1. 项目背景与核心问题
这个供应链模型研究的是典型的一对多供需关系场景：一个供应商同时向两个零售商供货的运作机制。在实际商业环境中，这种模式随处可见——比如某食品加工厂同时给连锁超市和社区便利店供货，或者电子元器件制造商同时向品牌商和电商平台供货。
这类供应链的核心矛盾在于：供应商需要平衡两个零售商的订单需求，而两个零售商之间存在市场竞争关系。供应商的生产能力、库存策略、定价机制都会直接影响整个链条的利润分配。传统手工计算这类模型时，往往需要处理复杂的约束条件和非线性关系，特别是当涉及随机需求、运输损耗等现实因素时，解析解几乎不可能求得。
2. 数学建模关键步骤
2.1 模型基础架构
我们构建的模型包含以下核心组件：
- 决策变量：供应商生产量(Q)、给零售商A的供货量(q₁)、给零售商B的供货量(q₂)
- 目标函数：系统总利润最大化（供应商利润+两个零售商利润）
- 主要约束：
mathematica复制(* 生产能力约束 *) Q <= Q_max; (* 供需平衡约束 *) q₁ + q₂ <= Q; (* 非负约束 *) Q >= 0; q₁ >= 0; q₂ >= 0;
2.2 需求函数设计
采用价格弹性需求函数：
code复制d₁(p₁) = a - b*p₁ + c*p₂ // 零售商A的需求量
d₂(p₂) = a - b*p₂ + c*p₁ // 零售商B的需求量
其中交叉弹性系数c反映两个零售商的竞争强度。当c=0时表示完全独立市场，c接近b时表示高度同质化竞争。
3. Mathematica实现详解
3.1 符号计算准备
首先定义所有符号变量并设置假设条件：
mathematica复制ClearAll["Global`*"];
$Assumptions = {a > 0, b > 0, c >= 0, Qmax > 0,
w > 0, μ > 0, σ > 0};
(* 定义决策变量 *)
vars = {Q, q1, q2, p1, p2};
3.2 利润函数构建
供应商利润=批发收入-生产成本：
mathematica复制πs = w*(q1 + q2) - μ*Q - (σ*Q)^2; // 含二次生产成本
零售商利润=销售收益-进货成本：
mathematica复制πr1 = p1*(a - b*p1 + c*p2) - w*q1;
πr2 = p2*(a - b*p2 + c*p1) - w*q2;
3.3 约束优化求解
使用Maximize函数进行全局优化：
mathematica复制solution = Maximize[
{πs + πr1 + πr2, // 目标函数
q1 + q2 <= Q, // 供应约束
Q <= Qmax, // 产能约束
q1 == a - b*p1 + c*p2, // 需求匹配
q2 == a - b*p2 + c*p1},
vars] // FullSimplify
4. 动态参数分析
4.1 竞争强度影响
使用Manipulate可视化竞争系数c的影响：
mathematica复制Manipulate[
Plot3D[Evaluate[πtotal /. {c -> cval}], {p1, 0, a/b}, {p2, 0, a/b},
AxesLabel -> {"p1", "p2", "总利润"},
PlotLabel -> "竞争系数c=" <> ToString[cval]],
{cval, 0, b, 0.1}]
4.2 灵敏度分析
计算关键参数的弹性系数：
mathematica复制SensitivityAnalysis[param_] := (
base = πtotal /. solution;
perturbed = πtotal /. solution /. param -> 1.01*param;
(perturbed - base)/base/0.01
)
5. 论文复现要点
5.1 典型结果验证
复现文献中的基准案例：
mathematica复制benchmark = {a -> 100, b -> 2, c -> 1, μ -> 5, σ -> 0.1, w -> 15, Qmax -> 200};
Print["最优生产量：", Q /. solution /. benchmark];
Print["零售商A利润：", πr1 /. solution /. benchmark];
5.2 扩展分析
文献中未涉及的运输成本扩展：
mathematica复制(* 添加单位运输成本 *)
πs = w*(q1 + q2) - μ*Q - (σ*Q)^2 - t1*q1 - t2*q2;
6. 实战经验总结
- 符号计算陷阱：Mathematica在符号运算时可能保留不必要的根式解，建议用数值方法验证：
mathematica复制N[solution /. benchmark, 6]
- 收敛性问题：当竞争系数c接近b时，模型可能无解，需要添加异常处理：
mathematica复制If[c >= b, Print["警告：市场竞争过度激烈"]]
- 性能优化技巧：对复杂模型，先求数值解再反推符号解：
mathematica复制numSol = FindMaximum[{
πtotal /. {a -> 100, b -> 2, c -> 0.5},
q1 + q2 <= Q, Q <= 200}, vars]
- 可视化最佳实践：用Dynamic实时观察参数影响：
mathematica复制DynamicModule[{c = 0.5},
Column[{
Slider[Dynamic[c], {0, b}],
Dynamic[Plot[πtotal /. {p2 -> p1, a -> 100, b -> 2, c -> c},
{p1, 0, 50}]]
}]]