多对多替代，
如何保留最优策略的结构？

多模性保持理论的最新突破与运营管理前沿应用
Preservation of Multimodularity: New Results and Applications

——基于双边多对多资源匹配视角下的理论创新、实例解析与经济管理启示

论文作者	Tong Wang（香港城市大学）, Li Xiao（澳门大学）, Fen Xu（华中科技大学） 【注：作者名按要求保持英文原文，不作中文翻译】
发表期刊	Operations Research, Vol. 74, No. 5, September–October 2026, pp. 2297–2309 Area of Review: Operations and Supply Chain DOI: https://doi.org/10.1287/opre.2025.1704
JEL 分类号	C61 (Optimization Techniques; Programming Models; Dynamic Analysis) C44 (Operations Research; Statistical Decision Theory) D24 (Production; Cost; Capital; Capacity) L23 (Organization of Production) M11 (Production Management)
关键词	multimodularity (多模性); substitution (替代); remanufacturing (再制造); transshipment (转运); dynamic programming (动态规划)
基金资助	国家自然科学基金重大/重点/面上/青年项目 [72222008, 72192833/72192830, 72571231, 72131010, 72221001, 72271140]；香港研究资助局 [GRF 11502225]；澳门大学科研基金 [MYRG-GRG2025-00173-FBA, SRG2025-00013-FBA]
报告性质与范围	全文系统深度学术综述：覆盖研究背景、核心学术贡献、概念定义与数学符号、全部定理/命题/推论/引理的实例剖析（不展示和讲解证明过程）、经济与管理启示总结，以及完整规范参考文献。

一、 引言与全文综述

在现代运营管理（Operations Management）、收益管理（Revenue Management）与供应链控制中，离散凸分析（Discrete Convex Analysis, DCA）构成了研究随机动态系统结构性质的核心数学基石。自 Hajek（1985）在其关于点过程极值分割的开创性研究中提出多模性（Multimodularity）概念以来，多模函数因其能精巧刻画离散决策空间中的经济替代性（Economic Substitutability），并可严格导出决策变量具有有界敏感性（Bounded Sensitivity）的单调比较静态（Monotone Comparative Statics）特征，被广泛应用于排队网络优化、随机库存控制与收益管理模型之中（Glasserman and Yao 1994, Ha 1997, Li and Yu 2014）。

在数学本质上，多模性与离散凸分析中刻画经济互补性（Economic Complementarity）的另一核心概念——L-凸性（L♮-convexity）存在深刻的对偶与等价关联：通过一个幺模坐标变换（Unimodular Coordination Transformation），多模函数可以完全转化为 L-凸函数（Murota 2005）；特别是在二维空间下，多模性进一步与 M-凸性（M♮-convexity）完全等价（Chen and Li 2021）。多模性在算法设计层面同样展现出非凡的威力，支持多项式时间内的任意加性误差近似算法，以及针对复杂目标函数的二次近似与降维加速算法（Chen et al. 2014a, Wang et al. 2021）。

然而，将多模性应用于多周期马尔可夫决策过程（MDP）等动态优化问题时，长期存在一个核心理论瓶颈：多模性在参数优化（Parametric Optimization，即求极小值/极大值操作）下能否保持？经典的 Topkis 定理（1998）表明，要使转换后的目标函数在极小化后保持次模性，必须确保其决策可行域在相应空间中构成一个子格（Sublattice）。现有文献（如 Zipkin 2008, Huh and Janakiraman 2010, Li and Yu 2014, Chen et al. 2021）均建立在单边匹配的假设之上——即系统仅包含多个资源满足单一需求类，或单一资源分配给多个需求类。一旦进入真实的复杂运营环境，多类资源与多类需求同时存在并相互替代（多对多双边匹配），由于分配矩阵受到资源在手上限和需求满足的双重非负物理约束，决策集合在坐标变换后不再构成子格，致使传统证明范式彻底失效，直接阻碍了高维随机动态规划最优策略结构性质的解析证明。

针对这一重大理论空白与方法论挑战，Tong Wang、Li Xiao 与 Fen Xu 在发表于《Operations Research》的这篇论文中，开创性地建立了适用于两类双边多对多资源分配问题的多模性保持全新理论：（1）单向升级替代问题（One-way Upgrading Substitution），允许高品质资源向低品质需求单向升配；（2）通用双向替代问题（Two-way Substitution），在升级之外进一步引入带有额外经济补偿或补贴的降级匹配。作者揭示出：只要目标函数满足一组特定的边际成本/价值优先级不等式，优化操作就能完美保持多模性以及这些边际不等式。文章随后将这一强有力的数学工具成功推演至动态产能管理、失去销售闭环再制造库存、二手电商平台买家-商品匹配以及多网点动态转运等四个重要前沿场景，彻底攻克了若干困扰学术界已久的非可分解动态规划难题。

二、 文章核心学术贡献的突出提炼

★ 核心贡献：理论维度的重大跨越：从单边匹配迈向双边多对多资源分配 突破了过去半个世纪中运筹学文献关于多模性和 L-凸性保持定理只能处理“单资源-多需求”或“多资源-单需求”单边结构的传统局限，首次在严谨的数学框架下建立了同时包含 n 种资源类型和 m 种需求类别的双边匹配多模性保持定理（Theorem 1 与 Theorem 4），构建了多对多匹配环境下的离散凸分析理论桥梁。

★ 核心贡献：方法论的原始创新：发明“基于优先级的匹配限制”（Priority-Based Matching Limit） 针对双边分配约束 aᵢⱼ ⩾ 0 在坐标变换后破坏子格（Sublattice）结构的根本症结，论文从收益管理经典的嵌套订位限额（Nested Booking Limit）中汲取灵感，创造性地定义了基于优先级的匹配限制变量 qᵢⱼ。通过将不可微的非格可行域等价松弛为格集合，并证明了原问题与松弛问题在最优解处的严格等价性（Lemma 1 及 Lemma B.2），为解决高维带约束离散优化问题开辟了全新的方法论路径。

★ 核心贡献：结构特性的深层统一：精确刻画多模性保持与最优匹配优先级条件的内在充要关联 论文证明了多模性保持并非无条件的，而是内生依赖于目标函数所蕴含的匹配优先级边际条件（P1-P3 与 P1'-P6）以及替代成本的凸性与可加性结构（不等式 7 与等式 8）。作者通过详尽的反例（Remarks 2, 4, 5）严格证明了这些条件构成了保持多模性的“最小完备集合”，任何条件的放松都会导致多模性破坏，从数学本质上揭示了经济优先级与离散凸性保持的一致性。

★ 核心贡献：对网络流转换理论的重要补充（Complementing Network Flow Transformation Theory） 在经典离散凸分析中，Murota（2003, Theorem 9.26(1)）指出，流型网络变换通常无法保持多模性或其等价的 L-凸性。本研究表明，在一类具有特定优先级的资源流分配网络中，定义在网络出口节点上的多模费用函数经网络流优化反向映射后，依然在入口节点上严格保持多模性。这为网络变换下的凸性保持理论提供了珍贵的正向补充成果。

