考虑广告与物流服务影响的E-供应链协调策略研究
这是一篇关于E-供应链,Stackelberg,广告,物流服务,协调策略的论文, 主要内容为当前,电子商务发展迅速,平台经济日益繁荣,电商平台代售模式不断优化,这促进了物流行业的繁荣兴盛。制造商为了实现资源优化配置,发展核心业务,选择将产品运输外包给第三方物流运营商,因此,逐渐由平台(E)与制造商(M)组成的传统两层电商供应链(E-供应链)过渡到由平台、制造商和第三方物流运营商(L)组成的三层E-供应链。其中,平台始终占据强势地位,为了充分调动系统其他成员的积极性,有必要设计相应的协调策略来提升各成员的收益,实现供应链协调。论文以确定性需求为基础,构建电商平台主导供应链系统,分别考虑广告影响的二级E-供应链与物流服务影响的三级E-供应链协调策略设计问题。研究内容主要包括以下两部分:(1)考虑广告影响构建由平台和制造商组成的二层E-供应链(E-M模式),分别在集中决策和分散决策下讨论E-供应链的最优定价和最优广告水平,并设计能够实现供应链系统协调的“广告成本分摊”策略。(2)考虑物流服务影响构建由电商平台、第三方物流运营商及制造商、组成三层E-供应链(E-L-M模式),分别在集中决策和分散决策下比较分析了产品的最优定价和最优物流水平,随后设计能实现供应链系统协调的“代理费共享”策略。论文主要研究结论如下,E-M模式下可得出:(1)当佣金率较高时,分散决策下的产品定价、平台服务水平和推广水平高于集中决策下的最优决策;当佣金率较低时,结果相反;(2)分散决策下的最优决策都随着佣金率增加而上升;(3)平台实行“推广成本分摊”协调策略能够实现制造商与平台利润的帕累托改进;(4)推广效率的增加能提升分散决策与集中决策下的定价和平台服务水平。E-L-M模式下可得出:(1)集中决策下的均衡价格低于分散决策的情形,但平台商和物流运营商的服务水平则相反;(2)分散决策下的产品价格与平台服务水平随着代理费的增加而上升,而物流运营商的物流服务水平趋势则相反;(3)平台“代理费共享协调”策略能实现供应链系统各成员利润帕累托改进;(4)物流服务敏感性系数的增加能使产品价格和平台服务水平随之上升。本文考虑广告和物流服务影响的E-供应链协调策略问题,为现实中E-供应链的运作提供一定的理论依据,同时本文的研究内容扩展了供应链协调理论。
基于信息共享的跨境电商平台供应链运营策略研究
这是一篇关于跨境电商平台供应链,信息共享,免运费,销售模式,风险偏好,Stackelberg的论文, 主要内容为本文在市场需求不确定的背景下,基于信息共享分别研究跨境电商在直邮和海外仓两种运作模式下的供应链运营决策。具体研究内容和主要结果如下:首先在直邮模式下研究跨境电商平台供应链的信息共享决策和免运费决策。通过构建由一个拥有市场需求信息且提供免运费服务的现存零售商和一个新进入零售商组成的Stackelberg博弈模型,研究零售商之间的信息共享决策和新进入零售商的免运费决策。基于信息是否共享和新进入零售商是否提供免运费服务等得到不同情景下供应链成员的最优订货量、最优零售价格及最优期望利润。进一步,通过对供应链各方效益的分析,得到了供应链成员关于信息共享和免运费的最优决策。数值分析讨论了零售商利润及信息共享、免运费决策的影响因素。其次,研究海外仓模式下,平台的信息共享决策和海外仓加入平台的销售模式选择。通过构建由一个同时进行线上、线下分销的海外仓和一个拥有市场需求信息的跨境电商平台组成的供应链系统,研究平台的信息共享决策和海外仓加入平台的销售模式选择。在该系统中,考虑线上分销存在货物交付时间,海外仓可以选择以市场模式或转售模式加入平台进行线上分销。基于信息是否共享和海外仓加入平台的销售模式选择等得到不同情景下供应链成员的最优交付时间决策,最优线上、线下分销数量决策和最优期望利润的解析解。进一步,通过对最优解的分析得到供应链成员关于信息共享和销售模式选择的最优决策。数值分析讨论了影响供应链决策及利润的因素。最后,研究海外仓模式下,供应链成员的风险偏好对信息共享程度及其他供应链决策影响。