1. 项目背景与核心价值
这个供应链模型复现项目源于我在研读一篇经典供应链管理论文时的实践需求。论文中构建了一个典型的一供应商两零售商（1S2R）供应链模型，通过博弈论方法分析不同决策场景下的均衡解。这种模型在快消品、电子产品分销等领域非常常见，比如某品牌手机厂商（供应商）同时向京东和天猫（零售商）供货的场景。
使用Mathematica进行模型求解的优势在于其强大的符号计算能力。相比MATLAB等数值计算工具，Mathematica能直接处理复杂的博弈论方程，输出解析解而非近似值。我在家电行业供应链优化项目中就深有体会——当需要向管理层解释定价策略时，精确的数学表达式比数值模拟结果更有说服力。
2. 模型构建与数学表达
2.1 基础模型框架
论文中的基础模型包含以下要素：
- 单一供应商（批发价w）
- 两个零售商（零售价p₁,p₂；订货量q₁,q₂）
- 线性需求函数：qᵢ = a - bpᵢ + dpⱼ （i≠j）
其中d代表零售商间的交叉价格弹性系数，这个参数在竞品分析中特别关键。去年帮一个乳制品企业做渠道冲突分析时，我们就发现常温酸奶品类的d值高达0.7，说明渠道间价格战风险很大。
利润函数构建：
mathematica复制πSupplier[w_, q1_, q2_] := (w - c)(q1 + q2)
πRetailer1[p1_, q1_] := (p1 - w)q1
πRetailer2[p2_, q2_] := (p2 - w)q2
2.2 博弈时序解析
模型采用Stackelberg博弈框架：
- 供应商先设定批发价w（领导者）
- 零售商观察到w后，同时决定零售价p₁,p₂（跟随者）
这种博弈顺序在汽车零部件供应链中非常典型，比如博世先报价，下游车企再决定终端售价。
3. Mathematica实现详解
3.1 环境配置
建议使用Mathematica 12.0+版本，关键工具包：
mathematica复制Needs["GameTheory`"]
Needs["SymbolicC`"]
特别注意：在笔记本开头设置：
mathematica复制ClearAll["Global`*"]
避免变量污染，这个教训是我在复现第三个模型时得到的——之前的结果干扰导致求解异常。
3.2 逆向求解法实现
先求解零售商阶段纳什均衡：
mathematica复制retailerEq = Solve[{
D[πRetailer1[p1, a - b*p1 + d*p2], p1] == 0,
D[πRetailer2[p2, a - b*p2 + d*p1], p2] == 0},
{p1, p2}];
再回代求供应商最优决策：
mathematica复制supplierOpt = Maximize[
πSupplier[w,
a - b*(p1/.retailerEq) + d*(p2/.retailerEq),
a - b*(p2/.retailerEq) + d*(p1/.retailerEq)],
w];
3.3 动态参数分析
利用Manipulate实现交互式分析：
mathematica复制Manipulate[
Plot3D[πSupplier[w,p1,p2]/.params,
{w,c,2c},{p1,0,2a/b}],
{{a,100},50,200},{{b,1},0.5,2},{{d,0.3},0,1}]
这个可视化工具在我们分析不同市场弹性下的策略选择时特别有用。
4. 关键问题与解决方案
4.1 多解处理技巧
当模型存在多个均衡解时，建议：
- 用Reduce代替Solve获取完整解集
- 添加经济约束筛选合理解：
mathematica复制Select[solutions, (w > c && p1 > w && p2 > w) &]
4.2 计算效率优化
对于复杂模型：
- 提前用Simplify简化表达式
- 对重复计算使用Memoization：
mathematica复制memF[x_] := memF[x] = ExpensiveFunction[x]
5. 模型扩展实践
5.1 引入库存成本
修改零售商利润函数：
mathematica复制πRetailer1[p1_,q1_] := (p1-w)q1 - h1*(q1 - (a-b*p1+d*p2))^2
其中h1为单位库存成本系数。
5.2 非对称零售商
差异化参数设置：
mathematica复制demand1 = a1 - b1*p1 + d1*p2;
demand2 = a2 - b2*p2 + d2*p1;
这在分析线上线下渠道冲突时特别实用。
6. 论文复现心得
-
符号计算顺序很重要：建议按论文推导步骤严格分阶段计算，避免一步到位导致调试困难
-
参数校验必不可少：建立测试用例验证基础模型：
mathematica复制TestCase = {a->100, b->1, d->0, c->20};
Assert[πSupplier[30,50,50]/.TestCase == 500]
- 版本控制技巧：对每个关键步骤创建独立cell，并用Cell->CellTags标记，方便回溯
这个复现过程让我更深入理解了供应链决策的微观机制。最近在帮一家建材企业优化经销商体系时，就成功应用了这个模型分析不同返利政策的效果。建议读者可以尝试加入运输成本、需求随机性等更复杂的因素来拓展模型应用场景。