Validation of Inventory models for Single-echelon Supply Chain using Discrete-event Simulation
文献中提出的单级供应链系统的库存决策框架依赖于假设,以获得封闭形式的表达式。特别地,两个这样的框架--一个是常规的,另一个具有需求下冲--确定用于期望的$β$或类型II服务水平的最佳再订购点。在这项工作中,我们评估这些框架的准确性和适用性的帮助下,在SimPy开发的离散事件仿真框架。虽然在某些情况下,封闭式文献模型预测服务水平,从而导致更高的再订购点和安全库存,我们观察到一些情况下,模型预测的服务水平与模拟结果相匹配,具有统计意义。
2018-06-19 math.OC stat.AP
A Modified Adaptive Genetic Algorithm for Multi-product Multi-period Inventory Routing Problem
城市化和电子商务的最新发展推动企业部署高效的系统,以降低供应链成本。供应商管理库存(VMI)是有效管理多方供应链的最广泛使用的策略之一。VMI的实施要求解决库存路径问题(IRP)。本研究考虑多产品多周期存货路径问题,包含一供应商、一组顾客及一组异质车辆。由于IRP的复杂性,我们开发了一种改进的自适应遗传算法(MAGA),有效地解决了各种情况。作为基准,我们认为Cplex软件和一个有效的启发式从文献中获得的结果。通过对一组随机生成的实例进行大量的计算实验,并使用不同的度量,我们表明,我们的方法明显优于其他两种方法。
2021-04-24 math.OC
Constrained Reinforcement Learning for the Dynamic Inventory Routing Problem under Stochastic Supply and Demand
University of Groningen(格罗宁根大学);Eindhoven University of Technology(埃因霍温理工大学)
本文提出约束强化学习框架及改进的LCRL方法,用于解决随机供应和需求下的氢气动态库存配送问题,实现高效优化与近优解。
2026-08-26 math.OC
Production Planning Under Demand and Endogenous Supply Uncertainty
研究需求和内生生产产量不确定性下的成品采购规划问题,将其建模为两阶段随机规划并提出基于Benders的精确算法,计算证明其优于已知基准并验证了双重不确定性建模的价值。
2025-06-30 math.OC
Stochastic Cyclic Inventory Routing with Supply Uncertainty: A Case in Green-Hydrogen Logistics
本文针对绿色氢能物流中具有供应不确定性的随机周期库存路径问题,提出联合参数化MIP与MDP模型的成本函数近似方法,实现运输调度与买卖决策的迭代优化,并在荷兰案例中验证了其近优性。
2023-08-30 math.OC
A Dynamic Sustainable Competitive Petroleum Supply Chain Model for Various Stakeholders with Shared Facilities
石油工业是世界上最大的能源来源,其生产、分销、炼油和零售等相关行业被认为是世界上最大的行业。随着石油价格的不断上涨,政府创造就业机会和国际环境政策,石油公司试图最大限度地创造就业机会,最大限度地提高利润,同时最大限度地减少空气污染。为了实现这些目标,需要进行有效、详细和精确的规划。另一方面,石油供应链的动态环境和各种利益相关者的存在增加了石油供应链规划和设计的复杂性。为此,本文提出了一种考虑各利益相关者的多阶段、多目标、多层次、多产品的动态可持续竞争石油供应链模型。该模型是一个MILP模型,并利用GAMS 24.1.2软件对部分实际石油供应链数据进行了运行。然后进行灵敏度分析,以确定结果对目标函数中系数变化的灵敏度。灵敏度分析表明,目标函数的最大变化是关于可变成本,设施安装成本和管道运输成本。
2019-07-26 math.OC
Simulation Models for Sustainable, Resilient, and Optimized Global Electric Vehicles Supply Chain
本研究构建全球电动汽车供应链数字孪生以量化碳足迹与韧性,并提出枢纽及资源配置优化模型,将脆弱性和排放最高降低80%。
2024-09-09 math.OC
Sustainable Closed-loop supply chain under uncertainty
