CN109447355B - 仓库货物的配送优化方法、装置、介质和计算设备 - Google Patents

仓库货物的配送优化方法、装置、介质和计算设备 Download PDF

Info

Publication number
CN109447355B
CN109447355B CN201811292848.0A CN201811292848A CN109447355B CN 109447355 B CN109447355 B CN 109447355B CN 201811292848 A CN201811292848 A CN 201811292848A CN 109447355 B CN109447355 B CN 109447355B
Authority
CN
China
Prior art keywords
warehouse
distribution
goods
historical
optimal solution
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
Application number
CN201811292848.0A
Other languages
English (en)
Other versions
CN109447355A (zh
Inventor
吕韬
刘二飞
李雪园
王文豹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba China Co Ltd
Original Assignee
Alibaba China Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba China Co Ltd filed Critical Alibaba China Co Ltd
Priority to CN201811292848.0A priority Critical patent/CN109447355B/zh
Publication of CN109447355A publication Critical patent/CN109447355A/zh
Application granted granted Critical
Publication of CN109447355B publication Critical patent/CN109447355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的实施方式提供了一种仓库货物的配送优化方法。该方法包括获取仓库货物的历史配送信息，历史配送信息包括历史配送订单；根据历史配送订单及预设的优化指标权重，构建优化模型；根据预设的配送约束条件，计算得到优化模型的最优解；以及根据最优解及历史配送信息，确定最优配送方案，其中，最优解包括表示仓库货物分配给一个或多个配送商的几率。本发明的方法可以协助业务方制定各个需求场景下，仓库货物的最优配送方案，较大程度上降低了人工寻优时的试错成本，提高了寻优效率，并避免了对业务方工作时间的浪费。此外，本发明的实施方式提供了一种仓库货物的配送优化装置、介质和计算设备。

