背景模型
场景 | 在单一设备生产单一产品的制造商 | |
模型 | M / E k / 1 M/E_k/1 M/Ek/1 | |
生产系统 | 单产品,make-to-stock | 生产时间: k k k-Erlang 分布,均值 1 / μ 1/{\mu} 1/μ |
需求 | 需求对价格敏感。 高价格时低需求、 低价格时高需求 | 价格 p 1 > p 2 > c p_1>p_2>c p1>p2>c,需求满足 Poisson 分布,速率为 λ 1 < λ 2 \lambda_1<\lambda_2 λ1<λ2 |
成本 | 单位生产成本 c c c、单位库存持有成本 h + h^+ h+、单位需求延迟成本 h − h^- h− | |
合理假设 | c < h − γ c<\frac{h^-}{\gamma} c<γh−,其中 γ \gamma γ为折扣因子; μ > λ 1 \mu>\lambda_1 μ>λ1 | λ 1 ( p 1 − c ) < λ 2 ( p 2 − c ) \lambda_1(p_1-c)<\lambda_2(p_2-c) λ1(p1−c)<λ2(p2−c) |
关键变量 | 存在一个状态变量(工作存储水平 work storage level)可以用于完全捕获有关库存水平的信息以及目前的生产状况 | 同Ha的模型 |
最优生产策略 | ||
最优定价策略 |
DP模型
标记 | 含义 |
---|---|
I ( t ) I(t) I(t) | 在 t t t 时刻已经完成的生产阶段数目 |
X ( t ) X(t) X(t) | 在 t t t 时刻的库存水平 |
( I ( t ) , X ( t ) ) (I(t),X(t)) (I(t),X(t)) 或者 Y ( t ) = I ( t ) + k X ( t ) Y(t)=I(t)+kX(t) Y(t)=I(t)+kX(t) | 系统状态 |
h ( Y ( t ) ) h(Y(t)) h(Y(t)) | 库存持有费用函数 inventory holding cost function |
u = { μ ( t ) , p ( t ) : t > 0 } u=\{\mu(t),p(t):t>0\} u={μ(t),p(t):t>0} | 策略 |
U \mathcal{U} U | the set of admissible Markovian policies |
N i u ( t ) N_i^{u}(t) Niu(t) | 在策略 u u u 下,按照价格 p i p_i pi 完成的累计销售量, i = 1 , 2 i=1,2 i=1,2 |
P u ( t ) P^{u}(t) Pu(t) | 在策略 u u u 下,累计生产量 |
Remark. 和 Ha 的模型的区别:Ha 中是多种类型的需求;这里只有2种类型的(由价格高低区分),并且延迟成本在Ha 的论文中每一类不想同,此文中延迟成本相同
动态库存水平: Y u ( t ) = Y ( 0 ) + P u ( t ) − ∑ i = 1 2 N i u ( t ) Y^u(t)=Y(0)+P^u(t)-\mathop{\sum}\limits_{i=1}^2N_i^u(t) Yu(t)=Y(0)+Pu(t)−i=1∑2Niu(t)
expected discounted profits over an infinite horizon:
V
u
(
y
)
=
E
{
∫
0
∞
e
−
γ
t
[
∑
i
=
1
2
p
i
d
N
i
u
(
t
)
−
c
d
P
u
(
t
)
−
c
(
Y
u
(
t
)
)
d
t
]
}
V^u(y)=E\left\{ \int_0^{\infty} e^{-\gamma t} \left[ \mathop{\sum}\limits_{i=1}^2 p_idN_i^u(t) - cdP^u(t) -c(Y^u(t))dt \right] \right\}
Vu(y)=E{∫0∞e−γt[i=1∑2pidNiu(t)−cdPu(t)−c(Yu(t))dt]}
此问题的最优解由下面的HJB方程刻画:
0
=
−
h
(
y
)
+
k
μ
[
V
(
y
+
1
)
−
V
(
y
)
−
c
k
]
+
⋅
1
{
y
/
k
∈
Z
}
0=-h(y)+k\mu[V(y+1)-V(y)-\frac{c}{k}]^+\cdot \mathbf{1}_{\{y/k\in\mathbb{Z}\}}
0=−h(y)+kμ[V(y+1)−V(y)−kc]+⋅1{y/k∈Z}
+
k
μ
[
V
(
y
+
1
)
−
V
(
y
)
−
c
k
]
⋅
1
{
y
/
k
∉
Z
}
+k\mu[V(y+1)-V(y)-\frac{c}{k}]\cdot \mathbf{1}_{\{y/k\notin\mathbb{Z}\}}
+kμ[V(y+1)−V(y)−kc]⋅1{y/k∈/Z}
+
max
i
=
1
,
2
λ
i
[
V
(
y
−
k
)
−
V
(
y
)
+
p
i
]
−
γ
V
(
y
)
+\mathop{\max}\limits_{i=1,2}\lambda_i[V(y-k)-V(y)+p_i]-\gamma V(y)
+i=1,2maxλi[V(y−k)−V(y)+pi]−γV(y)