随着信息通信技术和全球经济的快速变化,制造业面临着市场和供应两方面的挑战。市场上的挑战包括产品生命周期短,需求不确定性和产品交付。相应地,供应挑战是生产的灵活性和供应链的复杂性的急剧增加,这是由于行业的变化和ICPT(信息、通信和生产技术)的快速发展造成的。在这项研究中,我们考虑一个供应链融合ICPT,称为智能制造供应链(SMSC)。通过研究SMSC的属性,我们确定了SMSC的功能和结构特征。SMSC中的战术供应规划认识到受规划范围限制的伪实时决策能力。为了充分发挥供应链的优势,提出了一种多目标多周期混合整数非线性规划的闭环供应链网络设计方法。该模型旨在最小化总成本、环境影响和交货期。为了求解该模型,考虑到问题中的不确定性,采用改进的ε约束方法将多目标模型转化为单目标模型进行求解。然后,采用拉格朗日松弛法进行有效的求解。在下面的案例研究中,在现实世界中提出了评估模型的性能。最后进行了灵敏度分析,研究了重要参数对最优解的影响。
2021-04-26 math.OC
Simultaneous Decision Making for Stochastic Multi-echelon Inventory Optimization with Deep Neural Networks as Decision Makers
Lehigh University(里海大学)
我们提出了一个框架,使用深度神经网络(DNN),以优化复杂的多级供应链的库存决策。本文首先介绍了一般随机多级库存优化(SMEIO)的两两建模。然后,我们提出了一个框架,使用DNN代理直接确定供应链中任何相邻节点对之间的订单水平。我们的模型考虑了有限的时间范围,并考虑了初始库存条件。我们的方法适用于各种各样的供应链网络,包括一般的拓扑结构,可能包含装配和分销节点,和系统的非线性成本结构。我们首先数值证明了该方法的有效性,通过显示它的解决方案是接近单节点和串行供应链网络的最优解,精确的方法是可用的。然后,我们研究了更一般的供应链网络,发现所提出的方法在目标函数值和与环境的相互作用的数量方面比其他方法表现得更好。
2021-03-23 cs.AI math.OC stat.ML
Optimizing Urban Electric Vehicle Charging and Battery Swapping Infrastructure: A Location-Inventory-Grid Model
University of Science and Technology Beijing(北京科技大学);Tsinghua University(清华大学)
针对电动汽车普及给城市交通与电网带来的压力,提出集成位置-库存-电网模型并采用连续近似方法,比较集中与分散充电在有无频率调节时的表现,发现集中式充电结合频率调节可降本并增强电网稳定性,为基础设施优化提供指导。
2025-11-18 math.OC
Coordinated Communication and Inventory Optimization in Multi-Retailer Supply Chains
本文研究多零售商供应链中通信与库存控制的联合优化问题,构建了POMDP模型以平衡通信开销与运营性能,并提出了基于点的近似求解方法,实验证明其能显著改善成本与服务水平的权衡。
2025-07-12 cs.MA math.OC
Stochastic Optimization of Inventory at Large-scale Supply Chains
C3 AI(C3 AI公司)
针对全球供应链面临的不确定性挑战及现有MRP解决方案的不足,提出约束随机优化的仿真优化框架,通过寻找最优再订货参数降低10-35%库存水平,为企业带来数亿美元经济效益。
2025-02-16 cs.AI cs.LG math.OC
Efficient Emission Reduction Through Dynamic Supply Mode Selection
本文针对多产品库存系统提出基于双指标策略和混合整数线性规划的动态供应模式选择模型,在满足碳排放目标的同时最小化总成本,并在真实数据实验中显著优于两种现有方法。
2023-03-24 math.OC
Grey Wolf Optimizer and Whale Optimization Algorithm for Stochastic Inventory Management of Reusable Products in a two-level Supply Chain
产品再利用和回收是一种有效的工具,有助于公司同时解决可持续性的经济和环境问题。本文提出了一个新的问题,可重复使用的产品在一个单一的供应商,多产品,多零售商网络的库存管理。几个限制,如最大预算,存储容量,订单数量等,被认为是在其随机形式,以提供一个更现实的框架。所提出的问题被公式化为一个约束非线性数学模型。针对约束条件的不确定性,提出了机会约束规划方法。针对模型的非线性,提出了灰狼优化算法(GWO)和鲸鱼优化算法(WOA)两种新的元优化算法作为求解方法,并用序列二次规划(SQP)精确算法验证了其性能。使用田口方法进行实验设计,校准算法的参数。通过求解不同尺寸的数值结果并利用几种比较措施,建立了广泛的分析。此外,使用适当的参数和非参数检验的结果进行统计比较。结果分析表明,两种算法之间存在显著差异,GWO算法具有更好的求解性能。此外,这两种算法在搜索解空间时表现良好,其中GWO和WOA与SQP算法的最优解的差异可以忽略不计。