Description

仓库货物的配送优化方法、装置、介质和计算设备
技术领域
本发明的实施方式涉及仓储物流领域，更具体地，本发明的实施方式涉及一种仓库货物的配送优化方法、装置、介质和计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着互联网与仓储配送业务的不断发展，越来越多的大数据技术与算法应用到仓配业务中，以期提升整个仓配供应链的运作效率，降低成本，提升时效。
在制定货物配送方案的过程中，通常需要基于物流公司在各条配送线路的单均成本、时效、投诉率等指标给出每个物流公司的优先级评估，并按照优先级分配相应的单量。
首先，现有技术制定货物配送方案时配送效率指标的评分标准与权重通常是通过业务方结合每条配送线路的运营经验得出并配置的，因此往往并不能达到全局配送网络的时效与成本的最优化配置。再者，由于需要为每条配送线路都配置合适的配送效率指标的评分标准和权重，因此往往需要十几次的权重探索和数据模拟才能得到一个接近帕累托最优的解，寻优的人工代价极高。
更进一步地，考虑到业务方在不同时期有不同的调整仓配网络的优化目标与业务约束条件的需求，因此对于不同的优化目标，需要重新对评分和权重进行探索和模拟，维护成本极高。另外，一些精准的业务约束与目标控制，基本上不可能通过经验权重做到。
发明内容
因此在现有技术中，业务方在制定仓库货物的配送方案时存在寻优成本高、配送方案精准度低的问题。
为此，非常需要一种改进的仓库货物的配送优化方法，以自动实现配送方案的优化，有效降低寻优成本并提高寻优准确率。
在本上下文中，本发明的实施方式期望提供一种能够将优化指标转换成数学模型，并根据约束条件得到数学模型最优解，以转换得到最优配送方案的仓库货物的配送优化方法。
在本发明实施方式的第一方面中，提供了一种仓库货物的配送优化方法，包括：获取仓库货物的历史配送信息，该历史配送信息包括历史配送订单；根据历史配送订单及预设的优化指标权重，构建优化模型；根据预设的配送约束条件，计算得到优化模型的最优解；以及根据最优解及历史配送信息，确定最优配送方案，其中，最优解包括表示仓库货物分配给一个或多个配送商的几率。
在本发明的一个实施例中，上述历史配送信息还包括历史整体数据指标，根据最优解及历史配送信息，确定最优配送方案包括：根据最优解，确定最优解对应的仓库货物的配送方案；根据历史配送订单及最优解对应的仓库货物的配送方案，模拟得到历史配送订单在最优解对应的仓库货物的配送方案下的整体数据指标；以及根据历史整体数据指标及历史配送订单在最优解对应的仓库货物的配送方案下的整体数据指标，确定最优配送方案。
在本发明的另一个实施例中，整体数据指标包括以下至少之一：整体配送成本、整体配送时效、平均及时揽收率和/或平均配送破损率；并且/或者，根据历史整体数据指标及历史配送订单在最优解对应的仓库货物的配送方案下的整体数据指标，确定最优配送方案包括：确定最优解对应的仓库货物的配送方案是否为最优配送方案；以及在最优解对应的仓库货物的配送方案不是最优配送方案的情况下，调整优化指标权重，以重新确定最优解及最优解对应的配送方案，得到最优配送方案。
在本发明的又一个实施例中，上述历史配送信息还包括一个或多个配送商的历史配送指标，根据预设的配送约束条件，计算得到优化模型的最优解包括：以一个或多个配送商的历史配送指标作为优化模型的输入参数；以及根据预设的配送约束条件，计算得到输入了历史配送指标的优化模型的最优解，其中，最优解包括表示第一时段仓库中发送至第一区域的货物分配给一个或多个配送商的几率，其中，一个或多个配送商的历史配送指标包括：一个或多个配送商将货物自仓库运输至第一区域的平均时效、一个或多个配送商将货物自仓库运输至第一区域的单均成本、一个或多个配送商取货的平均及时揽收率、和/或一个或多个配送商运输仓库中货物的平均破损率。
在本发明的再一个实施例中，根据预设的配送约束条件，计算得到输入了历史配送指标的优化模型的最优解包括：根据预设的配送约束条件，采用求解器计算得到输入了历史配送指标的优化模型的帕累托最优解。
在本发明的再一个实施例中，所述预设的配送约束条件包括以下至少之一：仓库中的第一货物分配给一个或多个配送商的几率的总和为1；仓库中的货物分配给一个或多个配送商中第一配送商的货物量的第一上限和/或第一下限；仓库中需要运输至第二区域的货物中分配给一个或多个配送商中第二配送商的货物量的第二上限和/或第二下限；一个或多个配送商自仓库至第三区域运输货物的平均时效的上限；一个或多个配送商在所述仓库的平均及时揽收率的下限；一个或多个配送商运输所述仓库中货物的平均配送破损率的上限；并且/或者，仓库中在第一时段需要运输至第四区域的货物只能分配给一个配送商，其中，对于不同的配送商，预设的配送约束条件相同或不同。
在本发明的再一个实施例中，优化模型包括：
Figure BDA0001850026070000031
Figure BDA0001850026070000032
其中，β1、β2、β3、β4为所述预设的优化指标权重，
Figure BDA0001850026070000033
是k时段s仓库中发送至a区域的货物量；
Figure BDA0001850026070000034
是l配送商将货物自s仓库运输至a区域的单均成本；
Figure BDA0001850026070000035
是l配送商将货物自s仓库运输至a区域的平均时效；
Figure BDA0001850026070000036
是l配送商自s仓库获取货物的平均及时揽收率；
Figure BDA0001850026070000037
是l配送商运输s仓库的货物的平均配送破损率；
Figure BDA0001850026070000038
是k时段s仓库中发送至a区域的货物分配给l配送商的几率，其中，计算得到的最优解为所述优化模型达到最小值时的
Figure BDA0001850026070000041
在本发明实施方式的第二方面中，提供了一种仓库货物的配送优化装置，包括历史配送信息获取模块、模型构建模块、最优解计算模块及最优配送方案确定模块。其中，历史配送信息获取模块用于获取仓库货物的历史配送信息，历史配送信息包括历史配送订单；模型构建模块用于根据历史配送订单及预设的优化指标权重，构建优化模型；最优解计算模块用于根据预设的配送约束条件，计算得到优化模型的最优解；最优配送方案确定模块用于根据最优解及历史配送信息，确定最优配送方案，最优解包括表示仓库货物分配给一个或多个配送商的几率。
在本发明的一个实施例中，上述历史配送信息还包括历史整体数据指标，上述最优配送方案确定模块包括：第一确定子模块、模拟子模块和第二确定子模块。第一确定子模块用于根据最优解，确定最优解对应的仓库货物的配送方案；模拟子模块用于根据历史配送订单及最优解对应的仓库货物的配送方案，模拟得到历史配送订单在最优解对应的仓库货物的配送方案下的整体数据指标；第二确定子模块用于根据历史整体数据指标及历史配送订单在最优解对应的仓库货物的配送方案下的整体数据指标，确定最优配送方案。
在本发明的另一个实施例中，整体数据指标包括以下至少之一：整体配送成本、整体配送时效、平均及时揽收率和/或平均配送破损率；并且/或者，上述第二确定子模块包括：配送方案确定单元和权重调整单元。配送方案确定单元用于确定最优解对应的仓库货物的配送方案是否为最优配送方案；权重调整单元用于在最优解对应的仓库货物的配送方案不是最优配送方案的情况下，调整优化指标权重，以重新确定最优解及最优解对应的配送方案，得到最优配送方案。
在本发明的又一个实施例中，上述历史配送信息还包括一个或多个配送商的历史配送指标，上述最优解计算模块包括参数输入子模块和计算子模块，参数输入子模块用于以一个或多个配送商的历史配送指标输入计算子模块以作为所述优化模型的输入参数；所述计算子模块用于根据预设的配送约束条件，计算得到输入了历史配送指标的优化模型的最优解，其中，最优解包括表示第一时段仓库中发送至第一区域的货物分配给一个或多个配送商的几率，一个或多个配送商的历史配送指标包括：一个或多个配送商将货物自仓库运输至第一区域的平均时效、一个或多个配送商将货物自所述仓库运输至第一区域的单均成本、一个或多个配送商取货的平均及时揽收率、和/或一个或多个配送商运输所述仓库中货物的平均破损率。
在本发明的再一个实施例中，上述计算子模块具体用于根据预设的配送约束条件，采用求解器计算得到输入了历史配送指标的优化模型的帕累托最优解。
在本发明的再一个实施例中，上述预设的配送约束条件包括以下至少之一：仓库中的第一货物分配给一个或多个配送商的几率的总和为1；仓库中的货物分配给一个或多个配送商中第一配送商的货物量的第一上限和/或第一下限；仓库中需要运输至第二区域的货物中分配给一个或多个配送商中第二配送商的货物量的第二上限和/或第二下限；一个或多个配送商中自所述仓库至第三区域运输货物的平均时效的上限；一个或多个配送商在所述仓库的平均及时揽收率的下限；一个或多个配送商运输所述仓库中货物的平均配送破损率的上限；和/或，所述仓库中在第一时段需要运输至第四区域的货物只能分配给一个配送商，其中，对于不同的配送商，预设的配送约束条件相同或不同。
在本发明的再一个实施例中，上述优化模型包括：
Figure BDA0001850026070000051
Figure BDA0001850026070000052
其中，β1、β2、β3、β4为所述预设的优化指标权重，
Figure BDA0001850026070000053
是k时段s仓库中发送至a区域的货物量；
Figure BDA0001850026070000054
是l配送商将货物自s仓库运输至a区域的单均成本；
Figure BDA0001850026070000055
是l配送商将货物自s仓库运输至a区域的平均时效；
Figure BDA0001850026070000056
是l配送商自s仓库获取货物的平均及时揽收率；
Figure BDA0001850026070000057
