运筹规划(十三)--存储论

本节继续讲解存储论,不过咱们要加深一下难度,大家知道这个时候不是所有的事情就是100%发生的,一定是已一个概率的形式存在的, 那么本节就要讲的核心内容就是当概率遇上运筹规划,将会有什么有意思的求解方法吗?

需求为离散随机变量的存储问题

问题原型:假设报童每天售出报纸量r是一个离散的随机变量,其概率为Pr®,报童售出一份报纸赚k元,如果报纸没有售出,赔h元,问报童最好准备多少份报纸?

供过于求

这种情况下r<Q,此时的期望损失为

r=1Qh(Qr)P(r)\sum_{r=1}^{Q}h(Q-r)P(r)

供不应求

这种情况下r>Q,此时因缺货而少赚钱的期望损失为

r=Q+1h(rQ)P(r)\sum_{r=Q+1}^{\infty} h(r-Q)P(r)

综合上面两种情况,订购量Q总的期望损失为

C(Q)=r=1Qh(Qr)P(r)+r=Q+1h(rQ)P(r)(1.1)C(Q)=\sum_{r=1}^{Q}h(Q-r)P(r) +\sum_{r=Q+1}^{\infty} h(r-Q)P(r) \tag{1.1}

这个时候要使得C(Q)最小,期望损失应该满足如下的约束

C(Q)C(Q+!)C(Q)C(Q1)(1.2)C(Q) \leq C(Q+!) \\ C(Q) \leq C(Q-1) \tag{1.2}

将1.1带入公式1.2中,获得如下的表达

(k+h)r=0QP(r)k0(k+h)r=0Q1P(r)k0(1.3)(k+h) \sum_{r=0}^{Q} P(r)-k \geq 0 \\ (k+h) \sum_{r=0}^{Q-1} P(r)-k \leq 0 \tag{1.3}

从而报童准备的最佳数量Q满足如下的表达式

r=0Q1P(r)<kk+h<r=0Q1P(r)\sum_{r=0}^{Q-1} P(r) <\frac{k}{k+h} < \sum_{r=0}^{Q-1} P(r)

这就是这个问题的解。

一个例子

某件商品的进价40元,售价73元,商品过期后售价20元并一定可以出售,该商品的销售量r服从泊松分布。P(r)=eλλrr!P(r)=\frac{e^{-\lambda}-\lambda^{r}}{r!}, 平均销售量λ=6\lambda=6,求得该商店应采购多少件商品
利润为k=73-40=33,滞销后的损失为h=40-20=20,那么按照上面的推导就有

kk+h=0.623\frac{k}{k+h}=0.623

F(Q)=r=1QP(r)=r=1Qeλλrr!F(Q)=\sum_{r=1}^{Q}P(r)=\sum_{r=1}^{Q} \frac{e^{-\lambda}-\lambda^{r}}{r!},其中λ=6\lambda=6,获得泊松分布的累积概率值, F(6)=0.6023<0.623<F(7)F(6)=0.6023<0.623<F(7), 所以应该采购7件商品,期望损失达到最小。

需求为连续随机变量的存储模型

设货物单位进价为k,售价为0,存储费用C1C_{1},获取的需求r为连续随机变量,其密度函数为f®, 分布函数为F(x)=0xf(r)drF(x)=\int_{0}^{x} f(r)dr,问货物的订购量Q为什么值的时候,能使期望盈利达到最大。

假设订购量为Q,实际的销量min(r,Q),所以盈利的W(Q)如下的含义

W(Q)=销售收入进货成本存储费用=pmin(r,Q)kQC1(Q)(2.1)W(Q)=销售收入-进货成本-存储费用 \\ =p min(r,Q)-kQ-C_{1}(Q) \tag{2.1}

其中

C1Q=C1(Qr),ifrQC1Q=0,ifr>QC_{1}Q=C_{1}(Q-r), if r \leq Q \\ C_{1}Q=0, if r>Q

从而盈利的完整表达式如下

E(W(Q))=[0Qprf(r)dr+QpQf(r)dr]kQoQC1(Qr)f(r)dr=pE(r)[Qp(rQ)f(r)dr+0QC1(Qr)f(r)dr+kQ](2.2)E(W(Q))=[\int_{0}^{Q} pr f(r)dr+\int_{Q}^{\infty}pQf(r)dr]-kQ-\int_{o}^{Q} C_{1}(Q-r) f(r) dr \\ =pE(r)-[\int_{Q}^{\infty} p(r-Q) f(r)dr+\int_{0}^{Q} C_{1}(Q-r)f(r)dr+kQ] \tag{2.2}

结果中第一项是平均盈利,与Q无关,中括号第一项为缺货损失期望,只考虑失去销售机会而未实现的收入,第二项表示滞销的损失期望,只考虑了存储费用,第三项为进货成本。

E(C(Q))=Qp(rQ)f(r)dr+0QC1(Qr)f(r)dr+kQE(C(Q))=\int_{Q}^{\infty} p(r-Q)f(r)dr+\int_{0}^{Q}C_{1}(Q-r)f(r)dr+kQ

E(C(Q))表示含有进货成本的期望损失,那么E(W(Q))+E(C(Q))=pE(r)=c常数E(W(Q))+E(C(Q))=pE(r)=c常数,所以max E(W(Q))等价于minE(C(Q)),再次求导

dE(C(Q))dQ=0\frac{dE(C(Q))}{dQ}=0

可以得到

pQf(r)dr+C10Qf(r)dr+k=0F(Q)=0Qf(r)dr(2.3)-p\int_{Q}^{\infty} f(r) dr+C_{1} \int_{0}^{Q} f(r)dr+k=0 \\ F(Q)=\int_{0}^{Q} f(r)dr \tag{2.3}

最终变成如下的形式

p[1F(Q)]+C1F(Q)+k=0F(Q)=pkC1+p(2.4)-p[1-F(Q)]+C_{1}F(Q)+k=0 \\ F(Q)=\frac{p-k}{C_{1}+p} \tag{2.4}

能够求出Q的值,也就是E(C(Q))的驻点,计算E(C(Q))的二阶导是大于0的,判断是极小值点。如果p-k<0,F(Q)是不成立的,这个时候Q取值为0,就是售价低于成本价时候无需订货,如果缺货,需付出费用C2>pC_{2}>p,此时的期望损失为

E(C(Q))=C2Q(rQ)f(r)dr+C10Q(Qr)f(r)dr+kQ(2.5)E(C(Q))=C_{2} \int_{Q}^{\infty}(r-Q) f(r)dr+C_{1} \int_{0}^{Q}(Q-r) f(r)dr+kQ \tag{2.5}

此时也能通过求导的方式获得Q的最佳值。

F(Q)=C2kC1+C2F(Q)=\frac{C_{2}-k}{C_{1}+C_{2}}

一个例子

工厂生产产品,成本价是220元/吨, 售价为320元/吨, 每月存储费用10元,月销售服从高斯分布,问每个月的生产多少吨,可使得获利期望值最大。
对号入座
P=320,k=220,C1=10, rN(60,30)r \sim N (60, 30).

F(Q)=pkC1+p=0.3030F(Q)=\frac{p-k}{C_{1}+p}=0.3030

其中F(Q)=0Q60312πer22drF(Q)=\int_{0}^{\frac{Q-60}{3}}\frac{1}{\sqrt{2π}}e^{\frac{r^{2}}{2}}dr,通过正态分布表查询,满足如下的表示Q603=0.515\frac{Q-60}{3}=-0.515,Q等于58.455,可以获得最大的期望值。

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×