★ 核心贡献：四维管理应用的前沿突破与算法降维赋能 论文将新定理成功注入四个极具挑战的运营场景：（1）大幅简化并深化了动态产能管理的最优配额保护水平有界敏感性分析；（2）在国际上首次攻克了失去销售（Lost Sales）下多等级回收旧件再制造高维 MDP 无法分解的难题，证明了双阈值最优控制律；（3）揭示了二手转售平台中异质成色与多样客群双向匹配的值函数反多模性；（4）建立了跨多周期、考虑距离差异化运费的多网点动态转运最优策略结构，彻底规避了“高维诅咒”，为多项式时间近似算法的设计奠定了坚实基础。

三、 核心概念、数学定义与模型符号详解

（一）核心数学概念与定义

【格（Lattice）与次模性（Submodularity）】
设集合 S 是实数向量空间的一个子集，配备通常的分量逐项偏序关系。若对于任意 x, y ∈ S，其极大元 x ∨ y 与极小元 x ∧ y 均属于 S，则称 S 为一个格（Lattice）。若函数 ψ: S → ℝ 满足：对任意 x, y ∈ S，都有 ψ(x ∧ y) + ψ(x ∨ y) ⩽ ψ(x) + ψ(y)，则称 ψ 在 S 上是次模的（Submodular）。次模性在经济学上代表边际效益递减，即某一决策变量的增加会降低其他决策变量的边际回报。

【定义 1（Definition 1）：多模函数与反多模函数】
论文给出了多模性的严格数学定义如下：

$$设\ {V\ \subseteq \ {\mathbb{R}}}_{n}，且\ {S\ = \ \{(x}_{1},...,\ x_{n},\xi)\ \subseteq \ {\mathbb{R}}^{n + 1}\ |\ \left( x_{1}\ - \ \xi,\ x_{2}\ - \ x_{1},...,\ x_{n}\ - \ x_{n - 1} \right)\ \in \ V\}\ 均为格。若函数\ \psi\left( x_{1},...,\ x_{n},\xi \right)\ : = \ f\left( x_{1}\ - \ \xi,\ x_{2}\ - \ x_{1},...,\ x_{n}\ - \ x_{n - 1} \right)\ 在\ S\ 上是次模的，则称函数\ f:\ V\ \rightarrow \ {\mathbb{R}}\ 是多模的（Multimodular）；若\ - f\ 是多模的，则称\ f\ 是反多模的（Antimultimodular）。$$

【幺模坐标变换与 L-凸性】通过构造线性变换矩阵 M，使得变换后向量 u = Mz，原本定义在连续或离散格上的多模函数 f(z) 可以完全同构地映射为一个 L-凸函数（L♮-convex function）。这一等价性揭示了多模性在本质上是离散凸分析（Discrete Convex Analysis）在强替代性空间中的直接投影。

（二）全文统一模型符号体系与物理含义

为了刻画多资源对多需求的双边动态匹配系统，论文建立了一套极其精妙、富有深刻物理含义的符号系统：

符号标记	数学定义 / 形式	运营管理物理背景与经济含义
$n,\ m$	$n,\ m\ \in \ {\mathbb{Z}}₊$	系统包含的资源类型总数（n 种）与客户需求类别总数（m 类）。
$x\ = \ \left( x_{1},\ ...,\ x_{n} \right)$	$x_{i}\ \in \ {\mathbb{R}}₊,\ i\ \in \ \lbrack n\rbrack$	各资源类型的现有在手可用库存向量，按品质/价值递减降序排列（1 为最高阶）。
$b\ = \ \left( b_{1},\ ...,\ b_{m} \right)$	$b_{j}\ \leqslant \ 0,\ j\ \in \ \lbrack m\rbrack$	各需求类别的负积压量（Negative Backorder Level），0 代表无积压，绝对值代表排队等待满足的订单量。
$0\ = \ \ell_{0}\ < \ \ell_{1}\ < \ ...\ < \ \ell_{m}\ = \ n$	$\ell_{j}\ \in \ {\mathbb{Z}}₊,\ j\ \in \ \lbrack m\rbrack$	资源与需求之间的层级划分点。需求类别 j 对应的对等自然资源类型集合为 {ℓⱼ₋₁ + 1, ..., ℓⱼ}。
$z\ = \ \left( x_{1},\ b_{1},\ ...,\ x_{m},\ b_{m} \right)$	$z\ \in \ {\mathbb{R}}ⁿ⁺ᵐ,\ x_{j}\ = \ \left( x_{\ell ⱼ₋₁\ + \ 1},\ ...,\ x_{\ell ⱼ} \right)$	系统联合状态向量。将资源库存与对应的负积压需求交替穿插排列，该排序精准捕捉了邻近状态间的强替代性。
$A\ = \ \left( a_{ij} \right)_{n \times m}$	$a_{ij}\ \geqslant \ 0$	资源分配决策矩阵：从资源类型 i 分配给需求类别 j 的数量。在单向升级中，若 i > ℓⱼ 则 aᵢⱼ = 0。
$z\bar{}\ = \ \left( {x\bar{}}_{1},\ {b\bar{}}_{1},\ ...,\ {x\bar{}}_{m},\ {b\bar{}}_{m} \right)$	${x\bar{}}_{i}\ = \ x_{i}\ - \ a_{i,\lbrack 1,m\rbrack},\ {b\bar{}}_{j}\ = \ b_{j}\ + \ a_{\lbrack 1,n\rbrack,j}$	资源分配后的更新在手状态：各资源扣减被调配量，各需求累加得到满足量（负积压向 0 靠拢）。
$q_{ij}$	$q_{ij}\ : = \ a_{ij}\ + \ a_{\lbrack 1,i - 1\rbrack,j}\ + \ a_{i,\lbrack j + 1,m\rbrack}$	基于优先级的匹配限制（Priority-Based Matching Limit）：涵盖优先级不高于 aᵢⱼ 的全部低顺位分配总量。
$\Delta_{z_{i}}f(z)$	$\Delta_{z_{i}}f(z)\ : = \ \frac{f(z\ + \ \varepsilon e_{i})\ - \ f(z)}{\varepsilon}$	状态变量差分算子，对应于连续函数下的偏导数 ∂f(z)/∂zᵢ，表征系统在某状态方向上的边际费用或边际收益。

