3.1
  
\;
在3.2.1节中,我们假设只有在
I
(
t
−
)
=
0
I(t^-)=0
I(t−)=0(零库存特征)时下达订单。本习题说明其原因。为了简单起见,假设
L
=
0
L=0
L=0 且
I
(
0
−
)
=
I
O
(
0
−
)
=
0
I(0^-)=IO(0^-)=0
I(0−)=IO(0−)=0,因此我们必须在时刻 0 订货。任何策略都可以通过订货时间的递增序列
{
t
i
:
i
≥
1
}
\{t_i:i\ge 1\}
{ti:i≥1} 和相应的正订货数量序列
{
q
i
:
i
≥
1
}
\{q_i:i\ge 1\}
{qi:i≥1} 来进行描述。只考虑可行的策略,此时
I
(
t
)
≥
0
I(t)\ge 0
I(t)≥0,每个有限的时间间隔内具有有限多个订货时点
t
i
t_i
ti。
\qquad
考虑一种违反零库存假设的策略。对于
I
(
t
i
−
)
>
0
I(t_i^-)>0
I(ti−)>0,选择
j
j
j 为最小的
i
i
i 值。通过将时点
t
j
t_j
tj 的订货推迟到
t
j
∗
=
min
{
t
j
+
I
(
t
j
−
)
/
λ
,
t
j
+
1
}
t_j^*=\min\{t_j+I(t_j^-)/{\lambda},t_{j+1}\}
tj∗=min{tj+I(tj−)/λ,tj+1} 来构建一个新的策略。证明如果有必要,如何调整某些
q
i
q_i
qi,以使在
t
≥
t
j
∗
t\ge t_j^*
t≥tj∗ 时
I
(
t
)
I(t)
I(t) 保持与以前一样。证明新的策略是可行的,并且比老策略更优秀,即其在每一个有限的时间间隔内成本更低。
3.2
  
\;
本习题证明了3.2.1节中的另一个假设(所有的订单批量都是一样的)是合理的。考虑一个具有零库存特性的策略。令
O
F
(
t
)
OF(t)
OF(t)为订单的数量,
C
(
t
)
C(t)
C(t) 为时间间隔
[
0
,
t
)
[0,t)
[0,t) 内的总成本,保持
t
t
t 和
O
F
(
t
)
OF(t)
OF(t) 不变。
(1)证明在具有该
O
F
(
t
)
OF(t)
OF(t) 的所有策略中,在相等的时间间隔
u
=
t
/
O
F
(
t
)
u=t/{OF(t)}
u=t/OF(t) 中订购相等数量
q
=
λ
t
/
O
F
(
t
)
q=\lambda t/{OF(t)}
q=λt/OF(t) 的策略使
C
(
t
)
C(t)
C(t) 最小。
(2)另外,证明
C
(
t
)
C(t)
C(t) 的最小值为
[
k
/
u
+
1
/
2
h
λ
u
]
t
[k/u+1/2h\lambda u]t
[k/u+1/2hλu]t。
(3)对于每一个可行策略和所有
t
t
t,说明
C
(
t
)
≥
(
2
k
λ
h
)
1
/
2
t
C(t)\ge (2k\lambda h)^{1/2}t
C(t)≥(2kλh)1/2t。
3.3    \; 考虑一下3.2.2节中的函数 C ( q ) C(q) C(q),即EOQ模型中的平均总成本。证明这个函数对于 q q q 来说是严格凸的。
3.4    \; 在3.2节的EOQ模型中,假设下达一个订单的固定成本是100美元,需求是50吨/年,持有成本是每周每磅0.015385美元(1吨等于2000磅,每年有52周)。计算最优订货批量和最优平均成本。
3.5
  
\;
考虑下面对EOQ模型的变形:我们的存储空间只能容纳
I
+
I_+
I+ 数量单位。如果库存超过了
I
+
I_+
I+,我们就需要租用额外的空间来放置多余的库存。租用空间的成本率为
h
+
>
h
h_+>h
h+>h。证明现在的总平均成本变成了:
C
(
q
)
=
c
λ
+
k
λ
q
+
1
2
h
q
+
{
1
2
h
+
(
q
2
−
I
+
2
)
q
−
1
2
h
(
q
−
I
+
)
2
q
如果
 
