基于多代理的人工供应链仿真模型分析与设计

吕小峰， 钱志新 （南京大学 工程管理学院，江苏 南京 210093）

·供应链·

基于多代理的人工供应链仿真模型分析与设计

吕小峰， 钱志新 （南京大学 工程管理学院，江苏 南京 210093）

0 引 言

供应链系统是一个高度非线性和多阶段的复杂巨系统，其本质在于各成员企业之间复杂的竞争与合作关系。传统的建模技术如系统动力学、数学建模等不能很好的反映主体的主动性、智能性以及分散决策等特性，也不能对复杂供应链系统进行仿真优化和再设计[1]。现阶段，已有很多学者使用多代理方法在供应链协调、供应链网络构建、供应链信息系统等领域取得了一定的成果[2-4]。由于供应链系统的复杂性和实验平台的缺乏，大多数学者的研究还停留在供应链局部建模阶段。当然也有一些学者从供应链的整体角度尝试着构建供应链仿真模型，Xue等[5]设计了一个基于多Agent的框架。该框架基于多目标谈判和多目标效用理论，将构造供应链中的相关组织和多目标谈判模型集成到多Agent系统中。Govindu等[6]提出一个通用的以过程为中心的方法框架MASCF，该模型框架以供应链运作参考模型SCOR为基础模型，运用MAS方法构建良好的供应链模型框架，并以实际案例为背景利用JADE实现以上模型框架，证明了模型的通用性和有效性。本文在总结前人成果的基础上，采用多代理建模方法，应用JAVA技术对人工供应链仿真模型进行构建与实现。最后基于本实验平台设计一组仿真实验，通过实验分析来说明模型的有效性和适用性。

1 人工供应链模型构建

本文将供应链划分为4级，主要研究了包含供应商、制造商、零售商和顾客在内的多阶段拉动式人工供应链模型。由供应商提供原料，制造商负责生产加工成产品，零售商负责进货并出售到顾客市场上，供应链同级企业相互竞争，上下游企业相互合作。通过多代理建模技术对供应链的横向竞争以及纵向合作的复杂关系进行模拟，并通过仿真实验来研究供应链演化的一些特性。

1.1 模型概述

模型中设计了7类Agent：市场Agent、零售商Agent、制造商Agent、供应商Agent、供应商和制造商交易Agent、制造商和零售商交易Agent、零售商和市场交易Agent。在整个仿真模型运行过程中，供应商、制造商和零售商总是在合作与竞争的环境中不断演化的。总的来说，每类角色必须在诸如价格、广告等决定评分的因素上作出决策，不同的决策尺度将决定最终的竞争优劣程度。各角色的决策信息都是不完全的，需要根据上一年的决策信息和决策结果 （特别是利润）进行一定的风险预测。为了更好的构建仿真模型，作者做了几点前提假设： （1）模型以1年为一个模拟周期。 （2）市场上只有1类产品，供应商所提供的2种质量等级的原料都可以生产产品，最后的质量系数是按照生产的产品数和原料质量系数进行加权平均求值。 （3）零售商不存在库存策略，每期未售出的产品都会以一定的低价 （跳楼价）在当期全部抛出。 （4）每个企业都拥有一定的现金，在每次相互交易前都会检查现金量，如果发现现金小于零则宣布破产并退出供应链系统。

1.2 各Agent规则设计

主要对顾客市场、零售商、制造商和供应商4类Agent进行属性和行为决策设计。各类Agent要根据近期的盈利状况以及各项决策的历史数据进行诸如订货量、价格、质量等方面的决策，同一级企业的决策同时进行，各企业在不完全的市场信息下进行博弈。

（1）市场Agent设计。市场Agent用来模拟市场环境，模型中假设产品的市场需求量服从正态分布，即MarketNeed～N（μ,σ2）。 其中参数 μ表示需求均值， σ表示标准差。