通过构建由一个海外仓和一个拥有市场需求信息的跨境电商平台组成的Stackelberg博弈模型,研究供应链成员风险偏好对供应链决策的影响。在该模型中,考虑海外仓和平台分别带风险中性或风险厌恶,将海外仓和平台的风险偏好情况划分为不同情景,并将CVa R准则的风险度量方法考虑进供应链决策,通过逆向归纳和模型分析,得到了供应链成员在不同情景下的最优信息共享程度、批发价格和分销数量决策。进一步,通过对最优解的分析,得到了供应链成员风险偏好对供应链决策的影响。数值分析验证了所得结论的有效性,并丰富了相关结论。本研究不仅能够为复杂的跨境电商平台供应链决策问题提供科学的决策依据,而且丰富了平台供应链管理的理论及研究结果。
基于时空轨迹大数据的路线规划机制的研究与系统构建
这是一篇关于轨迹大数据,最佳客源点,ACO-OPP,Stackelberg的论文, 主要内容为随着计算机技术和物联网技术的快速发展,人们越来越依赖于基于位置的服务,时空轨迹大数据也急剧增加。出租车轨迹数据作为时空轨迹大数据的重要组成部分,受到了广泛的关注。出租车是城市出行的重要交通工具,为居民生活带来便利。目前,对于出租车司机而言,在没有订单的情况下,他们只能选择在原地被动等待,或者自主寻客。这会消耗大量的时间成本和油费成本,影响收益。由于缺乏合理规划,还存在热门路径的拥堵问题。针对现有工作不足,本文基于时空轨迹大数据的路线规划问题展开研究,主要的研究工作如下:(1)时空轨迹大数据的研究。我们分析了数据的时空分布并且挖掘了基于出租车轨迹数据的最佳客源点。首先对数据进行时段的划分,其次按照地理位置再进行分区,目的是了解不同时段不同区域的数据变化趋势,分析出租车整体的时空分布,为路线规划做铺垫。然后对划分的数据利用DBSCAN聚类算法挖掘出轨迹数据中的簇。最后利用K-Means聚类算法找出每个簇的中心点,也即最佳客源点。最佳客源点是轨迹数据中出租车最常访问的位置点,如果空载司机能够找到最佳客源点将大大提高上座率。(2)盈利路线的规划。数据经过聚类处理,形成了一系列的最佳客源点的集合。我们将基于点到点的路线规划问题转化为旅行商问题。提出了基于最佳客源点的优化蚁群算法(Ant Colony Optimization Algorithm based on Optimal Profit Points,ACO-OPP)。在路径的选择概率上,我们通过加入影响因子来提高司机对于热门最佳客源点的选择。通过使用全局信息素更新和局部信息素更新相结合的规则来增加算法的探索能力,避免进入停滞状态。利用百度地图API中驾车距离实时计算函数来代替原始距离计算公式。(3)Stackelberg博弈模型。在路线规划过程中,往往会出现热门路径的拥堵问题,随着拥堵时间的上升,司机的成本也会急剧增加。为了解决这个问题,我们引入Stackelberg博弈模型,我们从管理者和出行者两个决策方的角度出发,通过固定的时间间隔进行交通诱导,使得两者达到一种均衡状态,从而实现管理者和出行者效益最大化,使得路网资源得到了极大的利用,有效解决热门路径的拥堵问题。(4)基于SSM(Spring+Spring MVC+My Batis)框架构建了出租车路线规划系统。该系统利用百度地图API进行开发,实现地图展示、定位、最佳客源点的检索和查询、路线规划、路线导航等功能。在路线规划的算法设计上,由于考虑到热门路径的拥堵问题引入了Stackelberg博弈模型,并在管理者决策方求解时利用了提出的ACO-OPP算法,从而实现出租车司机和交通管理者利益最大化。
基于时空轨迹大数据的路线规划机制的研究与系统构建
