科研之友
微信
新浪微博
Facebook
分享链接
摘要
备件供应是制造业服务价值链协同中的重要组成，也是企业制定销售计划和生产计划的重要依据．本文将备件供应过程中的备件消耗考虑在内，以最小化总成本为目标，以订货时的备件需求量为核心参数，提出一种基于神经网络的备件供应需求预测模型．在现有标准粒子群算法的基础上，通过将惯性权重的改进、环境检测策略和自适应最优解跳跃策略结合，提出一种改进的粒子群算法（IPSO,Improved Particle Swarm Optimization）．并通过改进的粒子群算法对BP(Back Propagation)神经网络进行优化．最后通过IPSO-BP神经网络模型对备件供应模型中的备件需求量进行预测，实验结果表明，相比其他的神经网络模型，IPSO-BP神经网络模型的预测稳定性和精准度等性能有显著提高．
- 单位
