کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6892689 1445456 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A two-step gradient estimation approach for setting supply chain operating parameters
ترجمه فارسی عنوان
یک روش تخمین گر دو مرحله ای برای تنظیم پارامترهای زنجیره تامین
کلمات کلیدی
اختلال در زنجیره تامین، بهینه سازی یکپارچه، بهینه سازی مسیر نمونه جستجوی گرادیان تصادفی،
ترجمه چکیده
در کار قبلی، ما بهینه سازی گذشته نگر را برای تعیین پارامترهای سیاسی در زنجیره های عرضه با ساختار نسبتا ساده به کار بردیم. این روش این پارامترها را با حل یک برنامه عدد صحیح بر روی یک مسیر نمونه به طور تصادفی تولید می کند. تلاش های اولیه برای گسترش این روش به تنظیمات پیچیده تر، در بسیاری موارد خیلی کند است تا موثر باشد. در پاسخ به این، در این تحقیق ما بهینه سازی گذشته نگر را در یک افق زمانی نسبتا کوتاه با الگوریتم های جستجوی تقریبی تصادفی ترکیب می کنیم که یک رویکرد سریع و موثر است. ما این رویکرد را برای بهینه سازی گذشته نگر بدون جستجوی گرادیان در زنجیره های عرضه ی سری ساده که در آن راه حل شناخته شده مقایسه می کنیم و سپس آن را برای موقعیت یابی مؤثر در زنجیره های زیست فرآوری پیچیده تر استفاده می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
In earlier work, we found retrospective optimization to be effective for setting policy parameters in supply chains with relatively simple structures. This method finds these parameters by solving an integer program over a single randomly generated sample path. Initial efforts to extend this methodology to more complex settings were in many cases too slow to be effective. In response to this, in this research we combine retrospective optimization over a relatively short time horizon with stochastic approximation gradient search algorithms, an approach that proves to be fast and effective. We compare this approach to retrospective optimization without gradient search on simple serial supply chains where the solution is known, and then use it for effective inventory positioning in more complex biopharmaceutical supply chains.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 92, April 2018, Pages 98-110
نویسندگان
, ,