仿生理論在供應鏈績效評價中的應用

摘要：自供應鏈管理概念的提出以來，供應鏈績效的研究就成為物流發展的研究重點之一。文章對仿生學進行了定義和分類，對仿生學在供應鏈績效評價中的應用進行了分析和歸納。仿生學在供應鏈績效評價中應用正處于起步階段，以神經網絡、遺傳算法的理論、軟件包和實踐應用居多，把仿生學引入到供應鏈評價中的前景廣闊。

關鍵詞：仿生理論；供應鏈；績效評價

一、 引言

近些年來，隨著仿生算法的出現及迅速發展，仿生算法在解決數學建模、預測等問題中受到越來越多的歡迎。通過模擬生物構造和機理等，已經演化出包括神經網絡、遺傳算法、粒子群優化算法等具有全局優化能力的諸多仿生理論。將這些理論引入到供應鏈績效評價研究中，能夠為供應鏈績效評價帶來一種全新的視角。

二、 仿生學

1． 仿生學理論發展歷史。早在人類文明開始時期，人類就開始了創造發明。根據鋸齒草發明了鋸齒，研究鳥的身體結構設計了撲翼機，模仿蝙蝠的視聽行為原理發明了雷達，根據蒼蠅的楫翅和復眼，制造了“振動陀螺儀”、“蠅眼透鏡”等。隨著科學技術的進步和人類對各種事物機理的研究，尤其是20世紀40年代電子計算機的問世，更是給人類科學技術寶庫增添了可貴的財富，從而涌現了各種各樣通過模仿而發明的偉大創造。人類仿生行為雖然早有雛型，但是直到20世紀50年代，才開始自覺把生物機理及結構的模仿思想應用到發明創造和設計思想上。1940年出現的調節理論，以及1947年出現的控制論促進了仿生學誕生。1948年，Wiener在其著作《控制論》中探討了動物的通訊機控制關系，并把這種關系引述到機器中的通訊控制關系，為仿生學奠定了理論基礎。1960年，由美國空軍航空局組織的第一次仿生學會議順利召開。會議圍繞“分析生物系統所得到的概念能夠用到人工制造的信息加工系統的設計上去嗎？”展開討論。這標志著仿生學作為一門獨立學科的誕生。隨著生產的需要和科學技術的發展， Steele為新興的科學命名為“Bionics”，意思是一種研究生命系統功能的科學。1963年我國將“Bionics”譯為“仿生學”，仿生即模仿生物系統的功能和行為，來建造技術系統或者發現一種方法。

2． 仿生學定義及其發展趨勢。李言俊等（2005）認為仿生學就是以生物為研究對象，研究生物系統的結構性質、能量轉換和信息過程，并將所獲得的知識用來改善現有的或創造嶄新的機械、儀器、建筑結構和工藝過程的科學，是生物科學與工程技術相結合的一門綜合邊緣學科。王興元（2010）將仿生學定義為：仿生學是研究以模仿生物系統的方式，或以具有生物系統特征的方式，或以類似于生物系統工作的方式進行技術研發或產品設計的科學技術。本文認為，仿生學是研究生物系統的結構、特質、功能、能量轉換與信息控制等各種優異特征，并把它們應用到技術系統，改善已有的技術工程設備，并創造出新的工藝過程、建筑構型、自動化裝置等技術系統的綜合性科學。

仿生學屬于一種新興的交叉性綜合邊緣性學科。目前國內外對其研究已經非常廣泛，并取得重要進展。Steele（1958）把仿生學定義為“模仿生物原理來建造技術系統，或者使人造技術系統具有或類似于生物特征的科學”。林良明（1989）認為，仿生學是研究生命的結構、能量轉換和信息流動的過程，并利用電子、機械技術對這些過程進行模擬，從而改善現有的和創造出嶄新的現代技術裝置。Peter（2001）對仿生學進化設計進行了研究，并應用進化算法在環境約束條件下，對仿生模型實施了進化設計。Lipson等人（2000）利用RP技術對仿生算法設計進行了研究。

