CN111582788A - 物品调度方法、装置及计算机可读存储介质 - Google Patents

物品调度方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN111582788A
CN111582788A CN202010359152.6A CN202010359152A CN111582788A CN 111582788 A CN111582788 A CN 111582788A CN 202010359152 A CN202010359152 A CN 202010359152A CN 111582788 A CN111582788 A CN 111582788A
Authority
CN
China
Prior art keywords
target
information
shipment
time sequence
submodel
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.)
Pending
Application number
CN202010359152.6A
Other languages
English (en)
Inventor
孟庆春
高林浩
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.)
Beijing Xiaomi Pinecone Electronic Co Ltd
Original Assignee
Beijing Xiaomi Pinecone Electronic 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 Beijing Xiaomi Pinecone Electronic Co Ltd filed Critical Beijing Xiaomi Pinecone Electronic Co Ltd
Priority to CN202010359152.6A priority Critical patent/CN111582788A/zh
Publication of CN111582788A publication Critical patent/CN111582788A/zh
Priority to US17/021,685 priority patent/US11521172B2/en
Priority to EP20198760.9A priority patent/EP3905159A1/en
Pending legal-status Critical Current

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
    • G06Q10/08—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
    • 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
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

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

Abstract

本公开涉及一种物品调度方法、装置及计算机可读存储介质，所述方法包括：获取目标仓库内的目标物品对应的第一时间序列，第一时间序列包括目标物品在第一历史时段内每一单位时间对应的出货量信息；根据第一时间序列和待预测的目标时段，通过出货量预测模型确定出目标物品在目标时段内的总出货量信息，出货量预测模型包括多个并行的第一时间序列子模型和与每一第一时间序列子模型的输出连接的加权子模型；根据总出货量信息、和目标仓库内的目标物品的当前库存信息，对目标仓库进行目标物品的调度。因此，可以有效保证确定出的总出货量信息的准确性，从而可以保证目标物品调度的准确性，保证物品资源调度的合理性。