（2）零售商Agent设计。零售商代理用来模拟供应链中零售商的属性、行为和决策机制，零售商Agent会和市场Agent以及制造商Agent产生交互动作，从而构成局部供应链环境。零售商主要有订货量决策、价格决策、质量决策、广告和服务决策。1）零售商计划订货量决策。零售商的计划进货量是在上期的实际销售量的基础上加上风险订货量。每个零售商都会面临一定的风险，用风险系数ris（）k来衡量，其值为0.1～1.0之间的任意数，则本期计划量=上期实际销售量+risk*最大风险订货量。一般最近盈利较多的零售商会承受高风险，而盈利较低的零售商会进行低风险的订货决策。2）零售商价格、质量、广告和服务决策。根据上期盈利是否大于上期平均利润水平分成3类决策模式。对于价格决策，在3种利润情况下又根据价格是否大于平均水平分为3种情况。总体上来说，盈利者为了保持价格竞争优势和总体竞争力会做出一定的概率风险性决策，尝试以概率的方式做出不同的决策选择，而不盈利者会尽可能的保持不变，当然也会以非常低的概率参与降价竞争。对于质量决策，零售商每期在是否提高一个等级、保持不变还是必要时降低一个等级之间做出决策，高利润者愿意用上期利润的20%来提高质量，低利润者会用利润的30%做一个概率选择决策，而不盈利者较大可能性保持原有的质量系数不变。广告和服务决策和质量决策类似。

（3）制造商Agent设计。制造商代理是用来模拟制造商采购原料、加工生产以及销售成品的过程。制造商主要有计划销售量决策、生产决策、广告和服务决策、产能决策。1）制造商计划销售量和生产量决策。制造商的计划进货量和零售商类似，也是在上期的实际销售量的基础上加上风险订货量。不过当上期库存大于此时计算得到的计划销售量时，为了减少库存滞留带来的成本增加，计划销售量会增加二分之一的库存量。如果此时的计划销售量依然小于上期库存量，则本期不用生产多余产品，生产量为0，否则生产量=计划销售量-上期库存量。2）制造商质量决策。制造商提高质量等级会增加原料成本，同时还必须考虑库存产品的数量，最终由新购入的原料加工成的产品质量系数和库存品质量系数的加权平均值决定最终产品的质量等级。对于制造商而言，不仅考虑上期盈利状况和近2年的盈利百分比，还要兼顾考虑库存量和计划销售量之间的数量关系，综合考虑这些因素后再决定是否要提高质量等级，甚至在库存积压很大的时候还会考虑降低一个质量等级。总体来说，高利润者会尽可能的提高一个质量等级，并且能承受的库存积压数量较多，因为他们有资本通过采购高级原料提高产品整体质量；而低利润者相对保守，会以概率的方式决策；不盈利者尽可能的保持不变，希望能以不变应万变。3）产能决策。模型中提高产能主要有2种方法：第一，采用生产技术改造的方式，一次固定投入生产技术改造费用只能在原有的产能基础上提高20%，一期可以一次性投入多次。这种方式只能在当期提高产能，相当于现实中的加班和临时的生产方式优化，下期还是按照原有的产能进行折旧。第二，一次性设备投资方式，这是一种进行设备更新和置换的方法，投入后设备的总体产能将增加一个初始最大产能值。制造商会在技术改造费、投资费和现金之间权衡，比较2种方式哪个更优。高利润者由于资金比较充足，所以技术改造费不会超过投资费的60%，否则会进一步衡量现金是否充足，在此基础上再决定采用哪种方式。低利润者和不盈利者和高利润者决策思维相同，不同之处在于由于资金的不足，他们会尽可能采用第一种方式。4）制造商原料订单决策。在质量决策和计划销售量以及生产量决策之后，便可以进行原料订单决策计划。原料需求数是根据计划质量的要求，综合考虑库存产品的质量系数后，按加权平均法分配高低等级原料的需求数。5）制造商价格、广告、服务决策。这和零售商的决策行为相似，在此不赘述。

