《現(xiàn)代庫存管理：模型、算法與Python實(shí)現(xiàn)》 課件 第14章-網(wǎng)絡(luò)庫存管理基礎(chǔ)

現(xiàn)代庫存管理：模型、算法與Python實(shí)現(xiàn)第14章網(wǎng)絡(luò)庫存管理基礎(chǔ)14.1網(wǎng)絡(luò)分析基礎(chǔ)網(wǎng)絡(luò)的基本概念與表示方法：供應(yīng)網(wǎng)絡(luò)通常是一個有向圖,一張圖??由一組節(jié)點(diǎn)??和一組能夠?qū)蓚€節(jié)點(diǎn)相連的邊??組成，記為??=(??,??)產(chǎn)品從工廠發(fā)出后運(yùn)輸?shù)絽^(qū)域倉RDC，RDC向三個前置倉FDC1，F(xiàn)DC2和FDC3供貨14.1網(wǎng)絡(luò)分析基礎(chǔ)使用Python表示圖的方法：邊的數(shù)組：定義一個列表，將網(wǎng)絡(luò)中的邊存儲起來每個tuple中的第一個元素表示前任節(jié)點(diǎn)，第二個元素表示繼任節(jié)點(diǎn)這種存儲方式不便于快速查找節(jié)點(diǎn)相關(guān)的邊。每次查找時都需要遍歷所有邊，計(jì)算開銷較大distribute_edges=[('Factory','RDC'),('RDC','FDC1'),('RDC','FDC2'),('RDC','FDC3')]

print(distribute_edges)[('Factory','RDC'),('RDC','FDC1'),('RDC','FDC2'),('RDC','FDC3')]14.1網(wǎng)絡(luò)分析基礎(chǔ)使用Python表示圖的方法：鄰接矩陣：表示節(jié)點(diǎn)之間相鄰關(guān)系的矩陣，對于有向圖，當(dāng)圖中存在由節(jié)點(diǎn)i指向節(jié)點(diǎn)j的邊時，i行j列的元素值為1，否則為0all_nodes=list(set([nodeforedgeindistribute_edgesfornodeinedge]))

adj_matrix=np.zeros((len(all_nodes),len(all_nodes)))

foriinrange(len(all_nodes)):

forjinrange(len(all_nodes)):

if(all_nodes[i],all_nodes[j])indistribute_edges:

adj_matrix[i,j]=

1

adj_matrix_df=pd.DataFrame(adj_matrix,index=all_nodes,columns=all_nodes)

print(adj_matrix_df)FDC2FactoryRDCFDC3FDC1

FDC20.00.00.00.00.0

Factory0.00.01.00.00.0

RDC1.00.00.01.01.0

FDC30.00.00.00.00.0

FDC10.00.00.00.00.014.1網(wǎng)絡(luò)分析基礎(chǔ)使用Python表示圖的方法：鄰接數(shù)組：以節(jié)點(diǎn)為索引的列表數(shù)組，其中每個元素是和該節(jié)點(diǎn)相鄰的節(jié)點(diǎn)列表，可以使用字典來實(shí)現(xiàn)，字典的key為節(jié)點(diǎn)，value為與其連通的節(jié)點(diǎn)列表deffind_successors_dict(edges):

all_nodes=set([nodefortuinedgesfornodeintu])

#初始化字典，key為全部節(jié)點(diǎn)，value初始化為空列表

succ_dict

={node:[]fornodeinall_nodes}

#遍歷所有邊，向每個上游節(jié)點(diǎn)對應(yīng)的列表中添加下游節(jié)點(diǎn)

for

pred,succ

inedges:

succ_dict[pred].append(succ)

return

succ_dict

deffind_predecessors_dict(edges):

all_nodes=set([nodefortuinedgesfornodeintu])

pred_dict={node:[]fornodeinall_nodes}

#遍歷所有邊，向每個下游節(jié)點(diǎn)對應(yīng)的列表中添加上游節(jié)點(diǎn)

forpred,succinedges:

pred_dict[succ].append(pred)

returnpred_dictfind_predecessors_dict和find_successors_dict獲得與每個節(jié)點(diǎn)連通的上游和下游節(jié)點(diǎn)的字典調(diào)用上面兩個函數(shù)，就可以得到分銷網(wǎng)絡(luò)的鄰接數(shù)組14.1網(wǎng)絡(luò)分析基礎(chǔ)使用Python表示圖的方法：NetworkX：可以用于創(chuàng)建、操作和研究復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)、動態(tài)和功能，也可以進(jìn)行圖的可視化#建立一個空的有向圖

distribute_graph=nx.DiGraph()

#向空的圖中添加邊

distribute_graph.add_edges_from(distribute_edges)

#定義繪圖位置和參數(shù)

pos={'Factory':(-1,0),'RDC':(0,0),

'FDC1':(1,0),'FDC2':(1,1),'FDC3':(1,-1)}

options={

'font_size':10,

'node_size':1500,

'node_color':'white',

'edgecolors':'black',

}

#繪制圖像

nx.draw_networkx(distribute_graph,pos,**options)

ax=plt.gca()

ax.margins(0.20)

plt.axis('off')

