CN108665156B - 区块链下基于马尔科夫链的供应链选择评价方法 - Google Patents
区块链下基于马尔科夫链的供应链选择评价方法 Download PDFInfo
- Publication number
- CN108665156B CN108665156B CN201810400138.9A CN201810400138A CN108665156B CN 108665156 B CN108665156 B CN 108665156B CN 201810400138 A CN201810400138 A CN 201810400138A CN 108665156 B CN108665156 B CN 108665156B
- Authority
- CN
- China
- Prior art keywords
- chain
- transaction
- performance
- node
- markov
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Abstract
本发明涉及一种区块链下基于马尔科夫链的供应链选择评价方法,建立区块链环境供应链评价指标;在区块链上,获取一待评估地址,从当前区块开始按照区块产生次序遍历整条链,建立待评估链地址所涉及的交易评价指标表;对交易评价指标表中各个方面的总体效能值进行评价,获取节点交易效能表;根据所述节点交易效能表,通过基于马尔科夫链进行效能预测;根据所获取的效能预测结果,确定区块链供应链中最优的节点,并作为交易选择参考信息。本发明提出的方法,区块链中,通过对整个供应链节点进行效能评估,引入基于马尔科夫链的预测模型,对交易进行评价,以达到提高企业经营效率的目的。
Description
技术领域
本发明涉及一种区块链下基于马尔科夫链的供应链选择评价方法。
背景技术
区块链技术起源于2008年由化名“中本聪”的学者发表的奠基性论文《比特币:一种点对点电子现金系统》,迄今为止已成为最为成功的区块链应用场景。过去几年,区块链技术经历了以可编程数字加密货币体系为主要特征的区块链1.0模式(比特币)、以可编程金融系统为主要特征的2.0模式。随着研究的深入及数据的多元化呈现,区块链技术正向3.0模式的各行各业数据应用迈进,如数据追踪、防伪溯源、身份认证、知识产权保护、能源管理等领域。就数据追踪,供应链管理等方面而言,发展趋势尤为迅捷。阿里从邮箱存证、食品防伪溯源、医疗数据区块链3方面推出了系统原型;京东生鲜推出了基于区块链的食品防伪溯源平台与方案。
随着经济全球化的不断深入发展,企业之间的竞争已经逐步转变为供应链之间的竞争,随着企业越来越重视对供应链的管理,越来越多的企业采用了供应链发展模式,也就是企业在发展中综合考虑整个供应链的效益,与供应商、分销商、零售商等达成战略合作关系,以达到经济发展、资源节约的目的。因此,针对供应链的评估将显得越发重要。
发明内容
本发明的目的在于提供一种区块链下基于马尔科夫链的供应链选择评价方法,以克服现有技术中存在缺陷。
为实现上述目的,本发明的技术方案是:一种区块链下基于马尔科夫链的供应链选择评价方法,包括如下步骤:
步骤S1:建立区块链环境供应链评价指标;
步骤S2:在区块链上,获取一待评估地址,从当前区块开始按照区块产生次序遍历整条链,建立待评估链地址所涉及的交易评价指标表;
步骤S3:对交易评价指标表中各个区块链环境供应链评价指标的总体效能进行评价,获取节点交易效能表;
步骤S4:根据所述节点交易效能表,通过基于马尔科夫链进行效能预测;
步骤S5:根据所获取的效能预测结果,确定区块链供应链中最优的节点,并作为交易选择参考信息。
在本发明一实施例中,在所述步骤S1中,所述区块链环境供应链评价指标包括:产品数量、损耗、产品加工时间、资金响应时间、成本。
在本发明一实施例中,在所述步骤S2中,所述交易评价指标表包括节点名、类型、产品编号、数量、损耗、出入库时间、资金响应时间以及成本。
在本发明一实施例中,在所述步骤S3中,通过效能值对总体效能进行评价,各个区块链环境供应链评价指标的总体效能隶属度集合为:
其中,A是各个区块链环境供应链评价指标的权值向量,其中权值之和为l,αi反映了方面Si的效能值对综合后的效能值的影响程度;矩阵M中的元素mij表示方面Si的效能级Lj隶属度;
在本发明一实施例中,在所述步骤S4中,所述节点交易效能表包括:区块链中的历史交易的节点、交易评价值、交易时间。
在本发明一实施例中,在所述步骤S4中,记5个效能等级分别对应马尔科夫链的5个状态,当前状态矩阵为Q={q1,q2,q3,q4,q5},分别对应着5个效能等级;记初始状态所有转移概率均符合均匀分布,即初始状态Pij=1/5,第N次交易后马尔科夫转移矩阵的元素:
相较于现有技术,本发明具有以下有益效果:本发明提出的一种区块链下基于马尔科夫链的供应链选择评价方法,区块链中,通过对整个供应链节点进行效能评估,引入基于马尔科夫链的预测模型,对交易进行评价,以达到提高企业经营效率的目的。
附图说明
图1为本发明中一种区块链下基于马尔科夫链的供应链选择评价方法的流程图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供一种区块链下基于马尔科夫链的供应链选择评价方法,综合考虑供应链中物流、资金流、信息流等数据,对交易进行评价,从而精确高效预测出供应链中最适合合作的战略伙伴,具体包括如下步骤:
(1)评价指标体系的建立
动态的商业环境中,合理、科学的评价指标体系的建立是伙伴选择准备阶段的重要部分。本实施例中,选择区块链环境供应链应用中普遍存在的交易产品数量、损耗、产品加工时间、资金响应时间、成本作为交易效能预测的评价指标。
(2)交易的统计
在区块链上,区块链系统收到一待评估的地址后,从当前区块开始按照区块的产生次序遍历整条链。遍历过程中构建所述待评估的区块链地址所涉及交易的评价指标表。例如表1所示:
表1地址B所涉及交易指标表
节点名 | 类型 | 产品编号 | 数量(单位) | 损耗(单位) | 出入库时间 | 资金响应时间(天) | 成本(元) |
A | 购买 | XXXXX | 1000 | 0 | 2017.8.21 | 30 | XXX |
C | 销售 | XXXXX | 400 | 0 | 2017.8.23 | 20 | XXX |
D | 销售 | XXXXX | 600 | 0 | 2017.8.25 | 20 | XXX |
其中,损耗为因物流,管理等原因造成的损耗。资金响应时间为B收到A的货物到打钱给A的时间以及C或D收到B所发出货物打钱给B完成交易的时间。成本为所涉及物流成本、销售成本等。
(3)效能评估
