Conception du modèle apprenant floue génétiques basés sur des systèmes multi-agents dans la gestion de la chaîne d'approvisionnement

Les Exigences de la chaîne d'approvisionnement et les défis des dernières années ont rendu les gestionnaires d'explorer de nouvelles méthodes dans le traitement des problèmes de gestion de la chaîne logistique (SCM). Méthodes avec une grande flexibilité peuvent adapter les plans aux conditions réelles aident à prendre une décision au bon moment.
Dans la SMC, les problèmes de répartition et d'attribution sont d'une importance énorme et en raison de leurs applications dans les parties inter-fonctionnelle et définitif des problèmes SMC, ils sont dans une position particulière parmi les problèmes SMC.
Dans cet article, en proposant une architecture basée sur le système multi-agents (SMA), un modèle est développé pour s'attaquer aux problèmes tels que la nature des distributions chaîne d'approvisionnement, des systèmes dynamiques de distributions (DS), des paramètres incertains de DS, la gestion des divers objectifs de DS, besoin de flexibilité pour DS et d'autres facteurs considérés comme des défis et des exigences concevoir dans un modèle souple qui peut être tout dans la SMC. MAS a été utilisé dans cet article en raison de leurs attributs et caractéristiques spéciales. En MAS, chaque agent suite à un devoir d'une manière autonome et est capable de s'adapter aux changements de l'environnement, après son contribution à tout le système pour rester en vie. introduction Compte tenu de l'offre le transfert du pouvoir de marché pour les clients, fournisseurs de réseaux font l'objet d'une pression de plus en plus fournir des produits de haute qualité, plus de variation et de prix plus avantageux dans un temps plus court. Répondre aux demandes des clients dans d'aujourd'hui interactive monde ne concerne pas seulement les producteurs mais aussi la fourniture ensemble chaîne et de ses ressources. Par conséquent, toutes les