这是一篇关于轨迹大数据,最佳客源点,ACO-OPP,Stackelberg的论文, 主要内容为随着计算机技术和物联网技术的快速发展,人们越来越依赖于基于位置的服务,时空轨迹大数据也急剧增加。出租车轨迹数据作为时空轨迹大数据的重要组成部分,受到了广泛的关注。出租车是城市出行的重要交通工具,为居民生活带来便利。目前,对于出租车司机而言,在没有订单的情况下,他们只能选择在原地被动等待,或者自主寻客。这会消耗大量的时间成本和油费成本,影响收益。由于缺乏合理规划,还存在热门路径的拥堵问题。针对现有工作不足,本文基于时空轨迹大数据的路线规划问题展开研究,主要的研究工作如下:(1)时空轨迹大数据的研究。我们分析了数据的时空分布并且挖掘了基于出租车轨迹数据的最佳客源点。首先对数据进行时段的划分,其次按照地理位置再进行分区,目的是了解不同时段不同区域的数据变化趋势,分析出租车整体的时空分布,为路线规划做铺垫。然后对划分的数据利用DBSCAN聚类算法挖掘出轨迹数据中的簇。最后利用K-Means聚类算法找出每个簇的中心点,也即最佳客源点。最佳客源点是轨迹数据中出租车最常访问的位置点,如果空载司机能够找到最佳客源点将大大提高上座率。(2)盈利路线的规划。数据经过聚类处理,形成了一系列的最佳客源点的集合。我们将基于点到点的路线规划问题转化为旅行商问题。提出了基于最佳客源点的优化蚁群算法(Ant Colony Optimization Algorithm based on Optimal Profit Points,ACO-OPP)。在路径的选择概率上,我们通过加入影响因子来提高司机对于热门最佳客源点的选择。通过使用全局信息素更新和局部信息素更新相结合的规则来增加算法的探索能力,避免进入停滞状态。利用百度地图API中驾车距离实时计算函数来代替原始距离计算公式。(3)Stackelberg博弈模型。在路线规划过程中,往往会出现热门路径的拥堵问题,随着拥堵时间的上升,司机的成本也会急剧增加。为了解决这个问题,我们引入Stackelberg博弈模型,我们从管理者和出行者两个决策方的角度出发,通过固定的时间间隔进行交通诱导,使得两者达到一种均衡状态,从而实现管理者和出行者效益最大化,使得路网资源得到了极大的利用,有效解决热门路径的拥堵问题。(4)基于SSM(Spring+Spring MVC+My Batis)框架构建了出租车路线规划系统。该系统利用百度地图API进行开发,实现地图展示、定位、最佳客源点的检索和查询、路线规划、路线导航等功能。在路线规划的算法设计上,由于考虑到热门路径的拥堵问题引入了Stackelberg博弈模型,并在管理者决策方求解时利用了提出的ACO-OPP算法,从而实现出租车司机和交通管理者利益最大化。
基于时空轨迹大数据的路线规划机制的研究与系统构建
这是一篇关于轨迹大数据,最佳客源点,ACO-OPP,Stackelberg的论文, 主要内容为随着计算机技术和物联网技术的快速发展,人们越来越依赖于基于位置的服务,时空轨迹大数据也急剧增加。出租车轨迹数据作为时空轨迹大数据的重要组成部分,受到了广泛的关注。出租车是城市出行的重要交通工具,为居民生活带来便利。目前,对于出租车司机而言,在没有订单的情况下,他们只能选择在原地被动等待,或者自主寻客。这会消耗大量的时间成本和油费成本,影响收益。由于缺乏合理规划,还存在热门路径的拥堵问题。针对现有工作不足,本文基于时空轨迹大数据的路线规划问题展开研究,主要的研究工作如下:(1)时空轨迹大数据的研究。我们分析了数据的时空分布并且挖掘了基于出租车轨迹数据的最佳客源点。首先对数据进行时段的划分,其次按照地理位置再进行分区,目的是了解不同时段不同区域的数据变化趋势,分析出租车整体的时空分布,为路线规划做铺垫。然后对划分的数据利用DBSCAN聚类算法挖掘出轨迹数据中的簇。最后利用K-Means聚类算法找出每个簇的中心点,也即最佳客源点。最佳客源点是轨迹数据中出租车最常访问的位置点,如果空载司机能够找到最佳客源点将大大提高上座率。(2)盈利路线的规划。数据经过聚类处理,形成了一系列的最佳客源点的集合。我们将基于点到点的路线规划问题转化为旅行商问题。提出了基于最佳客源点的优化蚁群算法(Ant Colony Optimization Algorithm based on Optimal Profit Points,ACO-OPP)。在路径的选择概率上,我们通过加入影响因子来提高司机对于热门最佳客源点的选择。