[0001] 本发明属于供应链网络设计领域，更具体地，涉及一种基于消费者偏好的多周期供应链网络设计方法及系统。

[0002] 传统的供应链网络设计往往以最小化网络成本或者最大化网络利润为目标，然而，随着经济的飞速发展，资源消耗和环境破坏问题日益凸显，温室气体的排放是造成这些问题的主要原因之一。同时，消费者自身的环保意识也逐步提升，越来越多的人认可环境保护和可持续发展的概念，消费质量和消费结构随之发生改变。但现有的供应链网络设计方法往往只考虑了生产或运输过程中的碳排放，忽视了消费的需求变化，也并未综合考虑产品定价与环保技术投入的相关决策，无法保证供应链在现有市场的竞争力，导致企业需要投入更多的运营成本，难以实现总成本的最小化。

[0013] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

[0014] 采用传统的供应链网络设计方法得到的供应链网络忽视了消费者的需求偏好转变，其产品在市场中逐渐失去竞争优势，易出现缺货或产能过剩的情况，难以实现供应链网络在建设及销售、回收等运营过程中所需总成本的最小化，对此，本发明实施例提供一种考虑消费者偏好的绿色闭环供应链网络设计方法，如图1所示，包括：S1，以供应链利润最大化、供应链碳排放量最小化为优化目标，构建供应链网络设计模型；
其中，所述供应链网络包括制造工厂、分销中心、消费者市场及第三方回收中心；
所述供应链利润为总销售额与固定成本、运输成本、可变成本的差值，总销售额；
其中，为消费者市场编号集合，索引为 ；为产品种类集合，索引为 ；为周期编号集合，索引为 ；如果产品 选择价格等级和低碳水平等级 ，则 为1，否则 为0； 为周期产品 在消费者市场 的缺货数量， 为周期下产品 在价格等级和低碳水平等级 时在消费者市场 的需求量， ，  为产品价格等级l
对应的价格，  为产品低碳水平等级e对应的低碳水平， 为周期t消费者市场的最大规模。

[0015] 如图2所示，绿色供应链网络由制造工厂I、分销中心J、消费者市场K和第三方回收中心M构成。制造工厂负责将外部提供的以及第三方回收商回收到的原材料生产为相应的产品。分销中心负责将制造工厂生产的产品运输到各消费者市场进行销售，同时分销中心具备一定的仓储能力，在其容量允许范围内，可以将产品存储下一周期再运输销售。第三方回收点负责回收消费者市场上的可回收产品，在检测后将可再利用的部分产品运输到制造工厂进行再制造。

[0016] 确定消费者偏好影响下产品需求量与产品属性的关系；所述消费者偏好包括：消费者低价偏好和消费者低碳偏好；所述产品属性包括：产品价格和产品低碳水平。其中，所述产品低碳水平由产品在生产和运输过程中的碳排放量决定。

[0017] 计算消费者偏好影响下产品需求量与产品属性的关系的具体步骤为：（1）确定产品信息与市场上的消费者信息；所述产品信息包括产品价格区间和产品单位碳排放区间；所述市场上的消费者信息包括低价偏好消费者比例和低碳偏好消费者比例；
其中，低价偏好消费者为对产品价格敏感的消费者；低碳偏好消费者为对产品低碳水平敏感的消费者；
（2）推导产品价格和产品低碳水平与产品需求量的函数关系；
其中， 为产品需求量；为低价偏好消费者的市场比例； 为消费者认可的产
品价格上阈值； 为消费者认可的产品价格下阈值； 为消费者认可的低碳水平上阈值；
为消费者认可的低碳水平下阈值； 为产品价格，范围在 ； 为产品低碳水平，范围在 ， 为消费者市场的最大规模；
（3）产品需求量函数离散化；
其中， 为产品价格等级和产品低碳水平等级 下的需求量； 为价格等级对
应的价格； 为产品低碳水平等级对应的低碳水平。

[0018] 以供应链利润最大化和碳排放最小化为优化目标，结合消费者偏好影响下产品需求量与产品属性的关系，构建有关制造工厂、分销中心、消费者市场和第三方回收中心的四层网络结构的供应链网络设计模型，并设立模型约束。

