第1章 导论

1.1供应链建模方法的研究背景

1.2研究意义

1.2.1研究的理论意义

1.2.2研究的实践意义

1.3研究内容及创新点

1.3.1研究内容

1.3.2研究的创新点

1.4研究思路和研究方法

本章小结

第2章 相关研究成果综述

2.1供应链与供应链管理

2.2供应链信任相关研究述评

2.2.1信任的概念

2.2.2信任的维度

2.2.3供应链信任与信任维度

2.3供应链建模方法相关研究述评

2.3.1描述性建模方法

2.3.2规范性建模方法

2.3.3当前建模方法比较及对本研究的启示

2.4智能优化算法相关研究述评

2.4.1遗传算法

2.4.2粒子群优化算法

2.4.3人工神经网络

本章小结

第3章 供应链成员聚类分析

3.1问题的提出

3.2供应链信任的度量

3.2.1主观信任特征及定量描述

3.2.2供应链信任度量概念模型

3.3供应链信任评价指标的建立

3.3.1评价指标建立的原则

3.3.2建立供应链信任评价指标

3.3.3评价指标的权重解析

3.4供应链成员聚类分析

3.4.1评价指标模糊信息处理

3.4.2评价指标属性值的Vague值计算

3.4.3供应链成员聚类——算例数值分析

本章小结

第4章 “计算型信任”供应链智能建模

4.1问题的提出

4.2“计算型信任”的形成机制

4.2.1局部供应链信任演化博弈模型的构成

4.2.2“计算型信任”学习演化博弈机制

4.2.3数值实验与结果分析

4.3“计算型信任”供应链BPNN建模方法

4.3.1 BPNN的基本原理

4.3.2基于BPNN的“计算型信任”供应链成员的智能选取

4.4“计算型信任”供应链GA-BPNN建模方法

4.4.1遗传算法的组成与算法流程

4.4.2 GA-BPNN的算法流程与数值实验

4.5“计算型信任”供应链PSO-BPNN建模方法

4.5.1 PSO算法的组成与算法流程

4.5.2 PSO-BPNN的算法流程与数值实验

本章小结

第5章 “关系型信任”供应链智能建模

5.1问题的提出

5.2供应链信任多智能体协同模型

5.2.1供应链协同

5.2.2多智能体技术

5.2.3 MAS协同信任模型

5.3供应链信任度效应值波动性辨识及其记忆性

5.3.1记忆性及其检验

5.3.2信任度效应值记忆性及其波动性辨识

5.4供应链MAS-BPNN建模方法

5.4.1供应链MAS-BPNN智能学习模型

5.4.2供应链MAS-BPNN智能建模方法

5.4.3供应链MAS-GA-BPNN智能建模方法

5.4.4供应链MAS-PSO-BPNN智能建模方法

本章小结

第6章 供应链建模的鲁棒性分析

6.1问题的提出

6.2供应链的鲁棒性

6.3基于正交神经网络的时滞供应链模型的鲁棒性分析

6.3.1具有时滞特征的供应链模型

6.3.2正交神经网络的定义及其性质

6.3.3供应链模型的鲁棒性分析

6.3.4数值实验与结果分析

6.4基于信任的供应链鲁棒控制策略

本章小结

第7章 本书结论与展望

7.1结论

7.2研究展望与设想

附录A 供应链信任评价指标未加权超矩阵

附录B 供应链信任评价指标加权超矩阵

附录C 供应链信任评价指标超极限矩阵

附录D “主-从”局部供应链建模数据

附录E MATLAB BP神经网络程序清单

附录F GA-BPNN算法的主要程序清单

附录G PSO-BPNN算法的主要程序清单

参考文献