【深度技术洞察：为何状态向量必须按 (x₁, b₁, ..., xₘ, bₘ) 交叉排序？】
多模性对自变量的排列次序具有极端的敏感性。在一般情况下，若 f(z) 是多模函数，对自变量执行任意置换 δ(z) 所得到的函数通常不再保持多模性（唯一的例外是反序排列）。过去绝大多数文献（如 Yu et al. 2015, Hu and Zhou 2022）习惯于将全部库存变量与全部需求变量分块放置，例如 (x₁, ..., xₙ, b₁, ..., bₘ)。作者敏锐地发现，分块排列割裂了资源与对等需求之间的紧密联动；只有将对等的资源与其对应的需求并置排列，例如 (x₁, b₁, x₂, b₂, ...)，才能在向量差分结构中完美反映出：相邻状态变量之间存在着最强烈的直接替代性。整个多模性保持定理的证明，正是建立在这一变量次序所揭示的经济替代强度之上。

四、 定理、命题与引理的详尽解读与实例分析

【说明】按照要求，本部分严格不展示、不讲解冗长的数学证明推导过程，而是针对全文提出的每一个核心定义、定理、引理、命题与推论，结合现代商业运营与供应链管理的真实业务场景，通过生动、具体的数值或现实运营实例，深度剖析其数学条件的直观物理意义与经济学内涵。

（一）定义 1（Definition 1）：多模性与反多模性

运营实例 1：云计算数据中心的双层算力资源配置 考虑阿里云或 AWS 数据中心提供两种算力规格：高端 GPU 实例（资源 1，在手库存 x₁）与通用 CPU 实例（资源 2，在手库存 x₂）。设任务总算力需求为 D，系统运营缺口损失函数为 f(x₁, x₂) = (D - x₁ - x₂)²（在缺口为正时）。 按照定义 1，构造变换函数 ψ(x₁, x₂, ξ) = f(x₁ - ξ, x₂ - x₁)。由于 x₁ 和 x₂ 是完全或高度替代的资源，当我们额外增加 1 台高端 GPU 实例时，不仅直接减少了算力缺口，而且显著降低了随后再增加通用 CPU 实例所能带来的边际损失减少额。这种“随着某一资源增加，另一替代资源的边际价值单调衰减”的性质，正是多模性的数学体现。 若考虑以利润为目标的最大化问题（如收益减去服务器购置成本），其目标函数即呈现反多模性（Antimultimodularity），表明多维资源储备对总利润具有联合边际收益递减的凹性特征，保证了最优配置策略不存在震荡，具有良好的平滑性和单峰极值性。

（二）定理 1（Theorem 1）：单向升级替代下的多模性保持定理

【定理表述与核心条件】设目标费用函数 f(z) 是多模的，且满足以下三个边际成本/价值优先级条件：

$$(P1)\ \ \Delta_{x_{i}}f(z)\ \leqslant \ \Delta_{x_{i + 1}}f(z),\ \ 对所有\ i\ \in \ \lbrack n - 1\rbrack$$

$$(P2)\ \ \Delta_{b_{i}}f(z)\ \leqslant \ \Delta_{b_{i + 1}}f(z),\ \ 对所有\ i\ \in \ \lbrack m - 1\rbrack$$

$$(P3)\ \ \Delta_{b_{i}}f(z)\ \leqslant \ \Delta_{x_{\ell ᵢ₊₁}}f(z),\ \ 对所有\ i\ \in \ \lbrack m - 1\rbrack$$

则优化后的综合费用函数 g(z) 依然严格保持多模性，并完整继承性质（P1）–（P3）：

$$g(z)\ : = \ \min_{A \in F(z)}\ f(z\bar{})$$

运营实例 2：航空公司全机舱动态升舱（One-Way Upgrading）决策 考虑某航空公司执飞航班，包含 4 种舱位等级：头等舱（Resource 1）、商务舱（Resource 2）、超级经济舱（Resource 3）、普通经济舱（Resource 4）。各舱位分别对应 4 类旅客需求（m=4），由于超售或需求波动，低舱位旅客可被免费升舱至更高舱位（单向升级替代），但高舱位旅客绝不能被降级。 【条件 (P1) 的实例解释——资源消耗优先级】：$\Delta_{x_{i}}f(z)\ \leqslant \ \Delta_{x_{i + 1}}f(z)$。这意味着在手高阶资源（如头等舱）的边际机会成本严格高于低阶资源（如超经舱）。当经济舱发生超售需要升舱补救时，航空公司最优决策是优先把旅客升入超级经济舱；只有当超级经济舱座位全部耗尽时，才允许动用更为昂贵稀缺的商务舱或头等舱。即：升级时优先消耗距离需求最近、边际成本最低的资源。 【条件 (P2) 的实例解释——需求补偿优先级】：$\Delta_{b_{i}}f(z)\ \leqslant \ \Delta_{b_{i + 1}}f(z)$。在负积压设定下，bᵢ 越负代表未满足的高价值客户越多。该条件表明，解决高等级客户（如全价商务客）缺口的边际收益，远高于解决低等级客户（如特价经济客）缺口的收益。因此，当手中多出一间空余的高档客舱时，必须优先将其分配给高价值积压需求，避免产生高额的商誉损失和退赔补偿。 【条件 (P3) 的实例解释——相邻层级联合升级优于跨级跃升】：$\Delta_{b_{i}}f(z)\ \leqslant \ \Delta_{x_{\ell_{i} + 1}}f(z)$。该条件指出，两步连续的相邻微升级（例如：普通经济舱旅客升入超经舱，同时超经舱原旅客升入商务舱），其系统总效率严格优于将普通经济舱旅客直接一步跨级扔进头等舱。平滑的梯级递进升级能够最大限度盘活全机各舱位的剩余价值。 【定理 1 结论的业务意义】：定理 1 证明，如果期末的剩余资产结算费用满足上述合理的经营准则（P1）–（P3），那么在经历当期的最优升舱决策后，面向未来的多期价值函数 g(z) 依然完美保持多模性以及同样的升级优先级准则。这保证了航司在多周期动态售票与升舱控制中，无需每期推倒重来，最优决策规则在时间维度上具有高度的一致性与稳定性。

（三）引理 1（Lemma 1）：基于优先级的匹配限制与松弛可行域等价性

【引理表述与数学构造】为了克服原可行域 F(z) 中非负约束 aᵢⱼ ⩾ 0 导致非格的致命障碍，定义基于优先级的匹配限制变量 qᵢⱼ：

$$q_{ij}\ : = \ a_{ij}\ + \ a_{\lbrack 1,\ i - 1\rbrack,\ j}\ + \ a_{i,\ \lbrack j + 1,\ m\rbrack}$$

定义放大后的松弛可行域 $G(z)\ = \ \{ A\ |\ \bar{z}\ \in \ V;\ q_{ij}\ \geqslant \ 0,\ 1\ \leqslant \ i\ \leqslant \ \ell_{j},\ 1\ \leqslant \ j\ \leqslant \ m;\ a_{ij}\ = \ 0\ elsewhere\}$。
引理 1 确立了关键等价性：只要目标函数 f 满足性质（P1）–（P3），则原优化问题与松弛优化问题在最优值和最优解上完全等价，即 $\min_{A\ \in \ F(z)}\ f(\bar{z})\ = \ \min_{A\ \in \ G(z)}\ f(\bar{z})$，且优化后函数 $g(z)$ 依然满足性质（P1）–（P3）。