Description

物品调度方法、装置及计算机可读存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及物品调度方法、装置及计算机可读存储介质。
背景技术
各类物品在生产制作完成之后，通常需要分货对物品进行调度至相应的仓库，从而可以支持仓库覆盖区域范围内的用户需求。随着物流网络的发展，用户对物品发货的及时性要求也逐渐提高。相关技术中，通常需要人工分配的方式向各个仓库中调度相应的物品。若仓库中的物品较少，则在物品发货时需要从其他仓库中调度物品完成发货，若仓库中的物品较多，则会相对影响其他仓库的供需量。
发明内容
为克服相关技术中存在的问题，本公开提供一种准确、高效地物品调度方法、装置及计算机可读存储介质。
根据本公开实施例的第一方面，提供一种物品调度方法，包括：
获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息；
根据所述第一时间序列和待预测的目标时段，通过出货量预测模型确定出所述目标物品在所述目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息；
根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度。
可选地，所述出货量预测模型通过以下方式获得：
根据所述目标仓库内的所述目标物品在第二历史时段内每一单位时间对应的出货量信息，构建训练样本；
根据所述训练样本对预设模型进行训练，其中，所述预设模型包括多个并行的第二时间序列子模型和与每一所述第二时间序列子模型的输出连接的加权子模型，所述第二时间序列子模型的个数不少于所述第一时间序列子模型的个数；
在对所述预设模型训练结束后，获取所述预设模型中、每一所述第二时间序列子模型与所述加权子模型的连接的权重；
将权重的绝对值大于预设阈值的第二时间序列子模型确定为所述第一时间序列子模型，以获得所述出货量预测模型。
可选地，每一所述第一时间序列子模型对应的时间序列的分解项的类型相同，每一所述第一时间序列子模型对应的同一分解项的参数不同。
可选地，所述根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度，包括：
根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息确定所述目标物品的需求量信息；
根据所述目标物品的需求量信息，确定待向所述目标仓库提供所述目标物品的目标物品提供方和所述目标物品提供方对应的供应量信息。
可选地，所述根据所述目标物品的需求量信息，确定待向所述目标仓库提供所述目标物品的目标物品提供方和所述目标物品提供方对应的供应量信息，包括：
分别确定能够向所述目标仓库提供所述目标物品的每一物品提供方关于提供所述目标物品的成本特征信息；
根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息。
可选地，所述成本特征信息为多种，且每种成本特征信息具有各自对应的权重；
所述根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息，包括：
针对每一所述物品提供方，对所述物品提供方的多种所述成本特征信息按照各成本特征信息对应的权重进行加权处理，获得所述物品提供方关于提供所述目标物品的目标成本信息；
按照所述目标成本信息由低至高的顺序，从所述物品提供方中依次选择所述目标物品提供方，并确定所述目标物品提供方对应的供应量信息，以使全部所述目标物品提供方对应的供应量信息的总和达到所述目标物品的需求量信息。
可选地，所述方法还包括：
周期性地更新每种所述成本特征信息各自对应的权重。
根据本公开实施例的第二方面，提供一种物品调度装置，包括：
获取模块，被配置为获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息；
确定模块，被配置为根据所述第一时间序列和待预测的目标时段，通过出货量预测模型确定出所述目标物品在所述目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息；
调度模块，被配置为根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度。
可选地，所述出货量预测模型通过以下方式获得：
根据所述目标仓库内的所述目标物品在第二历史时段内每一单位时间对应的出货量信息，构建训练样本；
根据所述训练样本对预设模型进行训练，其中，所述预设模型包括多个并行的第二时间序列子模型和与每一所述第二时间序列子模型的输出连接的加权子模型，所述第二时间序列子模型的个数不少于所述第一时间序列子模型的个数；
在对所述预设模型训练结束后，获取所述预设模型中、每一所述第二时间序列子模型与所述加权子模型的连接的权重；
将权重的绝对值大于预设阈值的第二时间序列子模型确定为所述第一时间序列子模型，以获得所述出货量预测模型。
可选地，每一所述第一时间序列子模型对应的时间序列的分解项的类型相同，每一所述第一时间序列子模型对应的同一分解项的参数不同。
可选地，所述调度模块包括：
第一确定子模块，被配置为根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息确定所述目标物品的需求量信息；
第二确定子模块，被配置为根据所述目标物品的需求量信息，确定待向所述目标仓库提供所述目标物品的目标物品提供方和所述目标物品提供方对应的供应量信息。
可选地，所述第二确定子模块包括：
第三确定子模块，被配置为分别确定能够向所述目标仓库提供所述目标物品的每一物品提供方关于提供所述目标物品的成本特征信息；
第四确定子模块，被配置为根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息。
可选地，所述成本特征信息为多种，且每种成本特征信息具有各自对应的权重；
所述第四确定子模块包括：
