基于多元馬氏需求轉移特征的多產品庫存優化策略研究

陳杰+陳志祥 邢靈博

摘要：本文研究具有多元馬氏需求轉移特征的多產品庫存模型的優化問題。首先以多元馬爾可夫模型為理論導向，建立多產品馬爾可夫需求預測模型，并通過該模型確定了各種產品需求間的關系。進而在此關系的理論基礎上，建立了多產品庫存模型，并給出其最優（Q，R）策略。

關鍵詞：隨機需求;多元馬氏鏈;需求預測模型;（Q，R）庫存策略

中圖分類號：F274 文獻標識碼：A 文章編號：10035192（2014）06005406doi：10.11847/fj.33.6.54

Optimal Inventory Policy for Multiple Products with the MultivariateMarkovian Demand Transition Characteristics

CHEN Jie1，2， CHEN Zhixiang1， XING Lingbo2

（1.School of Business， Sun Yatsen University， Guangzhou 510275， China; 2.School of Science and Technology， Qiongzhou University， Sanya 572022， China）

Abstract：This paper studies the optimal inventory policy for multiple products with multivariate Markovian demand transition characteristics. Based on the multivariate Markovian model， the paper first establishes the demand forecast model for multiple products， and constructs the demand relationships among multiple products. Then， based on these relationships proposes a multiproduct inventory model and its optimal （Q，R） policy.

Key words：stochastic demand; multivariate Markov chain; demand forecasting model; （Q，R）inventory policy

1引言

當多產品在市場中產生相互競爭時，其需求之間就會發生相互關系。在隨機需求的條件下，這種關系是如何產生的，如何科學地確定和度量它們之間的關系并預測它們的需求，直接影響到庫存系統決策者對制定庫存策略的合理性和科學性。多元馬爾可夫理論是最近10年來興起的研究領域，是重要的預測理論之一。本文基于該理論，對多產品的需求進行預測，并確定其需求之間的關系。同時，在此理論基礎上，對多產品的最優（Q，R）策略進行研究。

國內外學者對多產品庫存問題的研究有不少文獻。在假定多產品的需求向量為隨機的條件下，Dvoretzky等[1] 開始了多產品庫存優化模型的研究，認為當該需求的分布函數為已知時，則即可得模型的最優解。Veinott[2]在該模型的理論基礎上，提出模型的新假設，即：（1）各種產品的需求為非確定和相互獨立;（2）對未滿足的需求采取積欠策略，建立了更一般化的動態非確定性多產品庫存模型，認為供應商可根據庫存水平選擇相應的訂購策略，以實現最小化庫存成本和訂購費用的目標，而Topkis[3] 所建立的模型雖然也是在動態和非確定性的條件下提出的，但對假設（2）進行了改進，即對未能滿足的需求采取懲罰策略。Lau等[4，5]在單一產品的報童庫存模型理論基礎上進行多元化的推廣，并結合模型有關的多約束條件研究了模型的最優解。Ghalebsaz等[6]以隨機需求和訂購單契約為條件研究了多產品的報童問題，而Shao和Ji[7]則在模糊數學的理論基礎上建立了多產品報童問題的數學模型。Schrijver等[8] 研究了需求滿足獨立性的多產品庫存的綜合約束模型，并給出模型的最優（s，S）和（R，Q）策略的解。近年來，國內學者在不同的假設條件下，對供應鏈中多產品的庫存優化問題進行了系統的研究。段吉和朱道立[9]提出了多周期多產品供應量分配的綜合模型，而秦進等[10]研究了隨機需求和庫存決策的多商品物流網絡設計的優化模型與算法。夏維力和姜繼嬌[11]針對顧客的有限理性所引起的需求模糊性和隨機性的問題，提出了多心理賬戶下基于QFD（質量功能展開）的多產品庫存優化模型。蔣敏等[12]利用了條件風險值（CVaR）將多產品從多個供應商采購來分散需求不確定性帶來的風險，建立了多產品組合采購與庫存問題的條件風險決策模型。

在假定產品的需求具有一元馬氏性的前提條件下，國外學者對庫存優化的問題也進行了研究。Karlin[13]建立了時間離散型的馬氏庫存模型，并給出模型的最優（s，S）策略，而在基于時間為連續的以及庫存成本函數為線性的條件下，Song和Zipkin[14]提出了時間連續型的馬氏調制泊松過程模型，研究的結果表明模型的最優（s，S）策略是需求狀態依賴的。Cheng和Sethi[15]拓展了上述的研究成果，認為只有在未滿足的需求視為失銷和零提前期的條件下，最優（s，S）策略才是需求狀態依賴的，Chen和Song[16]則進一步發展了馬氏庫存模型，建立了多級庫存模型。Ching等[17]在傳統馬氏理論基礎上提出更一般化的馬氏鏈，即多元馬爾可夫模型，并建立了多產品的需求預測模型。雖然基于上述的庫存優化模型的各種條件所取得的研究成果日漸趨于完善，但是對于多產品需求的關聯性問題的研究還處于初步階段，缺乏基于多元馬爾可夫模型對多產品的庫存優化控制問題的深入研究。本文主要利用多元馬爾可夫模型作為理論工具，研究多產品庫存的最優（Q，R）策略。

2模型描述

考慮到消費者的個人消費能力、偏好和實際需要等眾多因素的影響，為了滿足顧客需求的多樣性， 廠商一般趨于面向市場推出多樣化產品，比如聯想公司最近研發推出的各種筆記本電腦系列就多達五十種。顯然，在這樣的需求環境下，不同產品的需求量之間具有一定的相關性。比如當顧客面臨多種選擇時，他們可能因為選擇了A系列產品，而不會再選擇其它系列的產品，那么A產品的需求量就不僅與自身的需求量有關，還會與其它產品的需求量相關。由此可見， 多產品間需求量的關聯性對制定優化庫存的策略具有一定的影響。因此，庫存決策者為了達到優化庫存的目的，不但要考慮各種產品的需求，而且在宏觀上還要確定各種產品的需求之間的關系。同時，還要在此需求關系的理論基礎上，結合總成本模型給出最優訂購量和訂購點。

為了方便問題的闡述，進行以下符號說明：k=1，2，…，K表示庫存系統的周期，而n=1，…，N表示第n種產品;I={i（1），i（2），…，i（l）}表示各種產品的需求狀態集;dnk∈I為第n種產品在第k周期的需求狀態，k=1，2，…，K;{dnn}=具有轉移概率矩陣P（nn）=（pji）l×l的第n條馬氏鏈;

DLnk=第n種產品在第k周期的提前期Lnk內的期望需求量;Dnk=第n種產品在第k周期的需求量，其中Dnk0;P（ji）=第i種產品的需求狀態轉到第j種產品的需求狀態的轉移概率矩陣;C（s）nk=第n種產品在第k周期的單位缺貨成本;Pnk=第n種產品在第k周期的單位進貨價格;C（o）nk=第n種產品在第k周期的單位批量訂貨成本;hnk=第n種產品在第k周期的單位存儲成本;Lnk=第n種產品在第k周期的交貨提前期（或生產提前期）;Rnk=第n種產品在第周k期的訂貨點;SSnk=第n種產品在第k周期的安全庫存量;Qnk=第n種產品在第k周期的訂購批量;TCkn=第n種產品在第k周期的總成本， 其中k=1，2，…，K而n=1，…，N;TCk=所有的產品在第k周期的總成本，即TCk=∑Nn=1TCkn。

接下來我們對本文模型做出一些基本假設：（1）各種產品的需求量Dnk（n=1，…，N）服從正態分布，且滿足馬爾可夫性;（2） 交貨提前期固定;（3）產品的價格固定;（4）存儲成本是存儲變量的線性函數。

2.1多元馬氏需求預測模型

現代庫存優化控制理論都是以未來的需求預測為基礎的，如何對產品的需求做出科學的預測，是庫存管理中核心問題。本文主要以多元馬爾可夫理論方法對多產品的需求進行統一預測，進而確定它們之間的關系。為了建立多元馬氏需求模型，我們首先給出以下引理。