是l配送商运输s仓库的货物的平均配送破损率；
Figure BDA0001850026070000058
是k时段s仓库中发送至a区域的货物分配给l配送商的几率，其中，计算得到的最优解为所述优化模型达到最小值时的
Figure BDA0001850026070000059
在本发明实施方式的第三方面中，提供了一种计算机可读存储介质，其上存储有可执行指令，该指令在被处理器执行时使处理器执行根据本发明实施方式的第一方面所提供的仓库货物的配送优化方法。
在本发明实施方式的第四方面中，提供了一种计算设备。该计算设备包括存储有可执行指令的一个或多个存储器，以及一个或多个处理器。该处理器执行该可执行指令，用以实现根据本发明实施方式的第一方面所提供的仓库货物的配送优化方法。
根据本发明实施方式的仓库货物的配送优化方法、装置、介质和计算设备，可以将优化指标转换成数学模型，并以配送约束条件作为该数学模型求解的约束条件，自动地计算得到数学模型的最优解，通过该最优解转换得到的配送方案可以作为业务方制定配送方案的有效参考，从而可以有效提高配送方案制定的效率，降低人工寻优成本。
根据本发明的一些实施例，模拟得到历史配送订单在最优解对应的配送方案下的整体数据指标，并将该模拟得到的整体数据指标与历史配送订单实际的整体数据指标进行比对，可以直观的确定最优解对应的配送方案是否为最优方案，并在不是最优方案时自动调整优化指标权重后重新寻优，因此可以确定得到的配送方案优于历史配送订单的配送方案，从而提高寻优的精准度。
更进一步地，在计算最优解时，可以直接获取历史配送订单中配送商的历史配送指标，而无需业务方手动输入各个配送商的配送指标，因此可以使得整个确定最优配送方案的寻优过程无需进行人工干预，从而进一步地提高寻优的便捷性和自动化。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1示意性示出了根据本发明实施方式的仓库货物的配送优化方法、装置、介质及计算机设备的应用场景；
图2示意性示出了根据本发明一实施例的仓库货物的配送优化方法的流程图；
图3示意性示出了根据本发明一实施例的根据最优解及历史配送信息，确定最优配送方案的流程图；
图4示意性示出了根据本发明一实施例的根据整体数据指标确定最优配送方案的流程图；
图5示意性示出了根据本发明另一实施例的仓库货物的配送优化方法的流程图；
图6示意性示出了根据本发明一实施例的计算得到最优解的流程图；
图7示意性示出了根据本发明一实施例的用于实现仓库货物的配送优化方法的流程框架图；
图8示意性示出了根据本发明一实施例的仓库货物的配送优化装置的方框图；
图9示意性示出了根据本发明实施例的适用于仓库货物的配送优化方法的程序产品的示意图；
图10示意性示出了根据本发明实施例的适用于执行仓库货物的配送优化方法的计算设备的框图。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
根据本发明的实施方式，提出了一种仓库货物的配送优化方法、装置、介质和计算设备。
在本文中，需要理解的是，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
发明概述
本发明人发现，若以货物分配给配送商的几率作为变量，并结合配送方案的各优化指标(例如配送成本、配送时效)等构建数学模型，以配送约束条件作为求解数学模型的解的约束条件，以历史订单信息作为数学模型的输入，即可通过电子设备求解得到用于表征货物分配给配送商的几率的最优解，其中只需要业务方输入各优化指标的权重及约束条件参数，即可自动得到最优配送方案，而无需业务方参与寻优处理过程，因此可以降低人工寻优成本，提高寻优效率。
进一步地，本发明人发现，通过根据确定的最优解对应的配送方案对历史配送订单进行模拟，并将模拟结果与历史配送结果进行比对，可以方便业务方确定当前最优解对应的配送方案的优化效果，并以该优化效果作为调整指标权重的参考，可使得最终得到的配送方案更为符合业务方需求。
更进一步地，本发明人发现通过将一些精准的业务约束设定为配送约束条件，可以使得确定的最优配送方案能够实现不同应用场景下不同的精准业务需求，因此可以使得最终确定的最优配送方案符合业务方需求，并因此提高最优配送方案的准确率。
在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1。
图1示意性示出了根据本发明实施方式的仓库货物的配送优化方法、装置、介质及计算机设备的应用场景。需要注意的是，图1所示仅为可以应用本发明实施例的应用场景的实例，以帮助本领域技术人员理解本发明的技术内容，但并不意味着本发明实施例不可以用于其他设备、系统、环境或场景。
如图1所示，该应用场景100包括电子设备111、112、113，其中该电子设备111、112、113可以是具有处理功能的各种电子设备，包括但不限于平板电脑、智能手机、膝上型便携计算机和台式计算机等等。
电子设备111、112、113还可以具有存储功能和输入设备，具体可以存储有仓库货物的历史配送信息，电子设备通过输入设备与业务方工作人员交互，可以输入优化指标权重及配送约束条件，则电子设备111、112、113可以根据历史配送信息及优化指标权重构建优化模型，并根据配送约束条件对优化模型进行求解得到最优配送方案。
电子设备111、112、113例如还可以具有显示屏，以用于展示处理得到的最优配送方案，供业务方工作人员作为制定配送方案的参考，从而提高业务方的寻优效率，提高确定的配送方案的准确性。
根据本公开的实施例，为了减小对电子设备111、112、113的存储空间的占用，并因此提高电子设备111、112、113的处理效率，本公开实施例的应用场景还可以包括网络120和服务器130。
其中，电子设备111、112、113可以通过网络120与服务器130进行信息交互，该网络120可以为局域网、广域网等。
其中，服务器130可以为任何能够提供数据传输服务或处理功能服务的服务器设备。例如，服务器130例如可以存储有初始的计算模型，电子设备111、112、113可以自服务器130中获取该计算模型，并根据历史配送订单及预设的优化指标权重，对计算模型进行调整后得到优化模型；或者，服务器130可以存储有历史配送信息，以供电子设备111、112、113调用进行模型的构建及求解。
需要说明的是，本发明实施例所提供的仓库货物的配送优化方法可以由电子设备111、112、113执行。相应地，本发明实施例所提供的仓库货物的配送优化装置也可以设置于电子设备111、112、113中。本发明实施例所提供的仓库货物的配送优化方法也可以部分或全部的操作由服务器130执行，相应地，本发明实施例所提供的仓库货物的配送优化装置也可以设置于服务器130中。
应该理解，图1中的电子设备、网络和服务器的数目和类型仅仅是示意性的。根据实现需要，可以具有任意数目和类型的电子设备、网络和服务器。
示例性方法
下面结合图1的应用场景，参考图2～7来描述根据本发明示例性实施方式的仓库货物的配送优化方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。
图2示意性示出了根据本发明一实施例的仓库货物的配送优化方法的流程图。
如图2所示，根据本发明实施例的仓库货物的配送优化方法包括操作S210～操作S240。
在操作S210，获取仓库货物的历史配送信息，所述历史配送信息包括历史配送订单。
根据本发明的实施例，该仓库货物的历史配送信息例如可以存储于参考图1中的电子设备111、112、113中，或者可以存储于服务器130中，则上述操作S210即为自电子设备或服务器中获取仓库货物的历史配送信息。
仓库货物的历史配送信息具体例如可以包括历史配送订单，该历史配送订单具体包括配送货物的类型、数量、配送时间、所存储的仓库和/或货物配送的目的地等，本发明对此不做限定，例如该历史配送订单具体是仓库s中的货物在k时段发向a区域的单量等。
根据本发明的实施例，历史配送信息例如还可以包括一个或多个配送商的历史配送指标，该历史配送指标例如可以包括配送商l从s仓库发向a区域的货物总量、配送商l从s仓库运输至a区域的单均成本、配送商l从s仓库运输至a区域的平均时效、l配送商在s仓库的平均及时揽收率、配送商运输s仓库中货物的平均破损率、和/或l配送商在s仓库取件时的现场配合度等。
在操作S220，根据历史配送订单及预设的优化指标权重，构建优化模型。
根据本发明的实施例，优化指标例如可以包括有配送总成本、配送时效、配送及时揽件率和配送破损率等，则预设的优化指标权重即为各优化指标设定的权重。
根据本发明的实施例，上述各优化指标的权重可以分别为β1、β2、β3、β4，该各优化指标的权重大小取决于业务方的实际需求，具体地，各权重可以根据业务方所处的不同的业务场景而设定。例如，当业务方需要降低配送总成本时，则将该配送总成本的权重β1设置的高一些，当业务方只考虑配送总成本和配送时效时，则可以将配送及时揽件率的权重β3和配送破损率的权重β4设置为0。
其中，根据历史配送订单及预设的优化指标权重构建的优化模型例如可以为各优化指标与其权重相乘得到的乘积的组合，具体例如可以是配送总成本与其权重β1的乘积先加上配送时效与其权重β2的乘积，然后减去配送及时揽件率与其权重β3的乘积，最后加上配送破损率与其权重β4的乘积得到的优化模型。
在操作S230，根据预设的配送约束条件，计算得到优化模型的最优解。
根据本发明的实施例，上述预设的配送约束条件例如可以包括仓库中的第一货物分配给一个或多个配送商的几率的总和为1，其中的第一货物例如可以是在k时段s仓库中需要发往a区域的货物，该第一货物分配给配送商l的几率例如可以为
Figure BDA0001850026070000111
则上述的约束条件即为：
Figure BDA0001850026070000112
Figure BDA0001850026070000113