运营实例 3：收益管理中嵌套订位限额（Booking Limit）的二维推广 在单维航班订位中，航空公司不直接限制全价票的订位下限，而是设置“嵌套限额”：低票价分配量不得超过某限额，高票价天然享有优先权。引理 1 创造的 qᵢⱼ 变量正是这一思想向“二维资源-需求矩阵”的划时代推广！ 假设系统有 2 种资源（商务舱、经济舱）和 2 类需求。若直接要求每个分配量物理非负（a₁₁ ⩾ 0, a₁₂ ⩾ 0, a₂₂ ⩾ 0），在状态空间求交求并时无法形成闭合子格； 但在松弛集合 G(z) 中，我们允许单个 aᵢⱼ 在数学上暂时为负，只要累积低优先级分配限制 qᵢⱼ 保持非负即可。为什么最优解绝不会选出荒谬的“负分配”？ 直观原因在于：性质（P1）–（P3）赋予了系统强大的自发纠偏驱动力——一旦优化算法尝试令 a₁₁ < 0（相当于荒唐地把商务舱旅客降配到经济舱并腾出座位），由于商务舱边际价值更高且（P1）优先消耗低阶资源，算法立即发现：把该负值拉回 0 并转而使用真正的升舱决策，费用一定会严格下降！ 因此，在最优解处，松弛界限自发收紧，负分配被内生剔除，完美实现了“数学上松弛为格以便应用 Topkis 定理，而经济上保持严格等价”的精妙效果。

（四）命题 1（Proposition 1）：单需求类转化与纯资源处置特例

【命题表述与边际差额保持】
当需求类别退化为 m = 1 且 ℓ₁ = n 时，状态空间大幅简化，性质（P1）–（P3）自然收缩为仅需性质（P1）。
（i）若状态为 z = (x₁, ..., xₙ, b₁)，对应多资源向单一需求的“最优转化问题”（Optimal Transformation）；
（ii）若状态为 z = (x₁, ..., xₙ)，对应多类资源的“最优处置问题”（Optimal Disposal）。
特别地，若原函数相邻资源的边际差额存在固定下界 η ⩽ 0，即：

$$\Delta_{x_{i}}f(z)\ - \ \Delta_{x_{i + 1}}f(z)\ \geqslant \ \eta\ \ \Longrightarrow \ \ \Delta_{x_{i}}g(z)\ - \ \Delta_{x_{i + 1}}g(z)\ \geqslant \ \eta,\ \ i\ \in \ \lbrack n - 1\rbrack$$

运营实例 4：多品位铜矿石熔炼转化与季末服装多层级打折处置 【实例 (i)——多品位金属废料精炼转化】：冶炼厂有特级废铜（x₁）、纯铜缆（x₂）和杂铜屑（x₃），需要熔炼生产交付客户一批标准阴极铜（订单目标 b₁）。性质（P1）决定了最优转化次序：先转化边际价值最低的杂铜屑（x₃），不足再用纯铜缆（x₂），最后才动用最具保值价值的特级废铜（x₁）。命题 1 表明，转化决策后系统的整体成本函数依然保持多模性。 【实例 (ii)——换季库存折价清仓处置】：快时尚品牌（如 ZARA）季末有 A 类当季爆款、B 类常规款和 C 类滞销款库存。处置决策 aᵢ 代表下架焚毁或批发给折扣尾货商。由于滞销款持有成本最高且预期收益最低，最优处置策略严格遵循先处置 C 类、再 B 类的优先级。处置之后，剩余库存的价值评估函数依然保持多模性。 【边际差额下界 η 的经济意义】：若特级废铜相对于纯铜缆的边际成本优势至少为 100 元/吨（即 η = -100），无论经过怎样规模的熔炼消耗或库存处置，剩余库存系统中高低品位之间的这种边际剪刀差绝对不会被抹平或缩小，保障了原料品质分级采购策略的长期有效性。

（五）定理 2（Theorem 2）：通用升级动态产能管理价值函数的反多模性

【模型设定与定理表述】
企业管理 n 种品质产品以满足 n 类客户需求，销售周期为 T 期。产品不可补货，高阶产品可免费升配满足低阶需求。需求 i 带来收入 $r_{i}$，缺货导致商誉损失 $g_{i}$，产品 i 发生使用成本 $u_{i}$。在假设 1 条件下（$r_{i}\ \geqslant \ r_{i + 1},\ g_{i}\ \geqslant \ g_{i + 1},\ u_{i}\ \geqslant \ u_{i + 1},\ 且\ r_{i}\ + \ g_{i}\ \geqslant \ u_{i + 1}$），系统价值函数 $V_{t}(z)$ 呈现反多模性（Antimultimodularity），且严格满足以下三个边际收益边界条件：

$$(T1)\ \ \Delta_{x_{i}}V_{t}(z)\ \geqslant \ \Delta_{x_{i + 1}}V_{t}(z)\ + \ u_{i + 1}\ - \ u_{i}$$

$$(T2)\ \ \Delta_{b_{i}}V_{t}(z)\ \geqslant \ \Delta_{b_{i + 1}}V_{t}(z)\ + \ r_{i + 1}\ - \ r_{i}\ + \ g_{i + 1}\ - \ g_{i}$$

$$(T3)\ \ \Delta_{b_{i}}V_{t}(z)\ \geqslant \ \Delta_{x_{i + 1}}V_{t}(z)\ + \ u_{i + 1}\ - \ \left( r_{i}\ + \ g_{i} \right)$$

运营实例 5：云计算多规格服务器实例动态跨期配售 云服务商（如腾讯云）在华北数据中心拥有 3 种虚拟机配置：32 核企业型（产品 1）、16 核标准型（产品 2）、8 核入门型（产品 3）。用户订单按期随机到达，若入门型售罄，平台可将客户免费升级到 16 核或 32 核虚拟机实例。 【性质 (T1) 的数值含义】：假设 32 核实例单期电费与折旧 $u_{1}\ = \ 15$ 元，16 核实例 $u_{2}\ = \ 8$ 元。性质 (T1) 表明：$\Delta_{x_{1}}V_{t}(z)\ \geqslant \ \Delta_{x_{2}}V_{t}(z)\ - \ 7$ 元。也就是说，在手多拥有一台 32 核服务器相对于多拥有一台 16 核服务器的边际预期总收益差，绝不会跌破两者的物理使用成本之差（7 元），确保了高配服务器的储备价值底线。 【性质 (T2) 的数值含义】：若企业级客户缺货带来的赔偿与流失损失（$r_{1}\ + \ g_{1}$）为 100 元，标准型为 60 元。性质 (T2) 证明：优先解决企业级积压订单所挽回的边际价值，至少比解决标准型客户高出 40 元，从而在整个 T 周期内锁定了“客户价值分层响应”的最优性。 【反多模性的宏观价值】：价值函数 $V_{t}(z)$ 具有反多模性，证明了总期望利润在多维算力库存上展现出严格的平滑凹性，彻底排除了局部最优陷阱，使得平台能够通过快速凸优化算法实时计算最优算力升配方案。

