物品的库存成本在物流总成本中占据着相当大的比重,因此,库存管理是现代企业管理的重要工作之一,也是物流管理的重点,良好的库存管理可以降低库存的资金占有率,提高企业的灵活性,同时又能保持适当的客户服务水平。 尽管传统库存控制理论研究及其扩展研究取得了较大的成绩,但随着客户需求向多品种、小批量转变,企业的库存管理往往处于多物品品种的环境,在多物品的环境中仍然运用传统的基于单种物品的库存管理理论无疑已不适合,并且已证明在多物品的库存系统中,应用传统的库存管理理论使库存平均成本偏高。而多种物品环境中实行联合补充库存不但可以降低库存平均成本,还有利于获得价格折扣的机会,同时由于联合订购补充库存使得同时订购的物品数量增大,从而有利于在运输中获得价格优惠的大批量运输的机会。 论文深入地分析库存系统的性质、控制方法,以及传统库存管理理论,多种物品联合补充库存问题,对联合补充库存问题以往研究的模型及算法进行了分析比较。根据需求的类型,论文从确定型的联合补充库存问题和随机型的联合补充库存问题两方面进行研究,对模型及算法的实现展开系统化的研究工作。 对确定型的联合补充库存问题,尽管模型简单,却是NPC问题,没有多项式算法,关键在于找到鲁棒性强的算法,可以在可接受的时间内搜索到较优的可行解。论文分析研究较具典型性的已有算法,根据确定型联合补充库存问题的特点,提出可以转化为类似组合优化问题,设计出问题的模拟退火算法。并且,巧妙地应用已知算法——拉格朗日松弛算法的推论,把这一推论有机地结合模拟退火算法,缩短问题的状态空间,提出一种模拟退火算法与拉格朗日松弛算法的混合算法。通过大量的算例验证算法具有良好的鲁棒性,在可合理的计算时间内可找到较优的局部最优解,甚至是全局最优解。 对随机型的多物品联合补充库存问题,由于需求及订购前置时间的不确定性给问题的分析和求解带来更大的困难。通常是把订购前置时间确定为一个固定值,而用一定的概率分布近似描述不确定的需求行为,而对于企业的联合补充库存问题,一般是应用泊松分布或者复合泊松分布进行分析。理论上随机性联合补充库存问题的最优模型是一个巨大的马尔可夫模型,因为问题的状态空间和决策空间随物品数指数增加,当物品数大于5时已不能求解。