[0019] （4）构建利润目标函数 和碳排放目标函数 ；利润目标函数 ；
其中， 为总销售额；为固定成本； 为运输成本； 为可变成本；
优选地，固定成本 ；
其中，如果候选制造工厂被选址并运营，则 为1，否则 为0；如果候选分销中心被选址并运营，则 为1，否则 为0； 为建造候选制造工厂的固定成本； 为建造候选分销中心的固定成本； 为低碳水平等级 的产品 的环保技术投入成本；
运输成本TC的表达式为：
其中， 为产品 在周期 通过交通工具 从设施 运输到设施 的产品数量，
; 为设施节点 和设施节点 的距离， ， ； 为选择交通工
具 运输产品 的单位运输成本；
可变成本AC的表达式为：
其中， 为产品 在周期在制造工厂生产的数量； 为产品 在周期制造工厂
的单位生产成本； 为周期结束时，产品 在分销中心的库存数量； 为产品 在分销中心的单位仓储成本； 为产品 的单位缺货损失成本； 为产品 的单位回收成本；
为回收的产品 在制造工厂再制造的单位节约成本。

[0020] 优选地，供应链碳排放量为固定碳排放量、运输碳排放量及生产碳排放量之和。

[0021] 也即，碳排放目标函数 ；其中， 为固定碳排放量； 为生产碳排放量； 为运输碳排放量；
其中， 为建造候选制造工厂的碳排放量； 为建造候选分销中心的碳排放量；
运输碳排放量TC的表达式为：
其中， 为选择交通工具 运输产品 的单位碳排放量；
生产碳排放量PM的表达式为：
其中， 为低碳水平等级 的产品 在制造工厂的生产的单位碳排放； 为低
碳水平等级 的产品 在制造工厂再制造的单位碳排放。

[0022] S2，确定所述供应链网络设计模型的约束条件，所述约束条件包括：产品分别在制造工厂及分销中心的数量均衡与容量限制约束，以及产品分别在消费者市场及第三方回收中心的数量均衡约束。

[0023] 具体地，设立模型约束：为了满足产品在制造工厂的数量均衡与容量限制，定义约束如下：
其中，为产品 的存储系数； 为候选制造工厂的设施容量；
为了满足产品在分销中心的数量均衡与容量限制，定义约束如下：
其中， 为候选分销中心的设施容量；
为了保证产品在消费者市场的数量均衡，定义约束如下：
其中， 为产品 在消费者市场 下的回收率；
为了保证产品在第三方回收中心的数量均衡，定义约束如下：
其中， 为回收的产品 的可再利用率；如果在周期选择交通工具种类 ，则 为
1，否则 为0； 为一个极大的数，例如，int32最大值：2147483647。

[0024] 相关决策变量的范围约束如下：；
；
；
。

[0025] S3，求解所述供应链网络设计模型，得到基于消费者偏好的多周期供应链网络设计最优方案。

[0026] 具体地，输出多周期供应链网络设计的最优方案集合，确定各方案下供应链的设施选址、产品定价、环保技术投入、产品生产、流量分配、库存管理与交通工具选择的结果，企业管理者可根据其实际规划从方案集合中选取方案。

[0027] 由于多周期供应链网络设计的决策变量多，存在多个优化目标，且模型复杂，现有的优化方法求解速度慢，无法在大规模实例下快速求解；而常规的启发式算法在求解时无法保证得到高质量和高精度的求解方案，同样难以实现成本最小化。对此，优选地，采用多目标遗传算法结合变邻域算法求解所述供应链网络设计模型，如图2‑3所示，具体包括：S31，参数初始化，设定迭代次数。

[0028] 具体地，对算法的参数进行初始化，并设定算法终止条件。

[0029] S32，采用优先级编码方式产生初始种群，种群中个体的编码由五部分组成：第一部分定义制造工厂提供的产品（P）的优先级，第二部分、第三部分和第四部分分别表示候选分销中心（J），消费者市场（K）以及第三方回收中心（M）的优先级顺序，第五部分定义产品价格等级、产品低碳水平等级以及交通工具种类；编码序列中每一位的基因值的大小用来描述P种产品在制造工厂选择、候选分销中心选择、消费者市场选择或第三方回收中心选择的优先级以及产品价格等级、产品低碳水平等级以及交通工具种类。