（六）命题 2（Proposition 2）：最优保护水平的单调性与有界敏感性

【命题表述】
在平行与序贯配额策略（Parallel and Sequential Rationing, PSR Policy）下，高阶产品 i 面向低阶需求 j 设置的最优保护水平（Protection Level）pᵢⱼ 满足以下严谨的偏导数链式不等式：

$$- 1\ \leqslant \ \Delta_{b_{i - 1}}p_{ij}\ \leqslant \ \Delta_{x_{i - 1}}p_{ij}\ \leqslant \ ...\ \leqslant \ \Delta_{x_{1}}p_{ij}\ \leqslant \ 0$$

运营实例 6：五星级酒店套房为高价值政商客群预留的最优配额控制 某五星级酒店拥有豪华行政套房（产品 1，库存 x₁）和普通大床房（产品 2，库存 x₂）。当普通房超售时，酒店可以把普通旅客升级到套房，但必须保留一定数量的套房以备可能迟到的全价政商贵宾。为此，酒店为套房设立保护水平 p₁₂——即当且仅当套房在手库存超过 p₁₂ 时，才允许将多余部分分配给普通超售旅客（分配量 a₁₂* = min{(x₁ - p₁₂)+, -b₂}）。 【有界敏感性（Bounded Sensitivity）的直观解释】：命题 2 揭示了保护水平变动的三大定律： 1. 单调递减性（Slope ⩽ 0）：高阶客房库存越多，酒店越有余力容纳升级，因此保护水平 p₁₂ 随着 x₁ 的增加而单调下调； 2. 有界弹性（-1 ⩽ Slope）：重点在于斜率绝不低于 -1！这意味着当套房库存增加 10 间时，保护水平下调的幅度绝不会超过 10 间。绝不会出现“库存增加了 10 间，酒店反而激进地把保护线调低 15 间”的过激震荡行为，保障了运营系统的抗扰动鲁棒性； 3. 临近敏感性递增：离套房等级越近的客房类别，其库存变化对 p₁₂ 的边际影响越大；而更遥远舱位的扰动对高端配额的影响则微乎其微。

（七）定理 3（Theorem 3）：失去销售多等级再制造库存系统的多模性

【模型背景与理论突破】
在闭环逆向供应链中，回收旧件（Cores）通常具有高度异质的质量等级（如智能手机的 A/B/C 级成色）。在需求缺货发生失去销售（Lost Sales）而非积压（Backlogged）的情形下，由于多维动态规划值函数丧失了可分解性（Non-decomposable），学术界此前仅能处理单等级回收问题（Gong and Chao 2013）。在反映高品质旧件优于低品质旧件的假设 2 下，定理 3 成功确立了值函数 $V_{t}(x)$ 的多模性，并给出了严格的边际费用夹逼边界：

$$\Delta_{x_{i + 1}}V_{t}(x)\ + \ u_{i}\ - \ u_{i + 1}\ \leqslant \ \Delta_{x_{i}}V_{t}(x)\ \leqslant \ \Delta_{x_{i + 1}}V_{t}(x)\ + \ r_{i}\ - \ r_{i + 1},\ \ i\ \in \ \lbrack n - 1\rbrack$$

运营实例 7：苹果（Apple Trade In）手机多等级回收与官方翻新制造 富士康为苹果运营闭环再制造流水线。回收的旧 iPhone 按成色分为：几乎无瑕疵的 A 级机身（$x_{2}$）、屏幕轻微划痕的 B 级机身（$x_{1}$），同时工厂还可直接消耗全新零部件采购制造新品（$a_{n + 1}$，成本 $r_{n + 1}$）。不同等级旧件的翻新加工成本分别为 $r_{1}$ 和 $r_{2}$（$r_{1}\ > \ r_{2}$），报废拆解残值为 $u_{1}$ 和 $u_{2}$。 【定理 3 的经营边界意义】：定理 3 的双向不等式为库存管理者提供了极其清晰的边际成本量化基准：系统多持有一台 B 级旧机（低品质）相对于 A 级旧机（高品质）的边际未来成本增加，上限严格受制于翻新加工成本的差额（$r_{1}\ - \ r_{2}$），下限严格受制于拆解残值的差额（$u_{1}\ - \ u_{2}$）。这就从数学上排除了因高维随机需求扰动导致某类旧件库存价值不可预测的混乱局面，证明了多等级旧件的影子价格（Shadow Price）在整个生产周期内始终处于一个狭窄且经济可控的区间内。

（八）命题 3（Proposition 3）：再制造与处置控制策略的最优结构（双阈值策略）

【命题表述】
基于定理 3 建立的多模性，命题 3 完整刻画了三类核心控制决策的最优结构：
（i）最优新品制造量 $a_{t,\ n + 1}^{\ast}$ 随各类库存单调递减且敏感度有界（$- 1\ \leqslant \ \Delta_{x_{k}}a_{t,\ n + 1}^{\ast}\ \leqslant \ 0$）；最优再制造量呈现阈值控制形式：$a_{t,\ i}^{\ast}\ = \ \left( x_{i}\ - \ p_{t,\ i} \right)^{\text{+}}$，且高品质旧件优先于低品质旧件执行再制造；
（ii）最优报废处置量呈现状态解耦阈值形式：$q_{t,\ i}^{\ast}\ = \ \left( y_{i}\ - \ \eta_{t,\ i} \right)^{\text{+}}$，其中处置阈值 $\eta_{t,\ i}$ 与本品类及更高品质旧件的库存完全独立（Independent of $y_{1},\ ...,\ y_{i}$），仅取决于更低阶库存与成品库存。

$$a_{t,\ i}^{\ast}\ = \ \left( x_{i}\ - \ p_{t,\ i} \right)^{\text{+}},\ \ \ 其满足\ \ \ - 1\ \leqslant \ \Delta_{x_{1}}p_{t,\ i}\ \leqslant \ 0\ \ \ 且\ \ \ 0\ \leqslant \ \Delta_{x_{\lbrack i,\ n + 1\rbrack}}p_{t,\ i}\ \leqslant \ 1$$

$$q_{t,\ i}^{\ast}\ = \ \left( y_{i}\ - \ \eta_{t,\ i} \right)^{\text{+}},\ \ \ 其满足\ \ \ - 1\ \leqslant \ \Delta_{y_{i + 1}}\eta_{t,\ i}\ \leqslant \ ...\ \leqslant \ \Delta_{y_{n + 1}}\eta_{t,\ i}\ \leqslant \ 0$$