plt.show()NetworkX也實(shí)現(xiàn)了一些常見的網(wǎng)絡(luò)分析算法，例如計(jì)算最短路徑的Dijkstra、Bellman-Ford算法等14.1網(wǎng)絡(luò)分析基礎(chǔ)常見的供應(yīng)網(wǎng)絡(luò)：有向樹：定義：任意兩個節(jié)點(diǎn)中只存在一條路徑的無向圖稱為樹，若有向圖在不考慮邊的方向時是樹，即為有向樹性質(zhì)：有向樹網(wǎng)絡(luò)轉(zhuǎn)化為無向圖時，網(wǎng)絡(luò)中不存在環(huán)路，可以清楚定義層級結(jié)構(gòu)分類：有向樹包含鏈?zhǔn)?、分布式和裝配式三類網(wǎng)路鏈?zhǔn)较到y(tǒng)：每個節(jié)點(diǎn)都至多有一個上游節(jié)點(diǎn)和一個下游節(jié)點(diǎn)14.1網(wǎng)絡(luò)分析基礎(chǔ)常見的供應(yīng)網(wǎng)絡(luò)：分布式系統(tǒng)：每個節(jié)點(diǎn)有至多一個上游節(jié)點(diǎn)裝配式系統(tǒng)：分布式系統(tǒng)的鏡像系統(tǒng)14.1網(wǎng)絡(luò)分析基礎(chǔ)網(wǎng)絡(luò)庫存管理常用算法：

14.1網(wǎng)絡(luò)分析基礎(chǔ)網(wǎng)絡(luò)庫存管理常用算法：累計(jì)提前期的計(jì)算：節(jié)點(diǎn)的累計(jì)提前期是指，當(dāng)其全部上游節(jié)點(diǎn)都沒有庫存時，從向外部供應(yīng)商訂購原材料開始到該節(jié)點(diǎn)持有可用庫存的最短時間例：計(jì)算下圖各節(jié)點(diǎn)的累計(jì)提前期，‘0’節(jié)點(diǎn)為虛擬節(jié)點(diǎn)除了最上游的C1、C2和C3三個節(jié)點(diǎn)，其余節(jié)點(diǎn)到‘0’節(jié)點(diǎn)有多條通路在多條通路中，提前期之和最長的一條，就是該節(jié)點(diǎn)的累計(jì)提前期利用節(jié)點(diǎn)的拓?fù)渑判蛑饌€計(jì)算節(jié)點(diǎn)的累計(jì)提前期計(jì)算下游節(jié)點(diǎn)的累計(jì)提前期時，上游節(jié)點(diǎn)的累計(jì)提前期就已經(jīng)確定14.1網(wǎng)絡(luò)分析基礎(chǔ)defcal_cum_lt(edges,lt_dict):

#篩選出最上游的節(jié)點(diǎn)

roots=list(set([ifori,_inedges])-set([jfor_,jinedges]))

#計(jì)算拓?fù)渑判?/p>

cal_ts=TopologicalSort(edges)

topo_sort=cal_ts()

#將'0'節(jié)點(diǎn)插入在排序最前

topo_sort.insert(0,'0')

#找到與每個節(jié)點(diǎn)連通的下游節(jié)點(diǎn)的字典

succ_dict=find_successors_dict(edges)

#將最上游節(jié)點(diǎn)列表添加為'0'節(jié)點(diǎn)的下游節(jié)點(diǎn)

succ_dict.update({'0':roots})

#初始化累計(jì)提前期字典

cum_lt_dict={node:-float('inf')fornodeintopo_sort}

#‘0’節(jié)點(diǎn)的提前期為0

cum_lt_dict['0']=

0

fornodeintopo_sort:

iflen(succ_dict[node])>

0:

forsuccinsucc_dict[node]:

#計(jì)算在該條邊上的累計(jì)提前期

temp=cum_lt_dict[node]+lt_dict[succ]

#如果當(dāng)前累計(jì)提前期小于該值，則更新累計(jì)提前期字典

ifcum_lt_dict[succ]<temp:

cum_lt_dict[succ]=temp

cum_lt_dict.pop('0')

returncum_lt_dict14.1網(wǎng)絡(luò)分析基礎(chǔ)調(diào)用函數(shù)cal_sum_lt，計(jì)算出累計(jì)提前期{'C2':6,'C1':5,'B1':11,'C3':2,'B2':7,'A':14}general_edges=[('C1','B1'),('C2','B1'),('C2','B2'),

('C3','B2'),('B1','A'),('B2','A')]

general_lt_dict={'C1':5,'C2':6,'C3':2,

'B1':5,'B2':1,'A':3}

general_cum_lt_dict=cal_cum_lt(general_edges,general_lt_dict)

print(general_cum_lt_dict){'C2':6,'C1':5,'B1':11,'C3':2,'B2':7,'A':14}14.2隨機(jī)服務(wù)模型與承諾服務(wù)模型易混淆變量解釋：服務(wù)時間：一個節(jié)點(diǎn)從接到來自下游的需求訂單開始到完成訂單交貨所需的時間服務(wù)水平：一個節(jié)點(diǎn)的不缺貨概率單級提前期：一個節(jié)點(diǎn)的所有上游節(jié)點(diǎn)庫存都充足并對其需求立即響應(yīng)時，節(jié)點(diǎn)補(bǔ)貨所需的時間累計(jì)提前期：一個節(jié)點(diǎn)的全部上游節(jié)點(diǎn)都沒有持有庫存時，從向外部供應(yīng)商采購原材料開始到該節(jié)點(diǎn)持有可用庫存的最短時間實(shí)際補(bǔ)貨時間：一個節(jié)點(diǎn)從上游補(bǔ)貨的實(shí)際時間，包括上游對其需求的響應(yīng)時間和其自身補(bǔ)貨的單級提前期14.2隨機(jī)服務(wù)模型與承諾服務(wù)模型

14.2隨機(jī)服務(wù)模型與承諾服務(wù)模型隨機(jī)服務(wù)模型：

14.2隨機(jī)服務(wù)模型與承諾服務(wù)模型隨機(jī)服務(wù)模型：

14.2隨機(jī)服務(wù)模型與承諾服務(wù)模型