供應鏈生產(chǎn)計劃研究綜述

周榮輔，王 濤

（燕山大學，河北 秦皇島 066004）

1 引言

全球經(jīng)濟一體化和科學技術知識的綜合化發(fā)展，使企業(yè)遭遇前所未有的挑戰(zhàn)，傳統(tǒng)的企業(yè)與企業(yè)之間的競爭已經(jīng)變?yōu)楣溑c供應鏈之間的競爭，在這種趨勢下，供應鏈管理應運而生。供應鏈管理是指在滿足一定的客戶服務水平條件下，為求取企業(yè)整體經(jīng)營成本的最小化、整體利潤的最大化，對企業(yè)或產(chǎn)業(yè)上、中、下游鏈接之間原料供應、產(chǎn)品制造、物件配送、成品銷售等連鎖經(jīng)營活動進行管理的方法。供應鏈管理的范疇很廣，主要涉及到四個領域：供應、生產(chǎn)計劃與調度、采購與物流管理、需求。其中，生產(chǎn)計劃與調度習慣性地統(tǒng)稱為生產(chǎn)計劃，它在供應鏈管理系統(tǒng)中處于核心地位，其功能的強弱影響到供應鏈上各企業(yè)能否平穩(wěn)有序地進行生產(chǎn)，關系到能否及時滿足客戶的需求，關系到供應鏈管理的成敗。因此研究供應鏈管理中的生產(chǎn)計劃問題具有重要的實際意義。

供應鏈生產(chǎn)計劃分為集中式生產(chǎn)計劃和分布式生產(chǎn)計劃。在供應鏈生產(chǎn)計劃研究初期，主要研究和應用的是集中式生產(chǎn)計劃系統(tǒng)。隨著供應鏈協(xié)同管理的發(fā)展，集中式生產(chǎn)計劃的局限性越來越明顯，分布式生產(chǎn)計劃越來越受到重視。

2 集中式生產(chǎn)計劃優(yōu)化方法

集中式生產(chǎn)計劃將整個供應鏈視為一個整體，用一個統(tǒng)一的數(shù)學規(guī)劃模型對所有供應鏈成員的生產(chǎn)計劃進行優(yōu)化，通過對模型求解來獲得總體最優(yōu)解。集中式生產(chǎn)計劃主要使用數(shù)學規(guī)劃對供應鏈進行優(yōu)化。除數(shù)學規(guī)劃外，還有遺傳算法[1]、粒子群算法[2]等方法被用來優(yōu)化供應鏈生產(chǎn)計劃。

數(shù)學規(guī)劃利用線性規(guī)劃、目標規(guī)劃、模糊線性規(guī)劃、非線性規(guī)劃、多層規(guī)劃等方法，將供應鏈生產(chǎn)計劃問題簡化為數(shù)學模型，在給定約束條件下使目標函數(shù)最大或最小。

線性規(guī)劃研究線性約束條件下線性目標函數(shù)的極值問題，是數(shù)學規(guī)劃中研究最早、方法較成熟、應用最廣泛的方法。李建新等[3]對由一個礦山和一個選礦廠構成的采礦工業(yè)兩級供應鏈建立了相應的線性規(guī)劃模型，使用標準線性規(guī)劃程序求解。趙忠和謝家平[4]構建了制造、再制造生產(chǎn)計劃的混合整數(shù)規(guī)劃模型。這一方法把問題歸結為一個目標，難以解決實際中遇到的多個目標的問題，缺乏必要的靈活性。

多目標規(guī)劃克服了線性規(guī)劃難以解決實際中遇到的多個目標問題。朱金艷等[5]建立了一個大型煤炭供應鏈多目標動態(tài)優(yōu)化模型，以大型煤炭供應鏈系統(tǒng)總利潤最大化和客戶滿意度最大化為目標，提出了用目標規(guī)劃法求解該多目標決策模型的策略。Zhang等[6]針對價格和需求不確定條件下的協(xié)同生產(chǎn)計劃問題，建立一個包括供應商、生產(chǎn)商和銷售商的多目標規(guī)劃模型。線性規(guī)劃和目標規(guī)劃要求的是滿足所有線性約束條件下的嚴格最優(yōu)解，然而實際的生產(chǎn)過程是一個多變量系統(tǒng)，一些變量具有模糊性。此時，線性規(guī)劃和目標規(guī)劃下的嚴格最優(yōu)解，就難以對問題做出客觀的描述。

模糊線性規(guī)劃通過加入伸縮變量，以滿意解代替最優(yōu)解，為解決變量模糊性這一問題提供了途徑。Pendharkar[7]盡管沒有提供應鏈的概念，但文中實際描述的是一個煤炭供應鏈的結構，建立了用來解決煤炭工業(yè)生產(chǎn)調度問題的模糊線性規(guī)劃。Bilgen[8]也建立了一個涉及多產(chǎn)品、多工廠和多分銷中心的數(shù)學模型，采用基于模糊數(shù)學規(guī)劃的方法來進行求解。

以上方法的目標函數(shù)和約束條件都是自變量的線性函數(shù)，可有些實際問題的目標函數(shù)或約束條件包括有自變量的非線性函數(shù)。此時，以上方法都已失效，需借助非線性規(guī)劃的方法來解決問題。張燕和周支立[9]針對只有一個供應商和制造商的簡單供應鏈中的多目標經(jīng)濟批量生產(chǎn)和運送問題，建立了多目標非線性規(guī)劃模型，并提出了求解該問題的帕累托最優(yōu)解集的方法。

由于問題的復雜性，現(xiàn)在利用數(shù)學規(guī)劃方法解決分布式生產(chǎn)計劃的文獻較少，但也有一些學者利用多層規(guī)劃解決分布式生產(chǎn)計劃。例如：李應和楊善林[10]針對由一個制造商及多個分銷中心和零售商組成的多級分布式供應鏈系統(tǒng),考慮供應鏈成員間的階層關系、各自不同的目標以及決策的交互影響特性，建立了分布式三層供應鏈協(xié)同生產(chǎn)-分銷模型，設計了模糊交互式三層規(guī)劃求解方法。

數(shù)學規(guī)劃方法是一種精確求解方法，它需要對調度問題進行統(tǒng)一的建模。目前，雖然其研究方向已由小系統(tǒng)轉換成大系統(tǒng)，單層次轉換成多層次，但討論的問題仍然主要是靜態(tài)問題，對動態(tài)變化的環(huán)境適應性差。

3 將集中式生產(chǎn)計劃分解為分布式生產(chǎn)計劃

集中式供應鏈生產(chǎn)計劃的實現(xiàn)，要求參與的組織單元之間達到高度的集成，需要協(xié)調中心獲取各工廠的所有信息，而實際的分布環(huán)境下又基本沒有協(xié)調中心。為此，許多學者提出了將集中式生產(chǎn)計劃分解為分布式生產(chǎn)計劃的方法。該方法最典型的應用是采用拉格朗日松弛算法，即利用拉格朗日松弛算法將企業(yè)之間的約束松弛掉,把整個供應鏈生產(chǎn)計劃問題分解為多個單企業(yè)生產(chǎn)計劃問題。

該方法近年來應用較多，朱寶琳等[11]建立了供應鏈上下游一體化的計劃模型,并采用拉格朗日松弛技術進行優(yōu)化。拉格朗日松弛技術更新拉格朗日乘子的標準方法是次梯度法，然而由于分解子問題目標函數(shù)的線性特性，應用次梯度算法將產(chǎn)生振蕩，難于收斂[12]，因此需要對拉格朗日松弛技術進行改進。聶蘭順等[13]將遺傳算法引入拉格朗日松弛技術來更新拉格朗日乘子，以克服次梯度法的不足。

4 分布式生產(chǎn)計劃優(yōu)化方法

隨著供應鏈協(xié)同管理的不斷發(fā)展，集中式生產(chǎn)計劃局限性也越來越明顯，它在一定程度上破壞了企業(yè)經(jīng)營的自主權,使復雜的供應鏈求解困難，導致信息系統(tǒng)復雜化，難以對其更新和維護。為解決集中式生產(chǎn)計劃與調度的不足，分布式生產(chǎn)計劃得到重視。在分布式生產(chǎn)計劃中，每個企業(yè)首先根據(jù)自己獲得的局部信息進行獨立決策并優(yōu)化自身目標，然后與相關上下游企業(yè)進行信息交互，根據(jù)獲取到的新信息再重新優(yōu)化目標，直至達成有效的生產(chǎn)計劃為止。分布式生產(chǎn)計劃主要使用契約、建模與仿真對供應鏈進行優(yōu)化。

4.1 契約

4.1.1 代理模型。供應鏈由不同地理分布的多個企業(yè)組成，生產(chǎn)組織兼具分散性和獨立性，生產(chǎn)計劃具有自主性和集成性。代理系統(tǒng)是一種高度分布的問題求解系統(tǒng),可以解決供應鏈分布式環(huán)境下多企業(yè)之間的計劃與調度問題。

