SlideShare a Scribd company logo
1 of 38
在庫の数理

ロジスティクスの数理 第4章
新聞売り子モデル
  新聞1刊が売れ残ったときの在庫費用
  新聞1刊が品切れしたときの品切れ費用
  新聞の需要量を表す非負で連続確率変数

分布関数(微分可能)



密度関数
総費用の期待値
仕入れ量が のときの総費用の期待値



ただし
最適解の導出
一階偏微分




二階偏微分



  は凸関数;
基在庫方策(多段階モデル)
在庫地点が  個直列に並んでいる.
点の順番は下流(需要地点側)から

   番目には,点 に品目を供給する外部の点
(十分な在庫があり,品切れはしない)
用語と記号(1)
     時刻を表すパラメータ
     第 段階における実在在庫
     第 段階におけるバックオーダー量
     第 段階における正味在庫量
用語と記号(2)
     第   段階における注文中在庫量
     第   段階における輸送中在庫量



 注文中在庫量-輸送中在庫量=バックオーダー
用語と記号(3)
     第 段階における在庫発注ポジション;
正味在庫量に注文中在庫量を加えた量



     第 段階における在庫輸送ポジション;
正味在庫量に輸送中在庫量を加えた量



バックオーダーとの関係式
用語と記号(4)



  :第   段階におけるリード時間
      :時刻   から時刻   までに発生する需要量を表す確
率変数
 :基在庫レベル;在庫ポジション           を満たすよう
に発注
 :単位時間,単位バックオーダー量あたりの品切れ費用
 :第 段階における単位時間,単位在庫量あたりの在庫保
管費用.
在庫フロー保存式

在庫フロー保存式




           を代入して,
定常状態における再帰式


:定常時におけるリード時間内の需要
の均衡値
       より,
エシェロン在庫モデル(用語と記号)

 :第   段階におけるエシェロン在庫量




 :システム全体でのバックオー
 ダー量


 :第   段階における正味エシェロン在庫量
用語と記号(続き)

  :第   段階におけるエシェロン在庫発注ポジショ
  ン

  :第   段階におけるエシェロン在庫輸送ポジショ
  ン


 :エシェロン基在庫レベル

第 段階におけるエシェロン在庫発注ポジション
を,
常にエシェロン基在庫レベル   に保つように発注
在庫フロー保存式


 :第   段階のエシェロン在庫費用



 エシェロン在庫に対するフロー保存式
均衡解


 は    の均衡値
目的関数
実在庫モデル




エシェロン在庫モデル
最適解の導出(1)
       :第     段階の地点での正味エシェロン
在庫量が
  のときの,第 段階までの最小費用

       :第 段階での正味エシェロン在庫量
が       のときの,第 段階までの最小費用

       :第    段階までのエシェロン在庫輸送ポ
ジション
       が    のときの,第 段階までの最小費用

    初期条件
最適解の導出(2)
第 段階の地点での正味エシェロン在庫量    が
 のときの,第 段階までの最小費用



第 段階でのエシェロン在庫輸送ポジション
 が  のときの第 段階までの最小費用



第    段階の地点での正味エシェロン在庫量が
 のときの,第 段階までの最小費用
最適解の導出(3)
エシェロン基在庫レベル


エシェロン基在庫レベルが非減尐になるように変
 更


実在庫量に基づく最適な基在庫レベル


ただし,   は
離散時間動的システム(1)
離散時間動的システム (discrete time dynamic system)


  :離散的な時刻(期)を表す添え字;
  :第 期におけるシステムの状態;


  :第 期における意志決定変数(コントロール);そ
 の全体を
      は, 期の状態  によって定まる非空の集合
          から選択(在庫システムにおいては,生
 産や発注)
離散時間動的システム(2)



 : 第 期におけるランダム性を表すパラメータ;そ
 の全体
 は,システムの状態 とコントロール によって定
 まる確率密度      で特徴づけられる.
(在庫システムにおいては,需要量)
動的計画(1)
動的計画:動的システムに対する最適な(総費用の期
 値
を最小にする)方策を求めること

      :第 期における費用を表す確率変数
     :最終期における費用(確定値)
 期の総費用の期待値




方策(policy)             :
システムの状態      からコントロール(意思決定変
 数)
  への写像               の列
動的計画(2)
許容(admissible)方
 策                       :任意の
 システム状態
 に対して,
               が成立

許容方策                 を与えると,離散
 間動的システム

によって ,     の確率分布が定まり, 期の総費用
 の期待値
動的計画(3)
動的計画問題(dynamic programming problem)とは初
 期状態  および許容方策の集合              が与えられた
 とき,



を満たす     を求めること
最適性の原理
最適性の原理(principle of optimality)
                             が最適方策と仮
 定
   期から最終期までの費用の期待値




