基于样本划分的数据驱动报童问题研究
Data-driven optimization with samples partition for thenewsvendor problem作者机构:浙江工贸职业技术学院国际商贸学院浙江温州325003
出 版 物:《管理工程学报》 (Journal of Industrial Engineering and Engineering Management)
年 卷 期:2024年第38卷第3期
页 面:161-171页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 070105[理学-运筹学与控制论] 0701[理学-数学]
基 金:浙江省科技厅软科学项目(2020C35029) 浙江省教育厅“十三五”教学改革研究项目(jg20190893)
摘 要:大数据时代的到来为企业库存管理带来了前所未有的机遇,同时也对其相应的决策方法提出了新的挑战。高效利用实时市场数据支撑库存管理智能决策已经成为企业提升库存管理效率的关键。传统库存管理研究是基于需求预测的基础上再做库存决策。而近年来流行的数据驱动库存管理方法是跳过需求预测的过程,直接建立需求数据与库存决策的关系。本文研究数据驱动的经典报童问题,其随机需求分布是未知的,报童只有若干期历史的需求数据。本文基于数据样本划分提出了新的数据驱动鲁棒优化方法来解决报童的订货问题。该方法通过将需求数据样本划分成不同的区间来构造随机需求分布的模糊集,从而求解相应的鲁棒优化问题。理论证明了该方法随着样本量的增加,其解收敛于最优解。数值实验表明相对已有的鲁棒方法,新方法具有相对弱的鲁棒性,但平均性能更好,并且计算复杂度相对小很多。同时表明本文提出的样本划分鲁棒方法比SAA等数据驱动方法具有更好的平均性能和更强的鲁棒性。