CN116664262B - 一种基于报童模型的物流企业车辆租赁策略制定方法 - Google Patents
一种基于报童模型的物流企业车辆租赁策略制定方法 Download PDFInfo
- Publication number
- CN116664262B CN116664262B CN202310597676.2A CN202310597676A CN116664262B CN 116664262 B CN116664262 B CN 116664262B CN 202310597676 A CN202310597676 A CN 202310597676A CN 116664262 B CN116664262 B CN 116664262B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- model
- lease
- newsboy
- vehicles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009826 distribution Methods 0.000 claims description 14
- 238000005315 distribution function Methods 0.000 claims description 13
- 230000001737 promoting effect Effects 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 50
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于报童模型的物流企业车辆租赁策略制定方法，涉及物流技术领域。所述基于报童模型的物流企业车辆租赁策略制定方法具体步骤如下：利用报童模型对物流企业车辆租赁策略问题进行描述，基于所述报童模型建立租赁策略的基本利润函数模型，确定一个概率密度函数来描述促销季的市场需求，将车辆租赁时长和车辆租赁数目作为所述基本利润函数模型的决策变量，求解得到期望利润值最大时对应的最优租赁策略。本发明充分考虑了网购促销季市场快递运输需求量激增，物流公司难以利用平时的车辆租赁策略来应对，并且兼顾到物流企业利润最大化，建立了一个利润模型，为物流公司提供考虑到利润和减轻运输压力的货运车辆租赁策略。
Description
技术领域
本发明涉及物流技术技术领域，尤其是指一种基于报童模型的物流企业车辆租赁策略制定方法。
背景技术
在过去的几十年里，人类在应对灾难后的紧急情况方面获得了丰富的经验，一些学者从不同角度对应急物流系统进行了研究，提出了一些有效的应对措施，这为后续遇到紧急情况提供了有利经验。经典报童模型被称为不确定需求分布下的经典库存管理模型，通过对该模型的研究有助于更加深入的了解库存管理领域的知识，更好的进行库存管理，解决库存管理中遇到的问题。在紧急情况下的物流系统研究领域中，相关技术和解决方案已被提出。
随着电子商务的快速发展，越来越多的居民积极参与到网购促销活动中，而在促销季期间，市场快递运输需求量巨大，物流公司难以利用平时的车辆租赁策略来应对。
现有的对于应急物流系统的研究主要关注于提高系统的运作效率，主要是针对以下问题：物流配送中心的选址、资源分配策略以及应急物流中的路线优化和调度问题，而对应急物流系统的盈利能力没有太多关注，对于应急物流系统来说，运作效率是至关重要的，但对于面对类似紧急、突发情况的商业物流系统来说，其盈利性同样值得关注。而以往的研究表明，并没有较好的针对物流系统在紧急情况下盈利能力的技术被提出。
报童模型主要被用于解决库存管理问题，但作为一种性能极为优越的模型，却很少有研究人员将其应用于解决货运车辆租赁的商业物流问题上。
从以上内容可以看出，该领域现有的技术主要存在如下缺点或未考虑到的方面：对应急物流系统的分析局限于灾后系统恢复，物资分配工作，配送中心选址，配送路径选择与优化等，并未过多考虑面对需求激增情况下系统的应急问题以及盈利问题；在解决物流订单问题过程中，所分析研究的对象较为单一，即大多数方法或技术未同时考虑到订单数目和订单时长；报童模型在物流系统现有的技术中应用较少，而物流系统中的需求和利润两个特征在报童模型中有直接的体现，也就是说，能够直接用来分析解决物流系统中激增需求问题且同时兼顾到利润最大化的技术较少。
发明内容
为此，本发明所要解决的技术问题在于提供一种基于报童模型的物流企业车辆租赁策略制定方法以克服现有技术中未能充分考虑物流企业的利润、未能较好的解决网购促销季激增的物流压力问题。
为解决上述技术问题，本发明提供了一种基于报童模型的物流企业车辆租赁策略制定方法，具体的制定方法如下：首先利用报童模型对物流企业车辆租赁策略问题进行描述，假设物流企业一共有N种车辆类型,i＝1,2,…N,每种类型车辆的租赁数目为Qi,签订租赁合同时每种类型的车辆的租赁期限为Ti,促销期间市场需求的车辆数目为D,物流企业需要租车以满足市场需求的时长为t,每辆车的最大运输能力为vi,促销季每种类型的车辆在单位时间和单位数目内的收益为ri,签订合同时每辆车的固定成本为ki,每种类型的车辆在单位时间和单位数目内的可变成本为mi,每种类型的车辆在单位时间和单位数目内的剩余价值为si,以容量衡量的单位未满足需求的惩罚为p,用于描述促销季的市场车辆需求的概率密度函数f(x)；基于所述报童模型，建立租赁策略的基本利润函数模型和利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略，即车辆租赁最佳时长和车辆租赁最佳数目；
