庫存管理中的 (s, S) 策略,K convex,K 凸
當需求隨機時,常見的庫存管理中的訂貨策略有 (s, S) 策略:當庫存水平低於 s 時,訂貨 S-I; 當庫存水平高於 s 時,不訂貨。
若庫存成本的遞推函式是 k-凸,則 (s, S) 策略為最有訂貨策略,可以得到最小的期望總成本。
k-convex 的定義1:對於任何 x, 以及任何正數 a, b,滿足如下條件:
\begin{equation}K+f(a+x)-f(x)-a\Big\{\frac{f(x)-f(x-b)}{b}\Big\}\geq 0\end{equation}
則為 k-convex.
或寫為(定義2):
\begin{equation}K+f(a+x)-f(x)-af'(x)\geq 0\end{equation}
或寫為(定義3):
\begin{equation}\mu f(x_1)+(1-\mu)(f(x_2)+K)\geq f(\mu x_1+(1-\mu)x_2)\end{equation}
證明 k-convex 要用到數學歸納法。
一個 K 凸函式的圖形如下所示:
這個例子的各引數取值為:
% example: double fixedOrderingCost = 500;
% double proportionalOrderingCost = 0;
% double penaltyCost = 10;
% double[] meanDemand = {9, 23, 53, 29}; //Poisson;
% double holdingCost = 2;
% int maxOrderQuantity = 100;
個人認為:
K 凸函式的幾何意義是,圖形的波動不超過 K;
即任意兩個點 x 與 x+a (a>0), f(x) 與 f(x+a)+K 的連線一定高於 [x, x+a] 區域內的 f(x)影象。
下面的圖形反映了定義2的幾何意義:
下面的圖形反映了定義1的幾何意義:
猜想:兩個 K 凸函式的最大值仍為 K 凸函式。