本发明涉及商品定价决策领域,特别涉及一种基于零售平台补贴的供应链定价和库存决策方法及系统。
背景技术:
1、我国电子商务平台在最近几年有蓬勃的发展,已经成为人们选用的主流购物方式并且促进了社会经济的繁荣,而平台补贴是发展电子商务平台的重要手段之一。
2、在传统的补贴形式中,一般是由制造商或品牌方给予经销商或零售商一定数额的补贴以激励他们以更大的销售努力去售卖产品,改善销售流程,占领更大的市场份额,从而赚取更高利润,针对传统的补贴形式,对于零售商定价和库存决策等,大多是基于经销商或者零售商的经验或者市场需求以及该产品的市场占有量进行决策;在以往的产品定价和零售商库存决策模型中,很少考虑平台的运营模式以及存在平台补贴的情况,但在现实中,为了获取更多利润,会对平台销售的产品进行补贴。
3、传统的供应链管理方法往往侧重于单一企业的内部管理,而在平台经济时代,供应链管理涉及到平台、零售商和消费者之间复杂的关系,现有技术不能清楚地确定在平台补贴的条件下,零售商面临随机需求时如何进行定价和库存决策,未考虑多因素(如库存、定价、补贴、抽成等)之间的复杂交互关系,为此,我们提出一种基于零售平台补贴的供应链定价和库存决策方法及系统。
技术实现思路
1、本发明的目的在于提供一种基于零售平台补贴的供应链定价和库存决策方法及系统,解决现有在平台补贴的条件下,面临随机需求时如何进行定价和库存决策,继而未考虑多因素(如库存、定价、补贴、抽成等)之间的复杂交互关系的问题。
2、为解决上述问题,本发明是通过以下技术方案实现的:
3、本发明提供了一种基于零售平台补贴的供应链定价和库存决策方法,所述决策方法包括以下步骤:
4、s1:构建零售商与零售平台的stackelberg博弈模型;
5、所述stackelberg博弈模型的构建是根据价格依赖的报童模型,依据平台补贴模式以及供应链参数设置,构建零售商与平台的stackelberg博弈模型;
6、所述供应链是由一个零售平台和多个异质性零售商组成的;
7、所述stackelberg博弈模型包括零售商r的期望利润函数以及零售平台p的期望利润函数;
8、所述零售商i的期望利润函数为:
9、
10、所述零售平台的期望利润函数为:
11、
12、式中,i表示零售商,di表示市场对零售商的产品需求,pi表示零售商的产品定价,qi表示零售商i的产品库存,zi表示零售商i的产品库存因子,ci表示零售商i的单位产品订购成本,εi表示零售商i的随机需求,服从一定的连续概率分布,μi表示εi的均值,hi表示零售商i的单位产品残值,si表示零售商i的单位产品缺货惩罚成本,θi表示零售平台对零售商i的抽成比例,δi表示零售平台对零售商i的补贴比率,πp表示零售平台的利润,πi表示零售商i的利润;
13、s2:根据平台对零售商补贴总额有限的条件,建立上层为零售平台、下层为n个零售商的双层规划模型;
14、对零售商和零售平台的期望利润模型进行化简,结合平台给予零售商的补贴总额,建立上层为零售平台、下层为n个零售商的双层规划模型;
15、s3:通过设计改进的粒子群算法对双层规划模型求解;
16、确立求解思路,在一定范围内进行搜索从而求得最佳解,用粒子群优化算法进行优化求解,不断迭代出新的θi和δi。
17、优选的,所述s1中构建stackelberg博弈模型的具体方法包括:
18、s11:零售商面临的需求d为:
19、di(p,ε)=y(pi)+εi,
20、y(pi)=ai-bi(1-δi)pi,ai>0,bi>0,
21、其中,y(pi)表示零售商的确定性需求;
22、s12:考虑订货成本、超储成本、欠储成本等因素,引入库存因子,得到零售商i的期望利润函数
23、s13:根据零售商确定的产品定价pi与库存qi,零售平台确定对零售商的补贴比率δi和抽成比率θi,得到零售平台的期利润函数
24、优选的,所述s2中双层规划模型的建立方法为:
25、s21:对零售商和零售平台的期望利润进行简化,定义经整理后得到零售商i的最优利润表达式πi以及零售平台的最优利润表达式πp:
26、πi=[(1-θi)pi-ci][ai-bi(1-δi)pi]-(ci+hi)zi-siμi+[(1-θi)pi+si+hi][μi-θ(zi)];
27、
28、s22:考虑到平台给予所有零售商的补贴总额有限,抽成比率和补贴比率介于0到1之间,且平台出于盈利考虑,抽成比率大于补贴比率,基于以上条件,构建一个上层为零售平台、下层为n个零售商的双层规划模型;
29、其中,上层包含零售平台的规划模型为:
30、
31、下层包含多个异质性零售商的规划模型为:
32、maxπi=[(1-θi)pi-ci][ai-bi(1-δi)pi]-(ci+hi)zi-siμi+[(1-θi)pi+si+hi][μi-θ(zi)]
33、s.t.