其中S为业务方存储货物的包括s仓库的所有仓库的集合；A为业务方仓库中的货物需要运输至包括a区域的所有区域的集合，K为业务方仓库需要配送货物的包括k时段的所有时段。
根据本发明的实施例，上述预设的配送约束条件例如可以包括仓库中的货物分配给一个或多个配送商中第一配送商的货物量的第一上限和/或第一下限，其中，第一配送商为所述一个或多个配送商中的任意一个配送商l，上述货物量为s仓库中在所有时段需要发送至所有区域的货物的总量，s仓库中在所有时段需要发送至所有区域的货物分配给第一配送商的几率的上限为
Figure BDA0001850026070000121
下限为
Figure BDA0001850026070000122
则上述第一上限即为该几率的上限乘以s仓库中在所有时段需要发送至所有区域的总货物量得到的值，上述第一下限即为该几率的下限乘以s仓库中在所有时段需要发送至所有区域的总货物量得到的值，上述预设的配送条件即为：
Figure BDA0001850026070000123
Figure BDA0001850026070000124
其中，
Figure BDA0001850026070000125
为在k时段s仓库中需要运输至a区域的货物量，L为包括配送商l的所述一个或多个配送商的集合。
根据本发明的实施例，上述预设的约束条件例如可以包括仓库中需要运输至第二区域的货物中分配给一个或多个配送商中第二配送商的货物量的第二上限和/或第二下限，其中，第二区域可以是仓库中多种或多个货物需要运输至的多个区域中的任意一个区域a，第二配送商为一个或多个配送商中的任意一个配送商l，该第二配送商与第一配送商可以为同一配送商或者不同配送商，s仓库存储的所有货物中需要运输至第二区域a的货物分配给配送商l的比例上限为
Figure BDA0001850026070000126
s仓库存储的所有货物中需要运输至第二区域a的货物分配给配送商l的比例下限为
Figure BDA0001850026070000127
则上述第二上限即为所有仓库中所有时段需要运输至a区域的总货物量乘以上述的比例上限
Figure BDA0001850026070000128
上述第二下限即为所有仓库中所有时段需要运输至a区域的总货物量乘以上述的比例下限
Figure BDA0001850026070000129
上述预设的约束条件为
Figure BDA00018500260700001210
Figure BDA00018500260700001211
根据本发明的实施例，上述预设的约束条件例如可以包括一个或多个配送商自s仓库至第三区域运输货物的平均时效的上限，其中，s仓库为业务方存储货物的所有仓库中的任意一个仓库，具体的，可以将l配送商从s仓库运输至第三区域的平均时效表示为
Figure BDA00018500260700001212
自s仓库运输至第三区域的订单平均时效上限表示为TStandardsa，其中的第三区域为A区域集合中的任意一个区域，此处以a区域为例，则上述约束条件可以表示为
Figure BDA0001850026070000131
其中，考虑到上述的平均时效上限是在所有时段内的约束条件，因此上述表达式中对所有时刻货物的平均时效进行了求和计算。
根据本发明的实施例，上述预设的约束条件例如可以包括一个或多个配送商在s仓库的平均及时揽收率的下限，其中，要求的s仓库的平均及时揽收率下界表示为PStandards，l配送商在s仓库的平均及时揽收率表示为
Figure BDA0001850026070000132
则上述约束条件可以表示为：
Figure BDA0001850026070000133
Figure BDA0001850026070000134
根据本发明的实施例，上述预设的约束条件例如可以包括一个或多个配送商运输s仓库中货物的平均配送破损率的上限，其中，要求的s仓库中货物的平均配送破损率为DStandardStores，l配送商配送仓库s中货物的平均破损率为
Figure BDA0001850026070000135
则上述约束条件可以表示为：
Figure BDA0001850026070000136
Figure BDA0001850026070000137
根据本发明的实施例，上述预设的约束条件例如可以包括一个或多个配送商运输货物至a区域的平均配送破损率的上限，该约束条件可以表示为
Figure BDA0001850026070000138
考虑到业务方存储货物的多个仓库中可能都有需要运输至a区域的货物，因此上述约束条件对所有仓库货物的配送破损率进行了求和计算。
根据本发明的实施例，上述预设的约束条件例如可以包括仓库中的在第一时段需要运输至第四区域的货物只能分配给一个配送商，例如，若该约束条件为s仓库中在k时段需要运输至a区域的货物只能分配给配送商l，则可以表示为
Figure BDA0001850026070000139
可以理解的是，上述的第一时段为K时段集合中的任意一个时段，第三区域为A区域集合中的任意一个区域。
根据本发明的实施例，上述预设的约束条件例如可以包括仓库中的在第一时段需要运输至第四区域的货物不能分配给第三配送商，其中，第三配送商为所述一个或多个配送商中的任意一个配送商，上述约束条件例如可以是s仓库中在k时段需要运输至区域a的货物不能分配给配送商l，则该约束条件可以表示为
Figure BDA0001850026070000141
根据本发明的实施例，上述预设的约束条件例如还可以包括仓库对配送商的配合度的最低标准，例如，将s仓库对配送商的配合度的最低标准表示为CoopStandards，l配送商在s仓库的现场配合度打分为
Figure BDA0001850026070000142
则上述约束条件可以表示为：
Figure BDA0001850026070000143
根据本公开的实施例，根据实际需求，可以将s仓库中在k时段运输至a区域的货物均分配给一个配送商，则上述预设的约束条件还可以为
Figure BDA0001850026070000144
若根据实际需求可以将s仓库中在k时段运输至a区域的货物可以分配给多个配送商，则上述预设的约束条件还可以松弛为
Figure BDA0001850026070000145
本发明中，预设的约束条件可以是上述列举的多个约束条件的任意组合，可以为单独的一个约束条件，也可以包括上述列举的所有约束条件，且对于不同的配送商，预设的配送约束条件相同或不同，本发明对此不作限定，且不仅限于上述列举的约束条件，该约束条件可以根据业务方的实际需求进行设定，例如还可以是总时效降低2％、s仓库的货物不能分配给超过3个的配送商，或者某一配送商的订单总量不能超过总单量的10％等，且根据上述描述可知，通过该预设的约束条件的设置，还可以设置不可达区域、不向包含不可达线路的物流公司分配货物等。综上可知，本发明实施例可以根据业务需求设定非常精准的优化模型的约束条件，则根据该精准约束条件求解得到的最优解表征的配送几率能够更为符合业务方的需求，且由于是根据约束条件自动求解优化模型的最优解，相较于现有技术中人工寻求的过程，可以达到即使具有较多的约束条件，也可很快的确定得到最优解及最优配送方案的有益效果。
相应地，根据本发明的实施例，操作S220中构建的优化模型具体可以是：
Figure BDA0001850026070000146
其中的
Figure BDA0001850026070000147
即为业务方的所有仓库L中在所有时段K、发送至所有区域A、且分配给所有配送商L的货物的配送总成本；其中的
Figure BDA0001850026070000151
即为业务方的所有仓库L中在所有时段K、发送至所有区域A、且分配给所有配送商L的货物的配送总时效；其中的
Figure BDA0001850026070000152
即为业务方的所有仓库L中在所有时段K、发送至所有区域A、且分配给所有配送商L的货物的总揽收时间；其中的
Figure BDA0001850026070000153
即为业务方的所有仓库L中在所有时段K、发送至所有区域A、且分配给所有配送商L的货物中总破损货物量，
Figure BDA0001850026070000154
是k时段s仓库中发送至a区域的货物分配给l配送商的几率，则上述计算得到的最优解具体为上述优化模型达到最小值时的
Figure BDA0001850026070000155
即k时段s仓库中发送至a区域的货物分配给l配送商的几率，该求解得到的最优解
Figure BDA0001850026070000156
符合上述预设的约束条件。
根据本发明的实施例，上述约束条件的设定仅作为实例以利于理解本发明，本发明对此不作限制，例如该约束条件还可以根据业务范围进行设定，例如，若需要对业务方存储货物的所有仓库中货物的配送线路进行优化，则上述约束条件的设定针对所有仓库中每个仓库、所有配送区域中的每个区域以及多个配送商中的每个配送商进行；而若只需要业务方在某个区域的仓库进行配送线路的优化，则上述约束条件的设定仅需要针对该某区域的仓库、该某区域仓库中货物运输的目的地及在该区域选用的配送商进行。因此，本发明实施例的仓库货物的配送优化方法具有很强的业务适应能力，可适用于多种应用场景，且业务适应能力较强。
在操作S240，根据最优解及历史配送信息，确定最优配送方案。
其中，上述的操作S240具体即为确定当前的最优解对应的配送方案是否为最优配送方案，其中，最优解对应的配送方案具体例如可以是：根据仓库货物分配给一个或多个配送商的几率，将货物分配给相应配送商进行配送的方案，例如，当最优解为表示在k时段仓库s中需要运输至a区域的货物分配给l配送商的
Figure BDA0001850026070000157
则对应的配送方案即为将s仓库中在k时段需要配送至a区域的货物均分配给l配送商，当最优解为多个不同配送商配送货物的几率的情况下，对应的配送方案即为根据几率大小分配货物。