引理1（i）設P（ji）表示第i種產品的需求狀態到第j種產品的需求狀態的轉移概率矩陣，且P（ji）為不可約的;（ii）Xk=（X（1）k，X（2）k，…，X（N）k）T為多元馬氏鏈中各序列于第k周期的需求狀態的概率分布，其中X（n）k（n=1，…，N）表示第n種產品于第k周期的需求狀態的概率分布，則存在關系權數矩

在庫存控制理論中，當需求狀態滿足馬氏性時，要對產品的未來周期的需求狀態做出預測，關鍵在于確定產品的需求狀態的概率分布。引理1的結論不但給出了各種產品在下個周期的需求狀態的概率分布，還進一步表明了不同產品的需求狀態的概率分布的關系。事實上，由Xk+1=AXk，可得第n種產品于第k+1周期的需求狀態的概率分布為

X（n）k+1=∑Nm=1λnmp（nm）X（m）k

該式子指出了λnm為概率分布X（n）k+1與X（m）k的關系權數，進而度量了它們之間的關系。當n=m時，表示概率分布X（n）k+1跟它自身于上個周期的概率分布的關系;而當n≠m時，表示概率分布X（n）k+1跟其它產品于上個周期的概率分布的關系。這樣我們就基本上解決了本文引言中提出的競爭產品間的需求內在關聯性問題。顯然，當關系權數λnm越大時，說明X（n）k+1與相應的X（m）k概率分布取值的關系就越密切。

今記向量I^=（i（1），i（2），…，i（l））T，其中i（t）∈I為需求狀態（t=1，…，l）。因為X（n）k+1表示第n種產品于第k+1周期的需求狀態的概率分布，故E（dnk）=X（n）k+1I^為其于第k+1周期的期望需求狀態。根據引理1的結論，我們易得出以下的推論。

推論1 設Xk=（X（1）k，X（2）k，…，X（N）k）T為多元馬氏鏈中各系列于第k周期的需求狀態的概率分布，dk=（d1k，d2k，…，dNk）T表示各種產品于第k周期的需求狀態，其中dnk∈I，n=1，…，N。則各種產品于第k+1周期的期望需求狀態

E（dk+1）=Xk+1I^=AXkI^（1）

引理1的結論只表明了不同產品間的需求狀態的概率分布的內在關聯性，而推論1的結論不但確定了它們的需求狀態的關系，并且進一步對未來庫存系統中的需求狀態做出理論上的預測。事實上，根據（1）式，我們易得第n種產品于第k+1周期的期望需求狀態為E（dnk）=X（n）k+1I^=∑Nm=1λnm·P（nm）X（m）kI^，并且從本式子中易知該產品與其它產品的需求狀態間的關系權數為λnm（這里要求n≠m，而當n=m時是與它自身的關系）。然而需求狀態不等于需求量，兩者為不同的概念，還不可以直接利用（1）式對需求量進行預測。因此，我們需要一些理論工具將兩者相互轉化。

一般情況下，所謂需求狀態就是決策者以劃分需求區間的方式對產品的需求量Dnk進行狀態劃分。如對需求狀態采用數值劃分方法，即定義落入某一區間的需求稱為某一需求狀態。若取a的大小作為需求區間的長度，且滿足對于k有Dnk∈∪lt=1[（t-1）a，ta），則我們可以定義需求狀態為

itf（Dnk），Dnk∈[（t-1）a，ta），t=1，2，…，l;a>00，其它（2）

以上的式子給出了需求量轉化為需求狀態的一般方法，但如何將需求狀態轉化為需求量呢？接下來我們將研究這個問題，并給出具體的轉化方法。由（2）式可知Dnk為狀態依賴的，故我們可設it（Dnk）為當dnk=it時的密度函數。這里的概率密度it（Dnk）與本文的模型假設（1）所要求服從正態分布是不同的， 即it（Dnk）為當Dnk屬于區間[（t-1）a，ta）時的概率密度，而（Dnk）為Dnk屬于整個需求區間∪lt=1[（t-1）a，ta）時的概率密度，也就是視it（Dnk）為Dnk的局部概率密度，而（Dnk）可視為Dnk的整體概率密度。這樣的假設方法從理論角度上來講是不矛盾的，如局部上為泊松分布時，由中心極限定理可知，當樣本量充分大時，其概率分布就會趨向于正態分布。于是，我們就可以得出以下的命題。

命題1設it（Dnk）為當dnk=it時的密度函數，X（n）k=（x（n）i1k，x（n）i2k，…，x（n）ilk）為第n種產品于第k階段的需求狀態的概率分布，則

E（Dnk）=∑lt=1x（n）itk∫ta（t-1）aDnkit（Dnk）dDnk（3）

證明 因為it（Dnk）為當dnk=it時的密度函數，所以∫ta（t-1）aDnkit（Dnk）dDnk為庫存系統處于需求狀態it時的期望需求量。由X（n）k=（x（n）i1k，x（n）i2k，…，x（n）ilk）的定義，知系統處于需求狀態it時所對應的概率取值等于x（n）itk，t=1，2…，l，同時也是需求量的期望值等于∫ta（t-1）aDnkit（Dnk）dDnk的概率，所以當t取遍所有相應的賦值時，有

E（Dnk）=∑lt=1x（n）itk∫ta（t-1）aDnkit（Dnk）dDnk

命題1的結論確定了變量dnk和Dnk之間的關系，并給出由dnk轉化為Dnk的具體方法。該結論在研究馬氏理論在庫存中的應用是至關重要的，因為馬氏理論是根據需求狀態的轉移概率對系統的未來所處的需求狀態作出科學的預測，所以得到的預測結果是需求狀態而非需求量。有了命題1的理論基礎，接下來我們即可建立多產品的多元馬氏需求預測模型了。

記ηk=（η1k，η2k，…，ηNk），其中ηnk=（η（n）i1k，η（n）i2k，…，η（n）ilk）T，而η（n）itk=∫ta（t-1）aDnkit（Dnk）dDnk，t=1，2，…，l（也就是當dnk=it時的期望需求量）。顯然，由引理1和命題1的結論以及（3）式可知， 各種產品于第k+1周期的期望需求量為

E（Dk+1）=Xk+1ηk+1=AXkηk+1（4）

這里A和Xk如引理1所定義，而D（k+1）=（D1（k+1），D2（k+1），…，DN（k+1））T，并稱（4）式為多元馬氏需求預測模型。

由該預測模型，易知第n種產品于第k+1周期的期望需求量為

E（Dn（k+1））=X（n）k+1ηn（k+1）=

∑Nm=1λnmP（nm）X（m）kηn（k+1）（5）

E（Dn（k+1））的表達式，進一步表明了單個產品在系統中于下個周期的需求量不但與現階段的相關，而且還與其它產品的需求量有著密切的關聯。

2.2多產品總期望成本模型

因為本文只考慮庫存系統在下個周期的控制優化問題，所以若{1，2，…，k}為系統的歷史周期，則未來系統的下個周期為t=k+1。設（Dn（k+1））為第n種產品于第k+1周期的需求量Dn（k+1）的概率密度，Φ（Dn（k+1））為其相應的分布函數。因為提前期內的缺貨概率為P（DLn（k+1）>Rn（k+1）），故我們可以確定一個安全庫存量，即

3.2最優訂購點

由多產品總期望成本模型的最優訂購批量Q*n（k+1）的表達式，可知其取值依賴著提前期內的期望缺貨量SLn（k+1）（Rn（k+1））的值，所以通過確定Rn（k+1）的最優值，即最優訂購點，就可以確定最優訂購批量Q*n（k+1）的值。由于Rn（k+1）隱含在積分函數中，對其求解比較復雜些。為此，我們先介紹最優缺貨概率和最佳服務水平的概念。