2023-02-11 math.OC
An Analytical Framework for the Linear Best-Worst Method and its Application to Achieve Sustainable Development Goals--Oriented Agri-Food Supply Chains
本文提出一个分析框架,通过数学解析求解线性BWM优化模型,消除对优化软件的需求,提升计算效率,并通过数值示例和案例研究验证其有效性,应用于可持续发展目标导向的农业食品供应链。
2025-06-21 math.OC
A System-Dynamic Based Simulation and Bayesian Optimization for Inventory Management
本研究提出一种结合系统动力学蒙特卡洛仿真和贝叶斯优化的方法,解决需求不可预测的库存管理难题,在真实数据集上验证了其能显著改善库存策略,提升生产力与盈利能力。
2024-02-15 cs.CC math.OC
Optimal Replenishment Strategy for Satellite Constellation with Dual Supply Modes
Korea Advanced Institute of Science and Technology(韩国科学技术院);Agency for Defense Development(国防发展局)
本文提出一种包含常规与辅助双供应模式的卫星巨型星座补给库存管理模型,采用参数化策略构建优化问题,为星座运营商和发射服务商提供决策支持与实用见解。
2024-09-08 math.OC
Extensions to the Guaranteed Service Model for Industrial Applications of Multi-Echelon Inventory Optimization
针对多级库存优化,提出基于保证服务方法的广义模型,整合审查周期、制造设施、混合节点、最小订单量及不同服务水平指标,采用非线性规划(可重构为QCP)提升效率,经案例与仿真验证。
2023-06-19 math.OC
A Model of Supply-Chain Decisions for Resource Sharing with an Application to Ventilator Allocation to Combat COVID-19
本文提出了一个随机最优化模型,用于分配和共享的情况下,流行病的关键资源。对不同实体的需求在不同时间达到高峰,需要从一个中央机构分配初始库存。在风险规避条件下,实体(状态)可以与不同的状态共享关键资源。该模型被应用于研究美国国土安全部(FEMA)联邦紧急事务管理局在COVID-19大流行中向美国不同州分配呼吸机库存。调查结果表明,如果非COVID-19患者的呼吸机库存量不到小于60%,FEMA的20,000台呼吸机库存(截至2020年3月23日)将几乎足以满足预期需求。然而,当超过75%的可用呼吸机库存必须预留给非COVID-19患者时,预计会出现不同程度的短缺。在极端情况下,假设需求集中在预测置信区间的最高四分位数,计划范围内(截至2020年5月31日)的总短缺量约为28,500个呼吸机日,2020年4月12日的峰值短缺量为2,700个呼吸机日。研究结果还表明,在低于平均水平至严重需求的情况下,纽约在其需求高峰期需要为COVID-19患者额外增加7,600 - 9,200台呼吸机。然而,在纽约的高峰需求消退后,可以将其中400至2,000台空调机提供给不同的州。
2020-04-03 math.OC
An Environmentally Sustainable Closed-Loop Supply Chain Network Design under Uncertainty: Application of Optimization
Rajshahi University of Engineering & Technology (RUET)(拉杰沙希工程技术大学);University of Arkansas at Little Rock(阿肯色大学小石城分校);North Dakota State University(北达科他州立大学);University of Alberta(阿尔伯塔大学)
近年来,工业生产增长所需的能源和物质消耗率相当高,因此环境可持续的工业发展已成为发达国家和发展中国家的主要问题。提出了一种新的供应链管理方法,以保持经济增长,以及对环境友好的关注的供应链网络的设计。本文提出了一种新的绿色供应链设计方法,以保持金融美德伴随着精神因素,需要减轻快速工业发展对环境的负面影响。这种方法已经提出了一个多目标的数学模型最小化的总成本和二氧化碳排放量,建立一个环境可持续的闭环供应链。采用了两种优化方法,即迭代约束法和遗传算法最优化方法。对这两种方法的计算结果进行了比较,说明了它们的有效性。分析的结果被批准,以验证所提出的模型的准确性,同时处理财务和环境问题。
2020-09-24 cs.AI math.OC
An efficient Lagrangian-based heuristic to solve a multi-objective sustainable supply chain problem
Universidade Federal de São Paulo(圣保罗联邦大学);Instituto Superior Técnico, Universidade Técnica de Lisboa(里斯本技术大学高等技术学院)
可持续供应链(SSC)管理旨在整合经济,环境和社会目标,以协助公司及其供应链的长期规划。关于社会责任和环境责任是否与利润相容,文献中没有达成共识。然而,当考虑具体的评估措施时,这些目标的冲突性质是明确的,在这种情况下,多目标最优化是一种表示同时优化目标的问题的方法。本文提出了一种拉格朗日数学方法,称为$AugMathLagr$,以解决困难和相关的多目标问题,在文献中发现。$AugMathLagr$进行了广泛的测试,使用本文提出的生成器定义的人工实例。结果表明,$AugMathLagr$的竞争力的性能相比,一个精确的多目标方法的时间限制和数学最近提出的文献中,并适应这里来解决所研究的问题。最后给出了一个算例的计算结果,并对结果进行了分析,证明了$AugMathLagr$的优良性能。
2021-01-07 cs.AI math.OC
Classical and Deep Reinforcement Learning Inventory Control Policies for Pharmaceutical Supply Chains with Perishability and Non-Stationarity
University of Milano-Bicocca(米兰-比可卡大学);ESSCA School of Management(ESSCA管理学院);Eindhoven University of Technology(埃因霍温理工大学)
本研究针对药品供应链的易腐性、非平稳需求等挑战,比较了OUT、PIL和深度强化学习(PPO)三种库存策略,发现经典与DRL策略各有优劣,需整合多种策略以有效管理。
2025-01-18 cs.AI cs.LG math.OC
Cost allocations in interval inventory situations: the SOC and Shapley approaches
针对供需不确定性下的协作库存成本分摊问题,本文提出区间库存框架,研究区间SOC规则与区间Shapley规则的理论性质,并通过西班牙七机场香水库存案例验证其实际应用价值。
2025-07-29 math.OC
Reliable design of an integrated supply chain with expedited shipments under disruption risks
本文提出了一个设计两级供应链的数学模型,其中一组供应商服务于一组终端设施,接收不确定的客户需求。该模型在规划和运营阶段集成了许多系统决策,包括设施位置、多级服务分配、多式联运配置和库存管理。特别是,我们考虑供应商中断的概率,可能会停止从某些供应商不时的产品供应。为了减轻供应商中断的影响,可以将码头设施分配给多个供应商,这些供应商以不同的服务优先级相互支持。在这种多级服务分配的情况下,即使一些供应商中断,设施仍可能由其余正常运作的供应商提供。昂贵的快速装运但有保证的快速交货可用于补充较便宜的定期装运但不确定的较长的交货时间。结合这两种运输模式可以更好地利用库存管理来应对不确定的需求。我们制定这个问题成一个混合整数非线性规划,同时确定所有这些相互依赖的系统决策,以尽量减少预期的系统成本下的不确定性,从供应商和需求。为了有效地求解该模型,提出了一种基于拉格朗日松弛的自定义求解算法。几个数值例子进行测试所提出的模型,并提请管理的见解如何影响最佳系统设计的关键参数。
2015-11-24 math.OC
Towards Industry 5.0: A Systematic Literature Review on Sustainable and Green Composite Materials Supply Chains
本研究通过系统文献综述和文献计量分析,探讨工业5.0背景下可持续与绿色复合材料供应链的研究现状、挑战及未来方向,为领域发展提供路线图。
2024-02-08 econ.GN math.OC q-fin.EC
Incorporating circular economy policies into product supply chains using bilevel optimization -- A case study on coffee packaging
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出双层优化框架,研究碳税与补贴在不同预算下促进循环经济供应链的效果,通过咖啡包装供应链案例展示方法,分析政府与企业间的互动,探讨温室气体排放与循环性优化。
2026-04-02 math.OC
Comparing Deep Reinforcement Learning Algorithms in Two-Echelon Supply Chains
University of Milan-Bicocca(米兰-比科卡大学);Polytechnic of Turin(都灵理工大学)
本文构建随机季节性需求下的两级供应链环境,比较多种深度强化学习算法,证明其优于传统(s, Q)策略,并开源可定制的数据驱动库存管理库。
2023-11-17 cs.AI cs.LG math.OC
JD.com Improves Fulfillment Efficiency with Data-driven Integrated Assortment Planning and Inventory Allocation
Department of Industrial Engineering and Operations Research, UC Berkeley(加州大学伯克利分校工业工程与运筹学系);The University of Hong Kong(香港大学)
本文针对京东的两级配送网络,提出了集成品类规划与库存分配的数据驱动方法,通过最大化本地履约订单和端到端算法降低销售损失与调拨成本,显著提升了订单履约效率和客户体验。
2025-09-16 math.OC
Optimizing Inventory Routing: A Decision-Focused Learning Approach using Neural Networks
Shahjalal University of Science and Technology(沙贾拉尔科技大学)
针对库存路由问题两阶段方法因需求预测误差导致次优决策的缺陷,提出一种基于神经网络的决策聚焦学习方法,在端到端系统中直接集成库存预测与路由优化,确保稳健的供应链策略。
2023-11-02 cs.AI cs.LG cs.SY
A decision integration strategy for short-term demand forecasting and ordering for red blood cell components
输血是世界范围内最重要和最常用的治疗方法之一。需要更准确和有效的方法来管理血液需求和供应,这是一个日益令人关切的问题。建立一个以技术为基础的、强大的血液需求和供应链,以实现降低订购频率、库存水平、浪费和短缺的目标,同时保持血液使用的安全性,是现代医疗系统的关键。在这项研究中,我们总结了当前红细胞(RBC)需求和供应管理的主要挑战。我们结合统计时间序列建模,机器学习和运筹学的思想,通过整合一个混合的需求预测模型,使用临床预测和数据驱动的多周期库存问题,考虑库存和再订购的限制,在开发的RBC的订购决策策略。我们使用2008年至2018年的大型临床数据库,将综合订购策略应用于安大略省汉密尔顿的血液库存管理系统。所提出的混合需求预测模型提供了稳健和准确的预测,并确定了短期RBC需求预测的重要临床预测因素。与实际历史数据相比,我们的集成订购策略将库存水平降低了40%,订购频率降低了60%,并且由于过期而导致的短缺和浪费的发生率很低。如果成功实施,我们提出的战略可以为医疗保健系统和血液供应商节省大量成本。所提出的订购策略是可推广到其他血液制品,甚至其他易腐产品。
2020-08-17 math.OC stat.AP
Supply Chain Analytics: A Data-Driven Approach
本文提出一种数据驱动的供应链分析方法,整合统计学习与鲁棒优化,涵盖需求预测、库存控制及分布鲁棒优化,为设计韧性自动化系统提供理论基础和算法指南。
2026-09-11 cs.LG math.OC stat.ML
Towards Sustainable Hydrogen Systems: Supply Chain Optimization with Model Predictive Control and Reinforcement Learning
本文针对可再生能源驱动的氢能供应链,比较了基于规则、模型预测控制和强化学习等四种控制策略,发现MPC经济性最优,强化学习无需预测也能稳健运行,为运营策略选择提供指导。
2026-09-14 cs.LG math.OC