（4）供应商Agent设计。模型中对供应商代理的设计较为简单，供应商有充足的原料，所以制造商的原料需求都能被满足。并且原料的价格固定不变，一般高级材料的价格是低级材料的4倍左右，供应商一般只根据广告值和服务值构成市场竞争力，其广告和服务决策过程和零售商相似。

1.3 供应链各成员交互规则设计

本部分主要说明了供应链各成员企业的竞争力评分标准以及各企业之间如何进行交易，主要由3类交易Agent完成顾客和零售商的产品交易、零售商和制造商的产品交易以及制造商和供应商之间的原料交易。交易代理是一种沟通和撮合交易的工作代理，交易代理负责交易前检测交易主体是否满足淘汰条件，如果满足淘汰条件则将其淘汰并清除数据，并且交易代理还完成交易后的相关数据处理。

（1）竞争力评分标准。在此只叙述零售商的竞争力评分指标和公式，制造商和供应商的评分公式和零售商类似。计划评分和实际评分实际上是衡量零售商在2个交易市场上的竞争力，即能进货多少和能出售多少产品的能力，交易Agent正是根据这个竞争力评分组织交易的。评分是一个综合指标，零售商的计划评分和实际评分组成指标中唯一区别就是一个是计划质量，一个是实际质量。下面是评分的计算公式。

1）计划评分公式：

2）实际评分公式：

其中：avePrice、avePlanQuality、aveAd、aveService、aveActQuality分别表示本期所有零售商价格、计划质量、广告、服务和实际质量的平均值；r_P、r_Q、r_A、r_S分别表示价格指标、质量指标、广告指标、服务指标的评分权重，r_P+r_Q+r_A+r_S=1；公式前半部分分母中的sumE表示是所有零售商的分子项的和；w表示上期市场占有率；r_W表示的是上期市场占有率在本期评分中的权重。一般在模型中如果想突出当期的各项决策对竞争结果影响大的话，可以将r_W值设置小点，如0.3。

（2）零售商和市场交易Agent设计。零售商和市场交易代理 （RC_Agent）主要完成零售商产品向市场销售的过程。其主要交易思想是：顾客市场会优先选择综合评分排名高的零售商进行产品交易，当市场需求不足的时候，排名靠后的零售商就不能销售出去所有产品，而必须以市场跳楼价抛售剩余产品。该交易代理主要完成以下几项工作：第一，记录每个零售商的实际评分，并按照评分排名。第二，促使市场Agent选择排名高的零售商进行交易，当市场需求不足的时候，由排名倒数三分之一的零售商平均分摊缺口。零售商未销售出去的产品将以市场跳楼价 （上期所有零售商产品批发的最低价）抛售到市场上。第三，更新零售商的相关交易数据，包括收益和利润以及市场占有率等。

（3）制造商和零售商交易Agent设计。制造商和零售商交易代理 （MR_Agent）主要用来完成制造商和零售商之间的产品交易。制造商和零售商之间的交易按照竞争力评分排序进行交易，评分排名靠前的制造商和零售商相互交易，如果制造商的产品供应不足或是零售商的总需求不足，排名倒数的制造商则达不到计划订单量，排名倒数的零售商则达不到计划销售量。MR_Agent的相关行为可以归纳为以下几点：第一，检查交易双方是否满足淘汰条件，满足条件的予以淘汰。第二，计算制造商的评分值和零售商的计划评分值，记录制造商的评分数据并按评分进行排名，记录零售商的计划评分数据按评分进行排名。第三，按照排名高低撮合交易，促使每个零售商尽可能的选择排名高的制造商交易，并同时记录每个零售商和制造商的交易对象和产品数目以及质量等级。第四，按加权平均的方式计算交易后零售商的产品实际质量，并更新零售商的相关交易数据，同时更新制造商的交易数据。