若第n種產品在第k+1周期的提前期Ln（k+1）內的需求量為DLn（k+1），單位缺貨成本為C（s）n（k+1），則產生一種臨界狀態，即當訂貨點增加一個單位數量時，若提前期的需求量小于訂貨點，則導致多一個單位的庫存成本;反之，則導致多一個單位的缺貨成本。缺貨概率和缺貨成本都是訂貨點的單調遞減函數，所以最優缺貨概率就是安全庫存增加時導致的存儲成本與缺貨成本相等的概率。

在隨機需求條件下的庫存優化控制，重點不在于訂貨量，而是在于訂貨點和安全庫存的確定。因此，為了減少缺貨，需要建立一個安全庫存，而安全庫存量的大小取決于管理者對缺貨的容忍程度，即其希望向消費者提供什么樣的供應服務水平。由命題3知，最佳訂貨點=提前期內的期望需求量+安全庫存。同時由（5），（10）和（12）式，我們不難發現當各種需求量發生關系時，由總期望成本模型T（k+1）C（Qk+1，Rk+1）所確定的每一種產品的最優（Q，R）策略，不但與自身的需求量有關，而且與其它產品的需求量相關。

4結論與展望

本文在理論上研究了多產品庫存的最優（Q，R）策略問題，即在建立多元馬氏需求預測模型的理論基礎上， 對多產品的需求量提出了預測方法，進而提出了多產品總期望成本模型，并在此模型的條件下，研究了其理論上的最優（Q，R）策略的解。本文的結論表明需求具有相關性的多產品的聯合庫存決策與獨立需求的多產品庫存決策有所不同。多元馬氏需求預測模型不但給出了多產品的需求預測方法，還確定了它們的需求之間的關系，而獨立需求只考慮對各產品的需求進行預測，忽略它們的需求之間的關聯性。因此，在市場競爭環境下，基于獨立需求的理論視角去研究多產品的庫存系統問題存在一定的局限性，而多元馬氏需求預測模型克服了這個局限性。在本文的基礎上，以下問題可作為下一步的研究內容和方向：比如，在模型中引入折扣因子，可以擴展成具有折扣因子的訂貨模型。其次，考慮供應提前期為隨機的條件下建立庫存優化模型。

參考文獻：

[1]Dvoretzky A， Kiefer J， Wolfowitz J. The inventory problem： case of known distributions of demand[J]. Econometrica： Journal of the Econometric Society， 1952， 20（2）： 187222.

[2]Veinott A F. Optimal policy for a multiproduct， dynamic， nonstationary inventory problem[J]. Management Science， 1965， 12（3）： 206222.

[3]Topkis D M. Optimal ordering and rationing policies in a nonstationary dynamic inventory model with n demand classes[J]. Management Science， 1968， 15（3）： 160176.

[4]Lau H S， Lau A. The newsstand problem： a capacitated multipleproduct singleperiod inventory problem[J]. European Journal of Operational Research， 1996， 94（1）： 2942.

[5]Lau H S， Lau A. The multiproduct multiconstraint newsboy problem： applications， formulation and solution[J]. Journal of Operations Management， 1995， 13（2）： 153162.

[6]Ghalebsaz J B， Shultes B C， Haji R. A multiproduct continuous review inventory system with stochastic demand， backorders， and a budget constraint[J]. European Journal of Operational Research， 2004， 158（2）： 456469.

[7]Shao Z， Ji X. Fuzzy multiproduct constraint newsboy problem[J]. Applied Mathematics and Computation， 2006， 180（1）： 715.

[8]Schrijver S K， Aghezzaf E H， Vanmaele H. Aggregate constrained inventory systems with independent multiproduct demand：control practices and theoretical limitations[J]. International Journal of Production Economics， 2013， 143（2）： 416423.

[9]段吉，朱道立.多階段多產品供應量分配的綜合模型[J].系統工程，2004，22（6）：2124.

