免疫算法在農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究

夏翠萍　鄭謙　劉菊

摘 要：為了提升農(nóng)產(chǎn)品跨境供應(yīng)鏈的風(fēng)險(xiǎn)應(yīng)對(duì)能力，研究提出了基于人工免疫算法的農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型，通過(guò)進(jìn)化學(xué)習(xí)和克隆選擇提升供應(yīng)鏈的風(fēng)險(xiǎn)處理能力。實(shí)驗(yàn)結(jié)果表明，基于人工免疫算法的供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型的平均風(fēng)險(xiǎn)處理時(shí)間為27.65s，平均風(fēng)險(xiǎn)處理效果值為86.1，高于組織進(jìn)化學(xué)習(xí)模型的77.6?；谌斯っ庖叩娘L(fēng)險(xiǎn)識(shí)別模型能有效對(duì)供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行快速識(shí)別與應(yīng)對(duì)，并且隨著運(yùn)營(yíng)時(shí)間的增加，其風(fēng)險(xiǎn)管理性能不斷增強(qiáng)，對(duì)提升農(nóng)產(chǎn)品跨境貿(mào)易產(chǎn)業(yè)的抗風(fēng)險(xiǎn)能力具有重要價(jià)值。

關(guān)鍵詞：人工免疫；農(nóng)產(chǎn)品；跨境供應(yīng)鏈；風(fēng)險(xiǎn)評(píng)估

中圖分類(lèi)號(hào)：TP29；TP183? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2023）05-0045-04

引言

農(nóng)產(chǎn)品的進(jìn)出口貿(mào)易發(fā)展是我國(guó)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)過(guò)程中的重要環(huán)節(jié)，對(duì)國(guó)家農(nóng)業(yè)發(fā)展具有重要意義。并且隨著經(jīng)濟(jì)一體化和“一帶一路”建設(shè)的深入，中國(guó)的對(duì)外農(nóng)業(yè)貿(mào)易發(fā)展進(jìn)程不斷推進(jìn)，近年來(lái)農(nóng)業(yè)進(jìn)出口額快速增長(zhǎng)，表現(xiàn)出巨大的發(fā)展?jié)摿1，2]。但是隨著供應(yīng)鏈規(guī)模的擴(kuò)大和貿(mào)易競(jìng)爭(zhēng)的加劇，農(nóng)產(chǎn)品跨境貿(mào)易所面臨的風(fēng)險(xiǎn)事件等級(jí)也在不斷提升，農(nóng)產(chǎn)品跨境供應(yīng)鏈面臨著不同國(guó)家政策的差異、匯率變化等多種跨境貿(mào)易問(wèn)題，要求對(duì)供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行快速合理識(shí)別和控制，減小風(fēng)險(xiǎn)事件帶來(lái)的經(jīng)濟(jì)損失，促進(jìn)跨境供應(yīng)鏈的穩(wěn)定運(yùn)行[3，4]。因此研究針對(duì)供應(yīng)鏈風(fēng)險(xiǎn)應(yīng)對(duì)問(wèn)題，提出基于人工免疫算法的供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型，期望為農(nóng)產(chǎn)品跨境供應(yīng)鏈的穩(wěn)定運(yùn)營(yíng)和發(fā)展提供保障。

