随机模糊需求下的自由分布报童问题研究

文章在需求是随机模糊变量的假设下,将经典报童问题扩展为基于随机模糊需求的自由分布报童模型;根据最大隶属原则,将模糊非线性规划问题转化为确定型约束极值问题,并用拉格朗日乘子法寻求最优解;最后,通过最优解的若干性质,分析了需求的随机模糊性对最优订货量和总利润的影响,并说明本模型是对经典报童问题的一种拓展.     

带有预算费用约束的报童模型

讨论带有预算费用约束的报童问题. 建立了带有一般费用约束、 缺货预算费用约束、 商品处理预算费用约束的3种模型, 分别求出了最优解, 并进行了模型的灵敏度分析.     

价格敏感需求下零售商的最优定价策略

研究单个零售商单个制造商的二级供应链的经典报童模型,考虑单周期下报童模型的联合最优定价-订购决策.分析了需求随机且价格敏感情况下系统的最优价格,给出了最优决策的存在性的充分条件.区别于以往相关的研究,假设需求函数是更一般化的加乘型需求函数.在一些合理的假设下,保证随机需求情况下零售商的期望利润函数是对数凸的.证明了由于需求除价格外随机扰动的存在,零售商的期望收益总是小于仅受价格影响时可获得的确定性收益.另外,假设需求的期望具有递增的价格弹性,可以保证仅受价格影响时可获得的确定性收益函数是拟凸的.本结论可以延伸到带有缺货惩罚的单周期报童模型的联合最优定价-订购决策问题,在理论上更具有一般性,对研究多零售商的价格竞争决策问题和供应链契约协调等问题提供了重要理论依据.     

基于可信性测度的连续模糊需求报童问题

为获得连续模糊需求报童问题的最优订货量,基于模糊事件的可信性测度,推导了模糊销售量、缺货量和存货量的可信性分布函数以及期望销售量、缺货量和存货量的函数表达式。建立了模糊报童问题的期望利润模型。通过分析期望利润函数的性质,得出最优订货量应位于模糊需求的支集内。     

三角分布下可追加订购的报童问题最优解

在经典报童问题中，订购是一次性的，这容易导致供货服务水平与无缺货风险贮存成本之间的矛盾。笔者研究可追加订购的报童问题，把收益作为目标函数，在追加订购数量有限制的条件下，建立了数学模型在假设需求满足三角分布下，讨论了最优解的具体求法。     

双周期带服务水平约束的报童模型决策分析

研究报童模型双周期下决策者面临服务水平的机会约束时,所做出的最优决策.通过构建模型,分析了该模型的最优订货决策和最优目标函数的解析解.在数值分析中,对模型中的参数做了相应的灵敏度分析.最后,将该模型和文献中的单周期带服务水平约束的报童模型进行了对比.分析了在2种不同的模型下,参数变化给模型的目标值和最优解带来的影响.     

用任意次函数拟合需求变化存贮模型的最优解

讨论一类推广的需求率曲线为具有双拐点类型任意次函数的存贮模型,运用间接法给出该模型的解析最优解,其最优解为库存应用中需求率曲线的拟合提供更多的选择方式。     

基于需求价格弹性的垄断企业生产计划调整

建立了完全垄断企业生产计划调整的最优化模型,这个模型基于需求价格弹性,在该企业已得到最优解的生产计划问题的线性规划中,选择需求价格弹性大于1的产品,改变其价格,相应地改变了需求,但最优基保持不变,且目标函数的最优值的增加达到最大值。     

模糊需求环境下多产品采购配额优化模型

建立了模糊需求和价格折扣并存条件下多产品采购配额分配问题的模糊多目标混合整数规划模型.针对该模型的特点,提出了如下求解策略,即借助于隶属度函数,首先将模型中的模糊目标和模糊约束条件清晰化;然后,通过最大最小算子,将该模糊多目标混合整数规划模型转化为求解等价的多个单目标混合整数线性规划问题;最后,采用两阶段算法求得问题的最优解.通过应用算例验证了模型的有效性和可行性.     

基于分布式神经动力学算法的微电网多目标优化

针对微电网多目标优化计算量较大的问题,提出了一种考虑需求响应的微电网分布式神经动力学优化算法.首先,考虑平均效率函数、微电网的排放、需求响应引起的不满意度以及总利润函数等因素建立多目标优化模型.其次,应用单目标积公式将多目标优化问题转换为单目标优化问题,并证明了最优解是原始多目标问题的帕累托最优点.再次,使用对数障碍物惩罚因子处理不等式约束,利用Lasalle的不变性原理和Lyapunov函数证明所提出的算法可以收敛到最优解.最后,通过仿真验证了本文算法可以在保证优化精度与收敛性条件下,大大降低计算成本.     

