一类占线融资租赁问题的最优竞争策略与风险补偿模型

运用占线算法与竞争分析方法,研究了资产所有权在一定的租赁时间后转移给承租人的融资租赁问题的最优竞争策略与风险补偿模型。首先给出了该问题的最优离线解;然后,根据约定的租赁时限与购买价格及租赁费用的大小关系,分别给出了3种情形的占线策略及相应的竞争比分析;最后,在AL-BINALI提出的占线风险补偿分析框架下,给出了2种预期形式及相应最优占线收益策略。     

租金费用和购买价格连续可变的在线租赁竞争策略分析

本文运用竞争分析方法研究了占线金融租赁决策问题,已往的研究都是基于租赁设备的租用费用和购买价格不变的情形给出最优投资策略,本文给出了当价格在有界范围内连续可变时的占线投资策略,并对有无利率两种情形分析进行了竞争策略分析,分别给出了其竞争比的上下界。     

Make-to-Order 模式下多产品占线生产策略研究

本文研究的是按订单生产模式企业面对需求不确定条件下的生产决策问题.这类企业经常会遇到如下情形:客户的产品订单需求变动具有不可预期性,同时生产单批产品的固定成本较高,企业在承担一定的延期惩罚费用的条件下可以延期交货.因此需要考虑采用某种适当的生产策略来减少成本损失,即需要研究在未来产品订单需求不确定的条件下确定在什么时间对哪个产品进行生产使得总的固定生产成本及延期惩罚成本最优的决策问题.以往的研究一般都是假设包括订单到达时刻和订单需求量等需求信息是随机波动的,而实际情况中这些信息常常是不可预测且不能用概率分布刻画的.因此,本文从占线理论出发考虑了未来订单需求信息未知情形下的最优生产决策问题,构造了相应的数学模型,设计了一个竞争策略,证明了其具有较好的常数竞争比.数值分析进一步验证了该策略的有效性.     

价格下界随时间递增的占线采购问题

本文研究的是价格不确定且其下界随时间递增的原材料采购问题。在实际的原材料采购问题中,原材料的价格随时间的变动往往是不可预测的。之前的学者在研究价格不确定的占线采购问题时,假设价格在一个统一的常数上下界内,这没有考虑到经过时间的变化,价格的上下界可能也是变化的。本文提出并研究价格下界随时间递增的原材料占线采购问题。构建了相应数学模型,给出了相应的竞争采购策略并证明了竞争比,同时通过证明问题的匹配竞争比下界,说明给出的竞争采购策略是最优的,最后利用数值分析进一步说明竞争策略具有较好的竞争性能。     

多阶段占线赁购问题与竞争分析

经典占线赁购决策是建立在设备使用寿命无限大的假设下进行竞争策略分析,是一种单阶段的占线决策问题。论文把设备使用寿命因素考虑进占线赁购问题,扩展单阶段占线赁购问题为多阶段占线赁购。给出了该问题的离线解;设计了等长赁购策略,证明该策略是唯一最优策略;给出了风险策略基本性质,为进一步研究多阶段占线赁购风险补偿模型奠定了基础。     

价格与需求同时不确定的原材料占线采购问题

市场价格剧烈波动与需求消耗不确定是许多企业在采购原材料时普遍面临的情景,因此研究价格与需求同时不确定背景下的最优采购问题至关重要.以往研究都聚焦于价格或需求的单参数不确定采购优化问题,并大多假设这些参数变化具有随机分布信息,而实际情况中价格与需求往往是同时不确定且不可随机观测的.从占线理论出发,首次提出并研究采购价格和需求消耗同时不确定条件下的原材料占线采购问题,构造相应的数学模型,设计竞争采购策略,并证明其具有较好的常数竞争比,数值分析进一步表明了策略具有较好的竞争性能.     

基于预期的占线特殊优惠卡问题与竞争分析

特殊优惠卡问题是租赁问题的一个推广.本文将风险补偿模型和市场利率引入了占线特殊优惠卡问题,使得该问题更贴近现实情况,得到以下结论:i)一般情形的占线特殊优惠卡问题的最优风险补偿收益为2-β/2-β(2-β)d;ii)考虑市场利率i,当(1-β)(1-αcr)小于和大于c(1-α)时,分别得出了两种情形下不同的最优风险补偿收益.最后,通过数值分析说明风险容忍度d和折扣率β对约束竞争比rA'和最优风险补偿收益的影响.     

基于任务跟踪的在线租赁问题与竞争策略研究

现实经济活动中,有许多租赁融资决策既非纯在线租赁问题也非纯离线租赁问题,而是介于二者之间的具有部分已知信息的在线租赁问题.基于此研究了工作任务总量已知而工作任务进展序列未知的在线设备租赁问题,以租赁工作所需设备的费用最小为优化目标,建立了该问题的基本数学模型,提出了任务跟踪策略,给出并证明了基于这一策略的算法的竞争比.最后,把该在线租赁问题的竞争比与经典的在线租赁问题的竞争比做了比较分析,结果表明在线租赁问题的算法优于经典的在线算法,竞争性能得到了较大的提高.     

