[논문 리뷰] Distributionally robust multistage inventory models with moment constraints

Linwei Xin, David A. Goldberg외 1명|arXiv (Cornell University)|2013. 04. 10.

Risk and Portfolio Optimization참고 문헌 64인용 수 11

한 줄 요약

이 논문은 평균, 분산 및 수요의 지지역간 정보만 알려진 경우에 모멘트 기반의 모호성 하에서 다단계 분포로보스터스 인벤토리 모델을 연구한다. 약한 시간 일관성과 강한 시간 일관성에 대한 충분조건을 확립하여 재최적화가 허용될 경우 최적 정책이 유지되지 않을 수도 있음을 보이며, 이 설정에서 시간 일관성의 미묘한 성격을 보여주는 반례를 제시한다.

ABSTRACT

In this paper, we consider a minimax approach to managing an inventory under distributional uncertainty. In particular, we study the associated multistage distributionally robust optimization problem, when only the mean, variance, and distribution support are known for the demand at each stage. It is known that if the policy maker is allowed to recompute her policy choice after each stage (i.e. dynamic formulation), thus taking prior realizations of demand into consideration when performing the relevant minimax calculations at later stages, a basestock policy is optimal. In contrast, if the policy maker is not allowed to recompute her policy after each stage (i.e. static formulation), far less is known. If these two formulations have a common optimal policy, i.e. the policy maker would be content with the given policy whether or not she has the power to recompute after each stage, we say that the policy is time consistent, and the problem is weakly time consistent. If every optimal policy for the static formulation is time consistent, we say that the problem is strongly time consistent. In this paper, we give sufficient conditions for weak and strong time consistency. We also provide several examples demonstrating that the problem is not time consistent in general. Furthermore, these examples show that the question of time consistency can be quite subtle in this setting. In particular, we show that: (i) the problem can fail to be weakly time consistent, (ii) the problem can be weakly but not strongly time consistent, and (iii) the problem can be strongly time consistent even if the two formulations

연구 동기 및 목표

• 수요의 평균, 분산 및 지지역만 알려진 경우 다단계 분포로보스터스 인벤토리 모델에서 시간 일관성을 분석하기 위해.
• 정적 및 동적 설정이 동일한 최적 정책을 도출할 때, 즉 시간 일관성이 성립할 때를 결정하기 위해.
• 분포 불확실성이 존재할 경우 약한 및 강한 시간 일관성에 대한 충분조건을 규명하기 위해.
• 반례를 통해 시간 일관성이 보장되지 않으며, 미묘한 방식으로 다양할 수 있음을 보여주기 위해.

제안 방법

• 다단계 수요 분포에 대한 모멘트 제약 조건 하에서 최소화-최대화로보스터스 최적화 프레임워크로 문제를 설정한다.
• 각 단계 이후 정책 재계산이 가능한 동적 설정과 정책을 사전에 고정하는 정적 설정을 사용한다.
• 알려진 1차 및 2차 모멘트와 유한 지지역을 사용하여 모호성을 모델링하기 위해 분포로보스터스 최적화 기법을 적용한다.
• 정적 설정에서의 최적 정책이 동적 재최적화 하에서도 여전히 최적임이 보장되는 조건을 도출한다.
• 모호성 집합의 구조적 분석을 통해 시간 일관성 성질을 특성화한다.
• 시간 일관성이 다양한 형태로 실패할 수 있는 경우를 보여주는 명시적 반례를 구성한다.

실험 결과

연구 질문

• RQ1 다단계 인벤토리 문제의 정적 설정이 동적 설정과 시간 일관성이 성립하기 위한 조건은 무엇인가?
• RQ2 문제가 약한 시간 일관성은 갖지만 강한 시간 일관성은 갖지 못할 수 있는가?
• RQ3 정적 및 동적 설정이 다를 경우에도 문제의 강한 시간 일관성이 가능할 수 있는가?
• RQ4 모멘트 제약 조건(평균, 분산, 지지역)은 로보스터스 인벤토리 정책의 시간 일관성에 어떻게 영향을 미치는가?
• RQ5 모호성 집합의 어떤 구조적 성질이 시간 일관성을 유도하거나 방해하는가?

주요 결과

• 문제는 일반적으로 시간 일관성이 없으며, 반례를 통해 정적 설정에서의 최적 정책이 동적 재최적화 하에서도 최적임이 보장되지 않음을 보여준다.
• 문제는 약한 시간 일관성에도 실패할 수 있으며, 이는 시간 일관성 최적 정책의 존재 자체가 보장되지 않음을 의미한다.
• 약한 시간 일관성은 갖지만 강한 시간 일관성은 갖지 못하는 경우가 존재하므로, 모든 최적 정적 정책이 시간 일관성이 있는 것은 아님을 시사한다.
• 정적 및 동적 설정이 동치가 아니더라도 문제의 강한 시간 일관성이 성립할 수 있으며, 이는 강한 일관성이 설정의 동치를 요구하지 않음을 보여준다.
• 약한 및 강한 시간 일관성에 대한 충분조건를 도출하여 재최적화 하에서도 로보스터스 인벤토리 정책이 유효하게 유지되는 조건를 이론적으로 규명한다.
• 분석을 통해 분포로보스터스 인벤토리 모델에서 시간 일관성은 모호성 집합의 구조와 모멘트 제약 조건 간의 상호작용에 매우 민감하게 영향을 받음을 밝혀냈다.