其中，利润函数的基本模型为：
利润函数的期望模型为：
优选地，所述报童模型中当N＝4时，车辆类型包括重型、中型、轻型和微型货车。
优选地，所述报童模型中运输车辆的成本包括固定成本ki和可变成本mi。
优选地，所述固定成本ki在签订租赁合同时就已产生，包括车辆保险，所述可变成本mi从车辆正式投入使用时开始产生，包括司机的工资、燃料费用、维护费用。
优选地，所述报童模型中每种类型的车辆在单位时间和单位数目内的剩余价值为si表示租赁合同签署后，某些车辆投入使用，未被使用车辆在市场需求满足的情况下可以出租给第三方，即为所述车辆的剩余价值si。
优选地，所述报童模型中以容量衡量的单位未满足需求的惩罚p表示，根据物流企业制定的车辆租赁策略中的车辆租赁数目、租赁期限、以及每辆车所承载容量计算车辆租赁策略可运输总容量，将所述可运输总容量与市场需求所对应的总容量进行比较，若可运输总容量小于市场需求所对应的总容量，那么物流企业将被处惩罚，需要提供额外折扣或者承担一定赔偿。
优选地，所述用于描述促销季的市场车辆需求的概率密度函数f(x)用指数分布函数来描述，所述指数分布函数的基本形式如下：
其中，λ是常数且λ>0，随机变量x服从参数为λ的指数分布。
优选地，所述根据利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略包括：
将车辆租赁时长T和车辆租赁数目Q作为所述基本利润函数模型的决策变量，先将车辆租赁数目Q视作常数，根据利润函数的基本模型计算得出最大利润和相应车辆的租赁时长；
在所述最大利润相应的租赁时长下，根据利润函数的基本模型计算租赁时长最佳时的最大利润和相应车辆的租赁数目。
优选地，所述期望利润值达到最大时的模型，表示如下：
max Z＝E(π(Q,T))
其中Z是期望利润值,B是物流企业租赁车辆的总预算。
本发明还提供了一种基于报童模型的物流企业车辆租赁策略制定装置，包括：
问题描述模块：首先利用报童模型对物流企业车辆租赁策略问题进行描述，假设物流企业一共有N种车辆类型,i＝1,2,…N,每种类型车辆的租赁数目为Qi,签订租赁合同时每种类型的车辆的租赁期限为Ti,促销期间市场需求的车辆数目为D,物流企业需要租车以满足市场需求的时长为t,每辆车的最大运输能力为vi,促销季每种类型的车辆在单位时间和单位数目内的收益为ri,签订合同时每辆车的固定成本为ki,每种类型的车辆在单位时间和单位数目内的可变成本为mi,每种类型的车辆在单位时间和单位数目内的剩余价值为si,以容量衡量的单位未满足需求的惩罚为p,用于描述促销季的市场车辆需求的概率密度函数f(x)；
利润函数模型建立模块：基于所述报童模型，建立租赁策略的基本利润函数模型，将车辆租赁时长T和车辆租赁数目Q作为所述基本利润函数模型的决策变量，利润函数的基本模型为：
利润函数的期望模型为：
最优租赁策略确定模块：根据所述利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略，即车辆租赁最佳时长和车辆租赁最佳数目。
本发明的上述技术方案相比现有技术具有以下优点：
本发明所提供的一种基于报童模型的物流企业车辆租赁策略制定方法，首先利用报童模型对物流企业车辆租赁策略问题进行描述，基于所述报童模型建立租赁策略的基本利润函数模型，确定一个指数分布函数来描述促销季的市场需求，将车辆租赁时长和车辆租赁数目作为所述基本利润函数模型的决策变量，计算利润函数达到最大时的模型，充分考虑了网购促销季市场快递运输需求量激增，物流公司难以利用平时的车辆租赁策略来应对，并且兼顾到物流企业盈利问题，为物流公司提供考虑到利润和减轻运输压力的货运车辆租赁策略，可以在有效缓解市场需求激增的情况下的快递物流压力下，让物流企业的利润达到最大化。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1为本发明所提供的基于报童模型的物流企业车辆租赁策略制定方法的具体步骤；
图2为京东618网上购物销售额柱状图；
图3为当λ＝200时的车辆需求分配；
图4为促销季节车辆的租赁时长曲线图；
图5为促销季节车辆的租赁数目曲线图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
参照图1，图1为本发明所提供的基于报童模型的物流企业车辆租赁策略制定方法的具体步骤，过程如下：
步骤S101：首先利用报童模型对物流企业车辆租赁策略问题进行描述，假设物流企业一共有N种车辆类型,i＝1,2,…N,每种类型车辆的租赁数目为Qi,签订租赁合同时每种类型的车辆的租赁期限为Ti,促销期间市场需求的车辆数目为D,物流企业需要租车以满足市场需求的时长为t,每辆车的最大运输能力为vi,促销季每种类型的车辆在单位时间和单位数目内的收益为ri,签订合同时每辆车的固定成本为ki,每种类型的车辆在单位时间和单位数目内的可变成本为mi,每种类型的车辆在单位时间和单位数目内的剩余价值为si,以容量衡量的单位未满足需求的惩罚为p,用于描述促销季的市场车辆需求的概率密度函数表示为f(x)；
