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=1∑Qh(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+1∑∞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=1∑Qh(Q−r)P(r)+r=Q+1∑∞h(r−Q)P(r)(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(Q−1)(1.2)
将1.1带入公式1.2中,获得如下的表达
(k+h)r=0∑QP(r)−k≥0(k+h)r=0∑Q−1P(r)−k≤0(1.3)
从而报童准备的最佳数量Q满足如下的表达式
r=0∑Q−1P(r)<k+hk<r=0∑Q−1P(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)=r!e−λ−λr, 平均销售量λ=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
k+hk=0.623
令F(Q)=∑r=1QP(r)=∑r=1Qr!e−λ−λr,其中λ=6,获得泊松分布的累积概率值, 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C1,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)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)−kQ−C1(Q)(2.1)
其中
C1Q=C1(Q−r),ifr≤QC1Q=0,ifr>Q
从而盈利的完整表达式如下
E(W(Q))=[∫0Qprf(r)dr+∫Q∞pQf(r)dr]−kQ−∫oQC1(Q−r)f(r)dr=pE(r)−[∫Q∞p(r−Q)f(r)dr+∫0QC1(Q−r)f(r)dr+kQ](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))=∫Q∞p(r−Q)f(r)dr+∫0QC1(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,所以max E(W(Q))等价于minE(C(Q)),再次求导
dQdE(C(Q))=0
可以得到
−p∫Q∞f(r)dr+C1∫0Qf(r)dr+k=0F(Q)=∫0Qf(r)dr(2.3)
最终变成如下的形式
−p[1−F(Q)]+C1F(Q)+k=0F(Q)=C1+pp−k(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>p,此时的期望损失为
E(C(Q))=C2∫Q∞(r−Q)f(r)dr+C1∫0Q(Q−r)f(r)dr+kQ(2.5)
此时也能通过求导的方式获得Q的最佳值。
F(Q)=C1+C2C2−k
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, r∼N(60,30).
F(Q)=C1+pp−k=0.3030
其中F(Q)=∫03Q−602π1e2r2dr,通过正态分布表查询,满足如下的表示3Q−60=−0.515,Q等于58.455,可以获得最大的期望值。