一个带中转和直销的多产品运输问题及其遗传算法

研究了具有多个生产商、多个中转销售中心和多个客户的多产品运输问题。 基于运输成本最小原则, 建立了一个带有中转和直销的多产品运输问题的数学模型;采用基于优先权的染色体编码方法构造了求解该问题的遗传算法。 实证分析表明该算法能够快速有效地求解多产品运输问题。     

基于多服务质量属性联合效用函数的网格资源调度

基于经济模型研究网格服务质量(QoS)控制的资源分配问题,给出了多QoS属性多任务的资源分配优化的效用模型. 该效用模型描述了网格任务的动态需求和偏好,以效用最大化为目标计算了需要提供QoS的资源分配. 设计了时间和预算限制条件下基于多QoS属性的联合效用函数调度算法,并与其他经济的和非经济的算法进行比较,验证了该算法的有效性.     

风险约束下回购合同的供应链协调

报童问题是研究供应链协调的基本模型.可是,多数结果都是基于风险中性的假定.在现实世界中,理性决策者既寻求利润又关注风险.我们扩展了风险中性世界中供应链协调的概念,引入均值方差分析,探索不同风险约束下回购合同的协调问题.模型显示与集中供应链相比,分散供应链却具有分散风险的作用.另外,解决了蔡德铭等模型的局限性,即在给定批发价格下求解回购价格,而做到了同时决定批发价格和回购价格.     

Comparative analysis of optimal strategies with two purchase modes under different risk-averse criterions

Consider a risk-averse newsvendor who has an option to purchase the units that are short at an emergency purchase price after demand is realized. We use the conditional value-at-risk (CVaR) as the risk measure. The aim of the study is to investigate the optimal ordering decision in such a setting under CVaR only and mean-CVaR criterions. For each case, we derive the closed-form optimal solution and perform comparative statics to show the monotonicity properties and other characteristics of the optimal decisions. We also compare our results with those of risk-neutral newsvendor. Biography: XU Minghui (1975–), male, Associate professor, research interests: inventory control, supply chain management, risk management and other related managerial areas.     

基于信息熵的Push/Pull策略下供应链不确定性

以3级多产品供应链为例,分别采用Push/Pull/混合Push & Pull /改进Push 4种控制策略运行供应链,采用总熵比量化供应链的全局不确定性.将基于仿真优化(SBO)与遗传算法(GA)相结合,解决了计算量大与不确定因素多的难题.以控制规律中的增益为决策变量,对不确定性进行优化,计算出最优决策变量下的客户满意度、超量库存、延迟交货和总成本等常用性能指标.仿真结果表明:供不应求时,采用混合Push & Pull策略可以降低总成本;供大于求时,采用改进Push策略能最大程度降低供应链的不确定性.     

价格决定报童模型不确定需求在普通随机序下的一些结果

在普通随机序下讨论了一般情形价格决定报童模型不确定需求的一些结果.     

不确定需求下容量限制工厂选址的改进蜂群算法

研究了需求不确定下容量限制工厂选址问题。在考虑需求点的实际情况后,根据各点不确定需求的变化而改变工厂的生产规模限制,建立设置分段的生产规模的容量限制工厂选址模型。使用联系数和区间灰数理论对不确定的需求进行预测。为了求解该问题,对传统人工蜂群算法的编码、更新、搜索和追随策略进行了改进。最后进行数值实验,将新算法与遗传算法、萤火虫算法、粒子群算法和海鸥算法进行对比。结果表明,改进后的人工蜂群算法有更好的优化效果,在求解容量限制的选址问题上具有可行性和有效性。     

基于不确定条件的再制造物流网络优化设计

针对废旧产品到达时间和数量、废旧产品回收与再制造产品需求平衡、废旧产品可利用率等不确定性特点,综合考虑多产品、多周期、容量限制等影响因素,将废旧产品回收数量、再制造产品需求数量、废旧产品利用率作为随机参数,以物流网络构建的总成本最小化为目标函数,建立了不确定条件下的随机机会约束规划模型,用以确定物流网络结点设施的位置、数量和物流量.设计了融合随机模拟和线性规划的混合遗传算法对模型进行直接求解,有效提高了算法的局部寻优能力.算例分析表明,基于不确定条件的随机机会约束规划模型比确定条件下模型考虑了更多的实际因素,因此能够更好地满足再制造企业物流战略决策的需要.     

基于混合遗传算法的模糊需求车辆路径问题

针对模糊需求的车辆路径问题,以模糊可信性理论为基础,设计了混合遗传算法。引入扫描算法进行种群的初始化,结合配送分队数和剩余载重因素提出了混合交叉算子。借鉴差分进化和扫描思想构建了基于整数序规范的差分扫描变异运算。以Solomon标准集为算例,通过实验确定了主观参数的最优取值为0.4。改进前后的阶段效果比较表明,混合交叉算子和差分扫描变异算子提高了算法的性能,采用可信性理论研究模糊需求问题有一定的优越性。     

信用支付条件下需求不确定的最优订购模型

针对零售商需求不确定的情况,给出了在模糊环境下基于信用支付的库存模型,并运用符号距离法将模糊模型转化为确定模型,给出了求解该模型的简便算法,进而确定零售商的最优订货策略。