供应链的多层智能agent网络模型与竞争合作分析

Based on complex adaptive system theory and the up-to-date advances of complex networks, we propose a multilayer intelligent agent complex network model for supply chains. The belief-desire-intention (BDI) model is combined with Reinforcement Learning to establish a decision framework for the agents in the system. Networked evolutionary game and Nash Bargaining theory are used to study cooperation-competition behavior among different agents. The first-order hybrid Petri Nets are used to model the interactions (including flows of information, capital, and materials) among agents. Agent-based simulation is used to study the system’s emergence. The famous Beer Game system proposed by MIT is used as the basic simulation prototype to investigate the emergence phenomena from agents’ interactions of competition and cooperation as well as supply chain structure’s impact on cooperation-competition behavior among agents. Emergence from the micro level to the macro level and feedback from the macro level to the micro level are combined together, so it is helpful to holistically investigate supply chain system to discover its fundamental laws. Research results would be significant to manage and control this kind of complex systems. In addition, results would also be helpful to other distributed complex network systems such as wireless sensor network as well as cloud manufacturing systems.

基于复杂适应系统理论和复杂网络的最新进展，提出供应链的多层智能agent网络模型。将BDI（信念、期望和意图）模型与强化学习算法结合建立agent优化决策模型，用网络演化博弈和Nash讨价还价理论研究agent之间的竞争合作行为，用一阶混合Petri网描述agent之间的交互作用（信息、资金和物流传输）。建立供应链多主体仿真模型，以著名的啤酒游戏（Beer Game）为原型，通过计算机仿真探讨供应链节点之间的竞争合作行为引起的宏观涌现现象以及复杂网络结构对供应链节点的竞争合作行为的制约，从而实现微观行为和宏观结构的有机联系，从整体上揭示供应链自组织演化规律。研究结果对于这类复杂系统的有效管控具有重要意义，对于其它分布式网络系统（如无线传感器网络、云制造系统等）的研究也具有一定参考价值。

供应链是由供应商、制造商、分销商、零售商、顾客等要素，通过上下游成员的连接组成的链状或网络组织，是竞争、合作环境中快速响应环境变化的动态供需网络。供应链管理就是在这种背景下产生的一种崭新的经营理念，其核心思想是横向一体化，强调企业之间的协同与合作，体现系统整体观。研究此类复杂分布式网络系统的演化规律，寻求其协调规律，对于实现系统的整体优化，帮助企业对复杂多变的市场环境做出快速响应具有重要理论意义和应用价值。.本项目主要研究包括：基于复杂适应系统的供应链多层agent网络模型、供应链成员合作与竞争行为分析、供应链的优化协调、供应链网络仿真。.重要结果包括：建立了供应链的多层智能agent网络模型（包括微观和宏观两个层面）、供应链的集成优化调度框架与优化协调算法、多层agent网络模型仿真。具体来说，提出了基于Petri网的供应链成员交互行为的建模与描述，以复杂的装配型供应链为例，给出了多项式时间复杂度的监督控制方法，开发了基于Petri网的银行家算法式的死锁避免策略。.使用基于agent的方法协同解决资源共享进和任务协同分配问题，针对云制造企业的剩余能力利用问题，研究了具有空闲时间的车间调度方法。构建了云制造作业车间的调度框架，以最小化工期为目标，考虑设备空闲时间，提出工序加工时间序列的确定方法和空闲时间段的更新策略。研究了订单接收与调度联合决策问题，分为三个基本类型：已安排任务不允许变化、允许少许变化和允许任意变化，针对第一类问题，提出了变维粒子群算法与Giffler-Thompson算法相结合的方法。针对第二类问题，提出了调度扰动的衡量方法，建立了最小化已有调度方案的优化模型，设计了基于PSO的求解方法。对于第三类问题，提出了基于GP的指派规则自动产生方法。.建立了多层网络上演化博弈模型，分析了网络成员之间的交互行为对合作以及整体系统的影响。基于这些模型，进行了一定扩展研究。.这些结果对于理解供应链网络的复杂行为和实际决策具有一定指导意义。