仿生理論是指基于模擬實物或機理分離出來的理論，通過演變與改良形成的在有限條件下適用的一種數學研究方法。仿生理論包括神經網絡理論，進化算法，群集智能算法，免疫算法和其他算法等。目前還沒有對仿生算法進行定義。由于智能與仿生概念的重合，導致仿生算法的概念比較模糊。有學者認為智能和仿生算法的概念沒有實質區別，并使用智能仿生算法的概念。對仿生理論算法的研究，可以分為三個方向：第一個方向為以單個理論為例的實際應用，使用一種理論并根據實際情況需要進行改良。神經網絡和遺傳算法的研究已經趨于成熟并在實際的各領域中發揮作用。王瑋等（2001）建立了一種基于粗糙集理論的神經網絡模型，來解決傳統神經網絡的多維度輸入和多維度輸出不穩定的問題。第二個方向是混合仿生理論的研究，綜合多種仿生理論算法，發揮各種仿生算法的優點解決問題。胡慶等（2010）針對BP神經網絡庫存預測方法中存在局部最小問題和GA算法尋優中的盲目性，用GA-BP的算法解決電信供應鏈的庫存控制，對影響供應鏈績效的庫存進行了有效預測。第三個方向為即為新興的仿生理論研究。

3． 仿生學分類。仿生學的任務就是通過對生物系統的優異能力及產生原理的研究模仿，最后達到應用生物的原理改造、發明有效的工具或者方法。研究仿生學的主要方法就是建立模型，進行模擬。一般仿生學的研究分為原型研究、數學分析及實物模擬三個步驟。第一階段生物原型研究即根據實際生產的具體議題，吸收有用的技術要求，舍棄無關緊要的要求，利用生產技術因素加以簡化得到包含生物數據的研究模型；第二階段數學分析，即利用生物模型提供的信息，進行數學分析，找出其內在聯系，把抽象的語言翻譯成為能夠進行操作的數學模型；第三階段實物模擬即在數學模型基礎上，結合工程試驗創建物理模型。

目前還沒有學者對仿生學各個理論給出基本框架，尤其是隨著仿生學理論的不斷補充完善，對其框架的劃分仍然存在很多爭議。根據目前的仿生理論研究現狀，本文把仿生理論分為神經網絡理論、進化理論、群集智能理論、免疫算法和其他新興算法（如圖1所示）。這種仿生理論架構劃分能夠涵括目前所有的仿生學基本方法。其中進化理論包括遺傳算法、進化規劃與進化策略。進化理論指基于生物染色體或者DNA分子結構在后代中表現出的優勝劣汰現象抽象出的仿生算法理論。群集智能理論指的是以群體為研究對象，通過模擬生物群體行為、構造和機理演算出的新型算法理論。

三、 仿生學在供應鏈績效評價中的應用

1． 神經網絡方面。神經網絡是一種綜合多學科特點的交叉性研究方法，其研究內容相當廣泛。神經網絡研究內容主要集中在生物原型研究、建立理論模型、網絡模型與算法研究、人工神經網絡應用系統等方面，其中根據生物原型的機理，建立神經元、神經網絡理論模型能夠為供應鏈績效評價的應用提供參考。神經網絡的優越性主要表現在以下三個方面：（1）具有自我學習功能，自我學習功能對于預測具有重要意義；（2）具有聯想存儲功能，網絡結構神經元錯綜復雜的關系使得聯想存儲特別便捷；（3）具有高速尋找最優解的能力。

神經網絡在供應鏈績效中的應用是目前仿生理論中研究和應用最廣泛的方法。Pawlak（2002）率先將粗糙集中數據挖掘思想和神經網絡智能優化思想結合起來，探討了一種簡化指標的神經網絡模型。史成東（2007）把粗糙集理論關于論域、條件屬性和決策屬性的概念引入供應鏈績效評價體系中對指標進行約簡，消除冗余指標，并結合BP網絡進行訓練，通過實例證明預測結果與實際結果基本吻合，誤差10.36%滿足供應鏈預測結果10%的誤差要求。姜波（2007）提出可以使用模糊綜合評價方法和人工神經網絡方法對供應鏈的整體性能進行評價，并沿用與外部供應鏈的績效評價相同的步驟，最終從外部供應鏈和整體的角度來判斷供應鏈績效的情況，發現對給供應鏈帶來負面作用的或者性能相對較低的部分。席一凡等（2007）探討了改進的模糊神經網絡算法在供應鏈績效評價中的應用，將中間層分為模糊化層和推理層，通過模糊化層處理歸一化數據、附加動量項不斷調整連接權值，擺脫了評價方法在評價過程中的隨機性和評價人員主觀上的不確定性，保證了結果的客觀性。鄭培（2008）提出了一種粗糙簡和BP神經網絡學習相結合的混合動態供應鏈績效評價方法，它首先縮減動態供應鏈績效評價決策表中的因素，減少績效評估的維度，然后利用BP神經網絡對樣本進行學習和訓練，訓練完成后的網絡可以評估供應鏈績效。這種績效評價的方法可以大大減少數據處理的數量，降低BP網絡設計的復雜性和計算的復雜性。文培娜等（2009）利用BP神經網絡對北京市供應鏈物流需求進行了預測。

神經網絡在供應鏈績效評價中的應用，研究方法是通過建立供應鏈績效評價的指標體系，利用績效評價的歷史數據建立供應鏈績效評價模型，使用此模型能夠預測下一段時間的供應鏈績效情況，再總結數據對模型進行修正。如此反復，直到模型在實踐中檢驗誤差最小。神經網絡的訓練需要大量歷史性數據，周期較長；檢驗過程需要實際生產數據，風險較大。在目前提出的幾十種神經網絡模型中，應用在供應鏈績效評價之中的以BP網絡的研究最為廣泛。

2． 遺傳算法方面。遺傳算法擺脫了梯度信息或其他輔助知識的束縛，應用過程中不局限于問題領域，具有非常好的魯棒性。該算法具有整體搜索戰略的思想，只對目標函數和適應性函數有限制，提供一個解決復雜系統求解問題的共同性參考方法。遺傳算法在函數優化，組合優化等方面廣泛應用。函數優化中解決一些多模型、多目標、非線性的函數優化問題是遺傳算法的經典應用領域，組合優化中遺傳算法對NP問題非常有效。另外遺傳算法也在生產調度、自動控制、圖像處理、遺傳編碼及學習等方面有應用。

Zhang（2008）等人利用遺傳理論對供應鏈績效中效率性、滿意性、合作性、供應、配送、成本、收益和能力八個方面進行選擇分析，大大減少了模型的復雜程度。李艷（2010）將供應鏈績效評價問題用GA進行特征選擇并同時對支持向量機參數（SVM）進行了優化，達到了使供應鏈績效評價指標減少的目的。于金梅（2011）提出解決帶軟時間窗供應鏈網絡優化模型（STW-SCN模型）和硬時間窗的供應鏈網絡優化模型（HTW-SCN模型），用遺傳算法分別求解，得出供應鏈優化模塊包括供應鏈網絡中開放的供應商、制造商和分銷商花費的固定費用，開放的制造商、分銷商、零售商的采購產品費用，委托物流公司的車輛運輸費用，超過時間期限的罰金。Gabbert（1991）應用遺傳理論對鐵路網絡復雜運輸調度進行了研究，降低了供應鏈總成本。劉誠（2006）提出了一個并行遺傳理論對帶軟時間窗的物流配送車輛路徑問題進行求解，優化了供應鏈系統的運輸環節，提高了供應鏈的績效水平。

遺傳算法在供應鏈績效評價中的應用，與神經網絡直接建立的模型相比不同，目前應用遺傳算法在供應鏈績效評價中的應用主要是在處理數據方面（例如縮減指標數量），結合其他系統模型或者直接利用神經網絡算法建立網絡系統模型。遺傳算法對數據的預處理使得數據更加有效，對供應鏈績效的研究起到了重要的輔助作用。

3． 粒子群優化算法。粒子群優化算法在供應鏈中的應用主要在貨物調度運輸、倉儲環節，在供應鏈績效評價中的應用是基于對神經網絡結果的優化，借助神經網絡再對供應鏈績效進行評價。吳學靜等（2010）基于供應鏈產品的生產調度與分批配送角度，利用粒子群優化算法對多層供應鏈網絡的協同優化模型進行求解。文獻利用改進的粒子群優化算法訓練BP神經網絡，并利用這種新的網絡結構建立供應鏈庫存模型。何佳（2007）利用粒子群優化算法對供應鏈集成系統進行優化，確定倉儲與分銷點銷售、采購數量。

4． 其他理論方面。蟻群算法在供應鏈中應用的研究主要集中在供應鏈的調度方面，暫時沒有應用在供應鏈績效評價方面的研究。丁秀明（2008）建立了供應鏈生滅過程模型，利用螞蟻算法對物流調度的路徑進行了優化。劉云忠和宣慧玉（2004）通過蟻群算法對供應鏈物流調度問題進行求解。戴樹貴（2007）通過設計混合蟻群算法HACA求解多配送中心車輛路徑安排問題。李金津（2011）從仿生學的角度把供應鏈、產業鏈和價值鏈結合起來重新定義為一種企業的生態鏈，建立企業間的logistic增長模型、企業種群的Lotka-Volterra捕食模型和企業共生模型，并結合吉林省汽車制造企業生態鏈實例，從發展零部件配套體系，完善群落營養結構，協調上下游企業建立暢通生態通道，重視關鍵種企業協同進化，發展新能源汽車企業生態鏈，加強種間共生合作，建立創新性主體種群對生態鏈進行了改善。其他算法理論并沒有對供應鏈績效評價的直接應用，方向主要是在優化供應鏈處理環節。

基于以上仿生算法在供應鏈績效中的應用分析，本文總結得出神經網絡和遺傳算法在供應鏈績效評價中的應用已經有理論、應用和各種軟件的支持，而粒子群優化算法在理論和應用方面有少量成果探討。其他算法有少量涉及，沒有發現關于供應鏈績效評價中應用的研究。神經網絡可以說是模擬人類思維的第二種方式，具有分布式存儲、并行協同處理等特點和網絡系統的特點。這些智能優點能夠實現對系統輸入輸出樣本對照進行自主學習，以任意精度逼近非常任意復雜的非線性映射，使得在績效評價模型建立中應用特別廣泛。遺傳算法處理過程將導致種群像自然進化一樣的后生代種群比前代種群更加適應環境，末代種群中的最優個體經過解碼，可以作為問題近似最優解。這使得遺傳算法再處理供應鏈績效評價中的數據時發揮了重要作用。粒子群優化算法、螞蟻算法等應用在供應鏈的運輸與生產環節解決路徑規劃問題，把這些仿生算法結合神經網絡應用在供應鏈績效評價中將是下一步研究的方向之一。

四、 結語

仿生學理論豐富，神經網絡、遺傳算法的發展特別迅速，近些年不斷有新的模擬生物系統機理的方法出現，大大豐富了仿生學的研究。仿生理論需要一個統一的框架，以便以后對仿生學的研究與補充。研究神經網絡等其他仿生算法在供應鏈績效評價中的應用是具有廣闊的發展前景。對這些新的仿生算法的研究，以及怎樣擴展目前已有仿生學的方法應用在供應鏈績效評價中是今后重要研究方向之一。仿生學目前在供應鏈績效中應用的角色是充當一種數學建模工具，在這個角色上的突破或許能給我們一種新的研究仿生學在供應鏈績效評價中應用的思維。由于供應鏈中的不確定性因素（例如信息）和供應鏈的環境開放性、復雜多變性，供應鏈的響應速度及適應能力也是在不斷變化的。在實際評價過程中，企業需要根據動態變化不斷地進行優化，并對指標的重要性進行再分類。供應鏈評價體系只有適宜具體環境變化，并能感應環境變化，及時調整，通過反饋機制不斷完善供應鏈，才能在競爭中利于不敗地位。

參考文獻：

1. 王興元.仿生創新機理、原則及策略途徑研究.科技進步與對策，2010，9（17）：1-5.

2. Peter J.B. Evolution design by computers.London：University College London，UK，2001.

3. 李金津.企業生態鏈理論研究.長春：吉林大學學位論文，2011.

4. 王瑋，蔡蓮紅.基于粗糙集理論的神經網絡.計算機工程，2001，21（5）：65-67.

5. 史成東，陳菊紅，胡健.基于粗糙集和神經網絡的供應鏈績效預測研究.計算機工程與應用，2007，43（33）：203-245.

6. 席一凡，王超，聶興信.基于模糊神經網絡的供應鏈績效評價方法研究.情報雜志，2007，（9）：77-79.

7. 吳學靜，周泓，梁春華.基于協同進化粒子群的多層供應鏈協同優化.計算機集成制造系統，2010，16（1）：127-132.

基金項目：吉林省社會科學基金項目（項目號：2009B032）。

作者簡介：楊印生，吉林大學生物與農業工程學院教授、博士生導師；樊雪梅，吉林大學軍需科技學院副教授，農業機械化工程專業博士生；王龍昭，吉林大學軍需科技學院碩士生。

收稿日期：2012-07-18。