管理信息系统实验报告.docx

管理信息系统实验报告.docx

《管理信息系统实验报告.docx》由会员分享，可在线阅读，更多相关《管理信息系统实验报告.docx（20页珍藏版）》请在冰豆网上搜索。

管理信息系统实验报告

管理信息系统

实验报告

学院:

班级:

姓名:

学号:

管理信息系统

一、简介

管理信息系统（ManagementInformationSystem，简称MIS）是一个以人为主导，利用计算机硬件、软件、网络通信设备以及其他办公设备，进行信息的收集、传输、加工、储存、更新和维护，以企业战略竞优、提高效益和效率为目的，支持企业的高层决策、中层控制、基层运作的集成化的人机系统。

管理信息系统由决策支持系统（DSS）、工业控制系统（CCS）、办公自动化系统（OA）以及数据库、模型库、方法库、知识库和与上级机关及外界交换信息的接口组成。

人、财、物、信息是企业生存的最基本的要素，信息系统更是企业的神经系统，是企业灵活应对环境，支持企业业务流程变革的重要工具。

信息系统建设在西方已进入成熟普及阶段，沃尔玛神话般的奇迹与信息系统的综合使用密不可分，企业信息系统战略与企业竞争战略开始融合，是企业竞争优势培育和发展的必备武器。

二、实验目的

通过此次试验，认真扎实掌握处理管理信息系统的相关应用，融化贯通课堂所学的各种知识。

理解管理信息系统的基本原理，掌握管理信息系统的基本操作方法，并且能够应用各种调查方法进行管理信息系统调查，提高系统调查的实践能力。

能够正确应用系统分析的过程和方法，熟悉业务流程图，调高系统实践分析能力，并树立正确的系统分析思想。

三、实验内容

1．稿件评审工作

2．简单的商务谈判

3．供应链上的商务谈判

4．配送中心支持系统

5．供应链整体生产计划优化

6．多工厂供应链

四、具体实验

实验一：

稿件评审系统

一、参数设置

由专家评阅得到的总分需要转化成优、良、中、差、四个级别，参数设置的目的是确定转化的标准，即设置评审结果各级别在总分中所占的比重。

二、评分数据输入

评分数据输入的目的是通过屏幕输入各专家的打分，评分指标共五个（权重相等），分别为

1.稿件选题及研究内容

2.文献综述

3.创新性

4.研究方法

5.写作规范程度

三、查看结果

查看到的结果是经过计算和转换的结果。

四、退出

图1.1参数设置

图1.2评分数据输入

图1.3查看评估结果

实验二：

简单的商务谈判

步骤：

1、设置标准

2、自动谈判

图2.1参数设置

图2.2自动谈判

谈判成功

成交价格为95.18

谈判结束

实验三：

供应链上的商务谈判支持系统

步骤：

1、谈判情景展示

2、输入下游客户信息，核心企业信息，原料供应商信息，上游服务商信息

3、商务谈判

3.1谈判情景

制造（核心）企业A接受下游企业B的一项订单，要求购买某商品20件，企业B报出的购买价为91元∕件。

企业A生产这批商品的目标利润要求至少达到60元。

为了生产这批商品，企业A需要向上游企业C购买原材料。

企业C提供原材料的固定费用为100元，提供原材料变动单位费用为40元。

企业A还需要向服务商D支付原料运输单位费用60元∕件。

容易计算出，此时企业A的利润将比目标利润少了340元，即冲突值是-340元。

在谈判中商品价格、原材料固定费用、原材料变动单位费用、原料运输单位费用和利润等许多与业务流程有关的因素的变动（约束的放松）都会影响ABCD各方的满意程度。

谈判的任务就是要通过放松约束来逐步降低冲突值，直至消除冲突。

各企业心目中的期望值和约束放松值如下

企业A对目标利润的期望值为60，约束放松值为12，即它的利润最低可以是48元;

企业B对商品价格的期望值为91，约束可放松值为7，即它对价格的最高出价是98元;

企业C提供原材料固定费用的期望值为100，约束可放松值为9，即最低可以是91元;

企业C提供原材料变动费用的期望值为40，约束可放松值为5，即最低可以是35元;

服务商D的原料运输单位费用的期望值为60，约束可放松值为4，即最低可以是56元。

消解冲突时，规定各企业的约束放松有不同的优先级（优先级1高于优先级2）。

优先级低的先放松。

在这里规定企业C的原材料固定费用的约束放松的优先级为2，其余均为1。

现在要本协同谈判支持系统通过冲突消解来求得ABCD的谈判结果，只有当各方都满意的时候，谈判才算成功，否则谈判失败

图3.2下游客户数据录入

图3.3核心企业数据录入

图3.4原料供应商数据录入

图3.5上游服务商录入

图3.6（①）自动谈判

图3.6（②）自动谈判

实验四：

配送中心支持系统

1.配送中心选址问题

本系统能够在给定需求点数（也即门店）、每个需求点的需求数量，以及各个需求点之间的距离矩阵的条件下，从需求点中选择出若干个最优的需求点作为配送中心，并由它们为所有的需求点送货。