[10]秦進，史峰，繆立新，等.考慮隨機需求和庫存決策的多商品物流網絡設計的優化模型與算法[J].系統工程理論與實踐，2009，29（4）：176183.

[11]夏維力，姜繼嬌.多心理賬戶下基于QFD的多產品庫存優化[J].系統工程學報，2007，22（3）：318322.

[12]蔣敏，孟志青，周根貴.供應鏈中多產品組合采購與庫存問題的條件風險決策模型[J].系統工程理論與實踐，2007，27（12）：2935.

[13]Karlin S. Dynamic inventory policy with varying stochastic demands[J]. Management Science， 1960， 6（3）： 231258.

[14]Song J S， Zipkin P. Inventory control in a fluctuating demand environment[J]. Operations Research， 1993， 41（2）： 351370.

[15]Cheng F， Sethi S P. A periodic review inventory model with demand influenced by promotion decisions[J]. Management Science， 1999， 45（11）： 15101523.

[16]Chen F， Song J S. Optimal policies for multiechelon inventory problems with Markovmodulated demand[J]. Operations Research， 2001， 49（2）： 226234.

[17]Ching W K， Fung E S， Ng M K. A multivariate Markov chain model for categorical data sequences and its applications in demand predictions[J]. IMA Journal of Management Mathematics， 2002， 13（3）： 187199.

[18]Ching W K， Ng M K. Markov chains： models， algorithms and applications[M]. New York： Springer Press， 2006. 142146.

[19]樓潤平，薛聲家.兩個實用的安全庫存公式[J].系統工程，2008，26（12）：7782.

參考文獻：

[1]Dvoretzky A， Kiefer J， Wolfowitz J. The inventory problem： case of known distributions of demand[J]. Econometrica： Journal of the Econometric Society， 1952， 20（2）： 187222.

[2]Veinott A F. Optimal policy for a multiproduct， dynamic， nonstationary inventory problem[J]. Management Science， 1965， 12（3）： 206222.

[3]Topkis D M. Optimal ordering and rationing policies in a nonstationary dynamic inventory model with n demand classes[J]. Management Science， 1968， 15（3）： 160176.

[4]Lau H S， Lau A. The newsstand problem： a capacitated multipleproduct singleperiod inventory problem[J]. European Journal of Operational Research， 1996， 94（1）： 2942.

[5]Lau H S， Lau A. The multiproduct multiconstraint newsboy problem： applications， formulation and solution[J]. Journal of Operations Management， 1995， 13（2）： 153162.

[6]Ghalebsaz J B， Shultes B C， Haji R. A multiproduct continuous review inventory system with stochastic demand， backorders， and a budget constraint[J]. European Journal of Operational Research， 2004， 158（2）： 456469.

[7]Shao Z， Ji X. Fuzzy multiproduct constraint newsboy problem[J]. Applied Mathematics and Computation， 2006， 180（1）： 715.

[8]Schrijver S K， Aghezzaf E H， Vanmaele H. Aggregate constrained inventory systems with independent multiproduct demand：control practices and theoretical limitations[J]. International Journal of Production Economics， 2013， 143（2）： 416423.

[9]段吉，朱道立.多階段多產品供應量分配的綜合模型[J].系統工程，2004，22（6）：2124.

[10]秦進，史峰，繆立新，等.考慮隨機需求和庫存決策的多商品物流網絡設計的優化模型與算法[J].系統工程理論與實踐，2009，29（4）：176183.

[11]夏維力，姜繼嬌.多心理賬戶下基于QFD的多產品庫存優化[J].系統工程學報，2007，22（3）：318322.

[12]蔣敏，孟志青，周根貴.供應鏈中多產品組合采購與庫存問題的條件風險決策模型[J].系統工程理論與實踐，2007，27（12）：2935.

[13]Karlin S. Dynamic inventory policy with varying stochastic demands[J]. Management Science， 1960， 6（3）： 231258.

[14]Song J S， Zipkin P. Inventory control in a fluctuating demand environment[J]. Operations Research， 1993， 41（2）： 351370.