根据本发明的实施例，该操作S240具体例如可以参见对参考图3-4的描述，在此不再赘述。综上可知，本发明实施例的配送优化方法，通过运筹优化方法，将优化指标转换为优化模型，并根据业务方的需求设定的约束条件计算优化模型的最优解，可以直接计算得到当前业务需求下的最优解，从而确定当前业务要求下的最优方案，相较于现有技术中业务方根据经验寻求的过程，无需进行多次的配送方案的尝试以进行结果寻优，从而可以有效实现货物配送的最优化配置，并可以在一定程度上提高最优化配置的准确率。
图3示意性示出了根据本发明一实施例的根据最优解及历史配送信息，确定最优配送方案的流程图；图4示意性示出了根据本发明一实施例的根据整体数据指标确定最优配送方案的流程图。
如图3所示，本发明实施例中参考图2中确定最优配送方案的操作可以包括操作S241-操作S243。
在操作S241，根据最优解，确定最优解对应的仓库货物的配送方案。
其中，上述操作S241具体即为：将计算得到的最优解
Figure BDA0001850026070000162
进行翻译以得到对应的配送方案，例如，当最优解
Figure BDA0001850026070000161
时，则翻译得到的配送方案即为，将s仓库中在k时段发送至a区域的所有货物的70％分配给l配送商。可以理解的是，上述的翻译仅作为实例以利于理解本发明，本发明对该具体的翻译方法不作限定。
在操作S242，根据历史配送订单及最优解对应的仓库货物的配送方案，模拟得到历史配送订单在该最优解对应的仓库货物的配送方案下的整体数据指标。
根据本发明的实施例，上述的整体数据指标例如可以包括整体配送成本、整体配送时效、平均及时揽收率和/或平均配送破损率等，本发明对该整体数据指标的具体类型不作限定。
根据本发明的实施例，上述历史配送信息例如还可以包括一个或多个配送商的历史配送指标，该历史配送指标可以包括：一个或多个配送商将货物自仓库运输至第一区域的平均时效、所述一个或多个配送商将货物自仓库运输至第一区域的单均成本、一个或多个配送商取货的平均及时揽收率及一个或多个配送商运输仓库中货物的平均破损率等，其中的第一区域为历史配送信息中记载的所有区域中的任意一个区域，上述的一个或多个配送商为配送历史配送订单时采用的配送商。
根据本发明的实施例，历史配送订单例如参考图2中描述的货物所存储的仓库，货物配送的目的地，及货物的配送时间(该配送时间例如可以是具体的配送时段，例如上午8：00-9：00时间段)，则根据最优解对应的仓库货物的配送方案，可得知该配送订单中所有货物向配送商的分配情况，则综合该分配情况及每个配送商的历史配送指标，即可计算得到历史配送订单在该最优解对应的仓库货物的配送方案下的整体数据指标。
在操作S243，根据历史整体数据指标及历史配送订单在最优解对应的所述仓库货物的配送方案下的整体数据指标，确定最优配送方案。
其中，历史配送信息还包括历史整体数据指标，该历史整体数据指标例如可以是对配送历史配送订单中的货物的配送成本、配送时效、揽件时间、破损量等进行统计归纳后得到的历史整体配送成本、历史整体配送时效、历史平均及时揽收率和/或历史平均配送破损率等。
上述操作S243具体为：将历史整体数据指标与操作S242模拟得到的整体数据指标进行比对，根据比对结果确定该最优解对应的仓库货物的配送方案是否相较于历史配送方案是否有改进，然后根据该判断结果确定最优配送方案。
根据本发明的实施例，该操作S243例如还可以包括有展示比对结果的操作，以方便配送方案制定者及时了解当前的比对结果，从而可以便于业务方人为参与，提高寻优效率，极大程度降低试错成本。
根据本发明的实施例，如图4所示，上述操作S243具体包括操作S2431和操作S2432。
在操作S2431，确定所述最优解对应的所述仓库货物的配送方案是否为最优配送方案；在操作S2432，在所述最优解对应的所述仓库货物的配送方案不是最优配送方案的情况下，调整所述优化指标权重，以重新确定最优解及最优解对应的配送方案，得到最优配送方案。
上述操作S2431-操作S2432具体例如可以是：将历史整体数据指标与操作S242模拟得到的整体数据指标进行比对，在模拟得到的整体数据指标优于历史整体数据指标的情况下，确定该最优解对应的仓库货物的配送方案为最优配送方案，在模拟得到的整体数据指标比历史整体数据指标差的情况下，最优解对应的仓库货物的配送方案则不是最优配送方案，此种情况则根据业务方预设的优化指标权重作为参考，调整优化指标权重，从而可以根据调整后的优化指标权重重新确定最优解及最优解对应的配送方案，直至得到最优配送方案。
根据本发明的实施例，在业务方输入的预设的优化指标权重中配送总成本的权重明显大于其他权重的情况下，可以确定业务方想要降低配送总成本，则上述操作S2431-操作S2432具体可以是：比对历史整体配送成本与模拟得到的整体配送成本，在历史整体配送成本低于模拟得到的整体配送成本的情况下，自动提高该配送总成本的权重，以重新确定最优解及最优解对应的配送方案，直至得到最优配送方案。
综上可知，本发明实施例的技术方案，可以在确定的最优解对应的仓库货物配送方案相对于历史配送方案没有改进的情况下，自动调整权重参数，直至得到的配送方案有所改进，整个过程只需业务方设定配送线路上的约束条件和优化目标，即可根据最新指标进行仓库货物配送方案的优化，且寻优过程无需业务方干预，因此可以有效提高寻优的自动化，提高寻优效率，降低人工成本。
图5示意性示出了根据本发明另一实施例的仓库货物的配送优化方法的流程图。
如图5所示，本发明实施例的配送优化方法除了参考图2描述的操作S210-操作S230，参考图3描述的操作S241-操作S242及参考图4描述的操作S2431外，还包括操作S510-操作S520，其中，根据参考图5中的流程，操作S220-操作S510是循环执行的，此即为循环寻优的过程，直至得到最优解。
其中，S210-操作S230、操作S241-操作S242及操作S2431已在前述内容中详细描述，在此不再赘述。
其中，在操作S2431确定最优解对应的仓库货物的配送方案不是最优配送方案的情况下，执行操作S510，调整预设的优化指标权重，然后返回执行操作S220-操作S2431，以重新确定根据新的最优解对应的配送方案是否为最优配送方案；而在操作S2431确定最优解对应的仓库货物的配送方案是最优配送方案的情况下，则执行操作S520，即得到最优配送方案，通过该循环的寻优过程，可提高确定的配送方案的精确度，且整个过程无需人工干预，因此可以提高使用体验感。
可以理解的是，参考图5中的操作S510例如还可以是响应于业务方的操作执行的，即业务方可根据实时的比对结果调整优化指标的权重，从而可以在一定程度上降低试错成本，提高寻优效率。
图6示意性示出了根据本发明一实施例的计算得到最优解的流程图。
如图6所示，参考图2中的操作S230例如可以包括操作S231-操作S232。其中的历史配送信息还包括对参考图3中的操作S242描述时提及的一个或多个配送商的历史配送指标。
则在操作S231中，以该一个或多个配送商的历史配送指标作为优化模型的输入参数，具体例如可以是作为优化模型
Figure BDA0001850026070000191
Figure BDA0001850026070000192
的输入。考虑到优化模型是根据预设的优化指标权重及获取的历史配送订单构建的，因此再输入该一个或多个配送商的历史配送指标，就可得到各参量
Figure BDA0001850026070000193
Figure BDA0001850026070000194
和
Figure BDA0001850026070000195
的值，则整个优化模型中待求解的值仅为
Figure BDA0001850026070000196
集合，即k时段s仓库中发送至a区域的货物分配给配送商l的几率的集合，其中k时段为任意时段，s仓库为S仓库集合的任意一个仓库，a区域为A区域集合中的任意一个区域，配送商l为L配送商集合中的任意一个配送商，
Figure BDA0001850026070000197
集合则包括各个时段的所有仓库发送至各个区域的货物分配给每个配送商的几率的集合。
在操作S232，根据预设的配送约束条件，计算得到输入了历史配送指标的优化模型的最优解。该操作S232即为以配送约束条件作为求解优化模型的约束条件，从而使得求解得到的最优解满足约束条件，考虑到配送约束条件是业务方基于需求设定的条件，因此得到的最优解对应的配送方案更为符合业务方的需求，求解得到的最优解包括
Figure BDA0001850026070000201
的值，即表示第一时段k时s仓库中发送至a区域的货物分配给配送商l的几率。
根据本发明的实施例，上述操作S232具体例如可以是根据预设的配送约束条件，采用求解器(Solver)计算得到输入了历史配送指标的优化模型的帕累托最优解。因此，在上述构建优化模型时，需要将优化模型编写成Solver可以识别的机器语言进行求解，通过此方式可以得到精度较高的最优解，其中的帕累托最优是指资源分配的一种理想状态，在此不再赘述。
图7示意性示出了根据本发明一实施例的用于实现仓库货物的配送优化方法的流程框架图。
该实现仓库货物的配送优化方法的流程框架中涉及到各功能装置，例如配送商配送指标计算装置、模型构建装置、方案模拟装置及模型求解装置。
首先，配送商配送指标计算装置负责每天定时的获取历史配送订单，并根据历史配送订单统计得到配送商的各个历史配送指标。此外，该配送商配送指标计算装置例如还可以负责根据历史配送订单及各配送商历史配送指标统计得到历史配送方案的整体数据指标，具体即为前述内容中描述的历史整体数据指标。
其次，将上述得到的配送商历史配送指标及业务方输入的运营配置数据(例如可以包括前述的优化指标权重及设定配送约束条件的参数)作为模型构建装置的输入，以输出得到优化模型及优化模型的约束条件(例如可以包括前述的优化指标权重及配送约束条件)，然后将模型构建装置的输出转换为优化模型文件，该优化模型文件作为模型求解装置的输入，即可求解得到最优解，并根据该最优解翻译得到最优解对应的配送方案。