所述报童模型中当N＝4时，车辆类型包括重型、中型、轻型和微型货车；
所述报童模型中运输车辆的成本包括固定成本ki和可变成本mi；
其中，所述固定成本ki在签订租赁合同时就已产生，包括车辆保险，所述可变成本mi从车辆正式投入使用时开始产生，包括司机的工资、燃料费用、维护费用；
所述报童模型中每种类型的车辆在单位时间和单位数目内的剩余价值为si表示租赁合同签署后，某些车辆投入使用，未被使用车辆在市场需求满足的情况下可以出租给第三方，即为所述车辆的剩余价值si；
所述报童模型中以容量衡量的单位未满足需求的惩罚p表示，根据物流企业制定的车辆租赁策略中的车辆租赁数目、租赁期限、以及每辆车所承载容量计算车辆租赁策略可运输总容量，将所述可运输总容量与市场需求所对应的总容量进行比较，若可运输总容量小于市场需求所对应的总容量，那么物流企业将被处惩罚，需要提供额外折扣或者承担一定赔偿。
步骤S102：基于所述报童模型，建立租赁策略的基本利润函数模型；
本发明所提出的租赁策略的基本利润函数模型，给定了两个变量T和Q作为所述基本利润函数模型的决策变量，前者用于描述车辆租赁时长，后者用于描述车辆租赁数目；
其中，需要确定一个概率密度函数来描述促销季的市场车辆需求，以便更好地应用于实际场景中，实际上，所述市场车辆需求是一个随机发展过程，指数分布函数被广泛用于描述随机变化过程中；在概率论与统计学中，指数分布是描述泊松过程中事件之间时间的概率分布，即事件以恒定的平均速率连续独立发生的过程，在促销季市场需求激增的背景下，用指数分布函数来描述这种激增的需求，选择指数分布函数来表示需求的原因：
参照图2京东618网上购物销售额柱状图所示，自2017年到2022年，在6月18日的促销季期间，京东平台的营收呈上升趋势，该趋势与指数函数曲线形状基本相同，故其可以用指数曲线表示，与此同时，营业额一直保持着高增长率(不少于10％)，这表明促销季的需求激增；
通过对前些年促销季的网上购物数据进行分析，可以看出，该时期显示的市场需求的变化特征与指数分布的变化一致，应用该函数具有良好的适配性，作为指数型函数，指数分布函数的密度函数表现出快速增长速度，与上述市场需求的变化一致，即促销季节的市场需求与指数分布函数具有类似的增长趋势；
在网购促销季期间，市场需求是随机的，只与市场和人们的购买活动有关，不会受到一些额外因素的影响，根据前几年的销售情况，我们可以预测今年或未来几年促销季的网购市场需求，指数分布函数可以反映这个过程相应的市场需求变化，因此，本发明选用指数分布函数来描述促销季的市场车辆需求的，具体方程表示如下：
其中，λ是常数且λ>0，随机变量x服从参数为λ的指数分布；
参照图3，图3为当λ＝200时的车辆需求分配，显示了促销季节的市场车辆需求分布，表明在这种情况下的车辆需求是随机的，概率不连续，所述指数分布函数的参数为200时，获得满足指数分布的车辆需求随机分配值；
为了使所述基本利润函数模型更贴合现实，本发明结合物流系统货运车辆的使用情况，根据货运车辆的尺寸和规格，将车辆分为四类进行分析：重型、中型、轻型和微型货车(缩写为a、b、c和d)，所述利润函数的基本形式为：
为了在相对较长的时期内描述这个问题，对以上函数求期望，得到以下期望模型：
然而，由于以上模型中有两个变量，因此很难得到该函数的单调性并直接对其求解，也就是说不能直接获得最优的车辆租赁数目和租赁周期，因此，所述利润函数被转换为以下形式的方程，得到利润函数的基本模型为：
利润函数的期望模型为：
步骤S103：根据所述利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略，即车辆租赁最佳时长和车辆租赁最佳数目；
所述期望利润值达到最大时的模型，表示如下：
max Z＝E(π(Q,T))
其中Z是期望利润值,B是物流企业租赁车辆的总预算；
为了求解上述模型，先将车辆租赁数目Q视作常数，根据利润函数的基本模型计算得出最大利润和相应车辆的租赁时长，在所述最大利润相应的租赁时长下，根据利润函数的基本模型计算租赁时长最佳时的最大利润和相应车辆的租赁数目；
参照图4，图4为促销季节车辆的租赁时长曲线图，显示了四种车辆的利润与租赁时长之间的关系，将车辆租赁数目看作常数，图中四条曲线的最高点表示达到最大利润的租赁时长；
参照图5，图5为促销季节车辆的租赁数目曲线图，显示了四种车辆的利润与租赁数目之间的关系，租赁时长为所述最佳租赁时长时，图中四条曲线的最高点表示租赁时长最佳时的最大利润和相应车辆的租赁数目，具体数据如表1所示：
表1最佳车辆租赁策略
表1显示了四种车辆在面临不断增加的市场需求时的租赁数目和租赁时长，并给出了最佳车辆租赁策略以及对应的总利润，更确切的说，根据设置的具体参数，物流公司在根据上述策略选择租用重型货车时，应考虑租用238辆车，为期108天，类似的，选择租用中型货车时，应考虑租用319辆车，为期111天，选择租用轻型货车时，应考虑租用373辆车，为期113天，选择租用微型货车时，应考虑租用319辆车，为期113天；
按照上述租赁策略该物流企业可以在本实施例设定的条件下满足货运需求量的同时获得利润最大化。
