夏翠萍　郑谦　刘菊

摘 要：为了提升农产品跨境供应链的风险应对能力，研究提出了基于人工免疫算法的农产品跨境供应链风险评估模型，通过进化学习和克隆选择提升供应链的风险处理能力。实验结果表明，基于人工免疫算法的供应链风险评估模型的平均风险处理时间为27.65s，平均风险处理效果值为86.1，高于组织进化学习模型的77.6。基于人工免疫的风险识别模型能有效对供应链风险进行快速识别与应对，并且随着运营时间的增加，其风险管理性能不断增强，对提升农产品跨境贸易产业的抗风险能力具有重要价值。

关键词：人工免疫；农产品；跨境供应链；风险评估

中图分类号：TP29；TP183  文献标识码：A  文章编号：1673-260X（2023）05-0045-04

引言

农产品的进出口贸易发展是我国农业产业结构升级过程中的重要环节，对国家农业发展具有重要意义。并且随着经济一体化和“一带一路”建设的深入，中国的对外农业贸易发展进程不断推进，近年来农业进出口额快速增长，表现出巨大的发展潜力[1，2]。但是随着供应链规模的扩大和贸易竞争的加剧，农产品跨境贸易所面临的风险事件等级也在不断提升，农产品跨境供应链面临着不同国家政策的差异、汇率变化等多种跨境贸易问题，要求对供应链风险进行快速合理识别和控制，减小风险事件带来的经济损失，促进跨境供应链的稳定运行[3，4]。因此研究针对供应链风险应对问题，提出基于人工免疫算法的供应链风险评估模型，期望为农产品跨境供应链的稳定运营和发展提供保障。

1 基于人工免疫的农产品跨境供应链风险评估模型

1.1 基于人工免疫的风险事件评估模型构建

农产品跨境供应链的风险事件具有传动性的特点，其风险因素不是独立存在的，供应链条上每一个企业节点出现风险事件，都可能导致其他企业受到波及，甚至导致供应链环节的瘫痪[5，6]。而供应链所面对的外部环境也是动态的，使得供应链的风险扩散也呈现出变化性的特征，在风险事件应对中各个环节因素互相作用。而农产品的跨境供应存在时效性的问题，在生产供应的过程中跨境企业之间的信息传递存在滞后性，要求提前对农产品供应链环境的风险因素进行快速识别，从而及时采取应对措施迅速消除风险事件，以减小风险事件的影响范围[7，8]。生物免疫过程中的免疫应答环节与供应链风险应对之间存在相似性，因此研究以生物免疫系统理论为基础，借鉴生物免疫的记忆与进化学习环节，解决农产品跨境供应链的风险识别问题，基于人工免疫算法的农产品跨境供应链风险评估模型如圖1所示。在发现风险事件后迅速进行风险程度评估，并选择合适的风险处理方案，在风险处理后通过进化学习和择优记忆，将优化后的风险处理方案放进风险案例库，为后续风险评估与处理提供素材依据。

1.2 基于免疫应答的供应链风险处理

2 实验与结果分析

2.1 仿真实验分析

为了验证研究所提出的基于人工免疫算法的农产品跨境供应链风险评估模型的可行性，研究通过仿真实验的方式验证评估模型在风险识别与应对中的效果，在Netlogo仿真平台上模拟一个农产品跨境供应链，主要由供应企业、制造企业和销售企业组成。实验的仿真步长为20000，共有200个仿真周期，进行100次重复实验，最终数据均为重复实验结果的平均值。实验过程中涉及的参数初始值设置情况如表1所示。

对评估模型在风险识别与应对过程中单位条件下的处理时长和效果进行分析，了解基于人工免疫算法的供应链风险识别模型的学习性能和应用效果。在200个仿真实验周期内，风险评估模型对单个风险事件的处理耗时和单位时间处理效果变化情况如图3所示。