基于代理的模型可以使用大量的處理器進行并行計算，具有健壯性、可擴展性、可重構性、開放性和動態(tài)架構等優(yōu)點，成為建立供應鏈企業(yè)框架結構的重要支撐技術。但從全球目標的角度來看，它們的系統(tǒng)性能不可預測，因此，在應用上也具有局限性。

4.1.2 拍賣模型。拍賣起源于18世紀中葉，指的是以公開競價的方式競爭稀缺資源。將拍賣機制引入供應鏈生產(chǎn)計劃中，把各個生產(chǎn)單元的生產(chǎn)能力作為一種稀缺資源，需要稀缺資源的生產(chǎn)單元根據(jù)需要和競價能力出價參與拍賣,稀缺資源的所有者在收到所有競價者發(fā)來的價格后進行獨立決策，選擇用哪些稀缺的生產(chǎn)能力為哪些生產(chǎn)單元生產(chǎn)并且生產(chǎn)多少來實現(xiàn)合理的供應鏈生產(chǎn)計劃與調度，同時為自己創(chuàng)造最多的利益。

Dewan等[18]開發(fā)了一個可以在分布式?jīng)Q策環(huán)境下使用的調度拍賣機制。Ertogral[12]在分析豐富的優(yōu)化和拍賣理論文獻的基礎上，構建了供應鏈中的生產(chǎn)協(xié)調拍賣理論機制。基于拍賣的供應鏈生產(chǎn)計劃模型，將稀缺資源的擁有者看成“經(jīng)濟人”，但實際的情況是，由于企業(yè)與企業(yè)可能存在某種協(xié)議，使得某些企業(yè)具有優(yōu)先選擇權，也就決定了競價最高的出價者未必能獲得稀缺資源的使用權。

4.2 建模與仿真

基于仿真的方法側重于對系統(tǒng)中運行的邏輯關系的描述，可以再現(xiàn)系統(tǒng)的狀態(tài)、動態(tài)行為及性能特征，為合理決定系統(tǒng)資源配置提供一種新的途徑?；诜抡娴姆椒ㄐ枰⑾到y(tǒng)模型。大體上，系統(tǒng)模型主要分為物理模型和數(shù)學模型。供應鏈生產(chǎn)計劃與調度主要使用數(shù)學模型，因此，系統(tǒng)仿真方法經(jīng)常與其他方法結合使用。仿真建模方法依據(jù)仿真建模的自治性和是否分布式等特點可以分為集中式仿真和分布式仿真等方法。

4.2.1 集中式仿真方法。集中式仿真對供應鏈整體進行建模，仿真模型運行在一臺機器上[19]。集中式仿真方法主要有離散事件系統(tǒng)仿真、系統(tǒng)動力學仿真。

離散事件系統(tǒng)仿真面向事件，例如王雯等[20]提出的基于著色賦時混合Petri網(wǎng)的精敏型供應鏈系統(tǒng)的動態(tài)模型，其中批量生產(chǎn)活動用連續(xù)Petri網(wǎng)描述，定制生產(chǎn)活動以及其它活動用離散Petri網(wǎng)描述。俞素凱[21]在構建虛擬供應鏈的基礎上，選取Witness作為仿真工具，對供應鏈運作系統(tǒng)進行改善。但文獻[21-22]使用的仿真方法基于事件與過程之間都是不相關的，該種類型的仿真對于供應鏈這種復雜系統(tǒng)來說，建模復雜，可重用性差，不適合對供應鏈活動的細節(jié)進行分析。

系統(tǒng)動力學仿真能夠有效地度量和定量地分析系統(tǒng)組件之間的相關行為[22]，在一定程度上克服了離散事件仿真的劣勢。系統(tǒng)動力學仿真是運用系統(tǒng)動力學的相關知識，通過建立流位流量圖，設置各變量間的數(shù)學邏輯關系進行仿真的方法。Venkateswaran[23]構建了基于遞階生產(chǎn)計劃體系結構的企業(yè)層系統(tǒng)動力學仿真（SD）和車間級調度離散事件仿真。系統(tǒng)動力學仿真常用于描述和處理系統(tǒng)的存量和流量，適合研究以物流交互為主的動態(tài)系統(tǒng)，但并不適合以信息流交互為主的供應鏈系統(tǒng)。