（4）供应商和制造商交易代理 （SM_Agent）主要负责供应商和制造商的原料交易。在供应商和制造商交易过程中，制造商采用轮盘赌方式选择供应商并与之交易，SM_Agent的主要工作可以概括为以下几点：第一，检查供应商和制造商双方是否满足淘汰机制，满足则标记淘汰并清除本期有关该供应商和制造商的所有数据，保证其不干扰正常交易。第二，记录每个供应商的评分值，该评分值将作为轮盘赌函数中的比较概率值。第三，促使每个制造商以轮盘赌的方式选择一个供应商并与之交易。第四，更新供应商的原料销售情况、占有率和收益情况，督促制造商支出原料采购成本，更新收益数据。

2 人工供应链仿真模型实现

本部分主要构建了仿真模型的运行流程，并基于JAVA技术开发了相应仿真实验平台。

仿真流程：

（1）模型中很多步骤是并行的，有些步骤又是有先后顺序的。总体来说，各主体的决策基本上是并行的，而交易是有先后顺序的，这跟供应链模型有关，本模型的基本仿真流程如图1所示。模型终止运行主要有2种情况：一是达到指定的仿真运行期数；二是所有的供应链解体，即不存在至少一个供应商、一个制造商和零售商参与运作，不过这种情况的出现概率比较小。

图1 模型运行流程图

（2）仿真模型实现。仿真实验系平台主界面如图2-5所示。主要包括数据库初始化、固定参数赋值、第一期参数赋值、仿真开始和查询仿真结果等功能。其中固定参数是指在仿真前设定后，仿真过程中一直不变的那些参数，如图2所示。第一期参数是作者为了增加模型的柔性化，允许在一定约束规则下对第一期部分参数赋值，如图3所示。此外仿真实验平台还提供丰富的仿真结果数据查询功能。

3 实验分析与模型验证

在前述的人工供应链实验平台下可以做若干与供应链相关的实验。本文仅就不同代理数量对供应链波动性的影响设计一组对比仿真实验，先分别就不同代理数目仿真下的模型数据进行分析和实验验证，再从对比的角度说明模型的有效性和数据变化的原因。

（1）参照组实验。设置供应商个数为5，制造商个数为5，零售商个数为5，其余参数按默认值，仿真1 000个周期后，通过对相关数据进行分析和曲线拟合，得到各角色的销售量和利润变化趋势图，如图6所示。作者从以下几个方面对图像呈现的仿真数据进行分析。

仿真1 000周期后，供应链中只剩下R1、M3和S1未被淘汰，其正好构成一条完整的供应链，其余代理均被淘汰，这一点十分符合模型的基本淘汰机制。模型仿真到一定的阶段，一定会出现稳态，要不就是少数几个代理寡头垄断市场，要不就是一个代理垄断相应的市场。对比前3幅图，即零售商订货量、制造商计划销售量和供应商销售量的变化趋势图可以看出，零售商的计划订货量整体较为平稳，制造商的计划销售量相比较零售商而言波动较大，而供应商的原料销售量的波动性较前两者则更大。这一现象就是物流中常说的 “牛鞭效应”。对比后3幅利润变化趋势图可以看到3种角色成员的利润变化趋势，整体都反映了在200多周期以后，最优的代理取得了市场的竞争优势，极大地淘汰了竞争者。之所以只有一个代理生存下来并垄断整个市场份额的局面，很大程度上与市场需求的波动性有关。此外，从利润图中也可以看出 “牛鞭效应”对每个角色每个代理的盈利影响程度。

（2）对比组实验。设置供应商个数为2，制造商个数为2，零售商个数为2，其余参数按默认值，各角色的销售量和利润变化趋势如图7所示。仿真1 000个周期后，仅M2被淘汰，R1和R2形成了寡头垄断合作的局面，从图中可以看出，在只有2个零售商或2个供应商的竞争中，这2个零售商或供应商相互博弈竞争一直激烈，由于市场份额足够他们存活，所以2个零售商或供应商一直没有任何一个被淘汰。