通过使用全局信息素更新和局部信息素更新相结合的规则来增加算法的探索能力,避免进入停滞状态。利用百度地图API中驾车距离实时计算函数来代替原始距离计算公式。(3)Stackelberg博弈模型。在路线规划过程中,往往会出现热门路径的拥堵问题,随着拥堵时间的上升,司机的成本也会急剧增加。为了解决这个问题,我们引入Stackelberg博弈模型,我们从管理者和出行者两个决策方的角度出发,通过固定的时间间隔进行交通诱导,使得两者达到一种均衡状态,从而实现管理者和出行者效益最大化,使得路网资源得到了极大的利用,有效解决热门路径的拥堵问题。(4)基于SSM(Spring+Spring MVC+My Batis)框架构建了出租车路线规划系统。该系统利用百度地图API进行开发,实现地图展示、定位、最佳客源点的检索和查询、路线规划、路线导航等功能。在路线规划的算法设计上,由于考虑到热门路径的拥堵问题引入了Stackelberg博弈模型,并在管理者决策方求解时利用了提出的ACO-OPP算法,从而实现出租车司机和交通管理者利益最大化。
BOPS零售服务下全渠道供应链最优定价策略研究
这是一篇关于BOPS零售服务,Hotelling模型,全渠道供应链,定价策略,Stackelberg的论文, 主要内容为在大数据、物联网和智能终端等高科技技术快速发展的前提下,实体零售商与线上零售商开展了新一轮的迭代更新和全面升级,线上渠道和线下渠道趋于融合逐步成为零售业发展的新态势,多种渠道不断整合使零售业迎来全渠道零售模式,其中,进一步实现多渠道整合并且提升消费者体验的“线上购买,门店自提”的BOPS模式已经成为线上、线下全渠道零售模式的典型模式。供应链引入BOPS渠道一方面会为零售商带来交叉额外消费效益,但同时也提高了零售商的服务运营成本,如何均衡两者之间的利益分配以及如何进行最优的定价和服务策略成为当下所要解决的重难点问题,于是开展BOPS渠道整合下的定价与服务策略研究十分重要。本文基于线上零售商与线下零售商以及线上平台与线下零售商两种不同渠道结构下分别实施BOPS全渠道模式对定价决策的影响展开了研究,为零售商与零售平台进行线上、线下渠道整合提供了一定的理论参考。首先,为研究线下零售商实施“线上购买,线下取货”的BOPS全渠道模式情况下,对制造商与线上、线下零售商在不同定价和服务价值策略之间的相互作用,利用修正的Hotelling模型刻画市场需求函数,构建出以制造商为主导的Stackelberg供应链模型,分析了集中式双渠道、集中式全渠道、分散式双渠道和分散式全渠道四种策略的均衡定价与服务价值,并用数值仿真的方法对四种策略进行了比较;其次,考虑到市场中线上平台实施BOPS策略的情况,基于渠道间的差异性分析了制造商、线上平台和线下零售商在不同销售模式之间的选择问题,利用修正的Hotelling模型重新刻画了新的市场需求函数,构建了以制造商为主导的Stackelberg供应链模型以及纳什博弈模型,研究了线下转售、线下代理、线上转售和线上代理四种不同模式下的最优均衡定价及利润。研究表明,零售商的服务价值对供应链成员的定价均有正向影响,实施BOPS全渠道定价策略明显优于双渠道定价策略,并且全渠道策略的优势在集中式供应链的效果比分散式供应链更加明显,同时敏感性分析表明,供应链的整体收益随着BOPS渠道的市场规模扩张系数的增加而增加,最优的定价策略为集中式全渠道策略;当线上电商平台自建实体店提供BOPS渠道时对制造商、线下零售商以及整个供应链均有益,并且其收益情况高于线下零售商提供BOPS渠道,只有线上平台采取代理模式时,线下平台自建实体店提供BOPS渠道才对平台本身有益,当且仅当代理费用比例处于中间合适值时,全渠道供应链所有成员最优销售模式为线上代理模式。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码货栈 ，原文地址：https://bishedaima.com/lunwen/53250.html