集中式仿真開發(fā)方法成熟，部署方便。但其應用上也有局限性，例如：建模階段，由于集中式仿真模型與供應鏈成員的分布性存在矛盾，使得建模復雜，重用性不高；運行階段，有時與供應鏈的并行性和自適應性相沖突，導致運行效率降低，因此還需要做進一步的研究，對此類方法加以改進。

4.2.2 分布式仿真方法。分布式仿真通過計算機網(wǎng)絡將處于不同地理位置的仿真系統(tǒng)連接起來，實現(xiàn)多用戶、多方式的信息通信功能。分布式仿真方法主要有基于多代理的方法、基于HLA和基于Web的方法等。

多代理仿真是對由多個代理組成的系統(tǒng)進行仿真的方法。Pechoucek等[24]構建了基于多代理的技術，用于支持供應鏈管理中的生產(chǎn)計劃、調度、制造仿真。Santa-Eulalia[25]為解決以往文獻未能建立覆蓋全生命周期的仿真模型，建立了基于Agent仿真模型的供應鏈計劃FORAC架構。基于多代理的分布式仿真方法通過具有自治性的Agent之間的信息共享，在一定程度上可以克服前述集中式仿真建模所存在的問題。但是，目前用這種方法研究供應鏈生產(chǎn)計劃的實用系統(tǒng)相對還很少。

HLA(High Level Architecture)仿真是基于分布式仿真建立起來的一種仿真體系結構標準，已經(jīng)被證明是一種有效的分布式系統(tǒng)的仿真框架。與傳統(tǒng)非HLA模式的仿真方法相比，HLA通過統(tǒng)一的運行支撐框（RTI）和接口，實現(xiàn)了各子系統(tǒng)可插拔式重用(IEEE 1516)，能大幅提高供應鏈仿真建模的效率[19]。Venkateswaran等[26]用系統(tǒng)動力學對離散事件進行仿真，高層體系結構（HLA）作為一個分布式的仿真基礎設施。HLA 架構本身資源的動態(tài)分配困難、資源動態(tài)的負載平衡困難、系統(tǒng)容錯性等局限性以及供應鏈的復雜性[27]，使得單純基于HLA構建的仿真系統(tǒng)不足以解決供應鏈仿真領域內的全部問題。因此，將HLA與其他技術結合是供應鏈仿真進一步研究的方向。

HLA為分布式建模仿真提供了技術支持，HLA本身的特點使它適合于跨企業(yè)供應鏈的建模仿真，但只限于局域網(wǎng)的仿真應用。而Web系統(tǒng)本身具有跨平臺性，能實現(xiàn)跨編程語言的互操作性[28]。馬天牧等[29]提出了鋼鐵生產(chǎn)計劃仿真平臺的框架，將框架分為計劃層、調度層、仿真層、數(shù)據(jù)接口層、數(shù)據(jù)服務層、協(xié)調層，采用O/RMapping技術結合CodeSmith實現(xiàn)數(shù)據(jù)接口層功能，Web Service實現(xiàn)計劃層、調度層、仿真層功能，Agent實現(xiàn)協(xié)作層功能。隨著網(wǎng)絡技術的迅速發(fā)展，基于Web技術的仿真得到廣泛應用。但基于Web技術面向服務分布式仿真，需要解決分布式建模仿真系統(tǒng)的集成技術、安全性等方面的問題[28]。

仿真是一種基于模型的活動，能為合理決定系統(tǒng)資源配置提供一種新的途徑。但由于供應鏈生產(chǎn)計劃系統(tǒng)的復雜性，一方面很難建立精確的數(shù)學模型來對供應鏈生產(chǎn)計劃系統(tǒng)地進行描述和分析；另一方面用于仿真模型的數(shù)據(jù)質量要求高；再則，應用仿真方法進行生產(chǎn)計劃的費用等因素成為仿真技術應用的障礙。