A Learning Based Framework for Handling Uncertain Lead Times in Multi-Product Inventory Management
TCS Research(塔塔咨询服务公司研究院);IIT Bombay(印度理工学院孟买分校)
现有的供应链和库存管理的文献大多考虑随机需求过程的零或常数提前期。虽然这是事实,在某些利基方案,在前置时间的不确定性可以忽略不计,大多数现实世界的情况下表现出随机性的前置时间。这些随机波动可能是由于原材料到达制造商终端的不确定性、运输延迟、不可预见的需求激增以及转向不同的供应商等原因造成的。随机提前期是众所周知的,严重降低库存管理系统的性能,它是唯一公平的,通过一个原则性的方法来缩短供应链系统中的这一差距。受最近引入的延迟分辨深度Q学习(DRDQN)算法的启发,本文开发了一种基于强化学习的范式,用于处理提前期的不确定性(\emph{action delay})。通过实证分析,进一步证明了提前期不确定的库存管理不仅等价于多层次信息共享延迟(\emph{observation delay}),而且训练好的模型可以处理一种延迟,而不需要重新训练。最后,我们应用延迟解决框架的情况下,包括多个产品的随机性在交货期,并阐明延迟解决框架如何否定任何延迟的影响,以达到接近最优的性能。
2022-03-09 cs.AI cs.LG math.OC
Spatial Supply Repositioning with Censored Demand Data
Rotman School of Management, University of Toronto(多伦多大学罗特曼管理学院);Stanford University(斯坦福大学);Faculty of Engineering and Faculty of Business and Economics, University of Hong Kong(香港大学工程学院和商学院)
针对单向车辆共享网络,提出基础库存重定位策略并证明其渐近最优性,设计替代优化与自适应重定位算法达到最优遗憾,凸显简单策略的实用价值。
2025-10-17 cs.LG math.OC stat.ML
No-Regret Learning in Two-Echelon Supply Chain with Unknown Demand Distribution
University of Southern California(南加州大学);University of Washington(华盛顿大学)
针对需求分布未知的两级供应链模型,分别在集中式和分散式设定下基于Online Gradient Descent和Online Newton Step设计在线学习算法,实现了良好的后悔值保证与向最优库存决策的收敛,并验证了其经验有效性。
2023-10-20 cs.LG math.OC
Learning to Order for Inventory Systems with Lost Sales and Uncertain Supplies
College of Business Administration, University of Illinois at Chicago(伊利诺伊大学芝加哥分校商学院);Stern School of Business, New York University(纽约大学斯特恩商学院)
针对需求与供应分布未知且数据删失的销售损失库存系统,提出在线学习与主动剔除方法,实现相对最优策略的 O(L+√T) 遗憾界。
2023-10-31 cs.LG math.OC
Bridging Theory and Practice: A Stochastic Learning-Optimization Model for Resilient Automotive Supply Chains
Glasgow Caledonian University(格拉斯哥卡里多尼亚大学);Department of Mathematics(数学系);Quaid-i-Azam University(夸齐-伊-阿扎姆大学)
本文提出一种融合贝叶斯学习与随机优化的供应链管理框架,通过365周期仿真验证其在稳定环境和供应中断下分别降低7.4%和提升5.7%成本效益,同时揭示需求冲击下的适用边界。
2025-11-09 cs.LG math.OC stat.ML
Optimization Modeling for Pandemic Vaccine Supply Chain Management: A Review and Future Research Opportunities
本文综述了COVID-19期间疫苗供应链管理的优化模型,涵盖选址、库存、分配与物流,并整合流行病学模型,指出研究空白及未来建模与求解方向。
2023-11-18 math.OC
A simulation-optimization approach for fractional, profitability-oriented inventory control under service-level type constraints
Independent Researcher, Charlotte, NC, USA
本文提出一种结合随机模拟与利润导向优化的框架,用于在服务等级约束下提升库存管理的效率与盈利能力。
2026-04-11 cs.SY eess.SY math.OC
Optimal Ordering Policies for Multi-Echelon Supply Networks
在本文中,我们制定了一个最优的订货策略作为一个随机控制问题,每个企业决定的投入量的基础上,从他们的上游供应商的库存量的输出好。为此,我们提供了一个封闭的形式的解决方案,为给定的固定生产策略的最佳要求的原材料。我们实施建议的政策上的15个公司的非循环网络的基础上,一个真正的产品供应链。我们首先模拟理想的需求情况,然后实施需求方冲击(即,需求水平超出政策制定考虑的范围)和供应方冲击(即,一些供应商停产),以评估拟议政策的稳健性。
2022-09-11 cs.SY eess.SY math.OC
A Multi-Stage Supply Chain Network Optimization Using Genetic Algorithms
在今天的全球商业市场上,单个公司不再作为拥有独特品牌的独立实体竞争,而是作为供应链环节的组成部分竞争。任何企业成功的关键是满足客户的需求,这可能会导致成本降低和服务水平的提高。在供应链网络中,在竞争和协作的环境中,决策是在产品需求、成本、价格、交货期、质量等不确定性的情况下做出的。如果决策不当,可能会导致成本高昂的库存过剩或无法满足客户需求的库存不足。在这项工作中,我们开发了一个双目标模型,最大限度地减少系统范围内的供应链成本和延迟交付的产品配送中心的三级供应链。为多目标最优化问题选择一组Pareto前沿需要鲁棒且高效的方法,该方法可以搜索整个空间。我们使用进化算法来找到一组帕累托前沿已被证明是有效的,在寻找整个帕累托前沿。
2014-08-04 cs.NE math.OC
Laplace Transforms of Stopping Times for Subordinator with Applications to Inventory Control
Tokyo University of Science(东京科学大学)
本文通过亚ordinator的首次通过问题,推导了库存控制中订货时间的拉普拉斯变换,并结合莱维过程理论,提出了一个分析框架,用于解决间歇性需求波动下的库存优化问题。
2026-03-03 math.OC math.PR
Optimal pricing control in distribution networks with time-varying supply and demand
University of Stuttgart(斯图加特大学);Faculty of Mathematics and Natural Sciences, University of Groningen(格罗宁根大学数学与自然科学学院)
本文研究动态库存系统中的最优流控制问题,提出考虑时间变化供应需求、运输线路容量限制及Legendre型凸流成本函数的动态优化分布问题,并设计动态反馈控制器实现流的渐近最优及存储水平平衡。
2014-03-27 cs.SY eess.SY math.OC
Bullwhip effect attenuation in supply chain management via control-theoretic tools and short-term forecasts: A preliminary study with an application to perishable inventories
Université d’Artois(阿尔图瓦大学);École polytechnique(巴黎综合理工学院);AL.I.E.N.;Université de Lorraine(洛林大学)
本文通过结合控制理论工具和短期预测方法,探讨如何抑制供应链管理中的牛鞭效应,并在易腐库存应用中验证其有效性。
2019-03-11 cs.SY eess.SY math.OC
Distributional constrained reinforcement learning for supply chain optimization
Imperial College London(帝国理工学院)
本文研究了强化学习(RL)在多周期供应链中的应用,生产和库存。我们介绍了分布约束策略优化(DCPO),一种新的方法,可靠的约束满足在RL。我们的方法是基于约束策略优化(CPO),这是受到近似误差,在实践中导致它收敛到不可行的政策。我们通过将分布式RL的各个方面纳入DCPO来解决这个问题。具体来说,我们使用输出离散分布的神经网络表示收益和成本价值函数,并根据相关置信度重塑成本。使用供应链的案例研究,我们表明,DCPO提高了RL政策收敛的速度,并确保可靠的约束满足的训练结束。所提出的方法还提高了可预测性,大大降低了运行之间的回报方差,分别,这一结果是显着的策略梯度方法,这在训练过程中本质上引入显着的方差的上下文中。
2023-02-03 cs.LG math.OC
Designing a Circular Economy Network for PPE Masks Supply Chain: A Case Study of British Columbia, Canada
Peter B. Gustavson School of Business, University of Victoria(维多利亚大学彼得·B·古斯塔夫森商学院);Edwardson School of Industrial Engineering, Purdue University(普渡大学爱德华森工业工程学院)
本文以加拿大不列颠哥伦比亚省医疗口罩供应链为案例,构建多目标混合整数线性规划的闭环网络模型,证明循环模式在经济、环境和社会效益上均优于线性供应链。
2025-10-21 math.OC stat.AP
Quantum Computing Methods for Supply Chain Management
University of California, Berkeley(加州大学伯克利分校);University of Hong Kong(香港大学);The University of Chicago(芝加哥大学);qBraid Co.(qBraid公司)
预计量子计算将对许多领域产生变革性影响,但其在工业问题上的实际部署尚未得到充分探索。我们专注于将量子计算应用于工业运营管理问题,特别是供应链管理。供应链管理中的许多问题涉及大型状态和动作空间,并对经典计算机提出了计算挑战。提出了一种量化策略迭代算法,并对库存控制问题进行了求解,验证了算法的有效性。我们还深入讨论了在短期内实现这种量子算法的硬件要求和潜在挑战。我们的模拟和实验由\texttt{IBM Qiskit}和\texttt{qBraid}系统提供动力。
2022-12-01 cs.AI cs.LG math.OC
Numerical schemes for the optimal input flow of a supply-chain
University of Salerno(萨莱诺大学);Rutgers University(罗格斯大学)
提出一种创新数值技术,通过广义切向量调整供应链输入流以实现期望输出流,并基于迎风-欧拉最速下降算法给出收敛性和误差估计。
2012-08-23 cs.NA math.NA math.OC
Asymptotic optimality of Tailored Base-Surge policies in dual-sourcing inventory systems
双源库存系统,其中一个供应商速度更快(即快递),成本更高,而另一个供应商速度更慢(即常规),成本更低,在许多现实世界的供应链中自然出现。由于最优解的复结构和维数灾难,这些系统非常难以优化,已经抵抗了40多年的解决方案。最近,所谓的定制基地浪涌(TBS)政策已被提出作为一种启发式的双源问题。在这样的策略下,在每个时段中,在常规源处放置恒定订单,而在快速源处放置的订单遵循简单的订单最多规则。几位作者的数值实验表明,这样的政策表现良好的两个源之间的前置时间差变大,这正是设置中的维数灾难导致问题变得棘手。然而,为这种现象提供理论基础仍然是一个重大的开放问题。在本文中,我们提供了这样一个理论基础,证明了一个简单的TBS政策确实是渐近最优的定期源的提前期增长大,与表达源的提前期固定。我们的主要证明技术结合了新的凸性和下界参数,一个明确的实现消失折扣因子的方法来分析无限时域马尔可夫决策过程,和思想理论的随机游动和队列,显着扩展的方法和适用性的一个新的框架,分析库存模型与大的提前期最近介绍了戈德堡和共同作者的背景下,失去了,销售模式与积极的前置时间。
2016-04-19 math.OC math.PR
Traceability Technology Adoption in Supply Chain Networks
针对供应链网络中可追溯性技术采纳的种子集合选择难题,提出基于线性规划的固定参数可处理算法,并利用大规模实验揭示网络结构对扩散的影响,为管理者优化扩散策略提供依据。
2023-08-31 cs.CC cs.DS math.OC
Supply Chain Networks
Lehigh University(利哈伊大学)
研究供应链网络中系统需求不确定性和风险传播,利用随机网络属性建模,验证牛鞭效应是固有拓扑属性,扩展到瞬态环境,纳入相关机制,通过数据驱动实验展示局部中断引发的影响。
2026-07-28 cs.CE cs.SY eess.SY