1 基于人工免疫的農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型

1.1 基于人工免疫的風(fēng)險(xiǎn)事件評(píng)估模型構(gòu)建

農(nóng)產(chǎn)品跨境供應(yīng)鏈的風(fēng)險(xiǎn)事件具有傳動(dòng)性的特點(diǎn)，其風(fēng)險(xiǎn)因素不是獨(dú)立存在的，供應(yīng)鏈條上每一個(gè)企業(yè)節(jié)點(diǎn)出現(xiàn)風(fēng)險(xiǎn)事件，都可能導(dǎo)致其他企業(yè)受到波及，甚至導(dǎo)致供應(yīng)鏈環(huán)節(jié)的癱瘓[5，6]。而供應(yīng)鏈所面對(duì)的外部環(huán)境也是動(dòng)態(tài)的，使得供應(yīng)鏈的風(fēng)險(xiǎn)擴(kuò)散也呈現(xiàn)出變化性的特征，在風(fēng)險(xiǎn)事件應(yīng)對(duì)中各個(gè)環(huán)節(jié)因素互相作用。而農(nóng)產(chǎn)品的跨境供應(yīng)存在時(shí)效性的問(wèn)題，在生產(chǎn)供應(yīng)的過(guò)程中跨境企業(yè)之間的信息傳遞存在滯后性，要求提前對(duì)農(nóng)產(chǎn)品供應(yīng)鏈環(huán)境的風(fēng)險(xiǎn)因素進(jìn)行快速識(shí)別，從而及時(shí)采取應(yīng)對(duì)措施迅速消除風(fēng)險(xiǎn)事件，以減小風(fēng)險(xiǎn)事件的影響范圍[7，8]。生物免疫過(guò)程中的免疫應(yīng)答環(huán)節(jié)與供應(yīng)鏈風(fēng)險(xiǎn)應(yīng)對(duì)之間存在相似性，因此研究以生物免疫系統(tǒng)理論為基礎(chǔ)，借鑒生物免疫的記憶與進(jìn)化學(xué)習(xí)環(huán)節(jié)，解決農(nóng)產(chǎn)品跨境供應(yīng)鏈的風(fēng)險(xiǎn)識(shí)別問(wèn)題，基于人工免疫算法的農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型如圖1所示。在發(fā)現(xiàn)風(fēng)險(xiǎn)事件后迅速進(jìn)行風(fēng)險(xiǎn)程度評(píng)估，并選擇合適的風(fēng)險(xiǎn)處理方案，在風(fēng)險(xiǎn)處理后通過(guò)進(jìn)化學(xué)習(xí)和擇優(yōu)記憶，將優(yōu)化后的風(fēng)險(xiǎn)處理方案放進(jìn)風(fēng)險(xiǎn)案例庫(kù)，為后續(xù)風(fēng)險(xiǎn)評(píng)估與處理提供素材依據(jù)。

1.2 基于免疫應(yīng)答的供應(yīng)鏈風(fēng)險(xiǎn)處理

2 實(shí)驗(yàn)與結(jié)果分析

2.1 仿真實(shí)驗(yàn)分析

為了驗(yàn)證研究所提出的基于人工免疫算法的農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型的可行性，研究通過(guò)仿真實(shí)驗(yàn)的方式驗(yàn)證評(píng)估模型在風(fēng)險(xiǎn)識(shí)別與應(yīng)對(duì)中的效果，在Netlogo仿真平臺(tái)上模擬一個(gè)農(nóng)產(chǎn)品跨境供應(yīng)鏈，主要由供應(yīng)企業(yè)、制造企業(yè)和銷(xiāo)售企業(yè)組成。實(shí)驗(yàn)的仿真步長(zhǎng)為20000，共有200個(gè)仿真周期，進(jìn)行100次重復(fù)實(shí)驗(yàn)，最終數(shù)據(jù)均為重復(fù)實(shí)驗(yàn)結(jié)果的平均值。實(shí)驗(yàn)過(guò)程中涉及的參數(shù)初始值設(shè)置情況如表1所示。

對(duì)評(píng)估模型在風(fēng)險(xiǎn)識(shí)別與應(yīng)對(duì)過(guò)程中單位條件下的處理時(shí)長(zhǎng)和效果進(jìn)行分析，了解基于人工免疫算法的供應(yīng)鏈風(fēng)險(xiǎn)識(shí)別模型的學(xué)習(xí)性能和應(yīng)用效果。在200個(gè)仿真實(shí)驗(yàn)周期內(nèi)，風(fēng)險(xiǎn)評(píng)估模型對(duì)單個(gè)風(fēng)險(xiǎn)事件的處理耗時(shí)和單位時(shí)間處理效果變化情況如圖3所示。