4.3 控制論方法

供應鏈生產(chǎn)計劃將來自供應商、核心企業(yè)、分銷商、零售商需求信息反饋給采購、生產(chǎn)系統(tǒng)，實現(xiàn)科學、合理的生產(chǎn)計劃。這與控制理論也有著一定的相似之處，不少學者將控制論引入供應鏈管理中，拓展了供應鏈思想和方法的發(fā)展，但起初主要集中在供應鏈庫存方面，例如：Aviv[30]將反饋控制及濾波器技術用于庫存策略的設計；張力菠和方志耕[31]將比例積分控制原理應用于供應鏈庫存控制的研究。最近幾年,有學者以新的研究視角將控制論方法應用于供應鏈生產(chǎn)計劃與調度方面。蔡政英等[32]建立了循環(huán)供應鏈下生產(chǎn)計劃調度模型和狀態(tài)方程，采用自適應比例-積分-微分（PID）對需求擾動下的生產(chǎn)計劃進行處理。但該文獻僅圍繞單源渠道需求擾動展開研究，而實際上不僅存在傳統(tǒng)的單源渠道需求擾動，也存在著電子渠道和多源渠道的需求干擾。方晗煒等[33]采用基于干擾恢復思想的雙模糊PID控制器，進一步研究了基于傳統(tǒng)渠道和網(wǎng)絡渠道的閉環(huán)供應鏈生產(chǎn)計劃調度模型。

5 進一步研究方向

從上述文獻研究看，國內外學者們對供應鏈生產(chǎn)計劃問題的研究都在相應領域內做出了卓越的貢獻，取得了豐碩的成果。但是仍有些地方存在不足，有待進一步研究的內容體現(xiàn)在以下幾個方面：

（1）研究視角需更加寬廣。目前的研究集中于目標單一的簡單、確定系統(tǒng)，而隨著外部競爭環(huán)境的加劇，企業(yè)面臨著多目標、多參數(shù)的動態(tài)復雜環(huán)境。因此，未來的研究將集中于建立多目標、多參數(shù)、多層次的供應鏈生產(chǎn)計劃模型，并開發(fā)出相應的求解算法。

（2）供應鏈生產(chǎn)計劃的雙向化。以往文獻研究的多是單一方向的供應鏈生產(chǎn)計劃，進入21世紀，隨著全球環(huán)境的日益惡化和綠色運動的蓬勃興起，發(fā)展循環(huán)經(jīng)濟呼聲越來越高，由此出現(xiàn)了閉環(huán)供應鏈生產(chǎn)計劃問題。

（3）優(yōu)化方法相互結合。當前人們使用的各種優(yōu)化方法都有各自的優(yōu)劣勢，并不存在適合所有生產(chǎn)領域的優(yōu)化方法，這使得一些優(yōu)化方法在特定的環(huán)境下不能完全發(fā)揮它們的作用。例如：由于HLA架構本身資源的動態(tài)分配困難、系統(tǒng)容錯性等局限性[27]，使得單純基于HLA構建的仿真系統(tǒng)難以解決供應鏈仿真領域內的所有問題，而將HLA技術與其他仿真技術結合起來，為解決這一問題提供了途徑。因此，將各優(yōu)化方法組合應用，彌補各自的缺點，發(fā)揮各自的優(yōu)勢，成為今后研究的重要方向之一。

[1]Kim H,Jeong H,Park J.Integrated model for production planning and scheduling in a supply chain using benchmarked genetic algorithm[J].The International Journal of Advanced Manufacturing Technology,2008,39(11):1 207-1 226.

[2]馬慧民,葉春明,許圣良,等.基于粒子群算法的分布式多工廠批量計劃問題研究[J].運籌與管理,2009,18(3):123-127.

[3]李建祥,唐立新,吳會江.采礦工業(yè)兩級供應鏈中的協(xié)調生產(chǎn)計劃建模[J].東北大學學報(自然科學版),2004,25(4):352-355.

[4]趙忠,謝家平.分布式多工廠制造/再制造生產(chǎn)計劃的優(yōu)先模型[J].統(tǒng)計與決策,2009,283(7):161-163.

[5]朱金艷,魏曉平,彭紅軍.大型煤炭供應鏈多目標多階段優(yōu)化模型與應用[J].統(tǒng)計與決策,2010,306(6):72-75.

[6]Zhang G Q，Jennifer S，Li WL.Collaborative production planning of supply chain under price and demand uncertainty[J].European Journal of Operational Research,2011,215(3):590-603.

[7]Pendharkar PC.A fuzzy linear programming model for production planning in coal mines[J].Computers&Operations Research,1997,24(12):1 141-1 149.

[8]Bilge B.Application of fuzzy mathematical programming approach to the production allocation and distribution supply chain network problem[J].Expert Systems with Applications,2010,37(6):4 488-4 495.

[9]張燕,周支立.供應鏈中的多目標經(jīng)濟批量排產(chǎn)和運送問題的求解[J].運籌與管理,2009,18(1):34-41.

[10]李應,楊善林.供應鏈分布式多層協(xié)同生產(chǎn)-分銷計劃模型與求解[J].中國機械工程,2008,19(21):2 589-2 594.

[11]朱寶琳,于海斌,黃小原,等.基于拉格朗日松弛的供應鏈合作生產(chǎn)計劃模型研究[J].控制與決策,2009,24(12):1 791-1 794.

[12]Ertogral K,WU S D.Auction-theoretic coordination of production planning in the supply chain[J].IIE Transactions,2000,32(10):931-940.

[13]聶蘭順,徐曉飛,戰(zhàn)德臣.基于拉格朗日松弛和遺傳算法的供應鏈協(xié)同計劃[J].計算機集成制造系統(tǒng),2006,12(11):1 869-1 875.

[14]蔣 旻.基于多代理的供應鏈制造系統(tǒng)生產(chǎn)計劃運行模式的研究[J].科技進步與對策,2006,23(2):125-127.

[15]陳偉達.基于供應鏈的協(xié)同生產(chǎn)調度研究[J].東南大學學報(哲學社會科學版),2005,7(2):18-22.

[16]戢守峰,張吉善,張川，等.基于代理的分散式生產(chǎn)—分銷系統(tǒng)協(xié)同計劃模型[J].計算機集成制造系統(tǒng),2010,16(4):822-827.

[17]Wang L C,Lin SK.A multi-agent based agile manufacturing planning and control system [J].Computers&Industrial Engine-ering,2009,57(2):620-640.

[18]Dewan P,Joshi S.Auction-based distribut-ed scheduling in a dynamic job shop environment[J].International Journal of Computer Integrated Manufacturing,2002,40(5):1 173-1 191.

[19]金淳,王剛,高鵬.HLA在供應鏈仿真中的應用研究綜述[J].系統(tǒng)仿真學報,2008,20(4):817-822.

[20]王雯,傅衛(wèi)平,任立鵬,等.基于著色賦時混合Petri網(wǎng)的精敏型供應鏈動態(tài)系統(tǒng)建模與仿真[J].機械科學與技術,2009,28(10):1 393-1 400.

[21]俞素凱,李靜,呂小峰.基于仿真的供應鏈協(xié)作優(yōu)化[J].微計算機應用,2009,30(10):74-80.

[22]楊林.基于離散-連續(xù)混合系統(tǒng)的工程進度仿真構想[J].科技進步與對策,2009,26(21):85-87.

[23]Venkateswaran J.Hybrid system dynamicdiscrete event simulation-based architecture for hierarchical production planning[J].International Journal of Production Research,2005,43(20):4 397-4 429.

[24]Hodík J,Becvár P,Pechoucek M,et al.ExPlanTech and ExtraPlant:multi-agent technology for production planning,simulation and extraenterprise collaboration[J].Computer Systems Science&Engineering,2005,20(5):357-36.

[25]Santa-Eulalia L A,D'Amours S,Frayret JM.Agent-based simulations for advanced supply chain planning and scheduling:The FAMASS methodological framework for requirements analysis[J].International Journal of Computer Integrated Manufacturing,2012,25(10):963-980.

[26]Venkateswaran J,Son Y J,Jones A T,et al.A hybrid simulation approach to planning in a VMIsupply chain[J].International Journal of Simulation&Process Modelling,2007,2(3):133-149.

[27]王飛,黃寧.基于網(wǎng)格的HLA分布式交互仿真研究與實現(xiàn)[J].計算機集成制造系統(tǒng),2004,10(S1):17-20.

[28]張和明,王宏偉,賈麗.基于Web服務和HLA的分布式建模與仿真環(huán)境[J].系統(tǒng)仿真學報,2006,18(S2):343-346.

[29]馬天牧,鄭秉霖,柴天佑.面向服務的鋼鐵生產(chǎn)計劃仿真平臺[J].系統(tǒng)仿真學報,2010,22(4):890-894.

[30]Aviv Y.A time-series framework for supply chain inventory management[J].Operations Research,2003,51(2)：210-227.

[31]張力菠,方志耕.一種庫存比例積分控制器及其系統(tǒng)動力學仿真[J].系統(tǒng)工程,2008,26(8):41-45.

[32]蔡政英,肖人彬,譚勇,等.不確定條件下循環(huán)供應鏈模糊自適應生產(chǎn)計劃調度[J].控制與決策,2008,23(5):525-529.

[33]方晗煒,肖人彬,蔡政英.雙源渠道閉環(huán)供應鏈生產(chǎn)計劃的一種干擾恢復模型[J].控制與決策,2011,26(9):1 303-1 309.