劉　蕾， 盧建軍， 衛(wèi)　晨， 劉志鵬

(1.西安郵電大學(xué) 通信與信息工程學(xué)院,陜西 西安 710121;2.西安郵電大學(xué) 經(jīng)濟(jì)與管理學(xué)院,陜西 西安 710121)

?

遺傳神經(jīng)網(wǎng)絡(luò)在煤炭企業(yè)物資分類中的應(yīng)用*

劉蕾1， 盧建軍1， 衛(wèi)晨2， 劉志鵬2

(1.西安郵電大學(xué) 通信與信息工程學(xué)院,陜西 西安 710121;2.西安郵電大學(xué) 經(jīng)濟(jì)與管理學(xué)院,陜西 西安 710121)

在快速變化的市場和越發(fā)劇烈的行業(yè)競爭中，煤炭企業(yè)原有人工物資分類方法暴露出越來越多的缺陷。以供求度、價值度以及供應(yīng)效率三個指標(biāo)為輸入提出了基于遺傳優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的分類方法，對企業(yè)物資分類管理策略進(jìn)行了優(yōu)化研究。通過Matlab仿真，驗(yàn)證了該模型的科學(xué)性與準(zhǔn)確性。

煤炭企業(yè)； 物資分類； 遺傳算法； 神經(jīng)網(wǎng)絡(luò)

0　引　言

煤炭行業(yè)作為典型的勞動密集型生產(chǎn)行業(yè)有著大多數(shù)第二產(chǎn)業(yè)企業(yè)對物資需求的共性，這些企業(yè)所管理的物資一般具有數(shù)量大、種類多、重要性各異、供應(yīng)效率不同的特點(diǎn)。而物資管理直接影響到煤炭企業(yè)的生產(chǎn)安全與資金占用及去庫存壓力的眾多方面[1]。煤炭企業(yè)按照生產(chǎn)活動對不同物資的依賴程度，對種類繁多的物資進(jìn)行科學(xué)分級分類對企業(yè)管理十分重要。當(dāng)下我國煤炭企業(yè)常見的物資分類方式有用途分類法、物資屬性分類法、ABC分類法及其他統(tǒng)計(jì)學(xué)方法[2，3]。

本文提出了一種基于遺傳神經(jīng)組合網(wǎng)絡(luò)的改進(jìn)煤炭企業(yè)物資分類預(yù)測的算法。提高了煤炭企業(yè)在物資管理中的智能化水平與科學(xué)性。

1　遺傳神經(jīng)網(wǎng)絡(luò)的基本原理和方法

1.1神經(jīng)網(wǎng)絡(luò)

反向傳播(BP)神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用十分有效的網(wǎng)絡(luò)模型之一[4]，其基本思想是對輸入進(jìn)行正向傳播，對求得誤差反向傳播用以修正網(wǎng)絡(luò)權(quán)值，并通過梯度下降法反復(fù)訓(xùn)練使網(wǎng)絡(luò)誤差符合要求。一個典型的N輸入L輸出M個中間層的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示。

圖1　BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)Fig 1　Basic structure of BP neural network

數(shù)學(xué)模型是求解如下函數(shù)的最優(yōu)解

(1)

式中閾值包含于權(quán)值矩陣中，x與o矩陣分別為輸入與輸出，y矩陣為中間層輸出，d矩陣為教師信號，w與v矩陣為各層權(quán)值，f(x)為轉(zhuǎn)移函數(shù)。

BP神經(jīng)網(wǎng)絡(luò)缺點(diǎn)：1)梯度下降法的實(shí)質(zhì)是一種單點(diǎn)搜索算法，易形成局部極小值而得不到全局最優(yōu)解；2)網(wǎng)絡(luò)參數(shù)初始值是隨機(jī)分配的，而網(wǎng)絡(luò)對初始值敏感，結(jié)果存在隨機(jī)性；3)收斂速度慢并且訓(xùn)練次數(shù)過多。

1.2遺傳算法

遺傳算法(geneticalgorithm,GA)對于不同問題，設(shè)計(jì)不同的編碼方法，來表示問題的解，不同編碼方式與不同的遺傳算子就構(gòu)成了各種不同的GA?；綠A選定算子與編碼方式及適應(yīng)度函數(shù)初始化參數(shù)，隨機(jī)產(chǎn)生初代群體，計(jì)算種群個體適應(yīng)度，執(zhí)行選擇交叉變異產(chǎn)生新一代種群并計(jì)算適應(yīng)度，當(dāng)結(jié)束條件未滿足時,重復(fù)遺傳操作;結(jié)束條件滿足或達(dá)到極限進(jìn)化代數(shù)時,停止。

1.3遺傳神經(jīng)網(wǎng)絡(luò)

GA是全局搜索算法，具有良好的全局搜索能力，BP神經(jīng)網(wǎng)絡(luò)具較強(qiáng)的局部搜索能力且可以進(jìn)行學(xué)習(xí)。結(jié)合這兩種網(wǎng)絡(luò)的特點(diǎn)，充分發(fā)揮二者優(yōu)勢，使網(wǎng)絡(luò)既有全局搜索能力又不失局部搜索能力，并且繼承了神經(jīng)網(wǎng)絡(luò)良好的魯棒性[5]。

采用GA優(yōu)化神經(jīng)網(wǎng)絡(luò)的實(shí)質(zhì)是將網(wǎng)絡(luò)訓(xùn)練分為兩個步驟，先用GA優(yōu)化網(wǎng)絡(luò)的初始權(quán)值，把經(jīng)過優(yōu)化的初始權(quán)值賦予神經(jīng)網(wǎng)絡(luò)后,再進(jìn)行BP算法訓(xùn)練得到最終的網(wǎng)絡(luò)?；玖鞒蹋?/p>

1)將BP網(wǎng)絡(luò)的初始權(quán)值與閾值按照一定的順序連接起來產(chǎn)生若干數(shù)目的染色體；

2)選用均方誤差函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)，計(jì)算每個染色體的適應(yīng)度；

3)執(zhí)行選擇、交叉、變異過程產(chǎn)生新的個體再計(jì)算適應(yīng)度；

4)判斷是否符合結(jié)束標(biāo)準(zhǔn)或到達(dá)指定進(jìn)化代數(shù)，否則,返回步驟(3),繼續(xù)執(zhí)行；

5)結(jié)束遺傳算法，比較種群選擇最佳個體；

6)解碼最佳個體作為BP網(wǎng)絡(luò)初始權(quán)值；

7)通過BP算法訓(xùn)練得到最終網(wǎng)絡(luò)。

2　物資分類建模

本文以當(dāng)前我國煤炭企業(yè)普遍的物資管理狀況為基礎(chǔ)，使用供求度、價值度、供求效率三個重要屬性為輸入，建立遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。實(shí)際中各企業(yè)可以選取其關(guān)注的屬性作為輸入。

2.1供求度

供求度指標(biāo)代表著煤炭企業(yè)物資物流中心和位于各地的各個物資倉庫的物資供應(yīng)能力，反映了物資能否及時供應(yīng)到生產(chǎn)企業(yè)。某物資供求度指標(biāo)過大提示企業(yè)應(yīng)采購更多該物資以維持生產(chǎn)，該指標(biāo)較小時說明此物質(zhì)需求不緊張,即

(2)

式中dk為第k月所需生產(chǎn)物資；sk為k月庫存物資；n為共采集月份數(shù)。

2.2價值度

此項(xiàng)指標(biāo)具體體現(xiàn)了某項(xiàng)煤炭企業(yè)生產(chǎn)所需物資的價值高低，指標(biāo)高低正比于物資的價值，指標(biāo)越高說明物質(zhì)價值越大，低指標(biāo)物資相對廉價，企業(yè)應(yīng)重視占用較高資金的高指標(biāo)物資的管理

P=v/k

(3)

式中v為某項(xiàng)物資占用資金總額；k為其數(shù)量。

2.3供應(yīng)效率

此項(xiàng)指標(biāo)反映了煤炭企業(yè)物資中心及各個倉庫能否及時供應(yīng)某項(xiàng)物資，當(dāng)某項(xiàng)物資不能及時供應(yīng)到生產(chǎn)企業(yè)時，有影響正常生產(chǎn)的風(fēng)險，企業(yè)應(yīng)加強(qiáng)此類物資的關(guān)注程度

(4)

式中bn為第n個月訂購此類物資的日期，an為第n個月的物資的到貨日期。

3　遺傳神經(jīng)網(wǎng)絡(luò)模型建立

3.1數(shù)據(jù)采集

本文將某煤炭企業(yè)采集到的40種生產(chǎn)所需物資數(shù)據(jù)分為2組分別作為訓(xùn)練樣本和測試樣本，提取計(jì)算出每項(xiàng)物資的屬性作為網(wǎng)絡(luò)輸入，并將物資通過專家評估，劃分為4種重要等級，從1級到4級，等級數(shù)字越小代表該類物資對生產(chǎn)影響越大[6]，該項(xiàng)物質(zhì)越重要。將專家劃分的等級作為學(xué)習(xí)信號用以訓(xùn)練網(wǎng)絡(luò)。

表1　樣本數(shù)據(jù)