q
>
I
+
}
C(q)=c\lambda + \frac{k\lambda}{q}+\frac{1}{2}hq+\left\{\frac{1}{2}\frac{h_+(q^2-I_+^2)}{q}-\frac{1}{2}\frac{h(q-I_+)^2}{q}\qquad\text{如果}\,q>I_+\right\}
C(q)=cλ+qkλ+21hq+{21qh+(q2−I+2)−21qh(q−I+)2如果q>I+}(1)证明这个函数连续可微且为凸函数。
(2)证明
q
∗
q^*
q∗ 的计算如下:首先像在EOQ模型中一样计算
q
∗
q^*
q∗,如果
q
∗
≤
I
+
q^*\leq I_+
q∗≤I+,则停止计算;否则,重置
q
∗
=
I
+
+
2
k
λ
−
h
I
+
2
h
+
q^*=I_++\sqrt{\frac{2k\lambda -hI_+^2}{h_+}}
q∗=I++h+2kλ−hI+2
3.6    \; 证明在EOQ模型中描述次优 q q q 值相对成本的公式(3.2.5)。计算 q / q ∗ = 2 q/{q^*}=2 q/q∗=2 和 q / q ∗ = 1 / 2 q/{q^*}=1/{\sqrt{2}} q/q∗=1/2 时的值。
3.7    \; 对于 x > 0 x>0 x>0,定义函数 F ( x ) F(x) F(x) 为: F ( x ) = a x − a + b x β F(x)=ax^{-a}+bx^{\beta} F(x)=ax−a+bxβ其中 a , α , b , β a,\alpha,b,\beta a,α,b,β 都为正的常数。考虑 F F F 对 x x x 的最小化问题。证明唯一最优解为 x ∗ = ( α a / β b ) 1 / ( α + β ) x^*=\left({\alpha a}/{\beta b}\right)^{1/(\alpha+\beta)} x∗=(αa/βb)1/(α+β)。另外,证明 F ( x ∗ ) = ( α + β ) [ ( a / β ) β ( b / α ) α ] 1 / ( α + β ) F(x^*)=(\alpha+\beta)[(a/\beta)^\beta(b/\alpha)^\alpha]^{1/(\alpha+\beta)} F(x∗)=(α+β)[(a/β)β(b/α)α]1/(α+β)。
3.8
  
\;
在本章中,我们假设产品是无限可分的,而且需求是连续发生的。这一习题证明了EOQ模型也描述了一种离散的情况。
\qquad
假设需求发生在一些离散的时间点,时间间隔为
1
/
λ
1/\lambda
1/λ,单位大小为
1
1
1。我们的订货批量
q
q
q 是一个正整数,因此每批货物都会在最迟可行时间到达。证明
O
F
‾
=
λ
/
q
,
I
‾
=
1
/
2
(
q
−
1
)
\overline{OF}=\lambda/q, \overline{I}=1/2(q-1)
OF=λ/q,I=1/2(q−1),并且
C
(
q
)
=
c
λ
+
k
λ
q
+
1
2
h
(
q
−
1
)
C(q)=c\lambda+\frac{k\lambda}{q}+\frac{1}{2}h(q-1)
C(q)=cλ+qkλ+21h(q−1) 用
Δ
C
(
q
)
=
C
(
q
+
1
)
−
C
(
q
)
\Delta C(q)=C(q+1)-C(q)
ΔC(q)=C(q+1)−C(q) 表示一阶差分算子。最优解
q
=
q
∗
q=q^*
q=q∗ 满足
Δ
C
(
q
−
1
)
<
0
≤
Δ
C
(
q
)
\Delta C(q-1)<0\leq \Delta C(q)
ΔC(q−1)<0≤ΔC(q)。证明这一条件相当于:
q
(
q
−
1
)
<
2
k
λ
h
≤
q
(
q
+
1
)
q(q-1)<\frac{2k\lambda}{h}\leq q(q+1)
q(q−1)<h2kλ≤q(q+1) 用
q
c
∗
q_c^*
qc∗ 表示EOQ公式中连续需求的最优解
q
q
q。证明如果
q
c
∗
q_c^*
qc∗ 恰好为整数,则
q
∗
=
q
c
∗
q^*=q_c^*
q∗=qc∗,否则
q
∗
q^*
q∗ 可以通过对
q
c
∗
q_c^*
qc∗ 取整得到,不论是向上取整还是向下取整。
\qquad
显然,如果需求量为某一数值
Y
Y
Y 而不是
1
1
1 时,这一方法也是有效的。现在回到连续的情况下,但假定订货周期
u
u
u 为整数。说明按上述方法进行调整后如何计算
u
∗
u^*
u∗。最后,当
u
u
u 必须为某一任意基准期
u
‾
\underline{u}
u 的整数倍时,说明该怎么做。
3.9    \; 在3.3节有计划的延期交货模型中,假设参数为: λ = 1000 k = 60 h = 0.75 w = 0.81 \lambda=1000\qquad k=60\qquad h=0.75\qquad w=0.81 λ=1000k=60h=0.75w=0.81计算最优策略和最优平均成本(除 c λ c\lambda cλ 之外)。现在,假设我们安装了一套计算机系统来处理,将 k k k 从 60 减少到 33.75。这对最优策略和最优成本有什么影响?
3.10    \; 定义函数 C ^ ( x ) = h [ x ] + + b [ x ] − \hat C(x)=h[x]^++b[x]^- C^(x)=h[x]++b[x]− 和 C − ( y ) = C ^ ( y − D ) C_-(y)=\hat C(y-D) C−(y)=C^(y−D)。证明有缺货订单情况下EOQ模型的成本函数可以表示为 C ( r , q ) = c λ + k λ + ∫ r r + q C − ( y ) d y q C(r,q)=c\lambda+\frac{k\lambda+\int_r^{r+q}C_ -(y)dy}{q} C(r,q)=cλ+qkλ+∫rr+qC−(y)dy
3.11
  