上述结果是通过人为设置模型中的参数值来实现的，只是为了求解和分析该模型，在该方法的实际应用过程中，应该根据具体情况确定适当的参数值(如车辆租赁成本和残余价值)，以获得预期结果(租赁策略)。
本发明具体实施例还提供了一种基于报童模型的物流企业车辆租赁策略制定装置，包括：
问题描述模块：首先利用报童模型对物流企业车辆租赁策略问题进行描述，假设物流企业一共有N种车辆类型,i＝1,2,…N,每种类型车辆的租赁数目为Qi,签订租赁合同时每种类型的车辆的租赁期限为Ti,促销期间市场需求的车辆数目为D,物流企业需要租车以满足市场需求的时长为t,每辆车的最大运输能力为vi,促销季每种类型的车辆在单位时间和单位数目内的收益为ri,签订合同时每辆车的固定成本为ki,每种类型的车辆在单位时间和单位数目内的可变成本为mi,每种类型的车辆在单位时间和单位数目内的剩余价值为si,以容量衡量的单位未满足需求的惩罚为p,用于描述促销季的市场车辆需求的概率密度函数表示为f(x)；
利润函数模型建立模块：基于所述报童模型，建立租赁策略的基本利润函数模型，将车辆租赁时长T和车辆租赁数目Q作为所述基本利润函数模型的决策变量，利润函数的基本模型为：
利润函数的期望模型为：
最优租赁策略确定模块：根据所述利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略，即车辆租赁最佳时长和车辆租赁最佳数目。
本领域内的技术人员应明白，本申请的实施例可提供为方法和装置。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，以上对本发明所提供的一种基于报童模型的物流企业车辆租赁策略制定方法及装置仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，具体的制定方法如下：
首先利用报童模型对物流企业车辆租赁策略问题进行描述，假设物流企业一共有N种车辆类型,i＝1,2,…N,每种类型车辆的租赁数目为Qi,签订租赁合同时每种类型的车辆的租赁期限为Ti,促销期间市场需求的车辆数目为D,物流企业需要租车以满足市场需求的时长为t,每辆车的最大运输能力为vi,促销季每种类型的车辆在单位时间和单位数目内的收益为ri,签订合同时每辆车的固定成本为ki,每种类型的车辆在单位时间和单位数目内的可变成本为mi,每种类型的车辆在单位时间和单位数目内的剩余价值为si,以容量衡量的单位未满足需求的惩罚为p,用于描述促销季的市场车辆需求的概率密度函数f(x)；
基于所述报童模型，建立租赁策略的利润函数的基本模型，将车辆租赁时长T和车辆租赁数目Q作为所述利润函数的基本模型的决策变量，利润函数的基本模型为：
利润函数的期望模型为：
根据所述利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略，得到车辆租赁最佳时长和车辆租赁最佳数目。
2.根据权利要求1所述的一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述报童模型中当N＝4时，车辆类型包括重型、中型、轻型和微型货车。
3.根据权利要求1所述的一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述报童模型中运输车辆的成本包括固定成本ki和可变成本mi。
4.根据权利要求3所述的一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述固定成本ki在签订租赁合同时就已产生，包括车辆保险，所述可变成本mi从车辆正式投入使用时开始产生，包括司机的工资、燃料费用、维护费用。
5.根据权利要求1所述的一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述报童模型中每种类型的车辆在单位时间和单位数目内的剩余价值为si表示租赁合同签署后，某些车辆投入使用，未被使用车辆在市场需求满足的情况下可以出租给第三方，得到所述车辆的剩余价值si。
6.根据权利要求1所述一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述报童模型中以容量衡量的单位未满足需求的惩罚p表示，根据物流企业制定的车辆租赁策略中的车辆租赁数目、租赁期限、以及每辆车所承载容量计算车辆租赁策略可运输总容量，将所述可运输总容量与市场需求所对应的总容量进行比较，若可运输总容量小于市场需求所对应的总容量，那么物流企业将被处惩罚，需要提供额外折扣或者承担赔偿。
7.根据权利要求1所述的一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述用于描述促销季的市场车辆需求的概率密度函数f(x)用指数分布函数来描述，所述指数分布函数的基本形式如下：
其中，λ是常数且λ>0，随机变量x服从参数为λ的指数分布。
8.根据权利要求1所述的一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述根据利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略包括：
将车辆租赁时长T和车辆租赁数目Q作为所述利润函数的基本模型的决策变量，先将车辆租赁数目Q视作常数，根据利润函数的基本模型计算得出最大利润和相应车辆的租赁时长；
在所述最大利润相应的租赁时长下，根据利润函数的基本模型计算租赁时长最佳时的最大利润和相应车辆的租赁数目。
9.根据权利要求1所述的一种基于报童模型的物流企业车辆租赁策略制定方法，其特征在于，所述期望利润值达到最大时的模型，表示如下：
max Z＝E(π(Q,T))
其中Z是期望利润值,B是物流企业租赁车辆的总预算。
10.一种基于报童模型的物流企业车辆租赁策略制定装置，其特征在于，包括：
问题描述模块：首先利用报童模型对物流企业车辆租赁策略问题进行描述，假设物流企业一共有N种车辆类型,i＝1,2,…N,每种类型车辆的租赁数目为Qi,签订租赁合同时每种类型的车辆的租赁期限为Ti,促销期间市场需求的车辆数目为D,物流企业需要租车以满足市场需求的时长为t,每辆车的最大运输能力为vi,促销季每种类型的车辆在单位时间和单位数目内的收益为ri,签订合同时每辆车的固定成本为ki,每种类型的车辆在单位时间和单位数目内的可变成本为mi,每种类型的车辆在单位时间和单位数目内的剩余价值为si,以容量衡量的单位未满足需求的惩罚为p,用于描述促销季的市场车辆需求的概率密度函数f(x)；
利润函数模型建立模块：基于所述报童模型，建立租赁策略的利润函数的基本模型，将车辆租赁时长T和车辆租赁数目Q作为所述利润函数的基本模型的决策变量，利润函数的基本模型为：
利润函数的期望模型为：
最优租赁策略确定模块：根据所述利润函数的期望模型，求解得到期望利润值最大时对应的最优租赁策略，即车辆租赁最佳时长和车辆租赁最佳数目。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310597676.2A CN116664262B (zh) | 2023-05-25 | 2023-05-25 | 一种基于报童模型的物流企业车辆租赁策略制定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310597676.2A CN116664262B (zh) | 2023-05-25 | 2023-05-25 | 一种基于报童模型的物流企业车辆租赁策略制定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116664262A CN116664262A (zh) | 2023-08-29 |
| CN116664262B true CN116664262B (zh) | 2024-09-13 |
Family
ID=87721712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310597676.2A Active CN116664262B (zh) | 2023-05-25 | 2023-05-25 | 一种基于报童模型的物流企业车辆租赁策略制定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116664262B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730091A (zh) * | 2017-09-26 | 2018-02-23 | 沈阳工业大学 | 一种单周期二级物流服务供应链的协调运作方法 |
| CN111222932A (zh) * | 2018-11-23 | 2020-06-02 | 北京嘀嘀无限科技发展有限公司 | 订单周期计算方法、装置及电子设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7265691B2 (en) * | 2005-06-23 | 2007-09-04 | 1Stworks Corporation | Modeling for enumerative encoding |
| US8056667B2 (en) * | 2008-04-22 | 2011-11-15 | GM Global Technology Operations LLC | Autonomous parking strategy based on available parking space |
| CN114997469A (zh) * | 2022-05-10 | 2022-09-02 | 河海大学 | 一种期权契约的防汛应急物资储备模型 |
-
2023
- 2023-05-25 CN CN202310597676.2A patent/CN116664262B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730091A (zh) * | 2017-09-26 | 2018-02-23 | 沈阳工业大学 | 一种单周期二级物流服务供应链的协调运作方法 |