然后，将配送商配送指标计算装置定时获取的历史配送订单、翻译得到的最优解对应的配送方案及配送商配送指标计算装置统计得到的配送商历史配送指标作为方案模拟装置的输入，模拟得到历史配送订单在最优解对应的配送方案下的整体数据指标。
最后将模拟得到的整体数据指标与历史整体数据指标进行比对以确定最优配送方案。
示例性装置
在介绍了本发明示例性实施方式的方法之后，接下来，参考图8对本发明示例性实施方式的仓库货物的配送优化装置进行说明。
图8示意性示出了根据本发明实施例的仓库货物的配送优化装置800的方框图。
如图8所示，根据本发明实施例，该仓库货物的配送优化装置可以包括历史配送信息获取模块810、模型构建模块820、最优解计算模块830及最优配送方案确定模块840。该仓库货物的配送优化装置可以用于实现根据本发明实施例的仓库货物的配送优化方法。
历史配送信息获取模块810用于获取所述仓库货物的历史配送信息，所述历史配送信息包括历史配送订单(操作S210)。
模型构建模块820用于根据历史配送订单及预设的优化指标权重，构建优化模型(操作S220)。
最优解计算模块830用于根据预设的配送约束条件，计算得到优化模型的最优解(操作S230)，其中最优解包括表示仓库货物分配给一个或多个配送商的几率。
最优配送方案确定模块840根据所述最优解及所述历史配送信息，确定最优配送方案。
根据本发明的实施例，如图8所示，该最优解计算模块830例如可以包括参数输入子模块831和计算子模块832。参数输入子模块831用于将一个或多个配送商的历史配送指标输入至计算子模块832，以作为所述优化模型的输入参数(操作S231)，计算子模块832用于根据预设的配送约束条件，计算得到输入了历史配送指标的优化模型的最优解(操作S232)。其中，历史配送信息获取模块810获取的历史配送信息还包括上述的一个或多个配送商的历史配送指标，该历史配送指标具体可以包括：所述一个或多个配送商将货物自仓库运输至第一区域的平均时效、所述一个或多个配送商将货物自仓库运输至第一区域的单均成本、所述一个或多个配送商取货的平均及时揽收率、和/或所述一个或多个配送商运输所述仓库中货物的平均破损率。
根据本发明的实施例，上述计算子模块832具体可以根据预设的配送约束条件，采用求解器计算得到输入了历史配送指标的优化模型的帕累托最优解。
根据本发明的实施例，上述最优配送方案确定模块840例如可以包括第一确定子模块841、模拟子模块842及第二确定子模块843。其中，第一确定子模块841用于根据所述最优解，确定所述最优解对应的所述仓库货物的配送方案(操作S241)；模拟子模块842用于根据历史配送订单及最优解对应的仓库货物的配送方案，模拟得到历史配送订单在最优解对应的仓库货物的配送方案下的整体数据指标(操作S242)；第二确定子模块843用于根据历史整体数据指标及历史配送订单在最优解对应的仓库货物的配送方案下的整体数据指标，确定最优配送方案(操作S242)。其中，历史配送信息获取模块810获取的历史配送信息还包括上述的历史整体数据指标。
根据本发明的实施例，上述第二确定子模块843包括配送方案确定单元8431和权重调整单元8432。配送方案确定单元8431用于确定最优解对应的仓库货物的配送方案是否为最优配送方案(操作S2431)；权重调整单元8432用于在最优解对应的仓库货物的配送方案不是最优配送方案的情况下，调整优化指标权重，以重新确定最优解及最优解对应的配送方案，得到最优配送方案(操作S2432)。其中，整体数据指标包括以下至少之一：整体配送成本、整体配送时效、平均及时揽收率和/或平均配送破损率。
根据本发明的实施例，预设的配送约束条件包括以下至少之一：所述仓库中的第一货物分配给所述一个或多个配送商的几率的总和为1；所述仓库中的货物分配给所述一个或多个配送商中第一配送商的货物量的第一上限和/或第一下限；所述仓库中需要运输至第二区域的货物中分配给所述一个或多个配送商中第二配送商的货物量的第二上限和/或第二下限；所述一个或多个配送商自仓库至第三区域运输货物的平均时效的上限；所述一个或多个配送商在所述仓库的平均及时揽收率的下限；所述一个或多个配送商运输所述仓库中货物的平均配送破损率的上限；并且/或者所述仓库中在第一时段需要运输至第四区域的货物只能分配给一个配送商，其中，对于不同的配送商，所述预设的配送约束条件相同或不同。
根据本发明的实施例，上述优化模型例如可以为：
Figure BDA0001850026070000231
Figure BDA0001850026070000232
其中，β1、β2、β3、β4为所述预设的优化指标权重，
Figure BDA0001850026070000233
是k时段s仓库中发送至a区域的货物量；
Figure BDA0001850026070000234
是l配送商将货物自s仓库运输至a区域的单均成本；
Figure BDA0001850026070000235
是l配送商将货物自s仓库运输至a区域的平均时效；
Figure BDA0001850026070000236
是l配送商自s仓库获取货物的平均及时揽收率；
Figure BDA0001850026070000237
是l配送商运输s仓库的货物的平均配送破损率；
Figure BDA0001850026070000238
是k时段s仓库中发送至a区域的货物分配给l配送商的几率，其中，计算得到的最优解为所述优化模型达到最小值时的
Figure BDA0001850026070000239
示例性介质
在介绍了本发明示例性实施方式的方法之后，接下来，参考图9对本发明示例性实施方式的适用于执行仓库货物的配送优化方法的计算机可读存储介质进行介绍。
根据本发明的实施例，还提供了一种计算机可读存储介质，其上存储有可执行指令，所述指令在被处理器执行时使处理器执行根据本发明实施例的执行仓库货物的配送优化方法。
在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算设备上运行时，所述程序代码用于使所述计算设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的用于执行仓库货物的配送优化方法中的步骤，例如，所述计算设备可以执行如图2中所示的步骤S210：获取仓库货物的历史配送信息，所述历史配送信息包括历史配送订单；步骤S220：根据所述历史配送订单及预设的优化指标权重，构建优化模型；步骤S230：根据预设的配送约束条件，计算得到所述优化模型的最优解；以及操作S240：根据所述最优解及所述历史配送信息，确定最优配送方案。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
如图9所示，描述了根据本发明的实施方式的用于执行仓库货物的配送优化方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆，RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java，C++等，还包括常规的过程式程序设计语言——诸如“C”，语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
示例性计算设备
在介绍了本发明示例性实施方式的方法、介质和装置之后，接下来，参考图10对本发明示例性实施方式的适用于执行仓库货物的配送优化方法的计算机设备进行说明。
本发明实施例还提供了一种计算设备。所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本发明的计算设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的仓库货物的配送优化方法中的步骤。例如，所述处理单元可以执行如图2中所示的步骤S210：获取仓库货物的历史配送信息，所述历史配送信息包括历史配送订单；步骤S220：根据所述历史配送订单及预设的优化指标权重，构建优化模型；步骤S230：根据预设的配送约束条件，计算得到所述优化模型的最优解；以及操作S240：根据所述最优解及所述历史配送信息，确定最优配送方案。
下面参照图10来描述根据本发明的这种实施方式的用于执行仓库货物的配送优化方法的计算设备1000。如图10所示的计算设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示，计算设备1000以通用计算设备的形式表现。计算设备1000的组件可以包括但不限于：上述至少一个处理单元1001、上述至少一个存储单元1002、连接不同系统组件(包括存储单元1002和处理单元1001)的总线1003。
总线1003可以包括数据总线、地址总线和控制总线。
存储单元1002可以包括易失性存储器，例如随机存取存储器(RAM)10021和/或高速缓存存储器10022，还可以进一步包括只读存储器(ROM)1023。
存储单元1002还可以包括具有一组(至少一个)程序模块10024的程序/实用工具10025，这样的程序模块10024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备1000也可以与一个或多个外部设备1004(例如键盘、指向设备、蓝牙设备等)通信，这种通信可以通过输入/输出(I/0)接口1005进行。并且，计算设备1000还可以通过网络适配器1006与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1006通过总线1003与计算设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合计算设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了装置的若干单元/模块或子单元/子模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (16)

