1. Scarf上界的一个推广
这里worst-case分布之所以是“6点分布”,就在于每个
(
⋅
)
+
(\cdot)^+
(⋅)+ 可以拆成两种情况,一共3个
(
⋅
)
+
(\cdot)^+
(⋅)+,进而给出六点分布。
2. 证明技巧
首先,通过简单的对偶,问题可以写为:(均值
m
1
,
m
2
m_1,m_2
m1,m2、方差
σ
1
,
σ
2
\sigma_1,\sigma_2
σ1,σ2为已知,其它为变量)
将每个
min
\min
min 拆分下来,可以组装成6种情形:
将函数
g
g
g 记为
g
(
d
1
,
d
2
)
g(d_1,d_2)
g(d1,d2) (忽略对偶变量
t
,
u
1
,
u
2
,
r
1
,
r
2
,
v
t,u_1,u_2,r_1,r_2,v
t,u1,u2,r1,r2,v),它的上界是一个带有六个平面(six facets)的分段线性函数,假设
q
i
(
d
1
,
d
2
)
q_i(d_1,d_2)
qi(d1,d2)代表每个平面的线性函数。
考虑这种情形:
g
(
d
1
,
d
2
)
g(d_1,d_2)
g(d1,d2)和分段线性函数正好相交于6个点,每个点都在各自一个平面上。如何计算这些点呢?
(1) 对每个
i
i
i,计算
▽
g
(
d
1
,
d
2
)
=
▽
q
i
(
d
1
,
d
2
)
\bigtriangledown g(d_1,d_2)= \bigtriangledown q_i(d_1,d_2)
▽g(d1,d2)=▽qi(d1,d2),求得
(
d
1
∗
,
d
2
∗
)
(d_1^*,d_2^*)
(d1∗,d2∗),将它们表示为对偶变量
t
,
u
1
,
u
2
,
r
1
,
r
2
,
v
t,u_1,u_2,r_1,r_2,v
t,u1,u2,r1,r2,v的一个函数;
(2) 令
g
(
d
1
∗
,
d
2
∗
)
=
q
i
(
d
1
∗
,
d
2
∗
)
g(d_1^*,d_2^*)= q_i(d_1^*,d_2^*)
g(d1∗,d2∗)=qi(d1∗,d2∗),它给出了两个函数刚好相交于一点的条件。
由此方法,可以得到
3. 参考文献
A. Govindarajan, A. Sinha, J. Uichanco. Distribution-free Inventory Risk Pooling in a Multi-location Newsvendor.