仿生理論在供應(yīng)鏈績效評價中的應(yīng)用

摘要：自供應(yīng)鏈管理概念的提出以來，供應(yīng)鏈績效的研究就成為物流發(fā)展的研究重點之一。文章對仿生學(xué)進(jìn)行了定義和分類，對仿生學(xué)在供應(yīng)鏈績效評價中的應(yīng)用進(jìn)行了分析和歸納。仿生學(xué)在供應(yīng)鏈績效評價中應(yīng)用正處于起步階段，以神經(jīng)網(wǎng)絡(luò)、遺傳算法的理論、軟件包和實踐應(yīng)用居多，把仿生學(xué)引入到供應(yīng)鏈評價中的前景廣闊。

關(guān)鍵詞：仿生理論；供應(yīng)鏈；績效評價

一、 引言

近些年來，隨著仿生算法的出現(xiàn)及迅速發(fā)展，仿生算法在解決數(shù)學(xué)建模、預(yù)測等問題中受到越來越多的歡迎。通過模擬生物構(gòu)造和機(jī)理等，已經(jīng)演化出包括神經(jīng)網(wǎng)絡(luò)、遺傳算法、粒子群優(yōu)化算法等具有全局優(yōu)化能力的諸多仿生理論。將這些理論引入到供應(yīng)鏈績效評價研究中，能夠為供應(yīng)鏈績效評價帶來一種全新的視角。

二、 仿生學(xué)

1． 仿生學(xué)理論發(fā)展歷史。早在人類文明開始時期，人類就開始了創(chuàng)造發(fā)明。根據(jù)鋸齒草發(fā)明了鋸齒，研究鳥的身體結(jié)構(gòu)設(shè)計了撲翼機(jī)，模仿蝙蝠的視聽行為原理發(fā)明了雷達(dá)，根據(jù)蒼蠅的楫翅和復(fù)眼，制造了“振動陀螺儀”、“蠅眼透鏡”等。隨著科學(xué)技術(shù)的進(jìn)步和人類對各種事物機(jī)理的研究，尤其是20世紀(jì)40年代電子計算機(jī)的問世，更是給人類科學(xué)技術(shù)寶庫增添了可貴的財富，從而涌現(xiàn)了各種各樣通過模仿而發(fā)明的偉大創(chuàng)造。人類仿生行為雖然早有雛型，但是直到20世紀(jì)50年代，才開始自覺把生物機(jī)理及結(jié)構(gòu)的模仿思想應(yīng)用到發(fā)明創(chuàng)造和設(shè)計思想上。1940年出現(xiàn)的調(diào)節(jié)理論，以及1947年出現(xiàn)的控制論促進(jìn)了仿生學(xué)誕生。1948年，Wiener在其著作《控制論》中探討了動物的通訊機(jī)控制關(guān)系，并把這種關(guān)系引述到機(jī)器中的通訊控制關(guān)系，為仿生學(xué)奠定了理論基礎(chǔ)。1960年，由美國空軍航空局組織的第一次仿生學(xué)會議順利召開。會議圍繞“分析生物系統(tǒng)所得到的概念能夠用到人工制造的信息加工系統(tǒng)的設(shè)計上去嗎？”展開討論。這標(biāo)志著仿生學(xué)作為一門獨立學(xué)科的誕生。隨著生產(chǎn)的需要和科學(xué)技術(shù)的發(fā)展， Steele為新興的科學(xué)命名為“Bionics”，意思是一種研究生命系統(tǒng)功能的科學(xué)。1963年我國將“Bionics”譯為“仿生學(xué)”，仿生即模仿生物系統(tǒng)的功能和行為，來建造技術(shù)系統(tǒng)或者發(fā)現(xiàn)一種方法。

