有限需求信息下基于回购契约的供应链鲁棒协调策略

研究了仅知需求均值和区间信息条件下,基于最小最大后悔值准则的供应链回购契约协调问题。针对未知需求具体分布形式的两级供应链系统,在回购契约框架下,建立了以鲁棒决策和最优决策下的供应链及其成员绩效之差为目标函数的供应链协调模型。在仅知需求区间和均值信息条件下,采用鲁棒优化方法求解了最小最大后悔值准则下的集成供应链鲁棒订货策略和分散供应链鲁棒契约协调策略及其绩效偏差。分析了不同服务水平和契约参数条件下,由于信息缺失而未能实现最优运作的供应链及其成员绩效损失情况。最后,进行了数值计算,验证了通过鲁棒优化方法得到的供应链回购契约协调策略的鲁棒性和有效性。结果表明,基于回购契约的供应链鲁棒协调策略能够有效抑制需求不确定性对系统及其成员运作绩效的影响,同仅知需求区间信息相比,额外获得需求均值信息能够有效改进供应链运作绩效。     

基于似然估计的零售商库存鲁棒均值-风险模型

针对具有风险厌恶的零售商,建立了权衡期望利润和条件风险值（CVaR）的均值-风险库存优化模型,给出了离散需求分布不确定条件下能实现帕累托最优但具有较高保守性和非帕累托最优但具有较低保守性的两种鲁棒对应。针对不确定需求分布,在仅知历史需求样本数据情况下,应用统计推断理论构建了满足一定置信水平的基于似然估计的需求概率分布不确定集。在此基础上,运用拉格朗日对偶理论,将上述两种鲁棒对应模型转化为易于求解的凹优化问题,并证明了其与原问题的等价性。最后,针对实际案例进行了数值计算,分析了不同系统参数和样本规模对零售商最优库存决策及其运作绩效的影响,并给出了零售商期望利润和条件风险值两个目标权衡的帕累托有效前沿。结果表明,采用基于似然估计的鲁棒优化方法得到的零售商库存策略具有良好鲁棒性,能够有效抑制需求分布不确定性对零售商库存绩效的影响。而且,历史需求样本规模越大,鲁棒库存策略下的零售商运作绩效越接近最优情况。进一步,通过对比发现,两种鲁棒对应模型虽然保守性不同,但在最终库存策略上保持一致。