探析对(s,S)策略存储模型的改进

在现实经营活动中,对于存储的物资,需要在多长时间内进行补充,每次补充的数量应为多少,才能使库存的费用最少,经济损失最小,而收益最大。解决此类问题,有两类有关存储的数学模型,即确定型模型和随机型模型,对于随机型模型,即模型含有随机变量,而不是确定的数值,对于这些不确定的数值,比如概率数值的取值,可以利用数据拟合的方法,确定出一个具有服从统计规律的函数,从而可以更加准确地预测出需求随机变量的概率值,增强策略存储模型的实用性。然后通过编制相应的程序以进行检验,提高存储决策的效率。

超市进货方案Monte Carlo模拟方法:基于(s,S)存储策略

本文首先采集了某大型超市40个月某货物的需求量数据,然后基于这些数据建立了两个随机存储模型.模型一为缺货补齐类随机存储系统,根据（s,S）存储策略,首先由极值公式求出S值,然后通过给出s值,算出各种（s,S）组合下的月平均库存总费用,最后对所得最优策略对应的月平均库存总费用进行点估计和区间估计.模型二为缺货不补类随机存储系统,结合MC和数值搜索法,探索（s,S）各种组合,并计算出各种组合下的总费用和缺货率,最后通过加权总费用和缺货率,求得最优存储策略.

随机需求和提前时间存储系统的建模与仿真

讨沦了需求量、需求发生的间隔以及提前时间都为随机变量的一般随机存储系统。以平均库存总费用和缺货率为系统性能指标建立仿真模型,将二者加权平均得到策略的综合系数。在各种费用参数给定后,利用计算机仿真技术来选定最优存储策略。