被选出的配送中心能够在满足所有需求量的前提下使得总的运费最小，假设运费与距离和货物数量成正比，单位距离单位货物的配送费用为常数，由于单位配送费用不影响优化结果，因此为简化计算，在该系统中将单位配送费用取1。

在利用该系统选址时，首先要输入计划的配送中心个数，系统据此来确定初代种群参数，然后在给定（用户输入）的遗传算法的参数下（种群数、交叉概率、变异概率），根据末代种群结果，系统将计算并选择出最优的需求点作为配送中心，同时计算出各配送中心的容量，各需求点的配送方案和数量，以及此时的总配送费用（单位为1个单位配送费用）。

2.遗传算法原理

遗传算法（GeneticAlgorithm）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。

它是由美国Michigan大学J.Holland教授于1975年首先提出来的。

遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群由经过基因（gene）编码的一定数目的个体（individual）组成。

每个个体实际上是带有某种特征的染色体（chromosome）的实体。

染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合。

它决定了个体形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。

因此，在一开始需要实现从表现型到基因型的映射即编码工作。

由于仿照基因编码的工作很复杂，往往进行简化，如采用二进制编码。

初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解。

在每一代，根据问题域中个体的适应度（fitness）大小挑选（selection）个体，并借助于自然遗传学的遗传算子（geneticoperators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。

这个过程将导致种群像自然进化一样，后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。

由于遗传算法的整体搜索策略和优化搜索方法在计算时不依赖于梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架。

它不依赖于问题的具体领域，对问题的种类有很强的鲁棒性，所以广泛应用于许多科学，如：

函数优化、组合优化、生产调度问题、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等。

3.软件应用说明

该系统以12个需求点为例，已经给定了各需求点的需求量和距离。

使用系统时，需要首先选择计划的配送中心数量，选择范围是2~5个（如需更改需求点数量和可供选择的配送中心个数，可以通过修改程序实现）。

计算后，系统会以图表方式输出经过优化选择的配送方案，并可显示遗传算法的收敛曲线。

软件可以很好地说明遗传算法在一些管理问题中的智能化应用。

4.配送中心选址问题参数说明及计算过程

（1）第一代（初代）种群的数目需要用户输入，取值范围是60～100，而每个种群则由数个配送中心组成，其数目也由用户输入，取值可在2～5中任选。

每个种群都有对应的适应度；

（2）第二代：

当随机产生的概率小于交叉概率（由用户输入，取值范围为0.6～1）时选择第一代种群适应性最小的两个种群进行交叉，当随机产生的概率小于变异概率（由用户输入，取值范围为0～0.4）时选择第一代种群适应性最小的一个种群进行变异，未交叉和变异的种群不变；

（3）从第三代起，直到最大遗传代数（由用户输入，取值为200～500），循环执行类似第二代的过程；

（4）末代种群中适应性最大的种群为近似最优解。

注：

初代种群数量、交叉概率和变异概率是遗传算法的重要参数，需要用户根据问题的复杂性和计算精度来确定。

具体计算过程如图4.1，图4.2，图4.3所示。

图4.1参数选择

图4.2计算结果

图4.3收敛曲线

5.详细过程

（1）选择编码方式：

此算法以Int（GetRand（n））随机方式产生，产生[1，n]中的整数，本程序中n=12。

由Command1_Click（）模块实现。

（2）产生初始群体：

以二维矩阵GeneCode（NetofGroup-1,NumPS+1）表示，其中NetofGroup=种群数目（由用户输入）,NumPS=配送点数目（由用户输入）；

其中整个二维矩阵由三部分组成：

NetofGroup行，NumPS列的数据由第一步随机产生；第NumPS列用来存储每个种群的适应度；第NumPS+1列用来存储（100/适应度）。

由Command2_Click（）模块实现。

（3）计算初始群体的适应性值：

适应度等于（最近距离*需求量）的和，即GeneCode（i,NumPS）=GeneCode（i,NumPS）+temp*Requirement（j-1）；

其中i为[0，59]，j为[1，12],temp=NumPS个配送点中离某一配送中心距离最近的配送点到此配送中心的最近距离，Requirement矩阵为每一配送中心的需求量。

由Command3_Click（）模块实现。

（4）交换与变异：

程序中由Command4_Click（）模块实现。

（5）最终解确定：

重新计算原来种群的适应性度，把适应度最大的种群为最终解。

图4.4配送中心选址问题

实验五：

供应链整体生产计划优化

步骤：

1、问题描述

2、问题图示

3、结果展示

图5.1供应链整体优化

图5.2供应链问题描述

图5.3供应链企业供产销关系图

图5.4供应链优化结果

实验六：

多工厂供应链

步骤：

1、参看供应链结构图

2、输入生产与库存系数

3、输入单位物料需求

4、输入单位运输成本

5、输入最终产品需求

6、自动进行最终优化

图6.1供应链结果图

图6.2生产与库存参数

图6.3单位物料需求参数设置

图6.4单位运输成本参数

图6.5最终产品预期外部需求

图6.6计划优化结果