系列型供应链级库存策略优化研究

文章探讨了级库存策略在系列型两级供应链系统中的优化应用.在De Bodt和Graves模型的基础上提出改进,将安全库存全部设置于下一级节点企业,给出两级供应链系统的总库存成本函数,通过正态分布来加以近似,优化求解两级订货点水平.最后算例计算结果表明供应链库存成本能够得到大幅降低.     

需求基于瞬时库存的延期支付策略设计

文章考虑市场需求是库存水平幂函数的形式,在确定的延期支付期限下给出了零售商的最优订购策略;研究了延期支付期限未知且与零售商的订购量相关的情形,通过对独立决策与联合运作的分析验证了协调的必要性,基于供应商视角设计了延期支付策略;并分析了两种模型的最优解特性;最后给出算例来验证该策略的有效性。     

一种基于条件分布Markov状态转移的零售库存策略

对于一定分布类型下的零售品销售状况,采取合理的补货策略有助于降低市场丧失和库存带来的成本和损失。文章利用结合市场需求量的概率分布函数对每一期的库存量进行Markov状态预测,提出了一种基于规避成本和损失的补货策略。利用一种零售品的销售规律为泊松分布,在既定的补货策略下进行改进。     

航班延误关键影响因素及影响程度识别——基于动态排队模型的分析

通过对航班运行流程闭环不同阶段的分解分析,识别出航班延误的关键原因包括流量控制、军事活动、天气等不可控因素和安检、旅客、机械故障、机场、公共安全等可控因素。运用数理推导和实证分析,验证了飞机起飞到达服从泊松分布,航班延误符合指数分布。通过构建航班延误总动态排队模型,并基于典型机场数据的模拟仿真分析,证明各因素引发的航班延误频率高低及其影响程度并非完全一一对应。航空公司因素发生频率最高、影响最大;流量控制发生频率较高、影响大;天气因素发生频率较高、影响较大;军事活动发生频率一般,但影响大;机械故障频率较低、影响较大;机场因素频率较低、影响较小。     

动态需求条件下的供需链库存优化策略

供需链管理的关键是链上各企业协调与合作,而库存协调是供需链协调与合作的重要组成部分.如何通过库存协调确定一个面向供需链的整体优化库存策略是供需链管理的重要课题.文章基于需求时变性和一对多补货的假设研究了随机动态需求环境下非等周期基本库存水平和补货时点优化问题,通过模型推导得到基本库存水平局部优化与整体优化方程,得出补货时点优化与库存水平优化结合,能够达到降低库存成本的结论.     

基于非参数Bootstrap方法的随机性链梯法及R实现

在我国目前精算实务中,未决赔款准备金评估的不确定性风险逐渐得到重视,对不确定性加以度量显得很有必要。传统链梯法是未决赔款准备金评估最常用的确定性方法,而过度分散泊松模型是与传统链梯法等价的随机性模型,在过度分散泊松模型下,准备金的极大似然估计和传统链梯法的估计值相同。文章把非参数Bootstrap方法应用于过度分散泊松模型中,得到了未决赔款准备金的预测均方误差和预测分布,并通过精算实务中的数值实例应用R软件加以了实证分析。     

改进的初值和背景值优化的MGM(1,m)模型及应用

针对传统的MGM(1,m)模型存在模拟精度和预测精度不高的问题,文章给出了改进的初值和背景值优化的MGM(1,m)模型。在模型初值的选取上,选取使得模拟值的平均相对误差达到最小的向量X⁽(1))(i)作为初值;在模型背景值的构造上,提出结合辛普森3/8公式的动态序列模型来求解背景值的方法。最后以两组指数型数据序列为例建立了传统MGM(1,2)模型及改进后的模型,并进行数据模拟和预测。结果表明,改进后的MGM(1,m)模型的模拟精度和预测精度均有显著地提高,从而验证了模型的有效性和可行性。     

常数分红策略下Erlang(2)常利率风险模型的分红折现函数

文章考虑了在常数分红策略下,索赔来到时间为Erlang(2)分布的常利率风险模型的分红折现期望值函数,得到了关于该函数的一个满足相应边界条件的二阶齐次积分微分方程,并将其转化为Volterra方程,最后给出当索赔额为指数分布时,分红函数满足一个三阶变系数齐次微分方程.     

基于改进背景值算法的优化GM(1,1)模型及其应用

研究表明,GM(1,1)模型的背景值构造方法是影响其建模精度的一个重要因数。文章研究了已有的相关文献中关于背景值的构造方法,进而提出了一种新的背景值构造方法,其具有更好的适应性。同时,为了进一步提高灰色GM(1,1)模型的模拟及预测精度,利用拟合值和原始值平方和误差最小对预测模型的初始值进行了优化。文章改进的优化GM(1,1)模型既适用于对低增长指数的数据也适用于对高增长指数的数据进行GM(1,1)预测实例建模结果展示了其具有更高的精度和适应性。     

两类新的GM(1,1)残差优化模型的建立及预测

文章基于已有的GM(1,1)残差修正模型,运用函数转换的思想,对初始序列进行光滑度处理,建立了残差优化模型1;在模型1的基础上,对残差序列作光滑度处理,得到残差优化模型2。然后,进行实例验证,分析表明模型1和2比已有残差修正模型具有更好的拟合性,且预测结果显示,在精度和可靠性上有明显的提高。     

基于时间序列的GM(1,1)预测模型及应用

GM(1,1)是较常用的时间序列预测模型.文章在借鉴运用时间序列和GM(1.1)预测模型的理论基础上,实证研究了京津冀地区国际旅游人次数的发展趋势.笔者根据2000-2008年京津冀国际旅游人次数的原始时间序列数据,通过GM(1,1)模型对各因素进行关联度分析,并对原始数据进行生成处理,形成有较强规律性的新数据序列,然后建立相应的微分方程模型,预测了2009-2013年京津冀国际旅游人次数的未来发展趋势,也再次验证了GM(1,1)预测模型是建模精度等级为二级的合格模型.