2． 仿生學(xué)定義及其發(fā)展趨勢。李言俊等（2005）認(rèn)為仿生學(xué)就是以生物為研究對象，研究生物系統(tǒng)的結(jié)構(gòu)性質(zhì)、能量轉(zhuǎn)換和信息過程，并將所獲得的知識用來改善現(xiàn)有的或創(chuàng)造嶄新的機(jī)械、儀器、建筑結(jié)構(gòu)和工藝過程的科學(xué)，是生物科學(xué)與工程技術(shù)相結(jié)合的一門綜合邊緣學(xué)科。王興元（2010）將仿生學(xué)定義為：仿生學(xué)是研究以模仿生物系統(tǒng)的方式，或以具有生物系統(tǒng)特征的方式，或以類似于生物系統(tǒng)工作的方式進(jìn)行技術(shù)研發(fā)或產(chǎn)品設(shè)計的科學(xué)技術(shù)。本文認(rèn)為，仿生學(xué)是研究生物系統(tǒng)的結(jié)構(gòu)、特質(zhì)、功能、能量轉(zhuǎn)換與信息控制等各種優(yōu)異特征，并把它們應(yīng)用到技術(shù)系統(tǒng)，改善已有的技術(shù)工程設(shè)備，并創(chuàng)造出新的工藝過程、建筑構(gòu)型、自動化裝置等技術(shù)系統(tǒng)的綜合性科學(xué)。

仿生學(xué)屬于一種新興的交叉性綜合邊緣性學(xué)科。目前國內(nèi)外對其研究已經(jīng)非常廣泛，并取得重要進(jìn)展。Steele（1958）把仿生學(xué)定義為“模仿生物原理來建造技術(shù)系統(tǒng)，或者使人造技術(shù)系統(tǒng)具有或類似于生物特征的科學(xué)”。林良明（1989）認(rèn)為，仿生學(xué)是研究生命的結(jié)構(gòu)、能量轉(zhuǎn)換和信息流動的過程，并利用電子、機(jī)械技術(shù)對這些過程進(jìn)行模擬，從而改善現(xiàn)有的和創(chuàng)造出嶄新的現(xiàn)代技術(shù)裝置。Peter（2001）對仿生學(xué)進(jìn)化設(shè)計進(jìn)行了研究，并應(yīng)用進(jìn)化算法在環(huán)境約束條件下，對仿生模型實施了進(jìn)化設(shè)計。Lipson等人（2000）利用RP技術(shù)對仿生算法設(shè)計進(jìn)行了研究。

仿生理論是指基于模擬實物或機(jī)理分離出來的理論，通過演變與改良形成的在有限條件下適用的一種數(shù)學(xué)研究方法。仿生理論包括神經(jīng)網(wǎng)絡(luò)理論，進(jìn)化算法，群集智能算法，免疫算法和其他算法等。目前還沒有對仿生算法進(jìn)行定義。由于智能與仿生概念的重合，導(dǎo)致仿生算法的概念比較模糊。有學(xué)者認(rèn)為智能和仿生算法的概念沒有實質(zhì)區(qū)別，并使用智能仿生算法的概念。對仿生理論算法的研究，可以分為三個方向：第一個方向為以單個理論為例的實際應(yīng)用，使用一種理論并根據(jù)實際情況需要進(jìn)行改良。神經(jīng)網(wǎng)絡(luò)和遺傳算法的研究已經(jīng)趨于成熟并在實際的各領(lǐng)域中發(fā)揮作用。王瑋等（2001）建立了一種基于粗糙集理論的神經(jīng)網(wǎng)絡(luò)模型，來解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的多維度輸入和多維度輸出不穩(wěn)定的問題。第二個方向是混合仿生理論的研究，綜合多種仿生理論算法，發(fā)揮各種仿生算法的優(yōu)點解決問題。胡慶等（2010）針對BP神經(jīng)網(wǎng)絡(luò)庫存預(yù)測方法中存在局部最小問題和GA算法尋優(yōu)中的盲目性，用GA-BP的算法解決電信供應(yīng)鏈的庫存控制，對影響供應(yīng)鏈績效的庫存進(jìn)行了有效預(yù)測。第三個方向為即為新興的仿生理論研究。

3． 仿生學(xué)分類。仿生學(xué)的任務(wù)就是通過對生物系統(tǒng)的優(yōu)異能力及產(chǎn)生原理的研究模仿，最后達(dá)到應(yīng)用生物的原理改造、發(fā)明有效的工具或者方法。研究仿生學(xué)的主要方法就是建立模型，進(jìn)行模擬。一般仿生學(xué)的研究分為原型研究、數(shù)學(xué)分析及實物模擬三個步驟。第一階段生物原型研究即根據(jù)實際生產(chǎn)的具體議題，吸收有用的技術(shù)要求，舍棄無關(guān)緊要的要求，利用生產(chǎn)技術(shù)因素加以簡化得到包含生物數(shù)據(jù)的研究模型；第二階段數(shù)學(xué)分析，即利用生物模型提供的信息，進(jìn)行數(shù)學(xué)分析，找出其內(nèi)在聯(lián)系，把抽象的語言翻譯成為能夠進(jìn)行操作的數(shù)學(xué)模型；第三階段實物模擬即在數(shù)學(xué)模型基礎(chǔ)上，結(jié)合工程試驗創(chuàng)建物理模型。