3.2遺傳神經(jīng)網(wǎng)絡(luò)的建立

4　結(jié)果與分析

使用Matlab軟件進(jìn)行仿真，將30種物資數(shù)據(jù)作為訓(xùn)練樣本，10種作為測試樣本分別對簡單BP神經(jīng)網(wǎng)絡(luò)和遺傳優(yōu)化GA—BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練并比較預(yù)測結(jié)果?；綛P神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果如圖2所示。

圖2　BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Fig 2　Prediction results of BP neural network

遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果如圖3所示。

圖3　GA—BP遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Fig 3　Prediction results of GA—BP genetic neural network

由兩圖比較可知：遺傳神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)BP網(wǎng)絡(luò)具有較高的準(zhǔn)確性與可靠性。GA—BP學(xué)習(xí)算法能對解空間進(jìn)行多點(diǎn)遺傳優(yōu)選，得到初試優(yōu)化權(quán)值后再按BP梯度下降法方向搜索，既可以跳過傳統(tǒng)前饋網(wǎng)絡(luò)中局部最小點(diǎn)的陷阱，又能避免GA后期類似隨機(jī)的窮舉過程，提高了網(wǎng)絡(luò)收斂速度，在達(dá)到相同誤差范圍時，遺傳神經(jīng)網(wǎng)絡(luò)收斂更快，GA—BP算法較傳統(tǒng)BP算法預(yù)測結(jié)果正確率明顯提高，網(wǎng)絡(luò)性能有很大提升。

將兩種網(wǎng)絡(luò)預(yù)測結(jié)果得到的均方誤差(meansquareerror,MSE)、均方根誤差(rootmeansquareerror,RMSE)及平均絕對誤差(meanabsoluteerror,MAE)進(jìn)行比較，對比結(jié)果如表2所示。

表2　誤差比較

從表中可以看出，在使用遺傳神經(jīng)網(wǎng)絡(luò)之后，網(wǎng)絡(luò)預(yù)測誤差有明顯下降。

5　結(jié)　論

煤炭企業(yè)屬于重資產(chǎn)行業(yè)，生產(chǎn)物資占用企業(yè)大量資金，庫存過少將影響生產(chǎn)，物資過多影響企業(yè)資金周轉(zhuǎn)，企業(yè)運(yùn)營管理的技術(shù)和方法在當(dāng)下顯得尤為重要。如何高效管理生產(chǎn)物資是其關(guān)鍵。本文使用GA—BP遺傳神經(jīng)網(wǎng)絡(luò)對企業(yè)物資管理進(jìn)行優(yōu)化，對比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在效率和準(zhǔn)確度上都有更好的表現(xiàn)。利于煤炭企業(yè)在營運(yùn)管理中做出更好的計(jì)劃。

[1]王文良.煤炭企業(yè)生態(tài)競爭力評價及實(shí)證研究[D].北京:中國地質(zhì)大學(xué),2013:29-30.

[2]徐佳.鋼鐵集團(tuán)生產(chǎn)物資供應(yīng)管理系統(tǒng)研究及應(yīng)用[D].大連:大連理工大學(xué)，2008:9-10.

[3]郭海湘,楊娟.基于改進(jìn)的ABC模糊分類法煤礦物資分類[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版,2010,29(5):2-3.

[4]叢爽.面向Matlab工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].合肥:中國科學(xué)技術(shù)大學(xué)出版社,2009:29-30.

[5]王崇駿,于汶滌.一種基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用[J].南京大學(xué)學(xué)報(bào):自然科學(xué)版,2003,39(5):461-462.

[6]韓賽,盧建軍,衛(wèi)晨,等.基于概率神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)物資分類方法研究[J].工礦自動化,2014,40(4):28-41.

衛(wèi)晨，通訊作者,E—mail:342607544@qq.com。

Application of genetic neural network in material classification of coal enterprise*

LIU Lei1， LU Jian-jun1， WEI Chen2， LIU Zhi-peng2

(1.School of Communication and Information Engineering,Xi’an University of Posts and Telecommunications,Xi’an 710121,China;2.School of Economics and Management,Xi’an University of Posts and Telecommunications,Xi’an 710121,China)

The competition of coal enterprise is more and more intense in a rapidly changing market.The old manually material classification method of this industry exposes an increasing number of defects.The classification method of BP neural network based on genetic optimization is proposed based on three indexes of degree of supply and demand,value degree and supply efficiency.The scientific and accuracy of the model is verified by Matlab simulation.

coal enterprise; material classification; genetic algorithm; neural network

2015—11—04

西安郵電大學(xué)青年教師科研基金資助項(xiàng)目(ZL2014—49)

TP 183

A

1000—9787(2016)08—0155—03

劉蕾(1989-)，男，陜西西安人，碩士研究生，研究方向?yàn)槲锫?lián)網(wǎng)技術(shù)與應(yīng)用。

DOI:10.13873/J.1000—9787(2016)08—0155—03