\;
下面是处理延期交货的另一种方法:我们不采用惩罚成本或者约束条件,而是对这一产品的市场等待时间
B
W
‾
\overline{BW}
BW 建模。
B
W
‾
\overline{BW}
BW 会影响消费者愿意支付的价格
p
p
p,或他们愿意购买的数量,或者对两者都产生影响。具体而言,
p
,
λ
p,\lambda
p,λ 和
B
W
‾
\overline{BW}
BW 的关系用下式表示:
λ
=
α
[
p
f
(
B
W
‾
)
]
−
β
\lambda=\alpha [pf(\overline{BW})]^{-\beta}
λ=α[pf(BW)]−β 其中
α
,
β
\alpha, \beta
α,β 是正常量,
β
>
1
\beta>1
β>1,
f
f
f 是增函数,
f
(
0
)
=
1
f(0)=1
f(0)=1。因此,随着
B
W
‾
\overline{BW}
BW 的增大,
λ
\lambda
λ 下降,或者
p
p
p 下降,或者两者都下降。单位购买成本
c
c
c 保持不变。
\qquad
用时间变量
u
u
u 和
y
y
y 来描述库存策略。回顾一下,
B
W
‾
=
1
/
2
y
2
/
u
\overline{BW}=1/2y^2/u
BW=1/2y2/u。首先,考虑
u
u
u 和
y
y
y 以及
B
W
‾
\overline{BW}
BW 是不变的。所以,我们仍然是需要选择
p
p
p 或
λ
\lambda
λ。计算令总平均利润
P
(
λ
)
P(\lambda)
P(λ) 最大的
λ
\lambda
λ 值,即平均收入
p
λ
p\lambda
pλ 减去所有相关成本。
\qquad
现在,把
u
u
u 和
y
y
y 以及
λ
\lambda
λ 看成是可变的,建立一个函数
P
(
u
,
y
,
λ
)
=
P(u,y,\lambda)=
P(u,y,λ)= 单位时间中平均利润。写出一个总体最优策略的一阶必要条件。
3.11    \; 在有计划的延期交货模型中,假设没有惩罚成本 b b b,但 B W ‾ \overline{BW} BW 有一个上限,用 B W + BW_+ BW+ 表示。则问题变成了: 最小化 c λ + k λ q + 1 2 h ( q + v ) 2 q \text{最小化}\qquad c\lambda+\frac{k\lambda}q+\frac{1}{2}\frac{h(q+v)^2}q 最小化cλ+qkλ+21qh(q+v)2 约束条件 B W ‾ ≤ B W +    ,    − 1 ≤ v ≤ 0 \text{约束条件}\qquad \overline{BW}\leq BW_+\;,\;-1\leq v\leq 0 约束条件BW≤BW+,−1≤v≤0证明最后两个不等式可以被消除,剩下的约束条件简化为 1 / 2 v 2 / q = λ B W + 1/2v^2/q=\lambda BW_+ 1/2v2/q=λBW+。为这一等式引入一个拉格朗日乘数(对偶变量) π \pi π,定义一个恰当的拉格朗日函数,推导出最优一阶必要条件。利用这些条件得到用 π ∗ \pi^* π∗ 表示的 v ∗ v^* v∗ 和 q ∗ q^* q∗,以及关于 π \pi π 本身的多项式方程。证明 π \pi π 与纯粹成本最优化模型中 b b b 的作用是一样的。