租赁设备在线更新问题及其竞争策略

制造商在租赁供应链上为租赁公司提供租赁设备技术升级（或“以旧换新”）促进新技术应用。在租赁市场需求与技术更新速度不确定情形下,租赁公司决策者需要决策是否对设备进行技术更新用于租赁业务以获取更高的出租收益。本文运用在线算法建立租赁公司租赁设备的在线更新模型,分析不同市场情境下最优的确定性在线更新策略。研究发现：新技术设备单位租赁周期收益、更新成本与旧设备单位租赁周期收益影响在线更新策略。租赁公司最优的在线更新策略是：如果制造商提供的新设备单位租赁周期收益小于更新成本,租赁公司一直出租旧设备不进行设备更新,直至制造商提供另外的新技术的单位租赁周期收益不小于更新成本;然后继续出租旧设备直至新设备与旧设备租赁收益之差几乎累积达到更新成本时进行技术更新。本文研究结论对在高度不确定环境下开展经营活动的租赁公司下一步策略选择具有重要的借鉴意义。     

海外市场的在线生产策略选择及其竞争策略

在参与全球化竞争的过程中,面对复杂多变的不确定海外市场,公司需要在出口(EXP)、许可证生产(LG)和海外直接投资(FDI)3类进入模式之间选择.运用在线算法研究了海外市场在线进入模式和转换时机选择问题的决策,设计了海外市场进入模式的最优在线策略.结果显示:海外市场的进入与退出成本将对进入模式的选择与转换时机产生迟滞作用,迟滞的幅度受不同模式之间进入与退出成本的差异和不同模式下单位产品成本差异的影响.在经济全球化的趋势下,模型的策略和结论对我国一些国际化经验不足却不得不进入海外市场参与竞争的企业具有一定的借鉴意义.     

具有概率分布在线租赁问题策略研究

在经济系统中,决策越来越呈现出在线性特征,传统优化方法在解决这类在线问题时,通常假设未来输入是一随机变量从而寻求概率意义上的最优决策。近年来,在优化领域兴起了一种新的研究方法——在线算法与竞争分析,为解决这类在线问题提供了新的视角,但传统的竞争分析方法有意规避概率分布假设。对于在线租赁决策问题,由于其输入结构简单且具有良好的统计性质,似乎忽略这些有用的信息而只运用标准的竞争比方法分析显然具有不足之处。在本文中,我们将其输入结构的概率分布引入纯竞争分析方法中,从而建立了具有概率情形的最优在线租赁模型,并得到了最优竞争策略及其竞争比。     

局内租赁问题的风险补偿模型及其竞争分析

将风险的概念引入局内租赁问题中,建立了该问题的风险补偿模型,并对存在和不存在 利率情况下的局内租赁问题作了分析. 和局内问题中传统的竞争比分析不同的是,竞争比分析 只反映局内策略与基准算法(局外最优算法) 的相对绩效,但这往往忽略了很多的有用信息,且 分析模型很不灵活. 然而在风险补偿模型中,投资者可以控制风险,根据自己不同的风险容忍 度和未来预期选择最优的租赁策略     

基于差分的数量折扣条件下订货策略优化模型

通过采用合适的数量折扣策略,供需双方都可以提高自己的利润。用双层规划模型描 述了供应链管理中供应商与订货商合作情况下确定数量折扣及订货量问题,并用基于差分的 算法进行了求解. 实例分析说明双方合作的双层规划模型能正确表示实际的供需关系,在平衡 点可以使双方利益均达到最大     

A classification approach based on the outranking model for multiple criteria ABC analysis

The multiple criteria ABC analysis is widely used in inventory management, and it can help organizations to assign inventory items into different classes with respect to several evaluation criteria. Many approaches have been proposed in the literature for addressing such a problem. However, most of these approaches are fully compensatory in multiple criteria aggregation. This means that an item scoring badly on one or more key criteria could be placed in good classes because these bad performances could be compensated by other criteria. Thus, it is necessary to consider the non-compensation in the multiple criteria ABC analysis. To the best of our knowledge, the ABC classification problem with non-compensation among criteria has not been studied sufficiently. We thus propose a new classification approach based on the outranking model to cope with such a problem in this paper. However, the relational nature of the outranking model makes the search for the optimal classification solution a complex combinatorial optimization problem. It is very time-consuming to solve such a problem using mathematical programming techniques when the inventory size is large. Therefore, we combine the clustering analysis and the simulated annealing algorithm to search for the optimal classification. The clustering analysis groups similar inventory items together and builds up the hierarchy of clusters of items. The simulated annealing algorithm searches for the optimal classification on different levels of the hierarchy. The proposed approach is illustrated by a practical example from a Chinese manufacturer. Furthermore, we validate the performance of the approach through experimental investigation on a large set of artificially generated data at the end of the paper.