[0030] 其中，个体的编码序列为T行n列矩阵，T为总周期数，n列矩阵包括五个部分，前四个部分的列数即为制造工厂、分销中心、消费者市场及第三方回收中心的数量，第五部分包括3列，分别为产品价格等级、产品低碳水平等级以及交通工具种类。

[0031] 具体地，种群中个体的编码包含选址信息、产品定价信息、产品低碳水平信息、流量分配信息和库存信息等。

[0032] 相应地，当采用多目标遗传算法结合变邻域算法求解所述供应链网络设计模型时，步骤S3中对基于上述算法对模型求解得到的编码结果进行解码以获取方案的过程包括，按照周期顺序分别进行解码：首先对第一周期的第五部分编码进行解码，明确产品价格等级、低碳水平等级和运输时的交通工具种类。接着，根据第一部分编码中的最高优先级及产品生产的优先顺序，结合工厂的生产成本函数 ，确定P种产品在制造工厂的生产分配情况，也即该编码的优先级不仅代表产品类型生产的优先顺序，也决定了哪个制造工厂将生产哪个类型的产品以及该制造工厂在各周期生产的产品数量。在第二部分编码中，找到最大优先级的分销中心，并根据优先级顺序，结合运输成本函数 计算各分销中心的运输量和库存量。然后，根据第三部分编码值，基于消费者市场的需求量 ，计算各分销中心与消费者市场之间的产品流向及流量。最后，依照第四部分的编码，基于运输成本函数，确定第三方回收中心对应的消费者市场及制造工厂，计算从消费者市场回收的产品的流量分配结果。

[0033] S33，对种群中个体进行解码，并根据适应度函数，计算种群中个体适应度值；S34，进行选择、交叉及变异等遗传操作，对种群更新，得到帕累托最优解集；
其中，帕累托最优解集指多目标优化中所有帕累托最优解组成的集合，帕累托最优解指不被解空间中任一解支配的解。

[0034] S35，对所述帕累托最优解集进行K‑means聚类，选出 个代表性最优解；S36，对所述 个代表性最优解利用变邻域下降算法进行局部搜索；
S37，判断是否达到迭代次数，若是，停止迭代，输出结果，若否，返回S33。

[0035] 也即，判断是否达到终止条件，若是，停止迭代，输出结果，若否，转步骤S33。

[0036] 优选地，步骤S31中，采用响应曲面法对算法的参数进行初始化，具体包括：S311，确定作为控制因子的算法参数，包括最大迭代次数，交叉概率和变异概率；
选择将采用的响应曲面实验设计（如中心复合设计或Box‑Behnken设计），如中心复合设计或Box‑Behnken设计；根据实验设计进行实验，获取各组算法参数下的算法性能指标（例如：
超体积、平均理想距离、最大分散度等）；
S312，用二阶多项式模型来分析算法参数的取值和算法性能指标之间的函数关系；
S313，根据得到的算法参数与算法性能指标的函数关系，计算极值点，确定算法的最优参数组合。

[0037] 优选地，步骤S36具体包括：S361，给定初始解 ，令 ，定义 个邻域，记为 ( )，分别为：改变产品
价格或低碳水平等级，改变交通工具的选择，随机交换制造工厂（即第一部分编码）的编码顺序和随机交换个体的编码顺序；
S362，根据邻域结构来对解搜索，当在 中发现一个比 更优的解 时，令
， ；
S363，若遍历当前邻域结构 依旧找不到比 更优的解，令 ；
S364，若 ，转步骤S362，否则，输出最优解。

[0038] 采用本发明实施例提供的结合多目标遗传算法与变邻域算法求解供应链网络设计模型的收敛情况如图4‑5所示，可以看出，随着迭代次数的增加，逐步收敛，最后趋于稳定。

[0039] 本发明实施例提供一种基于消费者偏好的多周期供应链网络设计系统，包括：计算机可读存储介质和处理器；所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如上述任一实施例所述的方法。

[0040] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。