1、“.....企业面临着越来越激烈的资源和市场竞争，现在的企业经营管理模式早已不适应激烈竞争的需求。企业需付需求与订货周期不确定的保护措施。安全库存就是为了应付不确定性需求与供应风险而设立的。第五，库存充当供应链中的个缓冲器。为了成功地实现“供应商制造商零售商消费者”供应链中产品的时间和空间效用......”。

2、“.....为供应链各主要界面上充当缓冲器的作用......”。

3、“.....万方数据超市供应链管理系统设计及其性能优化......”。

4、“.....系统设计及其性能优化神经网络的算法过程神经网络缺点本章小结第三章超市供应链系统分析与总体设计系统体系结构系统软件体系结构系统硬件体系结构系统可行性分析技术可行性经济可行性系统需求分析工作流程分析数据流程分析业务流程分析系统模块具体分析系统用例图系统图系统表结构设计系统关系数据模型本章小结第四章超市供应链系统实现及系统测试超市供应链系统开发平台超市供应链系统具体设计超市供应链系统登陆界面设计超市供应链系统入货登记界面设计超市供应链系统出货登记界面设计超市供应链系统库存记录界面设计系统测试与分析登陆界面测试数据链接测试万方数据超市供应链管理系统设计及其性能优化统计分析测试本章小结第五章超市供应链系统性能优化设计超市供应链系统出现的问题微观经济学经济进货量模型神经网络算法的选择网络应用于库存控制的可行性分析建立库存控制神经网络模型影响超市库存控制的因素以及样本的选取预测模型的建立结果分析本章小结第六章总结与展望论文总结展望参......”。

5、“.....企业面临着越来越激烈的资源和市场竞争，现在的企业经营管理模式早已不适应激烈竞争的需求。企业需付需求与订货周期不确定的保护措施。安全库存就是为了应付不确定性需求与供应风险而设立的。第五，库存充当供应链中的个缓冲器。为了成功地实现“供应商制造商零售商消费者”供应链中产品的时间和空间效用，这就有必要将库存存放在整条供应链中，为供应链各主要界面上充当缓冲器的作用。库存的分类企业库存可以从以下几个方面来分类从过程角度可分为原材料库存零部件库存半成品库存和成品库存。从经营角度可将库存分为循环库存安全库存季节性库存促销库存消值库存在途库存。循环库存产生的原因是供应链级生产或采购的批量大于客户的需求量,其主要目的是利用规模经济降低供应链成本。循环库存的主要作用是使供应链的不同阶段以适宜的批量采购产品......”。

6、“.....循环库存是由订货经济规模而决定的。安全库存是为了应付超出预期的客户需求与供应能力变化而保存的额外库存。供应链管理环境下的库存问题库存控制在整个供应链管理中具有举足轻重的地位。在供应链管理的领域中物流管理是最基本的，库存管理是物流管理的重点。所以库存管理是供应链管理的重要内容。通过库存管理，企业可以防止缺货保持运行过程的连续性分摊订货费用快速满足用户订货需求。但由于库存是对未来需求的预测,具有很大的不确定性,容易出现货物囤积流动性差产生资金积压和库存管理成本高等问题。供应链的库存基本结构如下图所示万方数据超市供应链管理系统设计及其性能优化图供应链库存基本结构随着供应链理论的广泛应用，供应链管理环境下的库存管理也成了供应链管理的重要内容之。库存以原材料在制品半成品成品各种形式存在于供应链的各个节点。库存成本是供应链中的核心成本之，它只要下降几个百分点，就能有效提高整条供应链的利润......”。

7、“.....而且也制约着整条供应链的性能。因而，供应链库存管理越来越受重视。目前供应链管理坏境下的库存控制存在的主要问题有三大类信息类问题供应链的运作问题供应链的战略与规划问题。这些问题可综合成以下几个方面的内容以库存环境不变为前提。难以处理高度非线性模型。偏重定量指标，难以处理定性指标。库存控制指标采用确定方式，不具备时变特性，缺少自适应自学习能力。库存控制模型信息和知识获取是间接的低效的。忽视不确定因素对库存的影响，如订货提前期货物运输状况需求变化等,企业缺乏对不确定性的来源和影响的研究和跟踪。传统的库存控制理论与方法难以适应新的特点和要求，企业在采用传统管理方法时会面临很大的危险。过去的库存控制研究的是微观经济学中经济进货量管理方式，在采用这种方式进行进货的时候，发现库存量直处于不合理的情况，经常出现库存冗余和缺货情况，而神经网络具有很强的非线性映射能力，特别适合求解内部机制复杂的问题......”。

8、“.....按照神经网络算法预测进货量来控制库存量是十分可行合理的。神经网络简介神经网络是由大量的处理单元互相连接而成的网络。为了模拟大脑的甚本特性，在神经科学的基础上,提出了神经网络的模型。但是,实际上神经网络并没有万方数据超市供应链管理系统设计及其性能优化完全反映大脑的功能，只是对生物神经网络进行种抽象简化和模拟。神经网络的信息处理通过神经元的相互作用来实现，知识与信息的存储表现为网络元件互连分布式的物理联系。神经网络的学习和识别取决于神经元连接权系数的动态演化过程。它具有函数近似数据聚集模式分类优化计算概率密度函数估计等功能。因此，神经网络广泛应用于人工智能自动控制故障诊断机器人统计学等领域。神经网络的发展神经网络产生于世纪年代，在年代进入低潮时期，年代初随着神经网络的提出再度兴起并得到了飞速发展。近十几年来，科学家们提出了许多具备不同信息处理能力的神经网络模型，至今为止，所开发出的模型已有三十多种......”。

9、“.....神经网络的研究源自世纪年代，至今已有半个多世纪的历史，神经网络的发展主要有以下三个阶段。初期阶段年,心理学家和数学家采用数理模型的方法，对生物神经细胞的动作进行分析研究，提出了种简单的神经元模型，即后来被称为的“模型”，为神经网络的研究奠定了基础。此后心理学家通过对大脑神经细胞学习和条件反射的观察和研究，提出了改变神经元连接强度的神经元学习规则，即学习规则，该规则至今仍是神经网络学习算法的个基本规则。到了世纪年代，计算机专家首先从工程角度出发，研究了用于信息处理的神经网络模型，即感知机模型。它由阈值型神经元组成，试图模拟动物和人脑的感知和学习能力。这些神经网络的特性与当时流行串行的离散的符号处理的电子计算机及其相应的人工智能技术有本质上的不同，由此引起许多研究者的兴趣。年和提出了自适应线形元件模型，它在结构上与的感知机类似。但是......”。