根据(2)的统计结果,对每一次交易中的各个区块链环境供应链评价指标的性能表现可以转化出一个效能评级,不同的效能等级可以由语义标签集合来描述,如L={L1,L2,L3,…}。语义标签L都关联着一个模糊集,例如{很好,较好,一般...},相应的隶属度为m。确认隶属度和标签L采用统计的方法。所以,隶属度mL,是在所有n次交易中k次评为L的比例,即:所以,综合各个方面的总体效能隶属度集合为:
其中A是针对各个区块链环境供应链评价指标的权值向量,其中权值之和为1,αi反映了方面Si的效能值对综合后的效能值的影响程度;矩阵M中的元素mij表示方面Si的效能级Lj隶属度。
(4)基于马尔科夫链的效能预测算法
每个节点在本地保存一张表,表中记录了与该用户存在区块链中的历史交易的节点所有的前期交易行为,同时记录交易对应的评价、交易时间,例如表2所示:
表2节点交易效能表
节点名 | 交易评价 | 交易时间 |
A | 4 | xxxx |
C | 3 | xxxx |
D | 4 | xxxx |
效能等级是出于变化之中的,所以人们总是更加重视当前时间较近的交易,所以近期的交易更加能反应出节点的效能度,所以本发明考虑加入时间衰减因子DN-k,表示在进行第N次交易后,第k次交易重要程度百分比。随着隔着越久的时间,线性减少。
本发明拟定5个效能等级作为马尔科夫链的5个状态,因此当前状态矩阵是一个1*5的矩阵,分别对应着效能的5个等级,用1表示当前状态下用户的效能等级,其他元素用0表示。当前时间段的信任值即为最近一次交易的交易评价值,记当前状态矩阵为Q={q1,q2,q3,q4,q5}。在本实施例中,最近一次交易的交易评价值为由(3)中获取的效能值的四舍五入的整数,交易评价等级与当前状态矩阵对应,如:交易评价是3,Q={0,0,1,0,0}。假设初始状态所有
(5)选择供应链伙伴
通过预先选择设定(2)中的权重A,对候选节点利用上述方法预测出效能值,将效能值最高的节点所对应的用户作为最优对象,从而选择更加优秀的合作伙伴,从而达到提高企业经营效率的目的。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (4)
1.一种区块链下基于马尔科夫链的供应链选择评价方法,其特征在于,包括如下步骤:
步骤S1:建立区块链环境供应链评价指标;
步骤S2:在区块链上,获取一待评估地址,从当前区块开始按照区块产生次序遍历整条链,建立待评估链地址所涉及的交易评价指标表;
步骤S3:对交易评价指标表中各个区块链环境供应链评价指标的总体效能进行评价,获取节点交易效能表;
步骤S4:根据所述节点交易效能表,通过基于马尔科夫链进行效能预测;
在所述步骤S4中,所述节点交易效能表包括:区块链中的历史交易的节点、交易评价值、交易时间;在所述步骤S4中,记5个效能等级分别对应马尔科夫链的5个状态,当前状态矩阵为Q={q1,q2,q3,q4,q5},分别对应着5个效能等级;记初始状态所有转移概率均符合均匀分布,即初始状态Pij=1/5,第N次交易后马尔科夫转移矩阵的元素:
步骤S5:根据所获取的效能预测结果,确定区块链供应链中最优的节点,并作为交易选择参考信息。
2.根据权利要求1所述的区块链下基于马尔科夫链的供应链选择评价方法,其特征在于,在所述步骤S1中,所述区块链环境供应链评价指标包括:产品数量、损耗、产品加工时间、资金响应时间、成本。
3.根据权利要求1所述的区块链下基于马尔科夫链的供应链选择评价方法,其特征在于,在所述步骤S2中,所述交易评价指标表包括节点名、类型、产品编号、数量、损耗、出入库时间、资金响应时间以及成本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810400138.9A CN108665156B (zh) | 2018-04-28 | 2018-04-28 | 区块链下基于马尔科夫链的供应链选择评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810400138.9A CN108665156B (zh) | 2018-04-28 | 2018-04-28 | 区块链下基于马尔科夫链的供应链选择评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108665156A CN108665156A (zh) | 2018-10-16 |
CN108665156B true CN108665156B (zh) | 2021-12-21 |
Family
ID=63780409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810400138.9A Active CN108665156B (zh) | 2018-04-28 | 2018-04-28 | 区块链下基于马尔科夫链的供应链选择评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108665156B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109616218A (zh) * | 2018-12-04 | 2019-04-12 | 泰康保险集团股份有限公司 | 数据处理方法、装置、介质及电子设备 |
CN110458707B (zh) * | 2019-07-03 | 2023-11-03 | 平安证券股份有限公司 | 基于分类模型的行为评估方法、装置及终端设备 |
US11488099B2 (en) | 2019-10-18 | 2022-11-01 | International Business Machines Corporation | Supply-chain simulation |
CN112182143B (zh) * | 2020-09-29 | 2023-08-25 | 平安科技(深圳)有限公司 | 产品智能推荐方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952000A (zh) * | 2015-07-01 | 2015-09-30 | 华侨大学 | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 |
CN105608536A (zh) * | 2015-12-22 | 2016-05-25 | 天津科技大学 | 基于隐马尔克夫模型的食品安全风险预测方法 |
CN106790003A (zh) * | 2016-12-12 | 2017-05-31 | 武汉优聘科技有限公司 | 一种基于区块链的供应链状态数据追踪方法 |
-
2018
