大数跨境
0
0

运筹与模糊学|融媒体平台多目标约束下供应商选择研究

运筹与模糊学|融媒体平台多目标约束下供应商选择研究 汉斯出版社
2025-05-22
2
导读:关注汉斯出版社公众号联系小编即可投稿,还可获取最新论文模板!

导读:

媒体平台建设面临复杂的多目标约束下的供应商评价和选择问题。以县级融媒体平台的构建需求为例,采购范围涵盖了硬件设备、耗材以及虚拟产品、软件和云服务等。不同类型的产品或服务在选择供应商时,往往需要从不同的维度综合考虑。本文聚焦县级融媒体平台供应商选择所面临的产品种类多样化及动态采购决策问题,构建供应商指标体系、搭建供应商评价评估参数模型、提出ACO-GA组合评价模型的供应商评价方法帮助提高决策效率和决策质量


01


基本信息:




融媒体平台多目标约束下供应商选择研究

Research on Supplier Selection under Multi-Objective Constraints of Integrated Media Platforms


作者:

孙一凡, 李军祥*, 李元睿, 陈佳乐:上海理工大学管理学院,上海


关键词:

融媒体平台;多目标约束;供应商选择;遗传算法;蚁群算法


项目基金:

国家自然科学基金(72071130, 71871144)

上海理工大学大学生创新基金(XJ2024137)


原文链接:

https://doi.org/10.12677/orf.2025.152130


02


内容简介:


在汉斯出版社《运筹与模糊学》期刊上,有论聚焦到融媒体中心建设项目面临复杂的多目标约束下的供应商评价和选择的问题,通过构建供应商指标体系,搭建供应商评价评估参数模型,提出ACO-GA组合评价模型的供应商评价方法,并进行仿真实验。


研究通过供应市场分析和专家调查法选取融媒体供应商的主要评价指标,涵盖价格、质量、交货时间、维护成本等,为供应商评价提供依据结合层次分析法(AHP)和熵权法两种权重求解方法的优势,确保权重分配既考虑了专家经验,又反映了数据的客观分布。


产品质量评分不通过随机生成,而是依据质量评分表,基于客观量化的标准进行打分。如表1。

将蚁群算法(ACO)和遗传算法(GA)相结合,利用 ACO 模拟蚁群觅食行为进行全局搜索,找到不同供应商组合的最优解,并借助 GA 模拟进化过程优化,弥补 ACO 在多周期环境下可能面临局部最优的问题,同时解决 GA 收敛速度慢的不足,实现多目标的平衡优化。


蚁群优化算法在供应商选择问题中具有多项优势,能够通过权重分配处理多目标优化问题,综合考虑价格、质量和交货期等关键指标,得出符合整体需求的供应商组合方案。遗传算法的流程图如图 2 所示。
然而,单独使用ACO也存在一些局限。在大规模、复杂问题中,ACO的收敛速度较慢,特别是在算法早期阶段,通常需要大量迭代,导致求解时间较长。此外,ACO对参数设置敏感,参数选择直接影响算法性能,增加了调参的复杂性。尽管信息素机制能够一定程度上避免局部最优,但在复杂问题中,信息素可能集中某些路径,导致算法过早收敛到局部最优解,限制其全局优化能力。

为了解决这些问题,可以将ACO引入遗传算法。遗传算法的全局搜索能力和对种群多样性的维护可以补充ACO在参数敏感性和早期收敛方面的不足。通过这种混合优化策略,可以加快收敛速度,并减少陷入局部最优的风险。这种方法在大规模供应商选择问题中可能表现出更好的优化效果,从而提供更全面的解决方案。遗传算法的求解过程可以通过图 3 流程图表示。

在联合算法中,蚁群算法在初期承担主要的搜索功能,其作用相比单独使用蚁群算法更为高效。通过引入启发式信息作为探索的主导因素,蚁群算法在初期能够遍历更多的可行解空间。相较于单独的蚁群算法,这种联合策略利用遗传算法提供的初始解与全局信息,有效地减少了盲目搜索的范围,并加快了收敛速度。启发式信息的引导使得蚂蚁能够优先探索高潜力区域,从而提高了解的质量,为后续的迭代提供了良好的基础。与单一算法对比,蚁群算法不收敛,而结合遗传算法可以收敛并且可以得到更优的解。不同算法的适应度对比如图4所示。

同时,在后续迭代过程中,蚁群算法会根据遗传算法更新的解对信息素进行调整,逐渐趋向于更优的可行解。

为了避免算法陷入局部最优,设置了无改进检测机制。如果在连续N次迭代中,ACO和GA的全局最优解均无改进,则更新供应商数据并重新初始化部分参数。新的供应商数据生成后,算法重新进入优化流程,从而适应动态的采购环境。联合算法流程图如图5所示。

通过综合考虑成本、质量、交付时间等多项约束条件,该方法能够在多重目标间找到平衡方案,实现资源的最优配置。在此基础上,联合蚁群算法和遗传算法的动态优化过程进一步展现了算法的高效性和适应性。联合算法变化图的变化如图6所示。

在每50次迭代时更新采购周期,以调整产品特征,从而适应不同周期的优化需求。图中可见,遗传算法从蚁群算法获取初始可行解,迅速引导蚁群算法收敛至最优解。随着采购周期的更新,算法在一定迭代内保持无改进状态,满足停止条件后保留当前最优解并自动进入下一个周期。此过程展示了两算法协同优化的优势,通过交替作用,提升了整体收敛效率和解的稳定性。


结论

本文基于县融媒体中心平台构建供应商指标体系、搭建供应商评价评估参数模型,提出一种结合了蚁群优化算法(ACO)与遗传算法(GA)的动态优化模型,有效应对了融媒体平台供应商选择中的多目标约束问题。这一模型通过权重的合理分配和对多种约束的协调,在供应商选择的过程中平衡了成本、质量和交货时间等多方面的需求,使得供应商选择决策更加科学化和数据驱动。联合算法在不断变化的市场环境下展现出较强的适应性,这一创新为采购流程的优化提供了高效的辅助工具。文章仍存在一些不足之处,未来我们的研究还可以从融媒体平台管理角度出发,结合企业管理、绩效评估、供应链稳定等风险管控手段,去优化融媒体中心平台供应商选择方案。


03


相关文章:


1.黄鹤. 图片模糊环境下基于工业互联网平台的供应商选择决策[J]. 电子商务评论, 2025, 14(1): 3765-3774. https://doi.org/10.12677/ecl.2025.141467


2.黄逸珺, 王丽菊. B2C平台企业的供应商认证指标体系的实例研究[J]. 服务科学和管理, 2016, 5(1): 11-17. http://dx.doi.org/10.12677/SSEM.2016.51002


3.张炜钰, 徐琪. 考虑平台信誉下多供需方平台供应链价值共创研究[J]. 管理科学与工程, 2024, 13(1): 35-52. https://doi.org/10.12677/MSE.2023.131004


4.杜勇, 邓雯予, 王浩辰, 孙莹莹, 山述强. 基于熵权法的供应商选择研究[J]. 应用数学进展, 2022, 11(2): 811-818. https://doi.org/10.12677/AAM.2022.112086


5.孙丹, 朱逸飞. 信息安全视角下的软件供应链厂商开发策略选择研究[J]. 电子商务评论, 2024, 13(4): 4936-4947. https://doi.org/10.12677/ecl.2024.1341722




所属期刊





-Operations Research and Fuzziology-


《运筹与模糊学》是一本开放获取、关注运筹学与模糊学领域最新进展的国际中文期刊,主要刊登数学规划、数学统筹、模糊信息与工程、模糊管理学相关内容的学术论文和成果评述。本刊旨在给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论该领域内不同方向问题与发展的交流平台。




声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本公众号观点或证实其内容的真实性;如其他媒体、网站或个人从本公众号转载使用,须保留本公众号注明的“来源”,并自负版权等法律责任。如本公众号内容不妥,或者有侵权之嫌,请先联系小编删除,万分感谢!


RECOMMEND

推荐阅读

现代管理|基于ELM-GBDT组合模型的生鲜农产品线上需求趋势预测研究

超期服役的哈勃望远镜再续传奇

目录与摘要|现代市场营销 2025年2月15卷1期




投稿联系:027-86758873

    QQ:2194278918

微信号:15802748706

投稿邮箱2194278918@qq.com

合作联系:service@hanspub.org


点击“阅读原文”,免费下载论文

【声明】内容源于网络
0
0
汉斯出版社
汉斯出版社(Hans Publishers)是一家国际综合性出版机构,聚焦于国际开源 (Open Access) 中文期刊全球的出版发行。
内容 2466
粉丝 0
汉斯出版社 汉斯出版社(Hans Publishers)是一家国际综合性出版机构,聚焦于国际开源 (Open Access) 中文期刊全球的出版发行。
总阅读856
粉丝0
内容2.5k