闭环供应链定价方法研究综述

陈湘州　文思倩　刘雅男

摘 要：针对闭环供应链研究中的一个主要方向是定价问题，首先归纳了闭环供应链的理论发展，继而列述了两种经济模式下的闭环供应链定价研究，分析得出：闭环供应链定价研究中会涉及到多个具有高度不确定性的变量，运用传统方法固定变量偏分求解，涉及到多变量时，往往计算不出最优解，也考虑不了不确定性。所以引入智能优化算法在研究闭环供应链定价问题上是必要的。

关键词：闭环供应链；定价问题；智能优化算法

中图分类号：F273.7 文献标识码：A

Abstract： Pricing problem is one of the most central matter in research of closed-loop supply chain. The theoretical development of closed-loop supply chain is summarized firstly in this paper， and then pricing study at two economic models in such chain is recited respectively. Analysis shows that multiple highly uncertain variables impacts on price-making， and fixed variables partial solution， a traditional method， often could not find the optimal solution when involving multi-variable， nor includ the uncertain， which makes it necessary to introduce the intelligent optimization algorithm in this pricing.

Key words： closed loop supply chain； pricing problem； intelligent optimization algorithm

1 闭环供应链的理论发展

供应链的起源是来自Peter F. Drucker提出的“经济链”的概念，而后由Michael Porter发展成为“价值链”，最终演变成“供应链”[1]。接着，逆向供应链被提出，其中最权威的定义是由V. Daniel（2003）所赋予的定义：逆向供应链是指：回收商从供应链末端消费者处回收废旧产品给制造商，制造商对其废旧产品进行再制造或废料处理的一系列活动[2]。

面对全球资源稀缺、环境破坏严重的现状，这种“闭环供应链管理”的管理模式是优于传统模式的。Guide[3]等认为CLSC包括传统的正向供应链与逆向的供应链，而且这两条链上的物流是互相联系的，并显示出“从源到汇，由汇到源”的闭环特性。赵晓敏等[4]认为：“CLSC管理的目标是实现‘经济与环境的综合效益，使得正向供应链与逆向供应链的物流相互关联呈现出闭合特征。”

通过分析国内外研究文献可以发现，闭环供应链的研究主要有三种方向：

第一，闭环供应链定价问题研究。通常会把集中决策与分散决策下的最优利润进行比较，在得出集中决策下利润高于分散决策后，通过建立利益共享风险同担的契约协调调整分散决策下的定价使之达到集中决策下的利润，一般采用的是斯坦伯格博弈方法。

第二，闭环供应链回收渠道选择问题。回收作为闭环供应链中重要的一环，加之政府、社会各界近些年对于资源回收再利用的重视，使得回收渠道的选择也成为其重要的研究方向之一，对于回收渠道的选择近几年主要集中于第三方回收和混合回收，通过比较不同回收模式下的各成员（供应商、制造商、零售商、第三方）的利润或总利润，得出最优回收渠道的选择。

第三，闭环供应链库存选址问题，对于库存的研究一般都是在供应链的基础上来展开，但是在供应链下的多级库存管理和决策通常都很复杂的，尤其涉及到上下游的订购与下游的退回，CLSC要同时兼顾多级库存与各节点的双源库存，库存管理更为繁杂，因而辅助管理者有效的策略是制定高效的库存控制决策。面对如此复杂的库存选址问题，智能优化算法在解决这类问题上起到了非常重要的作用。如：吕飞、李延晖[5]针对了供应链中的二级分销网络的备件物流模型，把成本最小化作为目标函数，建立了一个选址—库存—路径问题模型，并利用了禁忌搜索算法和改进的C—W算法的两阶段混合启发式算法解决了该模型的最优选址路径规划问题；李昌兵、张斐敏[6]利用两阶段启发式算法把选址—路径—库存问题作为一个整体的混合整数规划模型进行了优化；唐金环、朱宝琳[7]利用BFA—PSO组合优化算法对嵌入碳配额差值和选址—路径—库存运作成本的非线性整数规划模型进行了优化。

2 闭环供应链定价方法

在传统的正向供应链中，产品销售价格是影响产品销售量的重要因素之一，同样，在逆向供应链回收产品过程中，废旧品的回收价格也起着举足轻重的作用。所以，定价问题成为了CLSC研究的重要领域。下文中将从差异定价和无差异定价两个大的方面一一探讨闭环供应链定价问题。

2.1 差异定价研究综述

针对再制造产品和新产品的售价存在差别定价的原因主要有：（1）产品存在质量差异；（2）消费者对于原始产品与再制造产品存在不同的偏好，所以，制造商与销售商在对新产品与再制造品的批发价格和零售价格进行定价时也存在着一定的差异。通过对近几年国内外文献综述的研究发现，CLSC在差别定价领域取得了较大的拓展。

如：Xu M Z[8]等根据消费者对原始产品和再制造产品存在不同偏好，构建了不同生产产品差别定价的CLSC模型，研究了由制造商进行再制造的生产决策和零售商销售二手产品的销售决策问题；DAN Bin[9]等在考虑环保消费者的基础上研究了多个市场的再制造最优定价策略，分析了价格歧视策略的适用边界；丁雪峰[10]等把市场初始容量的变化纳入研究范围，探讨了变动的市场增长率对定价策略产生的影响，并分析了再制造率与利润的变化敏感度分析；GUO Junhua[11]等研究了在原始产品和再制造产品之间存在着一定替代关系的差异定价问题；XIONG Zhongkai[12]等对制造商选择废旧产品再制造的模式与经销商选择再制造的模式进行了比较，研究了在后者情形下新产品与再制造产品的差异定价策略。

2.2 无差异定价研究综述

无差异定价顾名思义就是，在同一市场质量上无任何差别的再制造产品与新产品进行销售且消费者对于它们的偏好是一致的。

在无差异定价问题上，博弈论一直得到广泛的应用，以下文献内容都是在假设再制造产品与新产品无差异的前提下所做的研究。

Regis Chenavaz[13]探索了在垄断市场中产品定价变化的情况，在寻求均衡价格、产品与工艺改进的策略目标下，通过构建模型，得出在产品与工艺创新影响的基础上产品的定价策略；Yongjian li[14]考虑了供应链节点企业之间有着产品返回情况下，SC下时尚类产品的最优定价决策与采购决策；Cheng-Han Wu[15]研究了制造商在RECLSC中的产品设计策略与再制造商的回收价格制定策略相关问题。Jianmai Shi[16]考虑了以同样的价格把新生产产品与再制造产品销售到同一个消费市场中，并通过设定CLSC总体利润最大为目标函数，来得出此基础上产品销售价格、新产品与再制造产品的生产数量、废旧品的回收价格。

2.3 CLSC中不确定性参数的解决方法

在不确定性的CLSC优化模型中，由于模型中的全部或部分参数是不可定量的，所以作为决策者，在对模型进行优化的过程中必须使用一定的方法来表示和观察这些不确定性参数，并解释它完成后可能出现的数值，目前，为解决不确定性参数的实现问题和模型构建问题，主要存在以下几种方法：

（1）情景分析法

1972年，美国SHELL公司pierr Wark[17]提出了有名的情景分析法，它的基本论点是：即使未来是不确定的，但是有一部分是可以预测的，可以通过这些可预测的部分来预测未来可能的发展态势。

（2）数学解析方法

数学解析法就是，利用不确定性规划的数学属性，把不确定性的优化转变为确定性的优化问题，从而最终利用传统的数学规划方法来进行求解，关于这方面的研究已经非常成熟。

（3）模拟方法

刘宝碇[18-19]以模糊变量的性质为基础上，从可能性与可信性测度出发，提出了模糊模拟方法来计算模糊事件的可能性、临界值和期望，这些模拟方法会与遗传算法、粒子群算法或遗传模拟退火法等智能算法相结合，得到不确定性优化的最优结果。

（4）系统仿真方法

系统仿真的另一种说法是计算机模拟，其的研究原理是利用计算机模拟仿真模型再现真实系统，系统解由运行模拟真实系统而得。得益于近年来计算机和通信技术的日新月异发展，仿真领域也开发了很多优秀软件来解决实际生产问题如：现行生产线效能问题，库存优化管理，以最低的产能达成最有效的生产目标都可以利用这些软件得到解决。

以上，通过对闭环供应链不确定性引起的后果分析，以及对各文献中对于不确定性定价研究中不确定因素表示形式的归纳，可以看出，闭环供应链的不确定性是我们亟需解决的问题，特别在定价问题中表现得更加明显。

3 智能优化算法在各领域中的运用

优化算法有很多种，对于不同的优化问题要使用最适宜的优化算法，经典的算法，如梯度、海赛矩阵、拉格朗日乘数、单纯形法、梯度下降法等可以用来解决一些连续性和简单的线性问题，而针对更复杂的问题，智能优化算法可以很好地解决这些问题，如遗传算法、模拟退火算法、遗传模拟退火算法、小生境粒子群算法等。如：陈湘州、黎志明、刘祖润[20] 在解决车辆路径优化问题时采用了改进更新的整数编码遗传算法，成功地得出了最优路径规划方案；杨希祥、李晓斌、肖飞[21]在对飞行器进行优化设计时分别论述了遗传算法、模拟退火算法、粒子群优化算法、蚁群算法的优劣性，并基于此提出了改进建议，以更好地适用于飞行器优化研究；李广军、孙晓玲、赵炯[22]归纳性地介绍了在焊接领域组合优化、自动控制、生产调度和图像处理等方面，智能优化算法在其他行业已经有了广泛的应用，并取得了可观的成效，人们对它的重视与日俱增，智能优化算法作为一种高效的优化方法，在更贴近现实的复杂的闭环供应链定价模型中可以发挥巨大的作用，同时也可以为企业的决策提供更加准确的指导。

