基于多Ａｇｅｎｔ的林产业供应链绩效评价系统模型研究.doc

《基于多Ａｇｅｎｔ的林产业供应链绩效评价系统模型研究.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于多Ａｇｅｎｔ的林产业供应链绩效评价系统模型研究【摘要】文章利用多Agent具有的特性，针对林产业供应链的特点提出了基于多Agent的供应链运作过程中绩效评价系统所需数据的动态采集、传递、存储和实时处理的流程思想，并在此基础上建立供应链绩效评价系统模型。　　【关键词】多Agent供应链绩效评价模型　　　　进入21世纪以来，世界平均每年木材消耗量约35亿m3，其中我国每年约消耗2.5亿m3且呈增长趋势。但由于木材本身所具有的特殊性，局限了以木材为主的林产品生产并不能因存在高需求市场而无节制地生产。自1998年我国实施天然林保护工程后

2、，以木材为原料的林产品供需矛盾进一步加剧。目前，我国林产品生产企业主要面临着两大问题：一是林木资源有限条件下的林产品创新率与生产效益；二是林产品生产企业的快速响应市场能力和市场竞争能力。因此，从多Agent的角度来构建高效灵捷的林产品供应链绩效评价系统的模型框架可以说正是解决这些问题的一个有益探索。　　　　一、关于林产品与多Agent系统　　　　林产品是指木材及以其为原料的各种产品和林下产品。本文将研究对象限定在以木材为原料经过加工的林产品上，其主要包括：人造板、纸制品、家具、林化产品。之所以做出这样的确定，是因为这类产品在国民经济

3、生产中的消费量较大，在林产品消费市场上具有举足轻重的地位。加之考虑到这类产品的供应链较长、较复杂，在一定程度上具有示范作用，故文中所称的“林产品”即指这类加工林产品。我国的木材资源有其自身的特殊性：第一，木材资源地主要集中分布在几大边远林区；第二，人工林木材资源生长周期长；第三，木材加工利用率低；第四，木材品质差异大，木材加工企业选材困难；第五，与国外林产品相比，我国林产品附加值低，缺乏市场竞争能力；第六，绝大多数林产品加工地集中在大、中城市，而产品消费区域广泛，资源地、加工地、销售区域在结构上表现为远距离联系，一般管理手段难以形成

4、节约资源和适应市场需要的快速响应机制。　　多Agent系统表现为系统中所有单个Agent之间的信息关系和控制关系。从多Agent应用角度出发，一般分为：慎思Agent系统、反映Agent系统、混合式Agent系统。本文采用具有共同目标的混合式Agent系统。　　　　二、建立基于多Agent的林产品供应链绩效评价系统模型的目的和意义　　3　　从林产经济的发展来看，导致林产企业所面临的两大问题的主要原因来自于两个方面：第一，木材原料本身具有的特殊性所造成的约束；第二，随着市场供应的日趋丰富，顾客对林产品的需求逐渐体现出了需求的动态非确定

5、性趋势以及多样化、个性化、快速便捷服务等要求。那么林产企业应如何针对原因，有效地解决问题是非常值得思考和研究的。从相关实践应用来看，供应链及其管理被认为是解决这个问题行之有效的方法之一，但因其涉及到多个相关企业以及它们复杂和动态的外部联盟与协作，如何判断林产企业供应链及其管理是否达到了预期目标，需通过建立其供应链绩效评价系统模型才能做出科学判断并进行优化。鉴于供应链绩效评价系统模型的建立需要基于明确的供应链及其管理范畴，林产企业供应链建立及其管理目标的实现不但应针对供应链中处于核心地位的林产企业各环节的信息流、物流、资金流、价值流和

6、业务流程进行合理规划和流程再造，而且还要整合林产企业与其结盟的成员间的协调和控制。其中，林产企业的龙头作用关系到供应链目标能否实现的成败。　　　　三、基于多Agent的林产品供应链绩效评价系统模型设计　　　　供应链的构成要素（节点）包括：原材料供应企业、生产企业、物流企业、销售企业和客户。供应链建立及其管理的最终目标使每个节点利益最大化。实现这一目标不仅要加强节点内部建设和管理，更重要的是实现节点之间的交流和控制。　　1、林产品供应链绩效评价系统模型的类型设计　　根据供应链绩效评价系统目标要求，结合多Agent具有的功能特性，该供应

7、链绩效评价系统可以设计以下五种类型的Agent组。（1）交互Agent组：接受来自用户对评价任务的要求，将评价任务转换、分析和分解，按不同类别分别转送到其它Agent，最后将学习Agent转来的评价结果输出给用户。（2）功能Agent组：与其它Agent建立通信联系，提供所有Agent的名称和地址，建立同步通信、通信记录板及以异步通信缓存区等，与信息员联系并对其它Agent进行控制。（3）评价Agent组：它是评价绩效的主体，每一个Agent用来自交互Agent的信息和企业数据用特定指标和方法完成评价。Agent组具备判断评价任务和

8、实施评价任务的功能。Agent之间进行协商后输出评价结果给学习Agent。（4）学习Agent组：接受来自评价Agent的评价结果，对该结果进行学习并优化，将优化结果转送给交互Agent提供给顾客，同时将新结果作为新知识存储在知识库中