目前還沒有學(xué)者對仿生學(xué)各個理論給出基本框架，尤其是隨著仿生學(xué)理論的不斷補(bǔ)充完善，對其框架的劃分仍然存在很多爭議。根據(jù)目前的仿生理論研究現(xiàn)狀，本文把仿生理論分為神經(jīng)網(wǎng)絡(luò)理論、進(jìn)化理論、群集智能理論、免疫算法和其他新興算法（如圖1所示）。這種仿生理論架構(gòu)劃分能夠涵括目前所有的仿生學(xué)基本方法。其中進(jìn)化理論包括遺傳算法、進(jìn)化規(guī)劃與進(jìn)化策略。進(jìn)化理論指基于生物染色體或者DNA分子結(jié)構(gòu)在后代中表現(xiàn)出的優(yōu)勝劣汰現(xiàn)象抽象出的仿生算法理論。群集智能理論指的是以群體為研究對象，通過模擬生物群體行為、構(gòu)造和機(jī)理演算出的新型算法理論。

三、 仿生學(xué)在供應(yīng)鏈績效評價中的應(yīng)用

1． 神經(jīng)網(wǎng)絡(luò)方面。神經(jīng)網(wǎng)絡(luò)是一種綜合多學(xué)科特點的交叉性研究方法，其研究內(nèi)容相當(dāng)廣泛。神經(jīng)網(wǎng)絡(luò)研究內(nèi)容主要集中在生物原型研究、建立理論模型、網(wǎng)絡(luò)模型與算法研究、人工神經(jīng)網(wǎng)絡(luò)應(yīng)用系統(tǒng)等方面，其中根據(jù)生物原型的機(jī)理，建立神經(jīng)元、神經(jīng)網(wǎng)絡(luò)理論模型能夠為供應(yīng)鏈績效評價的應(yīng)用提供參考。神經(jīng)網(wǎng)絡(luò)的優(yōu)越性主要表現(xiàn)在以下三個方面：（1）具有自我學(xué)習(xí)功能，自我學(xué)習(xí)功能對于預(yù)測具有重要意義；（2）具有聯(lián)想存儲功能，網(wǎng)絡(luò)結(jié)構(gòu)神經(jīng)元錯綜復(fù)雜的關(guān)系使得聯(lián)想存儲特別便捷；（3）具有高速尋找最優(yōu)解的能力。

神經(jīng)網(wǎng)絡(luò)在供應(yīng)鏈績效中的應(yīng)用是目前仿生理論中研究和應(yīng)用最廣泛的方法。Pawlak（2002）率先將粗糙集中數(shù)據(jù)挖掘思想和神經(jīng)網(wǎng)絡(luò)智能優(yōu)化思想結(jié)合起來，探討了一種簡化指標(biāo)的神經(jīng)網(wǎng)絡(luò)模型。史成東（2007）把粗糙集理論關(guān)于論域、條件屬性和決策屬性的概念引入供應(yīng)鏈績效評價體系中對指標(biāo)進(jìn)行約簡，消除冗余指標(biāo)，并結(jié)合BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過實例證明預(yù)測結(jié)果與實際結(jié)果基本吻合，誤差10.36%滿足供應(yīng)鏈預(yù)測結(jié)果10%的誤差要求。姜波（2007）提出可以使用模糊綜合評價方法和人工神經(jīng)網(wǎng)絡(luò)方法對供應(yīng)鏈的整體性能進(jìn)行評價，并沿用與外部供應(yīng)鏈的績效評價相同的步驟，最終從外部供應(yīng)鏈和整體的角度來判斷供應(yīng)鏈績效的情況，發(fā)現(xiàn)對給供應(yīng)鏈帶來負(fù)面作用的或者性能相對較低的部分。席一凡等（2007）探討了改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)算法在供應(yīng)鏈績效評價中的應(yīng)用，將中間層分為模糊化層和推理層，通過模糊化層處理歸一化數(shù)據(jù)、附加動量項不斷調(diào)整連接權(quán)值，擺脫了評價方法在評價過程中的隨機(jī)性和評價人員主觀上的不確定性，保證了結(jié)果的客觀性。鄭培（2008）提出了一種粗糙簡和BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)相結(jié)合的混合動態(tài)供應(yīng)鏈績效評價方法，它首先縮減動態(tài)供應(yīng)鏈績效評價決策表中的因素，減少績效評估的維度，然后利用BP神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行學(xué)習(xí)和訓(xùn)練，訓(xùn)練完成后的網(wǎng)絡(luò)可以評估供應(yīng)鏈績效。這種績效評價的方法可以大大減少數(shù)據(jù)處理的數(shù)量，降低BP網(wǎng)絡(luò)設(shè)計的復(fù)雜性和計算的復(fù)雜性。文培娜等（2009）利用BP神經(jīng)網(wǎng)絡(luò)對北京市供應(yīng)鏈物流需求進(jìn)行了預(yù)測。

