機規劃模型M1，將模型M1改寫為情景樹模型M2；

步驟S4：對模型的約束條件進行處理，將約束條件轉化為目標函數，獲得利于求解的決策優化模型M3；

步驟S5：生成多期的情景樹，利用所生成的情景樹模擬動態的采購情景，將隨機規劃問題轉變為確定性規劃問題；

步驟S6：針對已進行過約束處理與情景樹生成的采購決策優化模型，進行求解，獲得采購決策方案集。

2.根據權利要求1所述的多項目式多目標集中采購決策優化方法，其特征在于，所述步驟S1中每個項目都屬于特定的工廠，且每個項目只能選擇一個供應商，每個供應商提供給每個工廠不同的采購單價、質量和交付。

3.根據權利要求1所述的多項目式多目標集中采購決策優化方法，其特征在于，所述步驟S2中，供應商根據總的采購量提供不同的階梯價格折扣，且在不斷供的條件下，會提供持續價格年降，項目每年的需求量都會發生變化，且由于項目的生命周期，每年都會有新的項目進入與老的項目退出。

4.根據權利要求1所述的多項目式多目標集中采購決策優化方法，其特征在于，所述步驟S3中運用概率情景樹I的方法將模型M1改寫為情景樹模型M2。

5.根據權利要求1所述的多項目式多目標集中采購決策優化方法，其特征在于，所述步驟S4中，運用罰函數方法F(x,σ)＝f(x)+σP(x)對模型的約束進行有效處理，其中F(x,σ)為轉化后的廣義目標函數，f(x)為初始目標函數，P(x)為包含有約束條件的懲罰項，σ為懲罰因子。

6.根據權利要求1所述的多項目式多目標集中采購決策優化方法，其特征在于，所述步驟S5中，運用最大相似度的方法進行模型情景樹的生成，以模擬實際中動態復雜的采購情景。

7.根據權利要求1所述的多項目式多目標集中采購決策優化方法，其特征在于，所述步驟S6中，采用改進的混沌優化算法進行求解，獲得一系列的采購決策方案集。

8.一種多項目式多目標集中采購決策優化系統，其特征在于，包括：

構建模塊：針對多工廠、多項目、多供應商、多期的實際采購情景，考慮采購成本、質量缺陷數量以及延遲交貨數量，并分別構建目標函數；

約束模塊：根據項目需求量隨機性以及供應商客觀存在的各類約束，提供不同的階梯價格折扣；

改寫模塊：根據已構建的目標函數與約束條件，建立多階段混合整數隨機規劃模型M1，將模型M1改寫為情景樹模型M2；

轉化模塊：對模型的約束條件進行處理，將約束條件轉化為目標函數，獲得利于求解的決策優化模型M3；

生成模塊：生成多期的情景樹，利用所生成的情景樹模擬動態的采購情景，將隨機規劃問題轉變為確定性規劃問題；

求解模塊：針對已進行過約束處理與情景樹生成的采購決策優化模型，進行求解，獲得采購決策方案集。

9.根據權利要求8所述的多項目式多目標集中采購決策優化系統，其特征在于，所述構建模塊中每個項目都屬于特定的工廠，且每個項目只能選擇一個供應商，每個供應商提供給每個工廠不同的采購單價、質量和交付。

10.根據權利要求8所述的多項目式多目標集中采購決策優化系統，其特征在于，所述約束模塊中，供應商根據總的采購量提供不同的階梯價格折扣，且在不斷供的條件下，會提供持續價格年降，項目每年的需求量都會發生變化，且由于項目的生命周期，每年都會有新的項目進入與老的項目退出。