を最小にする動的計画問題を考える.
もとの問題の最適方策  の 期以降の部分
             から成る方策がこの問題
 の最適方策
動的計画アルゴリズム
到達費用関数(cost-to-go function)
            ある期               の状態
 からはじめて,最終期まで最適方策で運用したとき
 の総費用の期待値を表す関数
動的計画アルゴリズム(dynamic programming
 algorithm)
 初期条件

からはじめて,以下の再帰方程式を
                       の順に適用して
 解く.
確率的在庫計画モデルに対する動的システム
多期間確率的在庫計画問題に付随する離散時間動的シ
 ステム

           期(週または日)を表す添え
字
 第 期の期首における正味在庫量.負の正味在庫
量はバックオーダー(品切れ)の量を表す.(動的
システムの状態)
 第 期における発注量(意思決定変数,コント
ロール)
 第 期における需要量(確率変数)
費用
  単位あたりの在庫費用
  単位あたりの品切れ費用
最終期(  期)においては   (凸関数)

0期から   期までの各費用の和の期待値
動的計画アルゴリズム
 到達費用関数     第 期の期首在庫量が
 の
ときの 期以降の期の最小費用

動的計画アルゴリズム




ここで    は
基在庫方策の最適性(1)
第 期の期首在庫量と発注量の和を表す変数
          を導入




は   に関して凸(帰納法で証明)
基在庫方策の最適性(2)


   の最小値を
 期における最適方策     :


        のとき
              それ以外
固定費用付きのとき
発注1 回あたりの固定費用を
第 期の発注費用は発注量 の関数:


   発注費用
              それ以外


動的計画の再帰方程式:
基在庫方策(固定費用付きのとき)
      方策

                  のとき
               それ以外

  は        を最小にする
  は                 を満たす最小の

凸関数の拡張である  -凸性
 の概念を用いて最適性を証明できる.
価格を考慮した新聞売り子モデル(1)
 商品1 単位が売れ残ったときに課せられる在庫費
用.負の値のときには,売れ残った商品を処分する
ことによって得られる利益を表す.

 商品1 単位の仕入れ(購入)費用.

 商品1 単位が品切れしたときに課せられる品切れ
費用.

 商品の価格.意思決定変数である.
価格を考慮した新聞売り子モデル(2)
   需要量を表す確率変数



    は線形需要価格関数:



ランダム項 は,期待値 (通常は を仮定)をも
 つ連続な確率変数であり,その分布関数    は
 微分可能であり,密度関数を    とする.
収益関数
仕入れ量が   のときの収益を表す確率変数:




           を導入して,収益を   と   の関
数として
        とする.
収益の期待値
収益の期待値        は,リスクなし利益:

リスクを含んだ費用(新聞売り子モデルと同じ
 形!):




に分解できる.



を満たす   がリスクを含んだ費用を最小にする.
最適価格
収益の期待値の変数   による一階偏微分は,




最適な価格   は,リスクがないときの最適価格



を用いて,

More Related Content

What's hot

ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法nishio
 
指数時間アルゴリズム入門
指数時間アルゴリズム入門指数時間アルゴリズム入門
指数時間アルゴリズム入門Yoichi Iwata
 
Re永続データ構造が分からない人のためのスライド
Re永続データ構造が分からない人のためのスライドRe永続データ構造が分からない人のためのスライド
Re永続データ構造が分からない人のためのスライドMasaki Hara
 
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~Takuya Akiba
 
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画までShunji Umetani
 
様々な全域木問題
様々な全域木問題様々な全域木問題
様々な全域木問題tmaehara
 
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)Itaru Otomaru
 
区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)
区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)
区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)Kensuke Otsuki
 
動的計画法入門(An introduction to Dynamic Programming)
動的計画法入門(An introduction to Dynamic Programming)動的計画法入門(An introduction to Dynamic Programming)
動的計画法入門(An introduction to Dynamic Programming)kakira9618
 
LCA and RMQ ~簡潔もあるよ!~
LCA and RMQ ~簡潔もあるよ!~LCA and RMQ ~簡潔もあるよ!~
LCA and RMQ ~簡潔もあるよ!~Yuma Inoue
 
2SAT(充足可能性問題)の解き方
2SAT(充足可能性問題)の解き方2SAT(充足可能性問題)の解き方
2SAT(充足可能性問題)の解き方Tsuneo Yoshioka
 
人工知能11 カーネルモデル
人工知能11 カーネルモデル人工知能11 カーネルモデル
人工知能11 カーネルモデルHirotaka Hachiya
 
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方Kensuke Otsuki
 
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門tak9029
 

What's hot (20)

ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
 
指数時間アルゴリズム入門
指数時間アルゴリズム入門指数時間アルゴリズム入門
指数時間アルゴリズム入門
 
Re永続データ構造が分からない人のためのスライド
Re永続データ構造が分からない人のためのスライドRe永続データ構造が分からない人のためのスライド
Re永続データ構造が分からない人のためのスライド
 