加权子模块，被配置为针对每一所述物品提供方，对所述物品提供方的多种所述成本特征信息按照各成本特征信息对应的权重进行加权处理，获得所述物品提供方关于提供所述目标物品的目标成本信息；
第五确定子模块，被配置为按照所述目标成本信息由低至高的顺序，从所述物品提供方中依次选择所述目标物品提供方，并确定所述目标物品提供方对应的供应量信息，以使全部所述目标物品提供方对应的供应量信息的总和达到所述目标物品的需求量信息。
可选地，所述装置还包括：
更新模块，被配置为周期性地更新每种所述成本特征信息各自对应的权重。
根据本公开实施例的第三方面，提供一种物品调度装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息；
根据所述第一时间序列和待预测的目标时段，通过出货量预测模型确定出所述目标物品在所述目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息；
根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的物品调度方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：
在上述技术方案中，通过获取目标仓库内的目标物品对应的第一时间序列，从而可以根据第一时间序列和待预测的目标时段，通过出货量预测模型确定出目标物品在所述目标时段内的总出货量信息，进而根据总出货量信息、和标仓库内的目标物品的当前库存信息，对目标仓库进行目标物品的调度。通过上述技术方案，在通过出货量预测模型确定目标物品在所述目标时段内的总出货量信息时，可以通过该出货量预测模型中的每一时间序列子模型独立、并行地进行预测，保证每一时间序列子模型的计算独立性，之后通过加权子模型对每一时间序列子模型的输出进行加权求和，以便于根据每一时间序列子模型的输出综合全面地确定出总出货量信息，有效保证确定出的总出货量信息的准确性，从而可以保证目标物品调度的准确性，并且有效降低人工工作量，避免出现相关技术中仓库中物品过多或过少影响发货及时性和资源分配不均的问题，进一步提升用户使用体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种物品调度方法的流程图。
图2是根据一示例性实施例示出的根据总出货量信息、和目标仓库内的目标物品的当前库存信息，对目标仓库进行目标物品的调度的示例性实现方式的流程图。
图3是根据一示例性实施例示出的一种物品调度装置的框图。
图4是根据一示例性实施例示出的一种物品调度装置的框图。
图5是根据一示例性实施例示出的一种物品调度装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种物品调度方法的流程图，如图1所示，包括以下步骤。
在步骤11中，获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息。
其中，第一历史时段可以根据实际使用场景进行设置，示例地，第一历史时段可以设置为近3个月，或者可以设置为近30天，本公开对此进行限定。示例地，该单位时间可以为一天，第一历史时段为近30天，则可以获取仓库A中的物品P在近30天中每一天的出货量信息，该出货量信息可以根据实际出货数据获得，从而将该30天中每一天的出货量信息按照时间顺序排序形成该第一时间序列，获得的序列可以表示为(S0,S1,……,S29)。
在步骤12中，根据第一时间序列和待预测的目标时段，通过出货量预测模型确定出目标物品在目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息。
其中，待预测的目标时段可以根据实际使用需求进行设置，例如，该待预测的目标时段可以包括一个单位时间，接上述示例，在该实施例中，该目标时段为一天，即可以基于近30天的出货量信息形成的第一时间序列预测下一天的出货量信息。
示例地，出货量预测模型中可以包括多个并行的第一时间序列子模型，示例地，可以包括子模型M1、M2、M3和M4。该多个第一时间序列子模型可以独立地根据该第一时间序列和目标时段进行计算，即子模型M1、M2、M3和M4分别根据该第一时间序列和目标时段进行计算，从而获得每一子模型的输出，分别为N1、N2、N3和N4。在该实施例中，N1、N2、N3和N4分别为子模型M1、M2、M3和M4确定出的目标物品下一天的出货量估计信息，此时即为下一天的出货量信息。之后，加权子模型可以对该N1、N2、N3和N4进行加权求和，在该实施例中，可以直接将加权求和的结果确定为总出货量信息。
作为另一示例，该待预测的目标时段可以包括多个单位时间，示例地，单位时间为一天，该目标时段可以为3天，即可以基于近30天的出货量信息形成的第一时间序列预测未来3天的总出货量信息。在该实施例中，子模型M1、M2、M3和M4分别根据该第一时间序列和目标时段进行计算，获得的出货量估计信息N1、N2、N3和N4则分别用于表示每一子模型输出的目标物品在未来3天对应的每天平均出货量信息。之后，加权子模型可以对该N1、N2、N3和N4进行加权求和，加权求和的结果即为综合多个子模型获得的目标仓库中的目标物品在未来3天内的每天平均出货量信息，因此，在该实施例中，在根据加权求和的结果确定所述总出货量信息时，可以将该加权求和的结果与目标时段中包含的单位时间的个数的乘积确定为总出货量信息。
在步骤13中，根据总出货量信息、和目标仓库内的目标物品的当前库存信息，对目标仓库进行目标物品的调度，从而可以保证目标仓库中目标物品的出货需求。
在上述技术方案中，通过获取目标仓库内的目标物品对应的第一时间序列，从而可以根据第一时间序列和待预测的目标时段，通过出货量预测模型确定出目标物品在所述目标时段内的总出货量信息，进而根据总出货量信息、和标仓库内的目标物品的当前库存信息，对目标仓库进行目标物品的调度。通过上述技术方案，在通过出货量预测模型确定目标物品在所述目标时段内的总出货量信息时，可以通过该出货量预测模型中的每一时间序列子模型独立、并行地进行预测，保证每一时间序列子模型的计算独立性，之后通过加权子模型对每一时间序列子模型的输出进行加权求和，以便于根据每一时间序列子模型的输出综合全面地确定出总出货量信息，有效保证确定出的总出货量信息的准确性，从而可以保证目标物品调度的准确性，并且有效降低人工工作量，避免出现相关技术中仓库中物品过多或过少影响发货及时性和资源分配不均的问题，进一步提升用户使用体验。
可选地，所述出货量预测模型通过以下方式获得：
根据所述目标仓库的目标物品在第二历史时段内每一单位时间对应的出货量信息，构建训练样本。其中，所述第二历史时段可以根据实际使用场景选择，本公开对此不进行限定。示例地，第一历史时段可以为近30天，第二历史时段可以为近6个月，目标时段为一天，则可以确定一长度为30天的时间窗口，将该时间窗口中包含的每一天的出货量信息所形成的时间序列作为训练样本中的训练序列，将该时间窗口的下一天的出货量信息作为与该训练序列对应的目标值，从而可以获得多个训练样本。
之后，根据所述训练样本对预设模型进行训练，其中，所述预设模型包括多个并行的第二时间序列子模型和与每一所述第二时间序列子模型的输出连接的加权子模型，所述第二时间序列子模型的个数不少于所述第一时间序列子模型的个数。其中，作为示例，可以直接对多个时间序列子模型和该加权子模型进行组合获得该预设模型。作为另一示例，在gluonts模型中可以支持内嵌神经网络模型，则可以在该gluonts模型中内嵌该多个时间序列子模型，并增加该多个时间序列子模型中进行全连接的全连接层作为该加权子模型，从而获得该预设模型。
其中，该预设模型中的多个第二时间序列子模型可以相同也可以不同，每一第二时间序列子模型均可以独立进行计算，并获得预测的输出结果。示例地，可以获取一训练样本，将训练样本中的训练序列分别输入每一第二时间序列子模型，则每一第二时间序列子模型可以输出其对应的与该训练样本对应的预测值，即基于近30天的出货量信息对应的时间序列预测出的下一天对应的出货量信息，通过加权子模型对每一第二时间序列子模型输出的预测值进行加权，从而基于加权的结果获得该预设模型的输出值。之后通过该输出值和与训练序列对应的目标值确定该预设模型的损失，并在该损失大于训练阈值时，根据该损失调整该预设模型中的参数，即调整该预设模型中的每一第二时间序列子模型的参数和加权子模型的参数，在损失小于训练阈值时，结束训练。其中，确定预设模型的损失可以选择现有的损失函数进行计算，在此不再赘述。为了提高训练效率和预设模型的收敛速度，模型的学习率可以取le-5，并采用adam梯度优化方法调整所述预设模型的参数。
在对所述预设模型训练结束后，获取所述预设模型中、每一所述第二时间序列子模型与所述加权子模型的连接的权重，该权重即为所述加权子模型对每一第二时间序列子模型输出的预测值进行加权时所采用的权重。
将权重的绝对值大于预设阈值的第二时间序列子模型确定为所述第一时间序列子模型，以获得所述出货量预测模型。
其中，在第二时间序列子模型与所述加权子模型的连接的权重的绝对值小于或等于预设阈值时，表示该第二时间子模型输出的结果对预设模型最终输出的结果的影响较小，此时可以忽略该第二时间序列子模型输出的结果。在第二时间序列子模型与所述加权子模型的连接的权重的绝对值大于预设阈值时，表示该第二时间子模型输出的结果对预设模型最终输出的结果的影响较大，因此，在该实施例中，可以只保留预设模型中权重的绝对值大于预设阈值的第二时间序列子模型，获得该出货量预测模型。
在上述技术方案中，在基于训练样本对预设模型进行训练结束后，可以基于预设模型中、每一所述第二时间序列子模型与所述加权子模型的连接的权重对第二时间序列子模型进行选择，保留预设模型中影响力较大的多个时间序列子模型，以获得出货量预测模型，可以在有效保证出货量预测模型的准确率的同时，简化该出货量预测模型的结构，并且可以降低基于该出货量预测模型确定目标物品在目标时段内的总出货量信息时所需的计算量，提升物品调度的效率。
可选地，每一所述第一时间序列子模型可以是基于时间序列分解法确定的模型，例如，基于prophet算法确定出的时间序列子模型，其中，一个时间序列往往是多种变化形式的叠加或耦合，基于时间序列进行预测时，可以基于多个分解项进行预测，例如可以将时间序列模型的输出划分成多种影响因素，如趋势变化因子、周期变化因子、节假日变化因子和误差因子等多个分解项：
y(t)＝g(t)+s(t)+h(t)+ε(t)
其中，y(t)用于表示时间序列，g(t)为趋势变化因子项，用于表示出货量信息随时间的趋势变化；s(t)为周期变化因子项，用于表示出货量信息的周期性连续变化；h(t)为节假日变化因子项，用于表示节假日对出货量信息的影响；ε(t)为误差因子项，用于表示偶然因素对出货量信息的影响。
可选地，每一所述第一时间序列子模型对应的时间序列的分解项的类型相同，每一所述第一时间序列子模型对应的同一分解项的参数不同。
示例地，在该实施例中，每一第一时间序列子模型均包括上述每一分解项，即每一第一时间序列子模型都是由趋势变化因子、周期变化因子、节假日变化因子和误差因子等多个分解项组成，即第一时间序列子模型为同一类型的时间序列模型。在该实施例中，每一第一时间序列子模型中对应同一分解项的参数不同，其可以根据对历史出货量信息的统计量进行设置，以周期变化因子项为例，基于对历史出货量信息统计发现出货量信息在2周、1个月、2个月、3个月等均出现过周期性的变化，则子模型M1中的周期变化因子可以设置为14天，子模型M2中的周期变化因子可以设置为30天，子模型M3中的周期变化因子可以设置60天，子模型M4中的周期变化因子可以设置为90天。其他分解项的参数设置方式相似，在此不再赘述。
通过上述技术方案，可以基于同一类型的多个时间序列子模型同时独立地进行预测，并且每一时间序列子模型的对应的同一分解析的参数不同，即针对同一分解项可以从不同参数的角度进行预测，可以提高时间序列预测的准确性和全面性，提高该出货量预测模型输出的总出货量信息的准确性，进而保证基于该出货量信息对物品进行调度的准确性，提升用户使用体验。
可选地，在步骤13中，根据总出货量信息、和目标仓库内的目标物品的当前库存信息，对目标仓库进行目标物品的调度的示例性实现方式如下，如图2所示，该步骤可以包括：
在步骤21中，根据总出货量信息、和目标仓库内的目标物品的当前库存信息确定目标物品的需求量信息。
作为示例，可以直接将目标仓库内的目标物品的数量信息确定为该当前库存信息，从而可以将总出货量信息与目标仓库内的目标物品的当前库存信息的数量之差确定为该需求量信息，该需求量信息即用于表示需要从目标物品的物品提供方对目标物品进行调度的数量信息。
作为另一示例，该目标仓库当前对应有目标物品的预售信息，目标物品对应的预售信息表示该物品已经预定但尚未出库，则该部分物品虽然当前存在目标仓库中，但不能用于向其他用户提供。因此该情况下，可以获取目标仓库内的目标物品的数量信息，并将该数量信息与所述预售信息之差确定为该当前库存信息，示例地，获取的目标仓库内的目标物品的数量信息为10000，预售信息为1000，则该目标仓库内的目标物品的当前库存信息为9000，从而可以将总出货量信息与该当前库存信息的数量之差确定为该需求量信息。
在步骤22中，根据目标物品的需求量信息，确定待向目标仓库提供目标物品的目标物品提供方和目标物品提供方对应的供应量信息。
由此，可以确定出目标仓库实际的目标物品的需求量信息，并基于需求量信息确定目标物品提供方和其对应的供应量信息，保证目标物品需求量信息的准确性，从而可以提高目标物品调度的准确性，避免调度不均所造成的成本浪费或调度时间延迟，满足用户的使用需求。
可选地，在步骤22中，根据目标物品的需求量信息，确定待向目标仓库提供目标物品的目标物品提供方和目标物品提供方对应的供应量信息的示例性实现方式如下，该步骤可以包括：
分别确定能够向所述目标仓库提供所述目标物品的每一物品提供方关于提供所述目标物品的成本特征信息。其中，每一仓库预先设置有其对应的物品提供方，其中，该物品提供方可以是一个或多个。示例地，该成本特征信息可以为运输成本信息和/或时间成本信息，其中运输成本信息可以用于表示运输目标物品的单位成本，示例地以手机为例，在对手机进行运输时，可以对多个手机进行打包，以包为单位进行运输。如可以将每100个手机进行打包，则确定出的运输成本信息即为每包(即100个)手机对应的成本。时间成本信息用于表示该目标物品从物品提供方运输至该目标仓库所需的时间。其中，成本特征信息可以基于物品提供方向目标仓库提供目标物品的历史运输数据获得。
根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息。
在该实施例中，在确定目标物品提供方时，可以从目标仓库对应的物品提供方中选择，并且基于每一物品提供方的成本特征信息实现对目标物品从物品提供方至目标仓库的调度，可以有效满足目标仓库中目标物品的需求量信息的要求，并且可以节约成本。
可选地，所述成本特征信息为多种，且每种成本特征信息具有各自对应的权重，示例地，如上所述示例，运输成本信息C的权重为0.4，时间成本信息T的权重为0.6。
所述根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息的示例性实现方式如下，该步骤可以包括：
针对每一所述物品提供方，对所述物品提供方的多种所述成本特征信息按照各成本特征信息对应的权重进行加权处理，获得所述物品提供方关于提供所述目标物品的目标成本信息。
示例地，目标仓库对应有4个物品提供方，分别为物品提供方H1、H2、H3、H4，其中，物品提供方H1对应的成本特征信息分别为C1和T1，物品提供方H2对应的成本特征信息分别为C2和T2，物品提供方H3对应的成本特征信息分别为C3和T3，物品提供方H4对应的成本特征信息分别为C4和T4，由此，通过上文所述权重可以分别确定出每一物品提供方的目标成本信息：W(Hi)＝0.4*Ci+0.6*Ti，其中，W(Hi)用于表示第i个物品提供方的目标成本信息，i用于表示物品提供方的序号。
按照所述目标成本信息由低至高的顺序，从所述物品提供方中依次选择所述目标物品提供方，并确定所述目标物品提供方对应的供应量信息，以使全部所述目标物品提供方对应的供应量信息的总和达到所述目标物品的需求量信息。
示例地，确定出的每一物品提供方对应的目标成本信息由低至高的顺序为W(H4)<W(H2)<W(H1)<W(H3)。其中，在确定目标物品提供方时，可以按照该顺序依次选择物品提供方作为目标提供方，若需求量信息大于该物品提供方的可提供数量信息，则将该物品提供方的可提供数量信息作为所述目标物品提供方对应的供应量信息，并将需求量信息减去该物品提供方的可提供数量信息的结果确定为新的需求量信息，并根据该新的需求量信息继续选择下一目标物品提供方，若此时需求量信息不大于该物品提供方的可提供数量信息，则将该需求量信息作为该目标物品提供方对应的供应量信息，并停止选择。
作为示例，需求量信息为5000，按照上述顺序，首先将物品提供方H4确定为目标物品提供方，该物品提供方H4的可提供数量信息为2000，则将物品提供方H4的可提供数量信息2000确定为该物品提供方H4的供应量信息。之后确定新的需求量信息为3000(5000-2000)，并选择下一目标物品提供方为物品提供方H2，通过上述方式确定出物品提供方H2的供应量信息为2500。则确定新的需求量信息为500(3000-2500)，并选择下一目标物品提供方为物品提供方H1，此时物品提供方H1的可提供数量信息为1000，即需求量信息小于该物品提供方H1的可提供数量信息，此时可以将需求量信息500确定为物品供应方H1的供应量信息，并停止选择。由此，通过上述方式确定出的目标物品提供方分别为物品提供方H4、H2、H1，且其分别对应的供应量信息为2000、2500、500。
在上述技术方案中，可以根据每一物品提供方的成本特征信息确定为目标仓库调度目标物品的组合，既可以满足目标仓库的需求量，又可以有效降低目标物品调度的成本，并且提高目标物品的调度效率。
可选地，所述方法还包括：
周期性地更新每种所述成本特征信息各自对应的权重。
其中，如上文所述，在物品提供方关于提供目标物品的目标成本信息时，是对物品提供方的多种成本特征信息按照各成本特征信息对应的权重进行加权处理获得的，因此各成本特征信息的权重的准确性会影响目标物品调度的准确性。因此在该实施例中，可以每间隔预设时间对各成本特征信息各自对应的权重进行更新，示例地，可以每隔3个月重新确定每种所述成本特征信息各自对应的权重，并进行更新。
作为示例，可以通过对历史出货量数据的统计，人工设置每一成本特征信息各自对应的权重，从而对各成本特征信息各自对应的权重进行更新。
作为另一示例，可以预先设置成本特征信息各自对应的权重的多种组合，以运输成本信息和时间成本信息为例，其对应的权重的组合设置如下：
{(0.4，0.6)，(0.5，0.5)，(0.65，0.35)}，即运输成本信息和时间成本信息的权重对应的三种组合。之后可以分别以每一组权重作为测试权重，确定在预设需求量信息下对应的测试供应量集合，其中该测试供应量集合包括目标物品提供方及其对应的供应量信息，其中，确定在预设需求量信息下的测试供应量集合的具体实施方式已在上文进行详述，在此不再赘述。在确定出每种权重组合下对应的测试供应量集合后，分别计算每种测试供应量集合和供需要求的匹配程度，例如可以通过用户对目标物品需求量的满足率表征该匹配程度，示例地，按照权重组合(0.4，0.6)对应的测试供应量集合对目标物品进行调度时，用户对目标物品需求量的满足率为88％，即用户对目标物品下单后有88％的订单可以及时出货。其中满足率越高则表征匹配程度越高，则可以将对应于最大满足率的权重组合确定为目标权重组合，从而可以基于该目标权重组合更新每种所述成本特征信息各自对应的权重。
由此，通过上述技术方案，对每种所述成本特征信息各自对应的权重进行周期性地更新，可以保证该各成本特征信息各自对应的权重的实时性，且与当前的出货量信息相匹配，从而可以进一步提高目标物品调度的准确性，满足用户的使用需求。
图3是根据一示例性实施例示出的一种物品调度装置的框图。参照图3，该装置100包括获取模块101，确定模块102和调度模块103。
获取模块101，被配置为获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息；
确定模块102，被配置为根据所述第一时间序列和待预测的目标时段，通过出货量预测模型确定出所述目标物品在所述目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息；
调度模块103，被配置为根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度。
可选地，所述出货量预测模型通过以下方式获得：
根据所述目标仓库内的所述目标物品在第二历史时段内每一单位时间对应的出货量信息，构建训练样本；
根据所述训练样本对预设模型进行训练，其中，所述预设模型包括多个并行的第二时间序列子模型和与每一所述第二时间序列子模型的输出连接的加权子模型，所述第二时间序列子模型的个数不少于所述第一时间序列子模型的个数；
在对所述预设模型训练结束后，获取所述预设模型中、每一所述第二时间序列子模型与所述加权子模型的连接的权重；
将权重的绝对值大于预设阈值的第二时间序列子模型确定为所述第一时间序列子模型，以获得所述出货量预测模型。
可选地，每一所述第一时间序列子模型对应的时间序列的分解项的类型相同，每一所述第一时间序列子模型对应的同一分解项的参数不同。
可选地，所述调度模块103包括：
第一确定子模块，被配置为根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息确定所述目标物品的需求量信息；
第二确定子模块，被配置为根据所述目标物品的需求量信息，确定待向所述目标仓库提供所述目标物品的目标物品提供方和所述目标物品提供方对应的供应量信息。
可选地，所述第二确定子模块包括：
第三确定子模块，被配置为分别确定能够向所述目标仓库提供所述目标物品的每一物品提供方关于提供所述目标物品的成本特征信息；
第四确定子模块，被配置为根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息。
可选地，所述成本特征信息为多种，且每种成本特征信息具有各自对应的权重；
所述第四确定子模块包括：
加权子模块，被配置为针对每一所述物品提供方，对所述物品提供方的多种所述成本特征信息按照各成本特征信息对应的权重进行加权处理，获得所述物品提供方关于提供所述目标物品的目标成本信息；
第五确定子模块，被配置为按照所述目标成本信息由低至高的顺序，从所述物品提供方中依次选择所述目标物品提供方，并确定所述目标物品提供方对应的供应量信息，以使全部所述目标物品提供方对应的供应量信息的总和达到所述目标物品的需求量信息。
可选地，所述装置100还包括：
更新模块，被配置为周期性地更新每种所述成本特征信息各自对应的权重。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的物品调度方法的步骤。
图4是根据一示例性实施例示出的一种物品调度装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的物品调度方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述物品调度方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述物品调度方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的物品调度方法的代码部分。
图5是根据一示例性实施例示出的一种物品调度装置1900的框图。例如，装置1900可以被提供为一服务器。参照图5，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述物品调度方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种物品调度方法，其特征在于，包括：
获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息；
根据所述第一时间序列和待预测的目标时段，通过出货量预测模型确定出所述目标物品在所述目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息；
根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度。
2.根据权利要求1所述的方法，其特征在于，所述出货量预测模型通过以下方式获得：
根据所述目标仓库内的所述目标物品在第二历史时段内每一单位时间对应的出货量信息，构建训练样本；
根据所述训练样本对预设模型进行训练，其中，所述预设模型包括多个并行的第二时间序列子模型和与每一所述第二时间序列子模型的输出连接的加权子模型，所述第二时间序列子模型的个数不少于所述第一时间序列子模型的个数；
在对所述预设模型训练结束后，获取所述预设模型中、每一所述第二时间序列子模型与所述加权子模型的连接的权重；
将权重的绝对值大于预设阈值的第二时间序列子模型确定为所述第一时间序列子模型，以获得所述出货量预测模型。
3.根据权利要求1所述的方法，其特征在于，每一所述第一时间序列子模型对应的时间序列的分解项的类型相同，每一所述第一时间序列子模型对应的同一分解项的参数不同。
4.根据权利要求1所述的方法，其特征在于，所述根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度，包括：
根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息确定所述目标物品的需求量信息；
根据所述目标物品的需求量信息，确定待向所述目标仓库提供所述目标物品的目标物品提供方和所述目标物品提供方对应的供应量信息。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标物品的需求量信息，确定待向所述目标仓库提供所述目标物品的目标物品提供方和所述目标物品提供方对应的供应量信息，包括：
分别确定能够向所述目标仓库提供所述目标物品的每一物品提供方关于提供所述目标物品的成本特征信息；
根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息。
6.根据权利要求5所述的方法，其特征在于，所述成本特征信息为多种，且每种成本特征信息具有各自对应的权重；
所述根据每一所述物品提供方的所述成本特征信息和所述目标物品的需求量信息，确定所述目标物品提供方和所述目标物品提供方对应的供应量信息，包括：
针对每一所述物品提供方，对所述物品提供方的多种所述成本特征信息按照各成本特征信息对应的权重进行加权处理，获得所述物品提供方关于提供所述目标物品的目标成本信息；
按照所述目标成本信息由低至高的顺序，从所述物品提供方中依次选择所述目标物品提供方，并确定所述目标物品提供方对应的供应量信息，以使全部所述目标物品提供方对应的供应量信息的总和达到所述目标物品的需求量信息。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
周期性地更新每种所述成本特征信息各自对应的权重。
8.一种物品调度装置，其特征在于，包括：
获取模块，被配置为获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息；
确定模块，被配置为根据所述第一时间序列和待预测的目标时段，通过出货量预测模型确定出所述目标物品在所述目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息；
调度模块，被配置为根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度。
9.一种物品调度装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取目标仓库内的目标物品对应的第一时间序列，所述第一时间序列包括所述目标物品在第一历史时段内每一单位时间对应的出货量信息；
根据所述第一时间序列和待预测的目标时段，通过出货量预测模型确定出所述目标物品在所述目标时段内的总出货量信息，其中，所述目标时段包括至少一个单位时间，所述出货量预测模型包括多个并行的第一时间序列子模型和与每一所述第一时间序列子模型的输出连接的加权子模型，每一所述第一时间序列子模型分别用于根据所述第一时间序列和所述目标时段，确定所述目标物品在所述目标时段内的出货量估计信息，所述加权子模型用于对每一所述第一时间序列子模型输出的所述出货量估计信息进行加权求和，以根据加权求和的结果确定所述总出货量信息；
根据所述总出货量信息、和所述目标仓库内的所述目标物品的当前库存信息，对所述目标仓库进行所述目标物品的调度。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
CN202010359152.6A 2020-04-29 2020-04-29 物品调度方法、装置及计算机可读存储介质 Pending CN111582788A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010359152.6A CN111582788A (zh) 2020-04-29 2020-04-29 物品调度方法、装置及计算机可读存储介质
US17/021,685 US11521172B2 (en) 2020-04-29 2020-09-15 Method and apparatus for scheduling item, and computer-readable storage medium
EP20198760.9A EP3905159A1 (en) 2020-04-29 2020-09-28 Method and apparatus for scheduling item, and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010359152.6A CN111582788A (zh) 2020-04-29 2020-04-29 物品调度方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN111582788A true CN111582788A (zh) 2020-08-25

Family

ID=72125005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010359152.6A Pending CN111582788A (zh) 2020-04-29 2020-04-29 物品调度方法、装置及计算机可读存储介质

Country Status (3)

Country Link
US (1) US11521172B2 (zh)
EP (1) EP3905159A1 (zh)
CN (1) CN111582788A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610455A (zh) * 2021-07-06 2021-11-05 中科云谷科技有限公司 用于调拨工程机械配件的系统及方法
CN113610448A (zh) * 2021-10-11 2021-11-05 北京每日优鲜电子商务有限公司 物品调度方法、装置、电子设备和计算机可读介质
CN113657667A (zh) * 2021-08-17 2021-11-16 北京沃东天骏信息技术有限公司 一种数据处理方法、装置、设备及存储介质
CN113762844A (zh) * 2020-10-19 2021-12-07 北京沃东天骏信息技术有限公司 确定物品上架时间的方法和装置
CN114676868A (zh) * 2020-12-24 2022-06-28 深圳顺丰快运科技有限公司 物流货量预测方法、装置、计算机设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090319310A1 (en) * 2008-06-20 2009-12-24 Sas Institute Inc. Information Criterion-Based Systems And Methods For Constructing Combining Weights For Multimodel Forecasting And Prediction
US20140330741A1 (en) * 2013-05-03 2014-11-06 Iwona Bialynicka-Birula Delivery estimate prediction and visualization system
CN108492141A (zh) * 2018-03-28 2018-09-04 联想(北京)有限公司 一种多模型融合的预测方法及装置
CN110046755A (zh) * 2019-04-03 2019-07-23 中国联合网络通信集团有限公司 调拨仓库的确定方法及设备
CN110222881A (zh) * 2019-05-20 2019-09-10 珠海格力电器股份有限公司 一种采购数据的预测方法、装置、存储介质及终端
CN110503235A (zh) * 2019-07-05 2019-11-26 中国平安人寿保险股份有限公司 时间序列的预测方法及系统
US20190378066A1 (en) * 2018-06-11 2019-12-12 International Business Machines Corporation Machine for labor optimization for efficient shipping

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090319310A1 (en) * 2008-06-20 2009-12-24 Sas Institute Inc. Information Criterion-Based Systems And Methods For Constructing Combining Weights For Multimodel Forecasting And Prediction
US20140330741A1 (en) * 2013-05-03 2014-11-06 Iwona Bialynicka-Birula Delivery estimate prediction and visualization system
CN108492141A (zh) * 2018-03-28 2018-09-04 联想(北京)有限公司 一种多模型融合的预测方法及装置
US20190378066A1 (en) * 2018-06-11 2019-12-12 International Business Machines Corporation Machine for labor optimization for efficient shipping
CN110046755A (zh) * 2019-04-03 2019-07-23 中国联合网络通信集团有限公司 调拨仓库的确定方法及设备
CN110222881A (zh) * 2019-05-20 2019-09-10 珠海格力电器股份有限公司 一种采购数据的预测方法、装置、存储介质及终端
CN110503235A (zh) * 2019-07-05 2019-11-26 中国平安人寿保险股份有限公司 时间序列的预测方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762844A (zh) * 2020-10-19 2021-12-07 北京沃东天骏信息技术有限公司 确定物品上架时间的方法和装置
CN114676868A (zh) * 2020-12-24 2022-06-28 深圳顺丰快运科技有限公司 物流货量预测方法、装置、计算机设备和存储介质
CN113610455A (zh) * 2021-07-06 2021-11-05 中科云谷科技有限公司 用于调拨工程机械配件的系统及方法
CN113610455B (zh) * 2021-07-06 2024-05-07 中科云谷科技有限公司 用于调拨工程机械配件的系统及方法
CN113657667A (zh) * 2021-08-17 2021-11-16 北京沃东天骏信息技术有限公司 一种数据处理方法、装置、设备及存储介质
CN113610448A (zh) * 2021-10-11 2021-11-05 北京每日优鲜电子商务有限公司 物品调度方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
US11521172B2 (en) 2022-12-06
EP3905159A1 (en) 2021-11-03
US20210342782A1 (en) 2021-11-04

Similar Documents

Publication Publication Date Title
CN111582788A (zh) 物品调度方法、装置及计算机可读存储介质
CN107705069B (zh) 进度显示方法及装置
CN111538955A (zh) 货品销量的预测方法、装置及存储介质
CN109670077B (zh) 视频推荐方法、装置和计算机可读存储介质
CN107622367B (zh) 进度显示方法及装置
CN106682762A (zh) 获取农作物种植策略信息的方法及装置
CN111143608A (zh) 一种信息推送方法、装置、电子设备及存储介质
CN108345954B (zh) 配电网线路短期负荷预测方法及装置
CN109284951B (zh) 地址信息处理方法及装置
CN115964288A (zh) 软件测试方法、设备、存储介质及程序产品
CN112148923A (zh) 搜索结果的排序方法、排序模型的生成方法、装置及设备
CN111859097B (zh) 数据处理方法、装置、电子设备及存储介质
CN117453933A (zh) 一种多媒体数据推荐方法、装置、电子设备及存储介质
CN108012258B (zh) 虚拟sim卡的数据流量管理方法、装置、终端及服务器
CN114492993A (zh) 订单数据处理方法、装置及设备
CN114840761A (zh) 推送模型的训练方法、装置、设备、存储介质及程序产品
CN115409094A (zh) 设备故障的预测方法、装置及存储介质
CN114445004A (zh) 库存活动决策的处理方法、装置及电子设备
CN114186894A (zh) 项目风险检测方法、装置、电子设备及存储介质
CN115983502B (zh) 数据处理方法、装置及介质
CN114626706A (zh) 基于遗传算法的卤锅调度方法、装置和设备
CN112799895B (zh) 硬件评测方法、装置、电子设备、存储介质和程序产品
CN117273602A (zh) 门店的分货方法、装置、电子设备和存储介质
CN114820065A (zh) 数据预测方法、装置及设备
CN117150100A (zh) 数据展示方法、装置、电子设备及存储介质

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