从图3（a）中可以看出，在处理单个风险事件时，风险评估模型的平均处理耗时随着供应链运营周期的增加而不断减少，风险处理耗时呈现出不断下降的趋势。风险评估模型以人工免疫算法为基础，具有强大的机器学习性能，能随着运营时间的增加而不断充实风险案例库，积累风险处理经验，从而增加风险；评估模型处理类似风险事件的能力和速度。从图3（b）中可以看出，风险评估模型在单位时间内的风险处理效果呈现出不断上升的趋势，随着运营时间的增加，评估模型的风险处理效果不断提升。随着运营时间和处理经验的增加，风险评估模型的风险处理方案不断优化，供应链在面对风险事件时的应对和抵抗能力不断增强。实验结果证明了基于人工免疫算法的风险评估模型的组织学习性能，能通过不断进化学习，提升供应链的风险处理能力和效率。选取200个风险事件进行实验，并按出现顺序进行编号，利用基于人工免疫的风险评估模型和自主探索风险管理模式进行风险处理，两种风险处理模式的风险处理时间如图4所示。

从图4中可以看出，基于人工免疫的风险处理模型在对200个风险事件进行处理的过程中，风险事件处理时间不断缩短，平均风险处理时间为27.65s。风险评估模型的风险应对能力和经验随着不断学习而逐渐提升，因此风险评估模型的风险处理时间呈现出不断下降的趋势，并且风险处理时间的波动不断减小，风险处理的稳定性不断提升。而自主探索的风险管理模式缺少进化学习能力，在每一次风险应对过程中需要耗费大量时间进行探索，存在较强的随机性。

2.2 应用效果对比

为了验证风险评估模型的实用性和有效性，研究将基于人工免疫的风险评估模型与经典组织学习模型、自主探索管理模型进行对比，分析三种风险管理模式在农产品跨境供应链风险管理与应对中的应用效果。三种风险管理模式的供应链风险处理效果如图5所示。

从图5中可以看出，基于人工免疫算法的风险评估模型的风险处理效果最好，平均风险处理效果为86.1，其次是组织学习模型，平均风险处理效果为77.6，自主探索风险管理模式的风险管理效果最差，平均风险处理效果为64.8。基于人工免疫的风险评估模型与组织学习模型均采用进化学习的方式进行风险识别与管理，但是组织学习模型缺少知识储存的功能，而基于人工免疫的风险识别模型拥有风险案例库，能随着时间增加而不断积累风险应对经验，促使供应链抵御风险事件的能力不断提升。

3 结论

农产品的进出口贸易是农产品产销过程中的重要环节，对我国农业经济的发展和转型升级具有重要价值。为了提升农产品跨境供应链风险抵御水平，研究在农产品跨境供应链风险评估与应对中引入人工免疫算法，通过进化学习和克隆选择的方式，提升供应链的风险处理能力。实验结果表明，随着运营时间的增加，基于人工免疫算法的供应链风险评估模型的风险处理速度和效果均呈现出上升趋势，平均风险处理时间为27.65s，平均风险处理效果值为86.1，高于组织进化学习模型的77.6，证明以人工免疫算法为基础的风险识别模型能有效对供应链风险进快速识别与应对，为供应链风险管理提供技术支撑。研究通过风险敏感度评估风险事件的严重程度，未来可以进一步对风险敏感度指标进行细化，并引入更多风险管理指标，以提升模型评估能力。

参考文献：

〔1〕程慧锦，丁浩，马有才.基于改进SCOR的外向型企业供应链风险评价及应用[J].企业经济，2020， 39（01）：80-89.

〔2〕徐佳楠，张天瑞，赵伟博，等.面向供应链风险评估的改进BP小波神经网络研究[J].计算机科学，2022，3（49）：654-660.

〔3〕杨怀珍，胡葛君.基于事故树与贝叶斯网络的农产品供应链风险评估[J].江苏农业科学，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〕孙中叶，徐晓燕.农业供应链金融风险评估研究——基于GA-BP神经网络模型[J].技术经济与管理研究，2021，9（08）：78-82.

〔6〕王少英，兰晓然，刘丽英.基于非凸惩罚的SVM模型对科技型中小企业信用风险评估[J].数学的实践与认识，2019，49（03）：307-312.

〔7〕黄栋，周景冉.基于改进FMEA的装备采购供应链质量风险评估[J].海军工程大学学报，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〕錢吴永，张浩男.基于Adaboost-DPSO-SVM模型的供应链金融信用风险评价研究[J].工业技术经济，2022，41（03）：72-79.

〔10〕杨晓叶.绿色供应链金融风险评估研究——基于Logit模型与BP神经网络的比较研究[J].工业技术经济，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〕陈湘州，陶李红.基于MLP神经网络的中小企业供应链金融信用风险评估[J].湖南科技大学学报：自然科学版，2021，36（04）：91-99.