运营实例 8：智能产线上的“分级翻新保护线”与“解耦报废红线” 接续苹果翻新工厂实例，工厂每日排产面临三个联动决策：生产多少全新机？翻新多少 A 级和 B 级旧机？直接报废多少旧机？ 【阈值翻新控制】：命题 3(i) 表明，工厂为 A 级和 B 级旧机分别计算一个动态保留线 $p_{t,\ i}$。当 A 级旧件库存超过 $p_{t,\ 2}$ 时，超出部分立即投入翻新；并且工厂永远优先翻新成色最好的 A 级旧机，直到 A 级旧机不足或边际收益低于新品制造时，才启动 B 级翻新。此外，如果仓库里成品现货多了 5 台，全新生产计划最多削减 5 台，绝不会引发供应链上下游的牛鞭效应（Bullwhip Effect）。 【状态解耦的报废决策奇迹】：命题 3(ii) 给出了极具管理美感的控制律：B 级旧机（低品质）是否该报废，设有一条报废红线 $\eta_{t,\ 1}$。极其神奇的是，这条红线完全不需要看 A 级旧件有多少！即使 A 级旧件堆积如山，B 级旧件的报废阈值依然保持恒定。 【计算复杂度的降维打击】：这一独立解耦特性将原本极为庞大的多维状态空间联合搜索，瞬间拆解为低维度的独立阈值查表，使得大型制造企业在面对数十种复杂回收品类时，能够实现毫秒级排产决策。

（九）定理 4（Theorem 4）：双向替代（升级与降级）下的通用多模性保持定理

【模型拓展与定理表述】
在很多真实场景中，不仅允许升级，还允许通过经济补偿或价格折让实施降级替代（Downgrading Substitution）。此时系统引入显式替代成本项 ∑ cᵢⱼ aᵢⱼ。定理 4 证明：若目标费用函数 f(z) 满足升级优先级（P1'）–（P3'）与降级优先级（P4）–（P6）：

$$(P1')\ \Delta_{x_{i}}f(z)\ \leqslant \ \Delta_{x_{i + 1}}f(z)\ + \ c_{im}\ - \ c_{i + 1,\ m}\&\# 10;(P2')\ \Delta_{b_{i}}f(z)\ \leqslant \ \Delta_{b_{i + 1}}f(z)\ + \ c_{1,\ i + 1}\ - \ c_{1i}\&\# 10;(P4)\ \ \Delta_{x_{i}}f(z)\ \geqslant \ \Delta_{x_{i + 1}}f(z)\ + \ c_{i1}\ - \ c_{i + 1,\ 1}\&\# 10;(P5)\ \ \Delta_{b_{i}}f(z)\ \geqslant \ \Delta_{b_{i + 1}}f(z)\ + \ c_{n,\ i + 1}\ - \ c_{ni}$$

且替代成本矩阵 C 满足次模性不等式（7）与可加性等式（8）：

$$(7)\ \ c_{ij}\ + \ c_{i + 1,\ j + 1}\ \leqslant \ c_{i,\ j + 1}\ + \ c_{i + 1,\ j},\ \ i\ \in \ \lbrack\ell ⱼ,\ \ell ⱼ₊₁\ \land \ (n - 1)\rbrack\&\# 10;(8)\ \ c_{ij}\ + \ c_{i + 1,\ j + 1}\ = \ c_{i,\ j + 1}\ + \ c_{i + 1,\ j},\ \ i\ \in \ \lbrack\ell ⱼ - 1\rbrack\ \cup \ \lbrack\ell ⱼ₊₁ + 1,\ n - 1\rbrack$$

则极小化后的综合费用函数 g(z) 依然完整保持多模性以及全部边际优先级条件（P1'）–（P6）：

$$g(z)\ : = \ \min_{A \in F(z)}\left\{ f(z\bar{})\ + \ \sum_{1 \leqslant i \leqslant n,\ 1 \leqslant j \leqslant m}^{}{c_{ij}a_{ij}} \right\}$$

运营实例 9：生鲜即时电商（盒马/美团买菜）缺货双向替换与降级补贴 生鲜前置仓销售有机优质鸡蛋（商品 1）与普通鲜鸡蛋（商品 2）。两类顾客分别下单 1 号与 2 号蛋。 若普通蛋缺货，平台免费升级送上有机蛋（升级，c₁₂ 为品质成本差）；若有机蛋缺货，为避免订单直接取消，平台征得用户同意后用普通蛋降级替换，并随单返还 5 元代金券（降级补偿，c₂₁ 包含补偿金额与心理抚慰金）。 【不等式 (7) 的经济意义——平行匹配优于交叉替换】：c₁₁ + c₂₂ ⩽ c₁₂ + c₂₁。这表明让 1 号鸡蛋满足 1 号顾客、2 号鸡蛋满足 2 号顾客（平行自给匹配），其总调配成本必然显著低于‘一方面把 1 号蛋降级给 2 号客、另一方面又把 2 号蛋升级给 1 号客’的混乱交叉配置。这是任何高效运营系统的基本底线。 【等式 (8) 的经济意义——距离可加补贴】：对于多层级体系（如 500ml、1L、2L 包装牛奶），当发生跳级降级时（如买 2L 给 500ml），补贴金额必须与跨越的层级阶数呈线性或拟线性递增（cᵢⱼ = (i - j)s）。若补贴非线性突变，就会破坏替代的局部性。 【Remark 5 反例的警示】：论文在 Remark 5 中通过严格的 3×3 矩阵算例证明：一旦等式 (8) 被打破（例如中间某档降级补贴非理性偏高导致 c₁₂ + c₂₃ < c₂₂ + c₁₃），目标函数求极小后次模不等式出现反向倒挂（计算差值为 -5 < 0），多模性彻底崩溃！这充分证明了作者所发现的成本条件不仅充分，而且具有不可撼动的必要性。

（十）定理 5（Theorem 5）：二手转售平台买家-商品匹配中的价值函数反多模性

【模型背景与定理表述】
在二手闲置交易平台（如 ThredUp、闲鱼、红布林）中，单品按新旧成色划分为 n 个品质等级（1 级全新带吊牌，n 级重度使用）。买家按品质偏好与支付意愿划分为 n 种类型。若匹配成色越贴近买家偏好，平台促成交易的报酬 $r_{ij}$ 越高（假设 3）。定理 5 确立了平台多周期期望总收益值函数 $V_{t}(z)$ 的反多模性，并导出 5 条深刻的边际收益比较静态关系（R1）–（R5）：

$$(R1)\ \ \Delta_{x_{i}}V_{t}(z)\ \geqslant \ \Delta_{x_{i + 1}}V_{t}(z)\ + \ r_{in}\ - \ r_{i + 1,\ n}$$

$$(R2)\ \ \Delta_{b_{i}}V_{t}(z)\ \geqslant \ \Delta_{b_{i + 1}}V_{t}(z)\ + \ r_{1,\ i + 1}\ - \ r_{1i}$$

$$(R3)\ \ \Delta_{x_{i}}V_{t}(z)\ \leqslant \ \Delta_{x_{i + 1}}V_{t}(z)\ + \ r_{i1}\ - \ r_{i + 1,\ 1}$$

$$(R4)\ \ \Delta_{b_{i}}V_{t}(z)\ \leqslant \ \Delta_{b_{i + 1}}V_{t}(z)\ + \ r_{n,\ i + 1}\ - \ r_{ni}$$

$$(R5)\ \ \Delta_{b_{i}}V_{t}(z)\ \geqslant \ \Delta_{x_{i}}V_{t}(z)\ - \ r_{ii}$$

运营实例 10：二手奢侈品箱包平台动态撮合算法 某二手奢侈品电商撮合平台（如 The RealReal）每日有卖家寄售的香奈儿 Classic Flap 包袋入库，分为：99 新（品类 1）、95 新（品类 2）、90 新（品类 3）。同时不同预算的买家在平台挂单等待。 【性质 (R1)–(R4) 的业务直觉】： 性质表明：对于平台而言，在手多拥有一只 99 新包袋相对于 95 新包袋所带来的跨期总收益增量，在满足底层买家（品类 3）时具有明确的最低价差保障（r₁₃ - r₂₃）；而高偏好买家的积压订单，其消除后的边际促成收益始终支配着低偏好买家的积压订单。 【反多模性对撮合引擎的支撑】：这一结论将 Hu and Zhou（2022）在 2×2 简易模型下的单调性结论，一举拓展至任意 n 级商品与 n 级客群的复杂平台系统。由于值函数反多模性保障了全局凹性，平台算法引擎无需遍历指数级的双边分配组合，采用贪心算法与分级阈值即可实现全局最优撮合，极大提升了二手撮合市场的流动性与 GMV。

（十一）多网点动态转运模型：网络结构与反多模性利润

【模型背景与假设 4】
企业通过分布在一条交通走廊上的 n 家连锁零售网点销售单一产品，多期运营，期初库存确定。每期本地需求实现后，各网点先满足本地销售，随后企业决定各网点之间的横向动态库存转运量以平衡余缺。假设 4 设定：

$$(i)\ \ c_{ij}\ = \ c_{ik}\ + \ c_{kj},\ \ 对所有\ k\ \in \ \lbrack i \land j,\ i \vee j\rbrack\&\# 10;(ii)\ \ p_{i}\ - \ c_{i + 1,\ i}\ \leqslant \ p_{i + 1},\ \ 且\ \ p_{i + 1}\ - \ c_{i,\ i + 1}\ \leqslant \ p_{i}$$

定理 4 应用结论：在假设 4 下，整个多网点多周期动态转运系统的总期望利润函数严格具有反多模性（Antimultimodularity）。

运营实例 11：沿京沪高速公路分布的连锁便利店/加油站网络动态库存互援 某连锁石油商在中石化京沪高速沿线设立 5 座综合加油服务区便利店（Store 1 到 Store 5）。周末期间，靠近出发地北京的站点需求暴增出现短缺，而远离市区的站点库存富余。 【距离可加性与就地优先直觉】：Assumption 4(i) 表明从 1 号站转运物资到 3 号站的物流费用，精确等于先运到 2 号站再转到 3 号站的费用之和（这与沿交通走廊干线顺路配送的计费完全相符）；Assumption 4(ii) 确保每家便利店首先尽全力满足进店车主的即时需求，只有卖不掉的冗余库存才允许打包装车支援相邻站点。 【反多模性的重大管理启示】：在此条件下，整个高速走廊的库存表现为高度的经济替代性——1 号站多备 100 件应急商品，会边际降低 2 号站需要储备的安全库存水平；而多期利润的反多模性确保了：中心调度系统无需考虑复杂的全网‘跳跃式调拨’，仅通过相邻站点的‘接力式转运’即可达到全局最优，大幅降低了干线供应链的调度响应时间。

五、 全文结论的经济与管理启示总结

◆ 经济与管理启示：启示一：双向替代协同下的“分级优先级运营准则” 企业在处理多层级资源与异质需求匹配时，必须建立清晰严格的优先级分层控制体系。在单向升级中，必须贯彻‘低阶资源优先消耗、高阶需求优先满足、梯级相邻渐进升级’的经营纪律；而在双向替代中，降级决策必须遵循‘高阶资源优先满足、低阶需求优先降级、小步相邻降配’原则。任何违反这些优先级的越级配置，都会破坏系统状态的经济替代性，导致跨期动态收益大幅失血。

◆ 经济与管理启示：启示二：产能配额与库存控制的“有界敏感性与平滑阻尼” 命题 2 和命题 3 所导出的 -1 ⩽ Δp ⩽ 0 链式有界敏感性不等式，为现代供应链排产与客房/票务收益管理提供了关键的管理安全阀。在面对外部市场需求剧烈波动或上游到货不确定性时，最优保护配额与最优制造排产量的调整幅度绝对不会超过外界扰动量本身（弹性在 0 到 1 之间）。这种内生的高阶阻尼特性能够有效遏制跨期动态决策中的过度反应，从源头上平抑困扰现代制造业的‘牛鞭效应’。

◆ 经济与管理启示：启示三：闭环逆向供应链中的“分级翻新与状态解耦清退机制” 在发展循环经济、旧件以旧换新与绿色制造的背景下，面对品质参差不齐的大规模回收旧件，企业应推行‘双阈值’精益控制：一方面，对高品位旧件设立动态保护线实施梯次优先翻新；另一方面，对低品位旧件确立坚决的报废红线。特别重要的是，本研究证明了低品位旧件的报废阈值与高品位旧件的在手库存完全解耦，这意味着企业可以建立分布式、模块化的前端旧件初筛处置中心，大幅降低逆向物流在干线运输与集中仓储上的无效沉没成本。

◆ 经济与管理启示：启示四：二手转售平台与即时零售的“降级补偿契约标准化设计” 随着二手电商平台（如闲鱼、ThredUp）与前置仓即时零售（如盒马、美团买菜）的爆发式增长，缺货降级履约已成为常态。定理 4 和定理 5 明确指出，降级补偿契约的设计绝不能随意制定。为了保持平台全网价值函数的凸性与高流动性撮合效率，平台给予消费者的降级赔付（如代金券、差价返还）必须与品质跌落的层级阶数保持严格的线性或拟线性递增关系。一旦补贴体系出现非理性阶跃，就会扭曲消费者的替换预期，摧毁平台动态定价引擎的最优性。

