● 摘要
随着顾客需求的多样化、个性化，以及产品寿命周期的不断缩短，如今的制造业不仅面对的是一个存在着诸多不确定性、无法准确预测的买方市场，还面临着企业间剧烈的竞争，传统的管理模式对顾客需求变化的响应越来越迟缓和被动。因此，快速响应顾客需求的能力就显得尤为重要，企业的盈利水平与库存水平息息相关，这是很多制造型企业所面临的难题。传统库存控制模型通常基于统计分析方法。由于影响库存问题的因素很多，很难确定相关的数学统计模型，所以实际应用效果较差。 本文在研究和分析库存控制传统模型的基础上，对GE医疗集团（北京）的库存管理策略进行了详细的调研和总结，以当前GE医疗集团（北京）的库存管理为背景，提出以BP神经网络作为研究主体的新的库存控制模型，尝试把BP人工神经网络应用于其库存控制中，从而在存在诸多不确定性因素的复杂的库存管理环境中有效地优化预测库存水平。 针对BP算法收敛速度慢的特点，论文提出了基于遗传算法的BP神经网络改进算法，先对初始种群和连接权值进行优化，在解空间中定位出较好的搜索空间，当种群趋向于收敛后，再用BP算法就可以较快地收敛到训练精度要求。本文利用Matlab，编写了GA+BP的神经网络程序，并通过一系列的实验，将传统的BP算法与改进算法进行对比，证明了GA+BP在收敛速度、收敛精度和泛化能力上都得到了较大的改善。 最后，论文利用新模型进行了仿真试验，验证了模型的有效性；并对GE的库存管理提出了合理化的建议，揭示了“综合库存管理理论”的实际应用价值和管理意义。