第1章 导论 1
1.1供应链建模方法的研究背景 1
1.2研究意义 2
1.2.1研究的理论意义 2
1.2.2研究的实践意义 3
1.3研究内容及创新点 3
1.3.1研究内容 3
1.3.2研究的创新点 5
1.4研究思路和研究方法 6
本章小结 8
第2章 相关研究成果综述 9
2.1供应链与供应链管理 9
2.2供应链信任相关研究述评 13
2.2.1信任的概念 13
2.2.2信任的维度 15
2.2.3供应链信任与信任维度 17
2.3供应链建模方法相关研究述评 21
2.3.1描述性建模方法 21
2.3.2规范性建模方法 22
2.3.3当前建模方法比较及对本研究的启示 24
2.4智能优化算法相关研究述评 25
2.4.1遗传算法 27
2.4.2粒子群优化算法 27
2.4.3人工神经网络 28
本章小结 30
第3章 供应链成员聚类分析 32
3.1问题的提出 32
3.2供应链信任的度量 33
3.2.1主观信任特征及定量描述 33
3.2.2供应链信任度量概念模型 34
3.3供应链信任评价指标的建立 35
3.3.1评价指标建立的原则 36
3.3.2建立供应链信任评价指标 36
3.3.3评价指标的权重解析 40
3.4供应链成员聚类分析 46
3.4.1评价指标模糊信息处理 47
3.4.2评价指标属性值的Vague值计算 48
3.4.3供应链成员聚类——算例数值分析 51
本章小结 55
第4章 “计算型信任”供应链智能建模 57
4.1问题的提出 57
4.2“计算型信任”的形成机制 58
4.2.1局部供应链信任演化博弈模型的构成 59
4.2.2“计算型信任”学习演化博弈机制 62
4.2.3数值实验与结果分析 66
4.3“计算型信任”供应链BPNN建模方法 73
4.3.1 BPNN的基本原理 74
4.3.2基于BPNN的“计算型信任”供应链成员的智能选取 79
4.4“计算型信任”供应链GA-BPNN建模方法 84
4.4.1遗传算法的组成与算法流程 84
4.4.2 GA-BPNN的算法流程与数值实验 86
4.5“计算型信任”供应链PSO-BPNN建模方法 89
4.5.1 PSO算法的组成与算法流程 89
4.5.2 PSO-BPNN的算法流程与数值实验 91
本章小结 96
第5章 “关系型信任”供应链智能建模 98
5.1问题的提出 98
5.2供应链信任多智能体协同模型 99
5.2.1供应链协同 99
5.2.2多智能体技术 100
5.2.3 MAS协同信任模型 105
5.3供应链信任度效应值波动性辨识及其记忆性 107
5.3.1记忆性及其检验 108
5.3.2信任度效应值记忆性及其波动性辨识 110
5.4供应链MAS-BPNN建模方法 111
5.4.1供应链MAS-BPNN智能学习模型 111
5.4.2供应链MAS-BPNN智能建模方法 114
5.4.3供应链MAS-GA-BPNN智能建模方法 121
5.4.4供应链MAS-PSO-BPNN智能建模方法 126
本章小结 131
第6章 供应链建模的鲁棒性分析 132
6.1问题的提出 132
6.2供应链的鲁棒性 133
6.3基于正交神经网络的时滞供应链模型的鲁棒性分析 135
6.3.1具有时滞特征的供应链模型 135
6.3.2正交神经网络的定义及其性质 137
6.3.3供应链模型的鲁棒性分析 139
6.3.4数值实验与结果分析 146
6.4基于信任的供应链鲁棒控制策略 148
本章小结 151
第7章 本书结论与展望 153
7.1结论 153
7.2研究展望与设想 155
附录A 供应链信任评价指标未加权超矩阵 157
附录B 供应链信任评价指标加权超矩阵 158
附录C 供应链信任评价指标超极限矩阵 159
附录D “主-从”局部供应链建模数据 160
附录E MATLAB BP神经网络程序清单 162
附录F GA-BPNN算法的主要程序清单 164
附录G PSO-BPNN算法的主要程序清单 167
参考文献 169