典型文献
一种结合IPSO-BP神经网络的备件供应模型研究
文献摘要：
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.
文献关键词：
备件供应;需求预测;改进粒子群;优化神经网络
中图分类号：
作者姓名：
陶永才;杨晨;马建红;石磊;卫琳
作者机构：
郑州大学信息工程学院,郑州450001;郑州大学软件学院,郑州450002
文献出处：
引用格式：
[1]陶永才;杨晨;马建红;石磊;卫琳-.一种结合IPSO-BP神经网络的备件供应模型研究)[J].小型微型计算机系统,2022(05):913-920
A类：
B类：
IPSO,备件供应,服务价值,定销,生产计划,总成本,订货,核心参数,应需,需求预测,标准粒子群算法,惯性权重,环境检测,检测策略,最优解,解跳,跳跃,改进的粒子群算法,Improved,Particle,Swarm,Optimization,Back,Propagation,改进粒子群,优化神经网络
AB值：
0.336664
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