動的計画法
動的計画法動的計画法
動的計画法
 
Gurobi python
Gurobi pythonGurobi python
Gurobi python
 
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
 
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
 
様々な全域木問題
様々な全域木問題様々な全域木問題
様々な全域木問題
 
実用Brainf*ckプログラミング
実用Brainf*ckプログラミング実用Brainf*ckプログラミング
実用Brainf*ckプログラミング
 
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
[PRML勉強会資料] パターン認識と機械学習 第3章 線形回帰モデル (章頭-3.1.5)(p.135-145)
 
区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)
区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)
区間分割の仕方を最適化する動的計画法 (JOI 2021 夏季セミナー)
 
動的計画法入門(An introduction to Dynamic Programming)
動的計画法入門(An introduction to Dynamic Programming)動的計画法入門(An introduction to Dynamic Programming)
動的計画法入門(An introduction to Dynamic Programming)
 
LCA and RMQ ~簡潔もあるよ!~
LCA and RMQ ~簡潔もあるよ!~LCA and RMQ ~簡潔もあるよ!~
LCA and RMQ ~簡潔もあるよ!~
 
2SAT(充足可能性問題)の解き方
2SAT(充足可能性問題)の解き方2SAT(充足可能性問題)の解き方
2SAT(充足可能性問題)の解き方
 
Rolling hash
Rolling hashRolling hash
Rolling hash
 
グラフネットワーク〜フロー&カット〜
グラフネットワーク〜フロー&カット〜グラフネットワーク〜フロー&カット〜
グラフネットワーク〜フロー&カット〜
 
人工知能11 カーネルモデル
人工知能11 カーネルモデル人工知能11 カーネルモデル
人工知能11 カーネルモデル
 
Chapter2.3.6
Chapter2.3.6Chapter2.3.6
Chapter2.3.6
 
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
 
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
 

More from Mikio Kubo

ここが変だよ人道支援ロジスティクス
ここが変だよ人道支援ロジスティクスここが変だよ人道支援ロジスティクス
ここが変だよ人道支援ロジスティクスMikio Kubo
 
サプライ・チェイン・アナリストになるために
サプライ・チェイン・アナリストになるためにサプライ・チェイン・アナリストになるために
サプライ・チェイン・アナリストになるためにMikio Kubo
 
ピカチュウによるPythonオブジェクト入門2
ピカチュウによるPythonオブジェクト入門2ピカチュウによるPythonオブジェクト入門2
ピカチュウによるPythonオブジェクト入門2Mikio Kubo
 
ピカチュウによるPythonオブジェクト入門
ピカチュウによるPythonオブジェクト入門ピカチュウによるPythonオブジェクト入門
ピカチュウによるPythonオブジェクト入門Mikio Kubo
 
久保研究室とは
久保研究室とは久保研究室とは
久保研究室とはMikio Kubo
 
Mickey mouseに会うために
Mickey mouseに会うためにMickey mouseに会うために
Mickey mouseに会うためにMikio Kubo
 
Or seminar2011final
Or seminar2011finalOr seminar2011final
Or seminar2011finalMikio Kubo
 

More from Mikio Kubo (15)

Hl20160929
Hl20160929Hl20160929
Hl20160929
 
ここが変だよ人道支援ロジスティクス
ここが変だよ人道支援ロジスティクスここが変だよ人道支援ロジスティクス
ここが変だよ人道支援ロジスティクス
 
サプライ・チェイン・アナリストになるために
サプライ・チェイン・アナリストになるためにサプライ・チェイン・アナリストになるために
サプライ・チェイン・アナリストになるために
 
Why python
Why pythonWhy python
Why python
 
Why python
Why pythonWhy python
Why python
 
ピカチュウによるPythonオブジェクト入門2
ピカチュウによるPythonオブジェクト入門2ピカチュウによるPythonオブジェクト入門2
ピカチュウによるPythonオブジェクト入門2
 
ピカチュウによるPythonオブジェクト入門
ピカチュウによるPythonオブジェクト入門ピカチュウによるPythonオブジェクト入門
ピカチュウによるPythonオブジェクト入門
 
Pythonintro
PythonintroPythonintro
Pythonintro
 
Python opt
Python optPython opt
Python opt
 
久保研究室とは
久保研究室とは久保研究室とは
久保研究室とは
 
Mickey mouseに会うために
Mickey mouseに会うためにMickey mouseに会うために
Mickey mouseに会うために
 
Or seminar2011final
Or seminar2011finalOr seminar2011final
Or seminar2011final
 
Scmbook5 e
Scmbook5 eScmbook5 e
Scmbook5 e
 
Current trend
Current trendCurrent trend
Current trend
 
Python ehon1
Python ehon1Python ehon1
Python ehon1
 

4章在庫の数理