神經(jīng)網(wǎng)絡(luò)在供應(yīng)鏈績效評價中的應(yīng)用，研究方法是通過建立供應(yīng)鏈績效評價的指標(biāo)體系，利用績效評價的歷史數(shù)據(jù)建立供應(yīng)鏈績效評價模型，使用此模型能夠預(yù)測下一段時間的供應(yīng)鏈績效情況，再總結(jié)數(shù)據(jù)對模型進(jìn)行修正。如此反復(fù)，直到模型在實踐中檢驗誤差最小。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量歷史性數(shù)據(jù)，周期較長；檢驗過程需要實際生產(chǎn)數(shù)據(jù)，風(fēng)險較大。在目前提出的幾十種神經(jīng)網(wǎng)絡(luò)模型中，應(yīng)用在供應(yīng)鏈績效評價之中的以BP網(wǎng)絡(luò)的研究最為廣泛。

2． 遺傳算法方面。遺傳算法擺脫了梯度信息或其他輔助知識的束縛，應(yīng)用過程中不局限于問題領(lǐng)域，具有非常好的魯棒性。該算法具有整體搜索戰(zhàn)略的思想，只對目標(biāo)函數(shù)和適應(yīng)性函數(shù)有限制，提供一個解決復(fù)雜系統(tǒng)求解問題的共同性參考方法。遺傳算法在函數(shù)優(yōu)化，組合優(yōu)化等方面廣泛應(yīng)用。函數(shù)優(yōu)化中解決一些多模型、多目標(biāo)、非線性的函數(shù)優(yōu)化問題是遺傳算法的經(jīng)典應(yīng)用領(lǐng)域，組合優(yōu)化中遺傳算法對NP問題非常有效。另外遺傳算法也在生產(chǎn)調(diào)度、自動控制、圖像處理、遺傳編碼及學(xué)習(xí)等方面有應(yīng)用。

Zhang（2008）等人利用遺傳理論對供應(yīng)鏈績效中效率性、滿意性、合作性、供應(yīng)、配送、成本、收益和能力八個方面進(jìn)行選擇分析，大大減少了模型的復(fù)雜程度。李艷（2010）將供應(yīng)鏈績效評價問題用GA進(jìn)行特征選擇并同時對支持向量機(jī)參數(shù)（SVM）進(jìn)行了優(yōu)化，達(dá)到了使供應(yīng)鏈績效評價指標(biāo)減少的目的。于金梅（2011）提出解決帶軟時間窗供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化模型（STW-SCN模型）和硬時間窗的供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化模型（HTW-SCN模型），用遺傳算法分別求解，得出供應(yīng)鏈優(yōu)化模塊包括供應(yīng)鏈網(wǎng)絡(luò)中開放的供應(yīng)商、制造商和分銷商花費的固定費用，開放的制造商、分銷商、零售商的采購產(chǎn)品費用，委托物流公司的車輛運輸費用，超過時間期限的罰金。Gabbert（1991）應(yīng)用遺傳理論對鐵路網(wǎng)絡(luò)復(fù)雜運輸調(diào)度進(jìn)行了研究，降低了供應(yīng)鏈總成本。劉誠（2006）提出了一個并行遺傳理論對帶軟時間窗的物流配送車輛路徑問題進(jìn)行求解，優(yōu)化了供應(yīng)鏈系統(tǒng)的運輸環(huán)節(jié)，提高了供應(yīng)鏈的績效水平。