34、pi>0。
35、优选的,所述s3中双层规划模型的求解方法为:
36、s31:对下层模型进行初步求解,分别求πi(zi,pi)关于zi、pi的一阶和二阶导数,求得最优解pi;
37、s32:将上述最优解pi代入零售商利润中,令πi(zi,pi)关于zi、pi的一阶导数等于0,得到和把最优解和代入上层包含零售平台的规划模型中,得到新的规划式;
38、s33:给定相关参数和迭代次数,对于外层变量θi、δi,按照式上层包含零售平台的规划模型的约束进行初始化;
39、s34:将外层变量θi、δi固定,内层按照下层包含的优化目标,根据一阶条件为0,计算出给定θi、δi的最优解pi、zi;
40、s35:返回得到内层的最优值下的zi、pi,与外层对应的θi、δi,共四个变量,在外层中将zi、pi固定,按照存在最优解的条件作为约束条件计算适应度,用粒子群优化算法进行优化求解,不断迭代出新的θi、δi;
41、s36:判断是否满足包含零售平台的规划模型约束条件,如不满足则淘汰该组数值,满足则进入s37;
42、s37:返回步骤s34,直至迭代次数达到预先设定,输出zi、pi,与θi、δi。
43、本发明还提供了一种基于零售平台补贴的供应链定价和库存决策系统,所述决策系统具体包括以下模块:
44、stackelberg博弈模型构建模块,用于构建零售商与零售平台的stackelberg博弈模型;
45、所述stackelberg博弈模型的构建是根据价格依赖的报童模型,依据平台补贴模式以及供应链参数设置,构建零售商与平台的stackelberg博弈模型;
46、所述供应链是由一个零售平台和多个异质性零售商组成的;
47、所述stackelberg博弈模型包括零售商r的期望利润函数以及零售平台p的期望利润函数;
48、所述零售商i的期望利润函数为:
49、
50、所述零售平台的期望利润函数为:
51、
52、式中,i表示零售商,di表示市场对零售商的产品需求,pi表示零售商的产品定价,qi表示零售商i的产品库存,zi表示零售商i的产品库存因子,ci表示零售商i的单位产品订购成本,εi表示零售商i的随机需求,服从一定的连续概率分布,μi表示εi的均值,hi表示零售商i的单位产品残值,si表示零售商i的单位产品缺货惩罚成本,θi表示零售平台对零售商i的抽成比例,δi表示零售平台对零售商i的补贴比率,πp表示零售平台的利润,πi表示零售商i的利润;
53、双层规划模型建立模块,用于根据平台对零售商补贴总额有限的条件,建立上层为零售平台、下层为n个零售商的双层规划模型;
54、对零售商和零售平台的期望利润模型进行化简,结合平台给予零售商的补贴总额,建立上层为零售平台、下层为n个零售商的双层规划模型;
55、双层规划模型求解模块,用于设计改进的粒子群算法对双层规划模型求解;
56、确立求解思路,在一定范围内进行搜索从而求得最佳解,用粒子群优化算法进行优化求解,不断迭代出新的θi和δi。
57、优选的,所述stackelberg博弈模型构建模块的模型的构建方法包括:
58、s11:零售商面临的需求d为:
59、di(p,ε)=y(pi)+εi,
60、y(pi)=ai-bi(1-δi)pi,ai>0,bi>0,
61、其中,y(pi)表示零售商的确定性需求;
62、s12:考虑订货成本、超储成本、欠储成本等因素,引入库存因子,得到零售商i的期望利润函数
63、s13:根据零售商确定的产品定价pi与库存qi,零售平台确定对零售商的补贴比率δi和抽成比率θi,得到零售平台的期利润函数