◆ 经济与管理启示：启示五：分布式零售与服务网络的“走廊式局部互援策略” 在沿主要交通动脉或经济带布局的多网点零售、仓储与物流网络中，多网点动态转运的结构分析表明，企业无需投入巨资去构建全连通、高复杂度的全网直达转运路由。只要运费结构与路径距离成正比，依托相邻网点的梯次就近转运（Local Peer-to-Peer Transshipment）就足以完全逼近甚至达到全网联合库存池（Inventory Pooling）的理论最优绩效，实现了‘简单局部协同产生全局最优效率’的卓越治理模式。

◆ 经济与管理启示：启示六：高维动态规划问题的“维度灾难破解与算法提速” 在多产品、多周期、双边匹配的真实运营问题中，状态维度往往随着品类和网点数呈指数爆炸，导致传统动态规划（MDP）陷入无法求解的‘高维诅咒’。本文确立的多模性与反多模性理论证明了值函数在整个多维空间上具有离散凸分析赋予的全局优良性态。这不仅从理论上排除了局部陷入极值的风险，而且直接支持了多项式时间内的任意精度近似算法，为大型云平台调度、航空航运配额管理和电商秒级推荐撮合系统的工业级工程落地扫清了关键算法障碍。

六、 参考文献

Abouee Mehrizi H, Baron O, Berman O, Chen D (2019) Managing perishable inventory systems with multiple priority classes. Production and Operations Management 28(9):2305–2322.

Agrawal VV, Atasu A, Van Wassenhove LN (2019) OM forum—New opportunities for operations management research in sustainability. Manufacturing & Service Operations Management 21(1):1–12.

Altman E (2003) Discrete-Event Control of Stochastic Networks: Multimodularity and Regularity (Springer, Heidelberg, Germany).

Chen W, Dawande M, Janakiraman G (2014a) Fixed-dimensional stochastic dynamic programs: An approximation scheme and an inventory application. Operations Research 62(1):81–103.

Chen X, Gao X, Hu Z (2015) A new approach to two-location joint inventory and transshipment control via L♮-convexity. Operations Research Letters 43(1):65–68.

Chen X, Li M (2021) Discrete convex analysis and its applications in operations: A survey. Production and Operations Management 30(6):1904–1926.

Chen X, Pang Z, Pan L (2014b) Coordinating inventory control and pricing strategies for perishable products. Operations Research 62(2):284–300.

Chen S, Li Y, Yang Y, Zhou W (2021) Managing perishable inventory systems with age-differentiated demand. Production and Operations Management 30(10):3784–3799.

Chen D, Tang CS, Wang H, Wang R, Yu Y (2022) Offering free upgrades even before stocks run out: The value of proactive upgrades. Manufacturing & Service Operations Management 24(4):2081–2097.

De Véricourt F, Karaesmen F, Dallery Y (2002) Optimal stock allocation for a capacitated supply system. Management Science 48(11):1486–1501.

Dong L, Rudi N (2004) Who benefits from transshipment? Exogenous vs. endogenous wholesale prices. Management Science 50(5):645–657.

Feng Q, Li C, Lu M, Shanthikumar JG (2022) Dynamic substitution for selling multiple products under supply and demand uncertainties. Production and Operations Management 31(4):1645–1662.

Gayon JP, Benjaafar S, De Véricourt F (2009) Using imperfect advance demand information in production-inventory systems with multiple customer classes. Manufacturing & Service Operations Management 11(1):128–143.

Glasserman P, Yao DD (1994) Monotone optimal control of permutable GSMPs. Mathematics of Operations Research 19(2):449–476.

Gong X, Chao X (2013) Optimal control policy for capacitated inventory systems with remanufacturing. Operations Research 61(3):603–611.

Gong X, Wang T (2021) Preservation of additive convexity and its applications in stochastic optimization problems. Operations Research 69(4):1015–1024.

Ha AY (1997) Optimal dynamic scheduling policy for a make-to-stock production system. Operations Research 45(1):42–53.

Hajek B (1985) Extremal splittings of point processes. Mathematics of Operations Research 10(4):543–556.

Hu M, Zhou Y (2022) Dynamic type matching. Manufacturing & Service Operations Management 24(1):125–142.

Huh WT, Janakiraman G (2010) On the optimal policy structure in serial inventory systems with lost sales. Operations Research 58(2):486–491.

Li Q, Yu P (2014) Multimodularity and its applications in three stochastic dynamic inventory problems. Manufacturing & Service Operations Management 16(3):455–463.

Mak HY, Shen ZJM (2014) Pooling and dependence of demand and yield in multiple-location inventory systems. Manufacturing & Service Operations Management 16(2):263–269.

Mitrofanov D, Topaloglu H, Wang Y (2024) Assortment optimization with replacement options for retail platforms with stockout risk. SSRN Electronic Journal, https://dx.doi.org/10.2139/ssrn.4754632.

Moriguchi S, Murota K (2019) On fundamental operations for multimodular functions. Journal of the Operations Research Society of Japan 62(2):53–63.

Murota K (2003) Discrete Convex Analysis (SIAM, Philadelphia).

Murota K (2005) Note on multimodularity and L-convexity. Mathematics of Operations Research 30(3):658–661.

Netessine S, Dobson G, Shumsky RA (2002) Flexible service capacity: Optimal investment and the impact of demand correlation. Operations Research 50(2):375–388.

Shumsky RA, Zhang F (2009) Dynamic capacity management with substitution. Operations Research 57(3):671–684.

Sun P, Wang K, Zipkin P (2014) Quadratic approximation of cost functions in lost sales and perishable inventory control problems. Working paper, Duke University, Durham, NC.

Talluri KT, Van Ryzin GJ (2006) The Theory and Practice of Revenue Management (Springer Science & Business Media, Berlin).

Topkis DM (1998) Supermodularity and Complementarity (Princeton University Press, Princeton, NJ).

Wang T, Gong X, Zhou SX (2017) Dynamic inventory management with total minimum order commitments and two supply options. Operations Research 65(5):1285–1302.

Wang T, Yan X, Yang C (2021) Managing a hybrid RDC-DC inventory system. Production and Operations Management 30(10):3679–3697.

Wee KE, Dada M (2005) Optimal policies for transshipping inventory in a retail network. Management Science 51(10):1519–1533.

Yao DD, Zhou SX, Zhuang W (2016) Joint initial stocking and transshipment—Asymptotics and bounds. Production and Operations Management 25(2):273–289.

Yu Y, Chen X, Zhang F (2015) Dynamic capacity management with general upgrading. Operations Research 63(6):1372–1389.

Zhang J (2005) Transshipment and its impact on supply chain members' performance. Management Science 51(10):1534–1539.

Zhou SX, Yu Y (2011) Optimal product acquisition, pricing, and inventory management for systems with remanufacturing. Operations Research 59(2):514–521.

Zhou SX, Tao Z, Chao X (2011) Optimal control of inventory systems with multiple types of remanufacturable products. Manufacturing & Service Operations Management 13(1):20–34.

Zipkin P (2008) On the structure of lost-sales inventory models. Operations Research 56(4):937–944.