遺傳算法在供應(yīng)鏈績效評價中的應(yīng)用，與神經(jīng)網(wǎng)絡(luò)直接建立的模型相比不同，目前應(yīng)用遺傳算法在供應(yīng)鏈績效評價中的應(yīng)用主要是在處理數(shù)據(jù)方面（例如縮減指標(biāo)數(shù)量），結(jié)合其他系統(tǒng)模型或者直接利用神經(jīng)網(wǎng)絡(luò)算法建立網(wǎng)絡(luò)系統(tǒng)模型。遺傳算法對數(shù)據(jù)的預(yù)處理使得數(shù)據(jù)更加有效，對供應(yīng)鏈績效的研究起到了重要的輔助作用。

3． 粒子群優(yōu)化算法。粒子群優(yōu)化算法在供應(yīng)鏈中的應(yīng)用主要在貨物調(diào)度運輸、倉儲環(huán)節(jié)，在供應(yīng)鏈績效評價中的應(yīng)用是基于對神經(jīng)網(wǎng)絡(luò)結(jié)果的優(yōu)化，借助神經(jīng)網(wǎng)絡(luò)再對供應(yīng)鏈績效進(jìn)行評價。吳學(xué)靜等（2010）基于供應(yīng)鏈產(chǎn)品的生產(chǎn)調(diào)度與分批配送角度，利用粒子群優(yōu)化算法對多層供應(yīng)鏈網(wǎng)絡(luò)的協(xié)同優(yōu)化模型進(jìn)行求解。文獻(xiàn)利用改進(jìn)的粒子群優(yōu)化算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，并利用這種新的網(wǎng)絡(luò)結(jié)構(gòu)建立供應(yīng)鏈庫存模型。何佳（2007）利用粒子群優(yōu)化算法對供應(yīng)鏈集成系統(tǒng)進(jìn)行優(yōu)化，確定倉儲與分銷點銷售、采購數(shù)量。

4． 其他理論方面。蟻群算法在供應(yīng)鏈中應(yīng)用的研究主要集中在供應(yīng)鏈的調(diào)度方面，暫時沒有應(yīng)用在供應(yīng)鏈績效評價方面的研究。丁秀明（2008）建立了供應(yīng)鏈生滅過程模型，利用螞蟻算法對物流調(diào)度的路徑進(jìn)行了優(yōu)化。劉云忠和宣慧玉（2004）通過蟻群算法對供應(yīng)鏈物流調(diào)度問題進(jìn)行求解。戴樹貴（2007）通過設(shè)計混合蟻群算法HACA求解多配送中心車輛路徑安排問題。李金津（2011）從仿生學(xué)的角度把供應(yīng)鏈、產(chǎn)業(yè)鏈和價值鏈結(jié)合起來重新定義為一種企業(yè)的生態(tài)鏈，建立企業(yè)間的logistic增長模型、企業(yè)種群的Lotka-Volterra捕食模型和企業(yè)共生模型，并結(jié)合吉林省汽車制造企業(yè)生態(tài)鏈實例，從發(fā)展零部件配套體系，完善群落營養(yǎng)結(jié)構(gòu)，協(xié)調(diào)上下游企業(yè)建立暢通生態(tài)通道，重視關(guān)鍵種企業(yè)協(xié)同進(jìn)化，發(fā)展新能源汽車企業(yè)生態(tài)鏈，加強(qiáng)種間共生合作，建立創(chuàng)新性主體種群對生態(tài)鏈進(jìn)行了改善。其他算法理論并沒有對供應(yīng)鏈績效評價的直接應(yīng)用，方向主要是在優(yōu)化供應(yīng)鏈處理環(huán)節(jié)。

基于以上仿生算法在供應(yīng)鏈績效中的應(yīng)用分析，本文總結(jié)得出神經(jīng)網(wǎng)絡(luò)和遺傳算法在供應(yīng)鏈績效評價中的應(yīng)用已經(jīng)有理論、應(yīng)用和各種軟件的支持，而粒子群優(yōu)化算法在理論和應(yīng)用方面有少量成果探討。其他算法有少量涉及，沒有發(fā)現(xiàn)關(guān)于供應(yīng)鏈績效評價中應(yīng)用的研究。神經(jīng)網(wǎng)絡(luò)可以說是模擬人類思維的第二種方式，具有分布式存儲、并行協(xié)同處理等特點和網(wǎng)絡(luò)系統(tǒng)的特點。這些智能優(yōu)點能夠?qū)崿F(xiàn)對系統(tǒng)輸入輸出樣本對照進(jìn)行自主學(xué)習(xí)，以任意精度逼近非常任意復(fù)雜的非線性映射，使得在績效評價模型建立中應(yīng)用特別廣泛。遺傳算法處理過程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代種群更加適應(yīng)環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼，可以作為問題近似最優(yōu)解。這使得遺傳算法再處理供應(yīng)鏈績效評價中的數(shù)據(jù)時發(fā)揮了重要作用。粒子群優(yōu)化算法、螞蟻算法等應(yīng)用在供應(yīng)鏈的運輸與生產(chǎn)環(huán)節(jié)解決路徑規(guī)劃問題，把這些仿生算法結(jié)合神經(jīng)網(wǎng)絡(luò)應(yīng)用在供應(yīng)鏈績效評價中將是下一步研究的方向之一。

四、 結(jié)語

仿生學(xué)理論豐富，神經(jīng)網(wǎng)絡(luò)、遺傳算法的發(fā)展特別迅速，近些年不斷有新的模擬生物系統(tǒng)機(jī)理的方法出現(xiàn)，大大豐富了仿生學(xué)的研究。仿生理論需要一個統(tǒng)一的框架，以便以后對仿生學(xué)的研究與補(bǔ)充。研究神經(jīng)網(wǎng)絡(luò)等其他仿生算法在供應(yīng)鏈績效評價中的應(yīng)用是具有廣闊的發(fā)展前景。對這些新的仿生算法的研究，以及怎樣擴(kuò)展目前已有仿生學(xué)的方法應(yīng)用在供應(yīng)鏈績效評價中是今后重要研究方向之一。仿生學(xué)目前在供應(yīng)鏈績效中應(yīng)用的角色是充當(dāng)一種數(shù)學(xué)建模工具，在這個角色上的突破或許能給我們一種新的研究仿生學(xué)在供應(yīng)鏈績效評價中應(yīng)用的思維。由于供應(yīng)鏈中的不確定性因素（例如信息）和供應(yīng)鏈的環(huán)境開放性、復(fù)雜多變性，供應(yīng)鏈的響應(yīng)速度及適應(yīng)能力也是在不斷變化的。在實際評價過程中，企業(yè)需要根據(jù)動態(tài)變化不斷地進(jìn)行優(yōu)化，并對指標(biāo)的重要性進(jìn)行再分類。供應(yīng)鏈評價體系只有適宜具體環(huán)境變化，并能感應(yīng)環(huán)境變化，及時調(diào)整，通過反饋機(jī)制不斷完善供應(yīng)鏈，才能在競爭中利于不敗地位。

參考文獻(xiàn)：

1. 王興元.仿生創(chuàng)新機(jī)理、原則及策略途徑研究.科技進(jìn)步與對策，2010，9（17）：1-5.

2. Peter J.B. Evolution design by computers.London：University College London，UK，2001.

3. 李金津.企業(yè)生態(tài)鏈理論研究.長春：吉林大學(xué)學(xué)位論文，2011.

4. 王瑋，蔡蓮紅.基于粗糙集理論的神經(jīng)網(wǎng)絡(luò).計算機(jī)工程，2001，21（5）：65-67.

5. 史成東，陳菊紅，胡健.基于粗糙集和神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈績效預(yù)測研究.計算機(jī)工程與應(yīng)用，2007，43（33）：203-245.

6. 席一凡，王超，聶興信.基于模糊神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈績效評價方法研究.情報雜志，2007，（9）：77-79.

7. 吳學(xué)靜，周泓，梁春華.基于協(xié)同進(jìn)化粒子群的多層供應(yīng)鏈協(xié)同優(yōu)化.計算機(jī)集成制造系統(tǒng)，2010，16（1）：127-132.

基金項目：吉林省社會科學(xué)基金項目（項目號：2009B032）。

作者簡介：楊印生，吉林大學(xué)生物與農(nóng)業(yè)工程學(xué)院教授、博士生導(dǎo)師；樊雪梅，吉林大學(xué)軍需科技學(xué)院副教授，農(nóng)業(yè)機(jī)械化工程專業(yè)博士生；王龍昭，吉林大學(xué)軍需科技學(xué)院碩士生。

收稿日期：2012-07-18。