從圖3（a）中可以看出，在處理單個(gè)風(fēng)險(xiǎn)事件時(shí)，風(fēng)險(xiǎn)評(píng)估模型的平均處理耗時(shí)隨著供應(yīng)鏈運(yùn)營(yíng)周期的增加而不斷減少，風(fēng)險(xiǎn)處理耗時(shí)呈現(xiàn)出不斷下降的趨勢(shì)。風(fēng)險(xiǎn)評(píng)估模型以人工免疫算法為基礎(chǔ)，具有強(qiáng)大的機(jī)器學(xué)習(xí)性能，能隨著運(yùn)營(yíng)時(shí)間的增加而不斷充實(shí)風(fēng)險(xiǎn)案例庫(kù)，積累風(fēng)險(xiǎn)處理經(jīng)驗(yàn)，從而增加風(fēng)險(xiǎn)；評(píng)估模型處理類(lèi)似風(fēng)險(xiǎn)事件的能力和速度。從圖3（b）中可以看出，風(fēng)險(xiǎn)評(píng)估模型在單位時(shí)間內(nèi)的風(fēng)險(xiǎn)處理效果呈現(xiàn)出不斷上升的趨勢(shì)，隨著運(yùn)營(yíng)時(shí)間的增加，評(píng)估模型的風(fēng)險(xiǎn)處理效果不斷提升。隨著運(yùn)營(yíng)時(shí)間和處理經(jīng)驗(yàn)的增加，風(fēng)險(xiǎn)評(píng)估模型的風(fēng)險(xiǎn)處理方案不斷優(yōu)化，供應(yīng)鏈在面對(duì)風(fēng)險(xiǎn)事件時(shí)的應(yīng)對(duì)和抵抗能力不斷增強(qiáng)。實(shí)驗(yàn)結(jié)果證明了基于人工免疫算法的風(fēng)險(xiǎn)評(píng)估模型的組織學(xué)習(xí)性能，能通過(guò)不斷進(jìn)化學(xué)習(xí)，提升供應(yīng)鏈的風(fēng)險(xiǎn)處理能力和效率。選取200個(gè)風(fēng)險(xiǎn)事件進(jìn)行實(shí)驗(yàn)，并按出現(xiàn)順序進(jìn)行編號(hào)，利用基于人工免疫的風(fēng)險(xiǎn)評(píng)估模型和自主探索風(fēng)險(xiǎn)管理模式進(jìn)行風(fēng)險(xiǎn)處理，兩種風(fēng)險(xiǎn)處理模式的風(fēng)險(xiǎn)處理時(shí)間如圖4所示。

從圖4中可以看出，基于人工免疫的風(fēng)險(xiǎn)處理模型在對(duì)200個(gè)風(fēng)險(xiǎn)事件進(jìn)行處理的過(guò)程中，風(fēng)險(xiǎn)事件處理時(shí)間不斷縮短，平均風(fēng)險(xiǎn)處理時(shí)間為27.65s。風(fēng)險(xiǎn)評(píng)估模型的風(fēng)險(xiǎn)應(yīng)對(duì)能力和經(jīng)驗(yàn)隨著不斷學(xué)習(xí)而逐漸提升，因此風(fēng)險(xiǎn)評(píng)估模型的風(fēng)險(xiǎn)處理時(shí)間呈現(xiàn)出不斷下降的趨勢(shì)，并且風(fēng)險(xiǎn)處理時(shí)間的波動(dòng)不斷減小，風(fēng)險(xiǎn)處理的穩(wěn)定性不斷提升。而自主探索的風(fēng)險(xiǎn)管理模式缺少進(jìn)化學(xué)習(xí)能力，在每一次風(fēng)險(xiǎn)應(yīng)對(duì)過(guò)程中需要耗費(fèi)大量時(shí)間進(jìn)行探索，存在較強(qiáng)的隨機(jī)性。

2.2 應(yīng)用效果對(duì)比

為了驗(yàn)證風(fēng)險(xiǎn)評(píng)估模型的實(shí)用性和有效性，研究將基于人工免疫的風(fēng)險(xiǎn)評(píng)估模型與經(jīng)典組織學(xué)習(xí)模型、自主探索管理模型進(jìn)行對(duì)比，分析三種風(fēng)險(xiǎn)管理模式在農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)管理與應(yīng)對(duì)中的應(yīng)用效果。三種風(fēng)險(xiǎn)管理模式的供應(yīng)鏈風(fēng)險(xiǎn)處理效果如圖5所示。

從圖5中可以看出，基于人工免疫算法的風(fēng)險(xiǎn)評(píng)估模型的風(fēng)險(xiǎn)處理效果最好，平均風(fēng)險(xiǎn)處理效果為86.1，其次是組織學(xué)習(xí)模型，平均風(fēng)險(xiǎn)處理效果為77.6，自主探索風(fēng)險(xiǎn)管理模式的風(fēng)險(xiǎn)管理效果最差，平均風(fēng)險(xiǎn)處理效果為64.8?；谌斯っ庖叩娘L(fēng)險(xiǎn)評(píng)估模型與組織學(xué)習(xí)模型均采用進(jìn)化學(xué)習(xí)的方式進(jìn)行風(fēng)險(xiǎn)識(shí)別與管理，但是組織學(xué)習(xí)模型缺少知識(shí)儲(chǔ)存的功能，而基于人工免疫的風(fēng)險(xiǎn)識(shí)別模型擁有風(fēng)險(xiǎn)案例庫(kù)，能隨著時(shí)間增加而不斷積累風(fēng)險(xiǎn)應(yīng)對(duì)經(jīng)驗(yàn)，促使供應(yīng)鏈抵御風(fēng)險(xiǎn)事件的能力不斷提升。

3 結(jié)論

農(nóng)產(chǎn)品的進(jìn)出口貿(mào)易是農(nóng)產(chǎn)品產(chǎn)銷(xiāo)過(guò)程中的重要環(huán)節(jié)，對(duì)我國(guó)農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展和轉(zhuǎn)型升級(jí)具有重要價(jià)值。為了提升農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)抵御水平，研究在農(nóng)產(chǎn)品跨境供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估與應(yīng)對(duì)中引入人工免疫算法，通過(guò)進(jìn)化學(xué)習(xí)和克隆選擇的方式，提升供應(yīng)鏈的風(fēng)險(xiǎn)處理能力。實(shí)驗(yàn)結(jié)果表明，隨著運(yùn)營(yíng)時(shí)間的增加，基于人工免疫算法的供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估模型的風(fēng)險(xiǎn)處理速度和效果均呈現(xiàn)出上升趨勢(shì)，平均風(fēng)險(xiǎn)處理時(shí)間為27.65s，平均風(fēng)險(xiǎn)處理效果值為86.1，高于組織進(jìn)化學(xué)習(xí)模型的77.6，證明以人工免疫算法為基礎(chǔ)的風(fēng)險(xiǎn)識(shí)別模型能有效對(duì)供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)快速識(shí)別與應(yīng)對(duì)，為供應(yīng)鏈風(fēng)險(xiǎn)管理提供技術(shù)支撐。研究通過(guò)風(fēng)險(xiǎn)敏感度評(píng)估風(fēng)險(xiǎn)事件的嚴(yán)重程度，未來(lái)可以進(jìn)一步對(duì)風(fēng)險(xiǎn)敏感度指標(biāo)進(jìn)行細(xì)化，并引入更多風(fēng)險(xiǎn)管理指標(biāo)，以提升模型評(píng)估能力。

參考文獻(xiàn)：

〔1〕程慧錦，丁浩，馬有才.基于改進(jìn)SCOR的外向型企業(yè)供應(yīng)鏈風(fēng)險(xiǎn)評(píng)價(jià)及應(yīng)用[J].企業(yè)經(jīng)濟(jì)，2020， 39（01）：80-89.

〔2〕徐佳楠，張?zhí)烊穑w偉博，等.面向供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估的改進(jìn)BP小波神經(jīng)網(wǎng)絡(luò)研究[J].計(jì)算機(jī)科學(xué)，2022，3（49）：654-660.

〔3〕楊懷珍，胡葛君.基于事故樹(shù)與貝葉斯網(wǎng)絡(luò)的農(nóng)產(chǎn)品供應(yīng)鏈風(fēng)險(xiǎn)評(píng)估[J].江蘇農(nóng)業(yè)科學(xué)，2020，48（05）：304-310.

〔4〕Junaid M， Xue Y， Syed M W， et al. A Neutrosophic AHP and TOPSIS Framework for Supply Chain Risk Assessment in Automotive Industry of Pakistan[J]. Sustainability， 2019， 12（01）：154-179.

〔5〕孫中葉，徐曉燕.農(nóng)業(yè)供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)估研究——基于GA-BP神經(jīng)網(wǎng)絡(luò)模型[J].技術(shù)經(jīng)濟(jì)與管理研究，2021，9（08）：78-82.

〔6〕王少英，蘭曉然，劉麗英.基于非凸懲罰的SVM模型對(duì)科技型中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2019，49（03）：307-312.

〔7〕黃棟，周景冉.基于改進(jìn)FMEA的裝備采購(gòu)供應(yīng)鏈質(zhì)量風(fēng)險(xiǎn)評(píng)估[J].海軍工程大學(xué)學(xué)報(bào)，2022， 34（02）：50-56.

〔8〕Xu M， Cui Y， Hu M， et al. Supply chain sustainability risk and assessment[J]. Journal of Cleaner Production， 2019，10（06）：857-867.

〔9〕錢(qián)吳永，張浩男.基于Adaboost-DPSO-SVM模型的供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2022，41（03）：72-79.

〔10〕楊曉葉.綠色供應(yīng)鏈金融風(fēng)險(xiǎn)評(píng)估研究——基于Logit模型與BP神經(jīng)網(wǎng)絡(luò)的比較研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2020，39（12）：46-53.

〔11〕Li Y， Wang Q. Research on hotel supply chain risk assessment with dual generalized triangular fuzzy Bonferroni mean operators[J]. Journal of Intelligent & Fuzzy Systems， 2019， 37（02）：1953-1965.

〔12〕陳湘州，陶李紅.基于MLP神經(jīng)網(wǎng)絡(luò)的中小企業(yè)供應(yīng)鏈金融信用風(fēng)險(xiǎn)評(píng)估[J].湖南科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2021，36（04）：91-99.