- 2018-04-28 CN CN201810400138.9A patent/CN108665156B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952000A (zh) * | 2015-07-01 | 2015-09-30 | 华侨大学 | 基于马尔科夫链的风电机组运行状态模糊综合评价方法 |
CN105608536A (zh) * | 2015-12-22 | 2016-05-25 | 天津科技大学 | 基于隐马尔克夫模型的食品安全风险预测方法 |
CN106790003A (zh) * | 2016-12-12 | 2017-05-31 | 武汉优聘科技有限公司 | 一种基于区块链的供应链状态数据追踪方法 |
Non-Patent Citations (2)
Title |
---|
"云计算环境下供应链伙伴选择研究";段茜;《中国优秀硕士论文全文数据库》;20140915;第2.4、3.3、5.1-5.2节 * |
"基于马尔科夫过程的制造业供应链可靠性分析";钱存华;《物流技术》;20150831;第38卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108665156A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qi et al. | A practical end-to-end inventory management model with deep learning | |
Beheshti-Kashi et al. | A survey on retail sales forecasting and prediction in fashion markets | |
US10936947B1 (en) | Recurrent neural network-based artificial intelligence system for time series predictions | |
CN108665156B (zh) | 区块链下基于马尔科夫链的供应链选择评价方法 | |
Van Steenbergen et al. | Forecasting demand profiles of new products | |
Xia et al. | A seasonal discrete grey forecasting model for fashion retailing | |
Chan et al. | Global supplier selection: a fuzzy-AHP approach | |
JP2022518646A (ja) | 機械学習モデルのための動的なデータ選択 | |
Vernadat et al. | VR-PMS: a new approach for performance measurement and management of industrial systems | |
Kerzel | Enterprise AI Canvas Integrating artificial intelligence into business | |
Ahmadi et al. | A bi-objective location-inventory model with capacitated transportation and lateral transshipments | |
Jin et al. | Forecasting with temporally aggregated demand signals in a retail supply chain | |
US11875368B2 (en) | Proactively predicting transaction quantity based on sparse transaction data | |
US11687875B2 (en) | Distribution-independent inventory approach under multiple service level targets | |
Kılıç et al. | A two-stage stochastic mixed-integer programming approach to physical distribution network design | |
Aktunc et al. | Inventory control through ABC/XYZ analysis | |
Salzarulo et al. | The incremental value of central control in serial supply chains | |
Theodorou et al. | Optimizing inventory control through a data-driven and model-independent framework | |
Hong et al. | Neural network controller with on-line inventory feedback data in RFID-enabled supply chain | |
Mahbub et al. | A neural approach to product demand forecasting | |
Lin et al. | Optimization plan for excess warehouse storage in e-commerce–based plant shops: A case study for Chinese plant industrial | |
Andrew-Munot et al. | Development and analysis of mathematical and simulation models of decision-making tools for remanufacturing | |
Ho et al. | A blockchain-based decision support system for E-commerce order prediction | |
Ravulapati et al. | A reinforcement learning approach to stochastic business games | |
Xiong et al. | Dynamic pricing model and algorithm for perishable products with fuzzy demand |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |