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
Deepbullwhip: An Open-Source Simulation and Benchmarking for Multi-Echelon Bullwhip Analyses
King Fahd University of Petroleum and Minerals（法赫德国王石油与矿产大学）
本文提出deepbullwhip开源工具，通过模块化模拟引擎和基准测试框架，分析多级供应链中的牛鞭效应，展示其在不同策略下的性能差异和扩展性。
2026-04-15 cs.CE econ.GN math.OC
A Deep Q-Network Based on Radial Basis Functions for Multi-Echelon Inventory Management
Shanghai Jiao Tong University（上海交通大学）；Tongji University（同济大学）；Alibaba Group（阿里巴巴集团）
针对复杂拓扑下多级库存管理的最优决策难题，提出一种Q网络基于径向基函数的深度强化学习模型，可降低超参数调优负担，在多类库存系统中表现优于base-stock策略及现有DRL方法。
2024-01-29 cs.AI cs.LG 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
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
A Robust Optimization Approach to a Real Humanitarian Cold Supply Chain Planning on the COVID-19 crisis
在这项研究中，疫苗供应链模型的开发考虑在伊朗的不确定条件下的人道主义方面。为疫苗接种中心提供所需疫苗有三个主要组成部分，可以在三个梯队内设计和管理：供应商，配送中心和疫苗接种中心。伊朗卫生和医疗部（IMHM），伊朗红新月会（IRCS）和私营部门公司在该模型中扮演供应商的角色。一个强大的优化方法来解决现实世界的不确定性，并找到一个解决方案，处理所有不确定的数据的可能性和供应链的公平。为此，收集了伊朗的实际COVID-19数据，包括伊朗使用的五种不同类型疫苗的数据。然后，它是研究如何通过考虑优先事项，运输，持有成本，并在德黑兰，伊朗最大的城市和全球人口最多的城市之一剥夺成本，疫苗接种计划可以更有效地完成。接下来，进行一组灵敏度分析，评估不同问题情况下的剥夺成本的变化和分配给每个供应商的预算。这项研究的关键假设之一是优先考虑老年群体而不是老年群体接种疫苗。
2022-08-28 math.OC
Absolute semi-deviation risk measure for ordering problem with transportation cost in Supply Chain
给出了具有绝对半偏差风险测度的0-1变量随机规划第二阶段的分解方法。传统的随机规划模型是风险中性的，在第二阶段考虑预期成本。解决风险的一种常见方法是，除了预期成本外，还包括离散统计数据，并进行适当加权。由于缺少块角结构，具有ASD风险度量的随机规划具有计算挑战性。建议的分解算法使用另一种风险度量“预期超额”，并提供更严格的ASD随机模型的界限。我们对供应链补货问题和标准背包实例进行了计算研究。供应链实例的计算结果表明ASD风险度量在不确定性条件下的决策中的有效性，背包实例表明该方法优于直接求解器。
2016-05-26 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
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
Reverse Supply Chain Network Design of a Polyurethane Waste Upcycling System
本文提出一个MILP框架，优化聚氨酯废弃物升级回收的逆向供应链网络，以最小化成本并确定设施布局，案例显示当前经济性不敌化石原料，但激励下潜力巨大。
2025-10-09 cs.CE math.OC
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
Demand forecasting for companies with many branches, low sales numbers per product, and non-recurring orderings
我们提出了新的Top-Dog-Index来量化一个商品组的许多小分支机构的供应数据与销售数据的历史偏差。一方面，文献中关于客户需求分布的常见参数假设在我们的真实世界数据集中根本得不到支持。另一方面，直接从销售分布估计不同分支机构的需求分布的合理的非参数方法只能为我们提供统计上弱且不可靠的未来需求估计。基于我们行业合作伙伴的真实销售数据，我们提供证据证明我们的Top-Dog-Index在统计上是稳健的。使用Top-Dog-Index，我们提出了一种改进供应和需求之间的分支依赖比例的方法。我们的方法不能直接估计分支依赖的需求。然而，它可以根据历史上的供应过剩或供应不足，将分支机构分为给定数量的集群。分支的这种分类可以迭代地用于适应未来的供应和需求的分支分布。
2008-04-09 math.OC q-fin.GN
Dynamic Wholesale Pricing under Censored-Demand Learning
Luiss University（卢伊斯大学）
研究两级供应链中制造商与零售商在删失需求数据下的动态定价与订货博弈，利用维度缩减方法证明马尔可夫完美均衡存在性，并揭示公共学习引发的激励冲突。
2026-06-16 cs.GT econ.TH math.OC
Designing Information Delays in Supply Chains
Massachusetts Institute of Technology（麻省理工学院）；Booth School of Business, The University of Chicago（芝加哥大学布斯商学院）；Sy Syms School of Business, Yeshiva University（叶史瓦大学西姆斯商学院）；Stern School of Business, New York University（纽约大学斯特恩商学院）；Institute of Data, Systems, and Society, Massachusetts Institute of Technology（麻省理工学院数据、系统与 society 研究所）；Daniels School of Business, Purdue University（普渡大学丹尼尔斯商学院）
本文提出通过信息延迟机制优化供应链中的隐式信息传递，减少库存成本并提高预测能力。
2026-01-01 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