4 结 论

在闭环供应链的相关研究上，我国起步较晚，研究内容相对单调，在变量的选择和其不确定性研究方面，大多数研究中采取的都是减少变量、简化不确定性，虽然，少数研究中涉及了需求或回收的不确定性，但是在解决不确定性问题方面采用的都是博弈理论，首先根据斯坦伯格博弈方法得出各个变量的偏分，再代入得出最优利润值，这种解决方法并不能得出准确的最优解；在闭环供应链研究方向上，使用智能优化算法的研究非常少，而智能优化算法对于多变量的定价模型能得到更准确的优化结果，所以用智能优化算法解决闭环供应链定价问题将会是今后非常有前景的研究方向之一。

参考文献：

[1] 赵玉兵. 基于供应链管理的协同营销模型的构建[J]. 湖北汽车工业学院学报，2012（12）：76-80.

[2] V. Daniel， et al. Building contingency Planning for closed-loop supply chains with product recovery[J]. Journal of Operations Management， 2003（5）：259-273.

[3] Guide J， Luk N. The evolution of closed-loop supply chain research[J]. Operations Research， 2009，57（1）：10-18.

[4] 赵晓敏. 闭环供应链管理—我国电子制造业应对欧盟WEEE指令的管理变革[J]. 中国工业经济，2004（8）：48-55.

[5] 吕飞，李延晖. 备件物流系统选址库存路径问题模型及算法[J]. 工业工程与管理，2010（2）：82-87.

[6] 李昌兵，张斐敏. 集成选址—路径—库存问题的逆向物流网络优化[J]. 计算机集成制造系统，2014（7）：1793-1798.

[7] 唐金环，朱宝琳. 考虑碳配额差值的选址—路径—库存集成问题优化模型与算法[J]. 中国管理科学，2014（9）：114-122.

[8] Xu M Z， Tang F. Differential pricing model of closed-loop supply chain considering consumer preferences[J]. Computer Integrated Manufacturing Systems， 2014，20（4）：945-953.

[9] DAN Bin， DING Xuefeng. Pricing discrimination policy for remanufactured products based on customer segment[J]. European Journal of Operational Research， 2010，203（2）：370-379.

[10] DAN Bin， DING Xuefeng. Optimal pricing for the remanufactured products and analyzing the effect of cannibalization and market growth[J]. Systems Engineering Theory Practice， 2010，30（8）：1371-1379.

[11] GUO Junhua， LI Bangyi， NI Ming. Pricing strategies and coordination mechanism of closed-loop remanufacturing supply chain with WTP differentiation[J]. Journal of System Management， 2012，21（5）：617-624.

[12] XIONG Zhongkai， WANG Kai， XIONG Yu. Research on the closed-loop supply chain that the distributor engages in remanufacturing[J]. Journal of Management Sciences in China， 2011，14（11）：1-9.

[13] Chenavaz R. Dynamic pricing product and process innovation[J]. European Journal of Operational Research， 2012，222（3）：553

-557.

[14] Li Y. C. Wei， X. Cai. Optimal pricing and order policies with B2B product returns for fashion products[J]. International Journal of Production Economics， 2012，135（2）：637-646.

[15] Wu CH. Product-design and pricing strategies with remanufacturing[J]. European Journal of Operational Research， 2012，222：204-215.

[16] Shi J， et al. Optimal production and pricing policy for a closed loop system[J]. Resources Conservation and Recycling， 2011，55（6）：639-647.

[17] 曾忠禄，张冬梅. 不确定环境下解读未来的方法：情景分析法[J]. 情报杂志，2005，24（5）：14-16.

[18] Liu B. Toward fuzzy optimization withou tmathematical ambiguity[J]. Fuzzy Optimization And Decision Making， 2002（1）：43-63.

[19] Liu B. Theory and Practice of Uncertain Progranuning[M]. Heidelberg Physica Verlag， 2002.

[20] 陈湘州，黎志明，刘祖润. 一种改进的整数编码遗传算法在车辆路径优化问题中的应用[J]. 南方冶金学院学报，2004（2）：36-41.

[21] 杨希祥，李晓斌，肖飞，等. 智能优化算法及其在飞行器优化设计领域的应用综述[J]. 宇航学报，2009（11）：2051-2061.

[22] 李广军，孙晓玲，赵炯. 智能优化算法及其在焊接优化设计领域的应用[J]. 电焊机，2011（6）：67-72.