1.一种仓库货物的配送优化方法，包括：
获取仓库货物的历史配送信息，所述历史配送信息包括历史配送订单；
根据所述历史配送订单及预设的优化指标权重，构建优化模型；
根据预设的配送约束条件，计算得到所述优化模型的最优解；以及
根据所述最优解及所述历史配送信息，确定最优配送方案，
其中，所述最优解包括表示所述仓库货物分配给一个或多个配送商的几率，所述最优解对应所述仓库货物的配送方案；
其中，所述历史配送信息还包括所述一个或多个配送商的历史配送指标，所述根据预设的配送约束条件，计算得到所述优化模型的最优解包括：
以所述一个或多个配送商的历史配送指标作为所述优化模型的输入参数。
2.根据权利要求1所述的方法，其中，所述历史配送信息还包括历史整体数据指标，根据所述最优解及所述历史配送信息，确定最优配送方案包括：
根据所述最优解，确定所述最优解对应的所述仓库货物的配送方案；
根据所述历史配送订单及所述最优解对应的所述仓库货物的配送方案，模拟得到所述历史配送订单在所述最优解对应的所述仓库货物的配送方案下的整体数据指标；以及
根据所述历史整体数据指标及所述历史配送订单在所述最优解对应的所述仓库货物的配送方案下的整体数据指标，确定最优配送方案。
3.根据权利要求2所述的方法，其中：
整体数据指标包括以下至少之一：整体配送成本、整体配送时效、平均及时揽收率和/或平均配送破损率；并且/或者
根据所述历史整体数据指标及所述历史配送订单在所述最优解对应的所述仓库货物的配送方案下的整体数据指标，确定最优配送方案包括：
确定所述最优解对应的所述仓库货物的配送方案是否为最优配送方案；以及
在所述最优解对应的所述仓库货物的配送方案不是最优配送方案的情况下，调整所述优化指标权重，以重新确定最优解及最优解对应的配送方案，得到最优配送方案。
4.根据权利要求1-3中任一项所述的方法，其中，所述根据预设的配送约束条件，计算得到所述优化模型的最优解，还包括：
根据所述预设的配送约束条件，计算得到输入了所述历史配送指标的优化模型的最优解，其中，所述最优解包括表示第一时段仓库中发送至第一区域的货物分配给所述一个或多个配送商的几率，
其中，所述一个或多个配送商的历史配送指标包括：所述一个或多个配送商将货物自仓库运输至第一区域的平均时效、所述一个或多个配送商将货物自仓库运输至第一区域的单均成本、所述一个或多个配送商取货的平均及时揽收率、和/或所述一个或多个配送商运输所述仓库中货物的平均破损率。
5.根据权利要求4所述的方法，其中，根据所述预设的配送约束条件，计算得到输入了所述历史配送指标的优化模型的最优解包括：
根据所述预设的配送约束条件，采用求解器计算得到输入了所述历史配送指标的优化模型的帕累托最优解。
6.根据权利要求1所述的方法，其中，所述预设的配送约束条件包括以下至少之一：
所述仓库中的第一货物分配给所述一个或多个配送商的几率的总和为1；
所述仓库中的货物分配给所述一个或多个配送商中第一配送商的货物量的第一上限和/或第一下限；
所述仓库中需要运输至第二区域的货物中分配给所述一个或多个配送商中第二配送商的货物量的第二上限和/或第二下限；
所述一个或多个配送商自所述仓库至第三区域运输货物的平均时效的上限；
所述一个或多个配送商在所述仓库的平均及时揽收率的下限；
所述一个或多个配送商运输所述仓库中货物的平均配送破损率的上限；并且/或者
所述仓库中在第一时段需要运输至第四区域的货物只能分配给一个配送商，
其中，对于不同的配送商，所述预设的配送约束条件相同或不同。
7.根据权利要求1所述的方法，其中，所述优化模型包括：
Figure FDA0003211627260000031
其中，β1、β2、β3、β4为所述预设的优化指标权重，
Figure FDA0003211627260000032
是k时段s仓库中发送至a区域的货物量；
Figure FDA0003211627260000033
是l配送商将货物自s仓库运输至a区域的单均成本；
Figure FDA0003211627260000034
是l配送商将货物自s仓库运输至a区域的平均时效；
Figure FDA0003211627260000035
是l配送商自s仓库获取货物的平均及时揽收率；
Figure FDA0003211627260000036
是l配送商运输s仓库的货物的平均配送破损率；
Figure FDA0003211627260000037
是k时段s仓库中发送至a区域的货物分配给l配送商的几率，其中，计算得到的最优解为所述优化模型达到最小值时的
Figure FDA0003211627260000038
8.一种仓库货物的配送优化装置，包括：
历史配送信息获取模块，用于获取所述仓库货物的历史配送信息，所述历史配送信息包括历史配送订单；
模型构建模块，用于根据历史配送订单及预设的优化指标权重，构建优化模型；
最优解计算模块，用于根据预设的配送约束条件，计算得到所述优化模型的最优解；以及
最优配送方案确定模块，用于根据所述最优解及所述历史配送信息，确定最优配送方案，
其中，所述最优解包括表示所述仓库货物分配给一个或多个配送商的几率，所述最优解对应所述仓库货物的配送方案；
其中，所述历史配送信息还包括所述一个或多个配送商的历史配送指标，所述最优解计算模块包括：
参数输入子模块，用于以所述一个或多个配送商的历史配送指标作为所述优化模型的输入参数。
9.根据权利要求8所述的装置，其中，所述历史配送信息还包括历史整体数据指标，上述最优配送方案确定模块包括：
第一确定子模块，用于根据所述最优解，确定所述最优解对应的所述仓库货物的配送方案；
模拟子模块，用于根据所述历史配送订单及所述最优解对应的所述仓库货物的配送方案，模拟得到所述历史配送订单在所述最优解对应的所述仓库货物的配送方案下的整体数据指标；
第二确定子模块，用于根据所述历史整体数据指标及所述历史配送订单在所述最优解对应的所述仓库货物的配送方案下的整体数据指标，确定最优配送方案。
10.根据权利要求9所述的装置，其中：
整体数据指标包括以下至少之一：整体配送成本、整体配送时效、平均及时揽收率和/或平均配送破损率；并且/或者
所述第二确定子模块包括：
配送方案确定单元，用于确定所述最优解对应的所述仓库货物的配送方案是否为最优配送方案；
权重调整单元，用于在所述最优解对应的所述仓库货物的配送方案不是最优配送方案的情况下，调整所述优化指标权重，以重新确定所述最优解及所述最优解对应的配送方案，得到最优配送方案。
11.根据权利要求8-10中任一项所述的装置，其中，所述最优解计算模块还包括：
计算子模块，用于根据所述预设的配送约束条件，计算得到输入了所述历史配送指标的优化模型的最优解，其中，所述最优解包括表示第一时段仓库中发送至第一区域的货物分配给所述一个或多个配送商的几率，
其中，所述一个或多个配送商的历史配送指标包括：所述一个或多个配送商将货物自仓库运输至第一区域的平均时效、所述一个或多个配送商将货物自仓库运输至第一区域的单均成本、所述一个或多个配送商取货的平均及时揽收率、和/或所述一个或多个配送商运输所述仓库中货物的平均破损率。
12.根据权利要求11所述的装置，其中，所述计算子模块具体用于：
根据预设的配送约束条件，采用求解器计算得到输入了历史配送指标的优化模型的帕累托最优解。
13.根据权利要求8所述的装置，其中，所述预设的配送约束条件包括以下至少之一：
所述仓库中的第一货物分配给所述一个或多个配送商的几率的总和为1；
所述仓库中的货物分配给所述一个或多个配送商中第一配送商的货物量的第一上限和/或第一下限；
所述仓库中需要运输至第二区域的货物中分配给所述一个或多个配送商中第二配送商的货物量的第二上限和/或第二下限；
所述一个或多个配送商中自所述仓库至第三区域运输货物的平均时效的上限；
所述一个或多个配送商在所述仓库的平均及时揽收率的下限；
所述一个或多个配送商运输所述仓库中货物的平均配送破损率的上限；并且/或者
所述仓库中在第一时段需要运输至第四区域的货物只能分配给一个配送商，
其中，对于不同的配送商，所述预设的配送约束条件相同或不同。
14.根据权利要求8所述的装置，其中，所述优化模型包括：
Figure FDA0003211627260000051
其中，β1、β2、β3、β4为所述预设的优化指标权重，
Figure FDA0003211627260000052
是k时段s仓库中发送至a区域的货物量；
Figure FDA0003211627260000053
是l配送商将货物自s仓库运输至a区域的单均成本；
Figure FDA0003211627260000054
是l配送商将货物自s仓库运输至a区域的平均时效；
Figure FDA0003211627260000055
是l配送商自s仓库获取货物的平均及时揽收率；
Figure FDA0003211627260000056
是l配送商运输s仓库的货物的平均配送破损率；
Figure FDA0003211627260000061
是k时段s仓库中发送至a区域的货物分配给l配送商的几率，其中，计算得到的最优解为所述优化模型达到最小值时的
Figure FDA0003211627260000062
15.一种计算机可读存储介质，其上存储有可执行指令，所述指令在被处理器执行时实现根据权利要求1～7中任一项所述的方法。
16.一种计算设备，包括：
一个或多个存储器，存储有可执行指令；以及
一个或多个处理器，执行所述可执行指令，以实现根据权利要求1～7中任一项所述的方法。
CN201811292848.0A 2018-10-31 2018-10-31 仓库货物的配送优化方法、装置、介质和计算设备 Active CN109447355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811292848.0A CN109447355B (zh) 2018-10-31 2018-10-31 仓库货物的配送优化方法、装置、介质和计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811292848.0A CN109447355B (zh) 2018-10-31 2018-10-31 仓库货物的配送优化方法、装置、介质和计算设备

Publications (2)

Publication Number Publication Date
CN109447355A CN109447355A (zh) 2019-03-08
CN109447355B true CN109447355B (zh) 2022-02-01

Family

ID=65549616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811292848.0A Active CN109447355B (zh) 2018-10-31 2018-10-31 仓库货物的配送优化方法、装置、介质和计算设备

Country Status (1)

Country Link
CN (1) CN109447355B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724188B (zh) * 2019-03-22 2024-04-19 北京沃东天骏信息技术有限公司 商品陈列位置的优化方法、装置、设备和存储介质
CN110175694A (zh) * 2019-04-18 2019-08-27 德邦物流股份有限公司 一种多段运输物流分配方法和系统
CN110298615B (zh) * 2019-06-26 2022-02-08 阿里巴巴（中国）有限公司 用于选择仓库中的货品的方法、装置、介质和计算设备
CN112215530B (zh) * 2019-07-11 2024-05-17 北京京东振世信息技术有限公司 选仓方法和装置
CN110648103B (zh) * 2019-09-29 2023-04-07 阿里巴巴（中国）有限公司 用于选择仓库中的货品的方法、装置、介质和计算设备
CN112837001A (zh) * 2019-11-22 2021-05-25 顺丰科技有限公司 物流网络规划方法、装置及计算机可读存储介质
CN113128820B (zh) * 2020-01-16 2024-03-01 北京京东振世信息技术有限公司 评估仓库调整计划的方法、装置、设备和计算机可读介质
CN112329970A (zh) 2020-04-14 2021-02-05 北京沃东天骏信息技术有限公司 订单信息处理方法、装置、计算机设备和介质
CN111626486A (zh) * 2020-05-15 2020-09-04 贵州理工学院 一种供应链协同设计与优化系统
CN112116135A (zh) * 2020-09-04 2020-12-22 上海汽车集团股份有限公司 一种仓储资源的规划方法及相关装置
CN114091994A (zh) * 2021-10-29 2022-02-25 青岛海尔科技有限公司 货物的数据处理方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105808784A (zh) * 2016-03-31 2016-07-27 北京小度信息科技有限公司 推荐方法和装置
CN106952060A (zh) * 2016-08-04 2017-07-14 北京小度信息科技有限公司 物流调度方法及装置
CN107464018A (zh) * 2017-08-01 2017-12-12 北京同城必应科技有限公司 一种配送路径优化方法和装置、计算机设备、存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8996402B2 (en) * 2010-08-02 2015-03-31 Apple Inc. Forecasting and booking of inventory atoms in content delivery systems
CN105719008A (zh) * 2015-05-22 2016-06-29 北京小度信息科技有限公司 对配送系统进行优化的方法及装置
US10810270B2 (en) * 2015-11-13 2020-10-20 International Business Machines Corporation Web search based on browsing history and emotional state

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105808784A (zh) * 2016-03-31 2016-07-27 北京小度信息科技有限公司 推荐方法和装置
CN106952060A (zh) * 2016-08-04 2017-07-14 北京小度信息科技有限公司 物流调度方法及装置
CN107464018A (zh) * 2017-08-01 2017-12-12 北京同城必应科技有限公司 一种配送路径优化方法和装置、计算机设备、存储介质

Also Published As

Publication number Publication date
CN109447355A (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN109447355B (zh) 仓库货物的配送优化方法、装置、介质和计算设备
US20240086240A1 (en) Allocating computing resources based on user intent
US10776747B2 (en) System and method to incorporate node fulfillment capacity and network average capacity utilization in balancing fulfillment load across retail supply networks
Ivanov et al. Dual problem formulation and its application to optimal redesign of an integrated production–distribution network with structure dynamics and ripple effect considerations
CN103106043B (zh) 用于管理存储服务器的资源的方法和计算机系统
CN113239317B (zh) 确定订单履约仓库的方法和装置
CN110516985B (zh) 仓库选择方法、系统、计算机系统和计算机可读存储介质
CN109002925A (zh) 业务量预测方法和装置
CN113988768B (zh) 一种库存的确定方法和装置
JP2019008501A (ja) 生産管理システムおよび生産管理方法
Ye et al. Determination of buffer sizes for drum–buffer–rope (DBR)-controlled production systems
US20240020633A1 (en) Warehousing data processing method and apparatus, medium, and electronic device
Omar et al. A data-driven approach to multi-product production network planning
US10887163B2 (en) Dynamic planning and configuration based on inconsistent supply
CN112784212B (zh) 一种优化库存的方法和装置
CN112181376A (zh) 代码资源管理方法、装置、电子设备和介质
US20130103456A1 (en) Method, system and program storage device for production planning
CN109902847A (zh) 预测分库订单量的方法和装置
CN115099865A (zh) 一种数据处理方法和装置
KR20210097591A (ko) 구성 관리 데이터베이스에 대한 비용 효율성 추적
CN113256192A (zh) 一种仓储物品规划方法和装置
US11393050B2 (en) Resource accommodation device, schedule management device, and resource accommodation system
CN113256194B (zh) 确定配送中心自留库存的方法和装置
CN110019165A (zh) 一种清洗异常数据的方法和装置
CN116011929A (zh) 商品库存分配方法、装置、存储介质和计算设备

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
TA01 Transfer of patent application right

Effective date of registration: 20191104

Address after: 310012 G building, 10 floor, A building, Paradise Software Park, 3 West Road, Hangzhou, Xihu District, Zhejiang

Applicant after: Alibaba (China) Co., Ltd.

Address before: Hangzhou City, Zhejiang province 310051 Binjiang District River Street No. 1786 Jianghan Road Longsheng Building Room 803

Applicant before: Netease Koala (Hangzhou) Technology Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant