基于神经网络与两阶段随机规划的增材制造可持续闭环供应链优化模型

《IMA Journal of Management Mathematics》：Hybrid Optimization Framework for Closed-Loop Supply Chains: Embedding Neural Networks in Two-Stage Stochastic Programming

　　

摘要

本文开发了一种集成代理模型，用于优化增材制造（AM）背景下的可持续闭环供应链（CLSC）。该模型结合神经网络与两阶段随机规划（2SP），以应对需求不确定性。该模型通过整合选址规划和物料流等关键要素，并利用机器学习来管理不确定性并增强对动态需求行为的适应性，从而显著提升了战略与运营决策水平。计算实验表明，在所研究的问题实例中，2SP与机器学习的集成能够提供比样本平均近似（SAA）更具可扩展性和计算效率的解决方案。结果表明，该模型可为从事需求不确定性下可持续CLSC设计的从业者提供有用工具，但仍需在更大规模的实际案例中进一步验证。从管理角度来看，所提出的框架可支持循环经济战略中的可持续投资规划与风险管理。