从以上的对比实验分析可以看出，供应链中各成员数量的变化对供应链竞争合作产生了一定影响，当各成员数增加时，供应链的整体竞争性加强，各代理决策的不确定性增加，弱者很容易被淘汰，以下就模型的有效性说明如下： （1）两组实验的总体趋势一致。从2组实验中可以清晰看出，实验的总体趋势一样，这是因为各成员数变量仅是固定参数中一类参数，它对整个实验产生一定的影响，但不会影响全部，从而不会改变整个实验的趋势。这符合一般仿真模型的原则。 （2）2组实验充分说明了市场竞争的一般性原理，竞争力强者能够生存，但也必须有一个发展和演变的过程。整个供应链仿真到最后一般只会存在少数的生存者，同时为了避免有新生企业的进入，这些企业在长期发展中保持低利润增长甚至维持不变，同时又占据了几乎全部的市场份额。这一点十分符合企业竞争模式。 （3）模型中对市场需求和各角色的订购量进行了统计分析，充分说明了供应链上下游之间因信息不对称而造成的需求放大现象。模型中各角色采用半透明的决策方式，即不完全掌握市场信息，需要经过一定的时间合作博弈才能较好的准确预测。这就形成了2组实验中的需求值变异放大的现象，这一点也十分符合现实供应链情形。

4 结 论

近些年，供应链管理已随着流通产业和服务产业的发展受到越来越多人士的关注。然而要想供应链管理以及供应链系统更能适应智慧地球发展的需要，一些新型交叉性学科发展的理论和方法对复杂供应链管理的研究和实践非常重要。本文正是循着这一研究足迹，构建了一种多代理人工供应链仿真模型，利用此模型可以方便的对供应链中的诸多问题进行建模和仿真实验分析，从而能够帮助理论界和实业界更好地对复杂供应链进行研究。

[1] 高翔，林杰，张炜.基于Agent的供应链仿真模型设计与实现[J].计算机工程与应用，2005,32(10):184-185.

[2]Wang M H,Wang H Q,Vogel D,Kumar K,Chiu D K W.Agent-based negotiation and decision making for dynamic supply chain formation[J].Engineering Applications of Artificial Intelligence,2009,22(7):1046-1055.

[3] Jiao J X,You X,Kumar A.An agent-based framework for collaborative negotiation in the global manufacturing supply chain network[J].Robotics and Computer-Integrated Manufacturing,2006,22(3):239-255.

[4] Lin F,Shaw M J.Reengineering the order fulfillment process in supply chain networks[J].International Journal of Flexible Manufacturing Systems,1998,10(3):197-229.

[5] Xue X L,L X D,W Y W.An agent-based framework for supply chain coordination in construction[J].Automation in Construction,2005,14(3):413-430.

[6] Govindu R,Chinnam R B.MASCF:A generic process-centered methodological framework for analysis and design of multi-agent supply chain systems[J].Computers&Industrial Engineering,2007,53(4):584-609.

An Agent-based Model of Virtual Supply Chain

LV Xiao-feng,QIAN Zhi-xin (School of Management and Engineering,Nanjing University,Nanjing 210093,China)

采用多代理计算机建模技术构建了一类能够模拟复杂供应链的人工供应链仿真模型，并开发了相应的实验平台，通过实验分析验证了模型的有效性。旨在通过构建多代理供应链仿真模型简化供应链仿真实验的难度，通过仿真实验模拟和数据分析得出一些有效的结论，进而指导企业实践。

供应链系统；多代理；仿真模型

In order to reduce experimental difficulty of simulation experiment of complex supply china,this paper proposes an agent-based model of artificial supply chain,and some experiments are conducted to show the availability of the simulation model.The simulation data and analysis with this model and platform will be benefit to practice of supply chain.

supplychain system;multi-agent;simulation model

F273.7

A

2011-01-17

吕小峰（1988-），男，安徽滁州人，南京大学工程管理学院管理科学与工程系硕士研究生，研究方向：供应链仿真；钱志新（1945-），男，江苏吴江人，南京大学工程管理学院，教授，博士研究生导师，研究方向：商业模式、供应链金融。

1002-3100(2011)04-0079-05