64、优选的,所述双层规划模型建立模块的模型建立方法为:
65、s21:对零售商和零售平台的期望利润进行简化,定义经整理后得到零售商i的最优利润表达式πi以及零售平台的最优利润表达式πp:
66、πi=[(1-θi)pi-ci][ai-bi(1-δi)pi]-(ci+hi)zi-siμi+[(1-θi)pi+si+hi][μi-θ(zi)];
67、
68、s22:考虑到平台给予所有零售商的补贴总额有限,抽成比率和补贴比率介于0到1之间,且平台出于盈利考虑,抽成比率大于补贴比率,基于以上条件,构建一个上层为零售平台、下层为n个零售商的双层规划模型;
69、其中,上层包含零售平台的规划模型为:
70、
71、下层包含多个异质性零售商的规划模型为:
72、maxπi=[(1-θi)pi-ci][ai-bi(1-δi)pi]-(ci+hi)zi-siμi+[(1-θi)pi+si+hi][μi-θ(zi)]
73、s.t.
74、pi>0。
75、优选的,所述双层规划模型求解模块的求解方法为:
76、s31:对下层模型进行初步求解,分别求πi(zi,pi)关于zi、pi的一阶和二阶导数,求得最优解pi;
77、s32:将上述最优解pi代入零售商利润中,令πi(zi,pi)关于zi、pi的一阶导数等于0,得到和把最优解和代入上层包含零售平台的规划模型中,得到新的规划式;
78、s33:给定相关参数和迭代次数,对于外层变量θi、δi,按照式上层包含零售平台的规划模型的约束进行初始化;
79、s34:将外层变量θi、δi固定,内层按照下层包含的优化目标,根据一阶条件为0,计算出给定θi、δi的最优解pi、zi;
80、s35:返回得到内层的最优值下的zi、pi,与外层对应的θi、δi,共四个变量,在外层中将zi、pi固定,按照存在最优解的条件作为约束条件计算适应度,用粒子群优化算法进行优化求解,不断迭代出新的θi、δi;
81、s36:判断是否满足包含零售平台的规划模型约束条件,如不满足则淘汰该组数值,满足则进入s37;
82、s37:返回步骤s34,直至迭代次数达到预先设定,输出zi、pi,与θi、δi。
83、本发明与现有技术相比较,具有以下有益效果:
84、本发明引入了产品补贴背景下的博弈模型,更准确地反映了零售商和零售平台之间的复杂关系,能够考虑到双方的利益和策略,从而导致更具竞争力和长期可持续性的定价、库存和补贴策略,零售平台可以根据市场需求和竞争情况动态调整补贴策略,使得平台能够在不断变化的市场条件下灵活应对,提高了市场占有率,同时最大程度地保持了盈利水平。
85、本发明综合考虑了多个因素,包括定价、库存和补贴,以实现整体最优化,这种综合考虑能够确保零售商和平台的决策在多个关键因素之间达到了平衡,提高了整体效率,增强了盈利能力和市场竞争力,降低了库存风险。
86、本发明通过构建存在平台补贴的供应链运营决策的新模型,有助于为形成考虑产品补贴的平台供应链运营决策新理论做出贡献,同时在“零售平台价格补贴”这一新的背景下研究产品的定价与库存以及平台补贴,有益于推动企业运营管理理论的发展。
87、本发明根据现实情况设计了存在多个异质性零售商的双层规划模型,并提出模型求解方法,根据求解方法设计了改进的粒子群算法用于求解模型,最后仅在算法中输入零售商数量以及平台的补贴总额,该算法就可以快速计算出零售平台对不同规模零售商的最优补贴、抽成策略以及零售商的最优定价、库存策略,切实解决了平台补贴和零售商的决策问题。