[15]Cheng F， Sethi S P. A periodic review inventory model with demand influenced by promotion decisions[J]. Management Science， 1999， 45（11）： 15101523.

[16]Chen F， Song J S. Optimal policies for multiechelon inventory problems with Markovmodulated demand[J]. Operations Research， 2001， 49（2）： 226234.

[17]Ching W K， Fung E S， Ng M K. A multivariate Markov chain model for categorical data sequences and its applications in demand predictions[J]. IMA Journal of Management Mathematics， 2002， 13（3）： 187199.

[18]Ching W K， Ng M K. Markov chains： models， algorithms and applications[M]. New York： Springer Press， 2006. 142146.

[19]樓潤平，薛聲家.兩個實用的安全庫存公式[J].系統工程，2008，26（12）：7782.

參考文獻：

[1]Dvoretzky A， Kiefer J， Wolfowitz J. The inventory problem： case of known distributions of demand[J]. Econometrica： Journal of the Econometric Society， 1952， 20（2）： 187222.

[2]Veinott A F. Optimal policy for a multiproduct， dynamic， nonstationary inventory problem[J]. Management Science， 1965， 12（3）： 206222.

[3]Topkis D M. Optimal ordering and rationing policies in a nonstationary dynamic inventory model with n demand classes[J]. Management Science， 1968， 15（3）： 160176.

[4]Lau H S， Lau A. The newsstand problem： a capacitated multipleproduct singleperiod inventory problem[J]. European Journal of Operational Research， 1996， 94（1）： 2942.

[5]Lau H S， Lau A. The multiproduct multiconstraint newsboy problem： applications， formulation and solution[J]. Journal of Operations Management， 1995， 13（2）： 153162.

[6]Ghalebsaz J B， Shultes B C， Haji R. A multiproduct continuous review inventory system with stochastic demand， backorders， and a budget constraint[J]. European Journal of Operational Research， 2004， 158（2）： 456469.

[7]Shao Z， Ji X. Fuzzy multiproduct constraint newsboy problem[J]. Applied Mathematics and Computation， 2006， 180（1）： 715.

[8]Schrijver S K， Aghezzaf E H， Vanmaele H. Aggregate constrained inventory systems with independent multiproduct demand：control practices and theoretical limitations[J]. International Journal of Production Economics， 2013， 143（2）： 416423.

[9]段吉，朱道立.多階段多產品供應量分配的綜合模型[J].系統工程，2004，22（6）：2124.

[10]秦進，史峰，繆立新，等.考慮隨機需求和庫存決策的多商品物流網絡設計的優化模型與算法[J].系統工程理論與實踐，2009，29（4）：176183.

[11]夏維力，姜繼嬌.多心理賬戶下基于QFD的多產品庫存優化[J].系統工程學報，2007，22（3）：318322.

[12]蔣敏，孟志青，周根貴.供應鏈中多產品組合采購與庫存問題的條件風險決策模型[J].系統工程理論與實踐，2007，27（12）：2935.

[13]Karlin S. Dynamic inventory policy with varying stochastic demands[J]. Management Science， 1960， 6（3）： 231258.

[14]Song J S， Zipkin P. Inventory control in a fluctuating demand environment[J]. Operations Research， 1993， 41（2）： 351370.

[15]Cheng F， Sethi S P. A periodic review inventory model with demand influenced by promotion decisions[J]. Management Science， 1999， 45（11）： 15101523.

[16]Chen F， Song J S. Optimal policies for multiechelon inventory problems with Markovmodulated demand[J]. Operations Research， 2001， 49（2）： 226234.

[17]Ching W K， Fung E S， Ng M K. A multivariate Markov chain model for categorical data sequences and its applications in demand predictions[J]. IMA Journal of Management Mathematics， 2002， 13（3）： 187199.

[18]Ching W K， Ng M K. Markov chains： models， algorithms and applications[M]. New York： Springer Press， 2006. 142146.

[19]樓潤平，薛聲家.兩個實用的安全庫存公式[J].系統工程，2008，26（12）：7782.