基于自组织神经网络和DEA的采购拍卖获胜者确定问题模型

针对采购拍卖中存在的品种多、数量大、利润差异大以及评价指标体系不合理等特点,首先在供应商投标后利用自组织神经网络和分包算法对供应商投标进行约减,以提高包内物品相似度、均衡供应商之间的竞争性、降低胜者确定问题算法的复杂度;接着利用数据包络分析中的C^2R模型对"约减"后的投标进行相对评价并确定最终获胜供应商,以解决传统指标体系评价方法中假设属性间不相关以及人为设定权重等不足.该模型为采购拍卖胜者确定问题的解决提出了新的思路,具有很好的实用性.

数字经销平台统采共配双层拍卖机制设计

针对当前都市圈经销商因“孤立式发展、分散化建网”而导致无法满足碎片化订单、多渠道履约及高频高效配送要求等痛点,提出了一种数字经销平台统采共配双层拍卖机制。在上层机制中,考虑一家数字经销平台(卖者)与多家经销商(买者),以社会福利最大化为目标,构建了单边组合Vickery-Clarke-Groves(O-VCG)拍卖机制,实现了多物品多单元环境下的供需匹配。在下层机制中,考虑一家经销商(卖者)与多家承运商(买者),基于O-VCG拍卖机制的思想,实现了从城市集拼仓到门店、从门店到客户的两级城配运输服务采购。特别地,下层机制采用多轮O-VCG竞拍以满足多家经销商的运输需求。所提出的O-VCG拍卖机制可以实现激励相容、个体理性和配置效率。经销商构建基于需求预测及控制合理库存的上层拍卖投标策略。构建两级基于车容的城配车辆路径问题(Two-Echelon Capacity-Based Vehicle Routing Problem,2E-CVRP)近似优化算法,用于求解下层拍卖机制中基于库存限制的竞价生成问题(Bid Generation Problem,BGP)。针对双层拍卖中的胜者确定问题(Winner Determination Problem,WDP),提出有效的WDP算法。最后,基于全球最大的医药流通集团的真实数据进行数值仿真实验,结果表明:数字经销平台统采共配的双层拍卖机制可以高效分配货权及运单,合理确定批发价及城配运价,提高社会总效益,降低两级城配运输成本。

两阶段反向组合多属性拍卖分包算法

针对反向拍卖中根据物品部件分解情况"分包"的方式不能保证包内"高相似性"与供应商之间"高竞争性"的问题,采用"先分包、后拆包"的两阶段反向组合多属性拍卖分包算法以降低胜者确定问题算法复杂度,"分包"阶段保证了包内物品的相似度,"拆包"阶段保证了供应商之间的竞争性.在求解胜者确定问题时,可利用在供应商投标后通过该算法生成的"分包"对投标进行约减以降低算法复杂度,并能有效降低主观性对分包质量的影响,从而降低采购成本.该算法为反向组合多属性拍卖WDP问题的解决提出了新的思路.