| CN111222932A (zh) * | 2018-11-23 | 2020-06-02 | 北京嘀嘀无限科技发展有限公司 | 订单周期计算方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116664262A (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Production and pricing problems in make-to-order supply chain with cap-and-trade regulation | |
| Banker et al. | Employment protection legislation, adjustment costs and cross-country differences in cost behavior | |
| US7769628B2 (en) | Systems, methods and computer program products for modeling uncertain future demand, supply and associated profitability of a good | |
| US20160342922A1 (en) | Performance analytics based on high performance indices | |
| CN106960298A (zh) | 一种电子商务企业用erp管理控制方法 | |
| US20100257124A1 (en) | Method for industrial energy and emissions investment optimization | |
| CN111401804B (zh) | 一种基于仿真的工程物资供应链网络规划方法及系统 | |
| Repko et al. | Scenario tree airline fleet planning for demand uncertainty | |
| Mansoornejad et al. | Metrics for evaluating the forest biorefinery supply chain performance | |
| CN116645033A (zh) | 一种基于大数据的erp库存优化分析方法及系统 | |
| US7739166B2 (en) | Systems, methods and computer program products for modeling demand, supply and associated profitability of a good in a differentiated market | |
| CN116664262B (zh) | 一种基于报童模型的物流企业车辆租赁策略制定方法 | |
| Karugia et al. | The impact of non-tariff barriers on maize and beef trade in East Africa | |
| Wang et al. | Optimization model for low-carbon supply chain considering multi-level backup strategy under hybrid uncertainty | |
| Rafke et al. | Simulating fleet procurement in an Indonesian logistics company | |
| US20120130760A1 (en) | Adjusting a point prediction that is part of the long-term product life cycle based forecast | |
| CN108961037A (zh) | 一种基于对车辆使用情况评估算法的车辆贷款风控方法及装置 | |
| CN117273369A (zh) | 一种有限预算约束下路网养护决策优化方法和系统 | |
| Reichelstein | Carbon emission statements: Balance sheets and flow statements | |
| CN115049314A (zh) | 一种干线运输自备车队规模优化方法 | |
| Oppegaard | Platformization as subsumption? A case study of taxi platforms in Oslo, Norway | |
| Xu et al. | Author's Accepted Manuscript | |
| US20090299806A1 (en) | Method and apparatus for demand and/or skill hedging | |
| KR101187099B1 (ko) | 대용량처리전용 데이터베이스를 이용한 국제회계기준 금융상품 회계처리시스템 | |
| JP2001282981A (ja) | 経営改革立案方法及び経営改革立案システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |