CN112116135A - 一种仓储资源的规划方法及相关装置 - Google Patents
一种仓储资源的规划方法及相关装置 Download PDFInfo
- Publication number
- CN112116135A CN112116135A CN202010920747.4A CN202010920747A CN112116135A CN 112116135 A CN112116135 A CN 112116135A CN 202010920747 A CN202010920747 A CN 202010920747A CN 112116135 A CN112116135 A CN 112116135A
- Authority
- CN
- China
- Prior art keywords
- model
- objective function
- warehouse
- optimal solution
- pareto optimal
- 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
Links
- 238000013439 planning Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 183
- 239000000126 substance Substances 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000032683 aging Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005476 size effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种仓储资源的规划方法及相关装置，其中，仓储资源的规划方法首先获取原始数据，根据原始数据同时考虑以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，第一目标模型包括上述两个目标下的子模型；然后根据约束条件系数，建立预设约束条件，并根据停止标准参数分别进行双目标协同优化计算，以获得第一解集和第二解集并输出，实现兼顾最小化仓储运作成本和最大化配送时效的仓储资源规划，降低了物流方的运营成本，提高了物流方的配送时效。
Description
技术领域
本申请涉及物流管理技术领域，更具体地说，涉及一种仓储资源的规划方法及相关装置。
背景技术
在物流领域，仓储(包括实体仓库以及和仓库运作相关的资源)作为一类重要资源已经被越来越多的物流方所重视。前期对于仓储资源的规划将直接影响到后期仓储资源的实际运行和利用效率。
仓储是物流配送过程绕不开的一个环节，通过把产品提前配送至离客户较近的仓库，当客户的真实需求产生时，如果仓库自身的库存足够，将由该仓库配送相应数量的产品给客户，完成该客户的订单配送。如果仓库离终端客户距离过近，虽然从时效上来讲，单就这一片区域的终端客户而言，其配送时效是提高了，但这一片区域的终端客户，其总体需求量毕竟有限，不足以支撑起一个仓库的规模效应，因此仓储运作成本偏高。
因此仓储资源的规划合理与否，在很大程度上决定了物流方的运营成本和配送时效。
发明内容
为解决上述技术问题，本申请提供了一种仓储资源的规划方法及相关装置，以实现对仓储资源的合理规划的目的，降低物流方的运营成本，提高了物流方的配送时效。
为实现上述技术目的，本申请实施例提供了如下技术方案：
一种仓储资源的规划方法，包括：
获取原始数据，所述原始数据包括目标系数、约束条件系数和停止标准参数；
根据所述目标系数，以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；
根据所述约束条件系数，建立预设约束条件；
根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集；
根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集；
输出所述第一解集和所述第二解集中不被对方支配的部分。
可选的，所述第一子模型包括：
min∑i∑lpilyil；
所述第二子模型包括：min∑i∑lPilYil；
所述第二目标模型包括：min∑i∑jtijxij；其中，
i表示仓库标识，j表示客户标识，l表示价格折扣档次，pil表示仓库i第l档的配送单价，yil表示由仓库i发出的货物总数量，Pil表示仓库i第l档的配送总价，Yil表示0-1之间的实值变量，表征当前价格折扣区间，tij表示由仓库i到客户j所需的配送时间，xij表示由仓库i到客户j配送的产品数量。
可选的，所述预设约束条件包括：运输任务完成约束、仓库最小启用量约束、仓库收发能力约束、仓库库存能力约束和价格折扣约束；其中，
所述运输任务完成约束包括：
其中，i表示仓库标识，j表示客户标识，nj表示客户j对产品的需求量；
所述仓库最小启用量约束包括：
其中，qi表示仓库i启用时最低产品数量，zi为0-1变量，zi为0表示仓库i不启用，zi为1表示仓库i启用，M为预设正整数；
所述仓库收发能力约束包括：
其中，ci表示仓库i的收发能力上限；
所述仓库库存能力约束包括：
其中，ai表示产品在库天数，δi表示安全系数，Ii表示仓库i的最大库存能力；
所述价格折扣约束包括：全部价格折扣下的第一折扣约束和增量价格折扣下的第二折扣约束；
所述第一折扣约束包括：
其中，l表示价格折扣档次，bil为0-1变量，表征当前价格折扣区间，Bil表示仓库i第l档的业务量,yil表示由仓库i发出的货物总数量,xij表示由仓库i到客户j配送的产品数量；
所述第二折扣约束包括：
其中，Pil表示仓库i第l档的配送总价，Pi,l-1表示仓库i第l-1档的配送总价，Yil为介于0-1之间的实值变量，表征当前价格折扣区间，Cil为相应区间的单价。
可选的，所述根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集包括：
将所述第一子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第一子模型和第二目标模型，以获取所述第一子模型对应的第一初始解、第一子模型对应的第一目标函数值、所述第二目标模型对应的第二初始解和所述第二目标模型对应的第二目标函数值；
初始化第一权重集、第一目标函数集和第一帕累托最优解集，初始化后的第一权重集包括所述第一子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第一目标函数集包括所述第一目标函数值和所述第二目标函数值，初始化后的第一帕累托最优解集包括所述第一初始解和第二初始解；
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
对所述第一中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出全部价格折扣下的第一帕累托最优解集作为第一解集；
所述对所述第一中间权重集合进行迭代包括：
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
根据更新后的第一中间权重集合，求解所述第一子模型和第二目标模型对应的加权单目标优化问题，得到第一中间最优解和对应的第一中间目标函数值；
将所述第一中间最优解加入所述第一帕累托最优解集中，将所述第一中间目标函数值加入所述第一目标函数集中；
在当所述第一帕累托最优解集中的数量达到第一预设上限或所述迭代次数达到第一预设次数或连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数达到第二预设次数时，结束迭代；在当所述第一帕累托最优解集中的数量未达到第一预设上限且所述迭代次数未达到第一预设次数且连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数未达到第二预设次数时，返回根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合的步骤。
可选的，所述根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集包括：
将所述第二子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第二子模型和第二目标模型，以获取所述第二子模型对应的第三初始解、第二子模型对应的第三目标函数值、所述第二目标模型对应的第四初始解和所述第二目标模型对应的第四目标函数值；
初始化第二权重集、第二目标函数集和第二帕累托最优解集，初始化后的第二权重集包括所述第二子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第二目标函数集包括所述第三目标函数值和所述第四目标函数值，初始化后的第二帕累托最优解集包括所述第三初始解和第四初始解；
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
对所述第二中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出增量价格折扣下的第二帕累托最优解集作为第二解集；
所述对所述第二中间权重集合进行迭代包括：
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
根据更新后的第二中间权重集合，求解所述第二子模型和第二目标模型对应的加权单目标优化问题，得到第二中间最优解和对应的第二中间目标函数值；
将所述第二中间最优解加入所述第二帕累托最优解集中，将所述第二中间目标函数值加入所述第二目标函数集中；
在当所述第二帕累托最优解集中的数量达到第二预设上限或所述迭代次数达到第三预设次数或连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数达到第四预设次数时，结束迭代；在当所述第二帕累托最优解集中的数量未达到第二预设上限且所述迭代次数未达到第三预设次数且连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数未达到第四预设次数时，返回根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合的步骤。
可选的，所述输出所述第一解集和所述第二解集中不被对方支配的部分包括：
对所述第一解集和第二解集进行优势分析，剔除所述第一解集和所述第二解集中被支配的解，以预设格式输出所述第一解集和所述第二解集中不被对方支配的部分。
一种仓储资源的规划系统，包括：
输入模块，用于获取原始数据，所述原始数据包括目标系数、约束条件系数和停止标准参数；
问题建模模块，用于根据所述目标系数，以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；根据所述约束条件系数，建立预设约束条件；
优化求解模块，用于根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集；根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集；
输出模块，用于输出所述第一解集和所述第二解集中不被对方支配的部分。
可选的，所述第一子模型包括：
min∑i∑lpilyil；
所述第二子模型包括：min∑i∑lPilYil；
所述第二目标模型包括：min∑i∑jtijxij；其中，
i表示仓库标识，j表示客户标识，l表示价格折扣档次，pil表示仓库i第l档的配送单价，yil表示由仓库i发出的货物总数量，Pil表示仓库i第l档的配送总价，Yil表示0-1之间的实值变量，表征当前价格折扣区间，tij表示由仓库i到客户j所需的配送时间，xij表示由仓库i到客户j配送的产品数量。
可选的，所述预设约束条件包括：运输任务完成约束、仓库最小启用量约束、仓库收发能力约束、仓库库存能力约束和价格折扣约束；其中，
所述运输任务完成约束包括：
其中，i表示仓库标识，j表示客户标识，nj表示客户j对产品的需求量；
所述仓库最小启用量约束包括：
其中，qi表示仓库i启用时最低产品数量，zi为0-1变量，zi为0表示仓库i不启用，zi为1表示仓库i启用，M为预设正整数；
所述仓库收发能力约束包括：
其中，ci表示仓库i的收发能力上限；
所述仓库库存能力约束包括：
其中，ai表示产品在库天数，δi表示安全系数，Ii表示仓库i的最大库存能力；
所述价格折扣约束包括：全部价格折扣下的第一折扣约束和增量价格折扣下的第二折扣约束；
所述第一折扣约束包括：
其中，l表示价格折扣档次，bil为0-1变量，表征当前价格折扣区间，Bil表示仓库i第l档的业务量,yil表示由仓库i发出的货物总数量,xij表示由仓库i到客户j配送的产品数量；
所述第二折扣约束包括：
其中，Pil表示仓库i第l档的配送总价，Pi,l-1表示仓库i第l-1档的配送总价，Yil为介于0-1之间的实值变量，表征当前价格折扣区间，Cil为相应区间的单价。
可选的，所述优化求解模块根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集具体用于，
将所述第一子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第一子模型和第二目标模型，以获取所述第一子模型对应的第一初始解、第一子模型对应的第一目标函数值、所述第二目标模型对应的第二初始解和所述第二目标模型对应的第二目标函数值；
初始化第一权重集、第一目标函数集和第一帕累托最优解集，初始化后的第一权重集包括所述第一子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第一目标函数集包括所述第一目标函数值和所述第二目标函数值，初始化后的第一帕累托最优解集包括所述第一初始解和第二初始解；
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
对所述第一中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出全部价格折扣下的第一帕累托最优解集作为第一解集；
所述对所述第一中间权重集合进行迭代包括：
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
根据更新后的第一中间权重集合，求解所述第一子模型和第二目标模型对应的加权单目标优化问题，得到第一中间最优解和对应的第一中间目标函数值；
将所述第一中间最优解加入所述第一帕累托最优解集中，将所述第一中间目标函数值加入所述第一目标函数集中；
在当所述第一帕累托最优解集中的数量达到第一预设上限或所述迭代次数达到第一预设次数或连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数达到第二预设次数时，结束迭代；在当所述第一帕累托最优解集中的数量未达到第一预设上限且所述迭代次数未达到第一预设次数且连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数未达到第二预设次数时，返回根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合的步骤。
可选的，所述优化求解模块根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集具体用于，
将所述第二子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第二子模型和第二目标模型，以获取所述第二子模型对应的第三初始解、第二子模型对应的第三目标函数值、所述第二目标模型对应的第四初始解和所述第二目标模型对应的第四目标函数值；
初始化第二权重集、第二目标函数集和第二帕累托最优解集，初始化后的第二权重集包括所述第二子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第二目标函数集包括所述第三目标函数值和所述第四目标函数值，初始化后的第二帕累托最优解集包括所述第三初始解和第四初始解；
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
对所述第二中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出增量价格折扣下的第二帕累托最优解集作为第二解集；
所述对所述第二中间权重集合进行迭代包括：
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
根据更新后的第二中间权重集合，求解所述第二子模型和第二目标模型对应的加权单目标优化问题，得到第二中间最优解和对应的第二中间目标函数值；
将所述第二中间最优解加入所述第二帕累托最优解集中，将所述第二中间目标函数值加入所述第二目标函数集中；
在当所述第二帕累托最优解集中的数量达到第二预设上限或所述迭代次数达到第三预设次数或连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数达到第四预设次数时，结束迭代；在当所述第二帕累托最优解集中的数量未达到第二预设上限且所述迭代次数未达到第三预设次数且连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数未达到第四预设次数时，返回根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合的步骤。
可选的，所述输出模块具体用于，对所述第一解集和第二解集进行优势分析，剔除所述第一解集和所述第二解集中被支配的解，以预设格式输出所述第一解集和所述第二解集中不被对方支配的部分。
一种仓储资源的规划系统，包括：存储器和处理器；
所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，所述程序代码用于执行上述任一项所述的仓储资源的规划方法的各个步骤。
一种存储介质，所述存储介质上存储有程序代码，所述程序代码被执行时实现上述任一项所述的仓储资源的规划方法的各个步骤。
从上述技术方案可以看出，本申请实施例提供了一种仓储资源的规划方法及相关装置，其中，所述仓储资源的规划方法首先获取原始数据，根据所述原始数据同时考虑以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；然后根据所述约束条件系数，建立预设约束条件，并根据所述停止标准参数分别进行双目标协同优化计算，以获得第一解集和第二解集并输出，实现兼顾最小化仓储运作成本和最大化配送时效的仓储资源规划，降低了物流方的运营成本，提高了物流方的配送时效。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请的一个实施例提供的一种仓储资源的规划方法的流程示意图；
图2为本申请的另一个实施例提供的一种仓储资源的规划方法的流程示意图；
图3为本申请的一个实施例提供的一种仓储资源的规划系统的结构示意图。
具体实施方式
正如背景技术中所述，仓储资源的规划合理与否，在很大程度上决定了物流方的运营成本和配送时效，现有技术中对于仓储资源的规划方案通常考虑的是运输成本和配送时效的协同优化，对仓储运作成本的重视还不够。
随着仓储资源的地位日益增长，洞察这一趋势的仓储方手头拥有大量的仓储资源，它们通过将仓储资源打包成租赁服务的产品形式出租给物流方来获利。本发明站在仓储方为物流方提供服务的视角下，物流方希望通过采购仓储方提供的产品，在获得较高的配送时效的同时，尽可能降低物流方的仓储开支(即仓储运作成本)。
有鉴于此，本申请实施例提供了一种仓储资源的规划方法及相关装置，其中，所述仓储资源的规划方法首先获取原始数据，根据所述原始数据同时考虑以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；然后根据所述约束条件系数，建立预设约束条件，并根据所述停止标准参数分别进行双目标协同优化计算，以获得第一解集和第二解集并输出，实现兼顾最小化仓储运作成本和最大化配送时效的仓储资源规划，降低了物流方的运营成本，提高了物流方的配送时效。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种仓储资源的规划方法，如图1所示，包括：
S101：获取原始数据，所述原始数据包括目标系数、约束条件系数和停止标准参数；
所述原始数据可以是存储于本地的CSV文件或数据库文件，这些数据为后续的建模和优化求解提供依据。
S102：根据所述目标系数，以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；
S103：根据所述约束条件系数，建立预设约束条件；
S104：根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集；
S105：根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集；
S106：输出所述第一解集和所述第二解集中不被对方支配的部分。
对于步骤S106中，第一解集和第二解集中不被对方支配的部分进行举例说明：例如，假设第一解集中包括解A，A.cost为解A的仓储运作成本，A.time为解A的运输时效；第二解集中包括解B，B.cost为解B的仓储运作成本，B.time为解B的运输时效。如果A.cost<B.cost，且A.time<B.time，则解B被A支配，如果第二解集中的解B对于第一解集中的任意解均不满足上述关系，则称第二解集中的解B不被第一解集支配。如果B.cost<A.cost，且B.time<A.time，则解A被B支配，如果第一解集中的解A对于第二解集中的任意解均不满足上述关系，则称第一解集中的解A不被第二解集支配。
下面对本申请实施例提供的仓储资源的规划方法的具体步骤的可行执行过程和模型的具体可行构成进行描述。
可选的，所述第一子模型包括：
min∑i∑lpilyil；
所述第二子模型包括：min∑i∑lPilYil；
所述第二目标模型包括：min∑i∑jtijxij；其中，
i表示仓库标识，j表示客户标识，l表示价格折扣档次，pil表示仓库i第l档的配送单价，yil表示由仓库i发出的货物总数量，Pil表示仓库i第l档的配送总价，Yil表示0-1之间的实值变量，表征当前价格折扣区间，tij表示由仓库i到客户j所需的配送时间，xij表示由仓库i到客户j配送的产品数量。
可选的，所述预设约束条件包括：运输任务完成约束、仓库最小启用量约束、仓库收发能力约束、仓库库存能力约束和价格折扣约束；其中，
所述运输任务完成约束包括：
其中，i表示仓库标识，j表示客户标识，nj表示客户j对产品的需求量；
表示对于任意的j，该等式均成立；
所述仓库最小启用量约束包括：
其中，qi表示仓库i启用时最低产品数量，zi为0-1变量，zi为0表示仓库i不启用，zi为1表示仓库i启用，M为预设正整数；
所述仓库收发能力约束包括：
其中，ci表示仓库i的收发能力上限；
所述仓库库存能力约束包括：
其中，ai表示产品在库天数，δi表示安全系数，Ii表示仓库i的最大库存能力；
所述价格折扣约束包括：全部价格折扣下的第一折扣约束和增量价格折扣下的第二折扣约束；
所述第一折扣约束包括：
其中，l表示价格折扣档次，bil为0-1变量，表征当前价格折扣区间，Bil表示仓库i第l档的业务量,yil表示由仓库i发出的货物总数量,xij表示由仓库i到客户j配送的产品数量；
所述第二折扣约束包括：
其中，Pil表示仓库i第l档的配送总价，Pi,l-1表示仓库i第l-1档的配送总价，Yil为介于0-1之间的实值变量，表征当前价格折扣区间，Cil为相应区间的单价。
参考图2，所述根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集包括：
S1041：将所述第一子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第一子模型和第二目标模型，以获取所述第一子模型对应的第一初始解、第一子模型对应的第一目标函数值、所述第二目标模型对应的第二初始解和所述第二目标模型对应的第二目标函数值；
S1042：初始化第一权重集、第一目标函数集和第一帕累托最优解集，初始化后的第一权重集包括所述第一子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第一目标函数集包括所述第一目标函数值和所述第二目标函数值，初始化后的第一帕累托最优解集包括所述第一初始解和第二初始解；
即第一权重集W＝{(1,0),(0,1)}；第一目标函数集Z＝{(CC,TC),(CT,TT)}；第一帕累托最优解集X＝{xC,xT}，其中，(CC,TC)表示所述第一目标函数值，(CT,TT)表示所述第二目标函数值，xC表示所述第一初始解，xT表示所述第二初始解。
S1043：根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
所述第一中间权重集合w＝(wC,wT)＝f(W,Z,X)，步骤S1043中，更新第一中间权重集合的方式可以有多种，例如可以是令当前帕累托最优解集X构成的凸多边形中任意一条边的方程为Ax+By+C＝0，只要保证wC:wT≠A:B的更新方法均可用于更新所述第一中间权重集合。
S1044：对所述第一中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出全部价格折扣下的第一帕累托最优解集作为第一解集；
所述对所述第一中间权重集合进行迭代包括：
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
根据更新后的第一中间权重集合，求解所述第一子模型和第二目标模型对应的加权单目标优化问题，得到第一中间最优解和对应的第一中间目标函数值；
将所述第一中间最优解加入所述第一帕累托最优解集中，将所述第一中间目标函数值加入所述第一目标函数集中；
在当所述第一帕累托最优解集中的数量达到第一预设上限或所述迭代次数达到第一预设次数或连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数达到第二预设次数时，结束迭代；在当所述第一帕累托最优解集中的数量未达到第一预设上限且所述迭代次数未达到第一预设次数且连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数未达到第二预设次数时，返回根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合的步骤。
与步骤S1041-S1044类似，仍然参考图2，所述根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集包括：
S1051：将所述第二子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第二子模型和第二目标模型，以获取所述第二子模型对应的第三初始解、第二子模型对应的第三目标函数值、所述第二目标模型对应的第四初始解和所述第二目标模型对应的第四目标函数值；
S1052：初始化第二权重集、第二目标函数集和第二帕累托最优解集，初始化后的第二权重集包括所述第二子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第二目标函数集包括所述第三目标函数值和所述第四目标函数值，初始化后的第二帕累托最优解集包括所述第三初始解和第四初始解；
S1053：根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
S1054：对所述第二中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出增量价格折扣下的第二帕累托最优解集作为第二解集；
所述对所述第二中间权重集合进行迭代包括：
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
根据更新后的第二中间权重集合，求解所述第二子模型和第二目标模型对应的加权单目标优化问题，得到第二中间最优解和对应的第二中间目标函数值；
将所述第二中间最优解加入所述第二帕累托最优解集中，将所述第二中间目标函数值加入所述第二目标函数集中；
在当所述第二帕累托最优解集中的数量达到第二预设上限或所述迭代次数达到第三预设次数或连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数达到第四预设次数时，结束迭代；在当所述第二帕累托最优解集中的数量未达到第二预设上限且所述迭代次数未达到第三预设次数且连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数未达到第四预设次数时，返回根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合的步骤。
可选的，步骤S106具体包括：对所述第一解集和第二解集进行优势分析，剔除所述第一解集和所述第二解集中被支配的解，以预设格式输出所述第一解集和所述第二解集中不被对方支配的部分。
所述预设格式为满足应用场景要求的文件格式。
下面对本申请实施例提供的仓储资源的规划系统进行描述，下文描述的仓储资源的规划系统可与上文描述的仓储资源的规划方法相互对应参照。
相应的，本申请实施例提供了一种仓储资源的规划系统，如图3所示，包括：
输入模块100，用于获取原始数据，所述原始数据包括目标系数、约束条件系数和停止标准参数；
问题建模模块200，用于根据所述目标系数，以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；根据所述约束条件系数，建立预设约束条件；
优化求解模块300，用于根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集；根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集；
输出模块400，用于输出所述第一解集和所述第二解集中不被对方支配的部分。
可选的，所述第一子模型包括：
min∑i∑lpilyil；
所述第二子模型包括：min∑i∑lPilYil；
所述第二目标模型包括：min∑i∑jtijxij；其中，
i表示仓库标识，j表示客户标识，l表示价格折扣档次，pil表示仓库i第l档的配送单价，yil表示由仓库i发出的货物总数量，Pil表示仓库i第l档的配送总价，Yil表示0-1之间的实值变量，表征当前价格折扣区间，tij表示由仓库i到客户j所需的配送时间，xij表示由仓库i到客户j配送的产品数量。
可选的，所述预设约束条件包括：运输任务完成约束、仓库最小启用量约束、仓库收发能力约束、仓库库存能力约束和价格折扣约束；其中，
所述运输任务完成约束包括：
其中，i表示仓库标识，j表示客户标识，nj表示客户j对产品的需求量；
所述仓库最小启用量约束包括：
其中，qi表示仓库i启用时最低产品数量，zi为0-1变量，zi为0表示仓库i不启用，zi为1表示仓库i启用，M为预设正整数；
所述仓库收发能力约束包括：
其中，ci表示仓库i的收发能力上限；
所述仓库库存能力约束包括：
其中，ai表示产品在库天数，δi表示安全系数，Ii表示仓库i的最大库存能力；
所述价格折扣约束包括：全部价格折扣下的第一折扣约束和增量价格折扣下的第二折扣约束；
所述第一折扣约束包括：
其中，l表示价格折扣档次，bil为0-1变量，表征当前价格折扣区间，Bil表示仓库i第l档的业务量,yil表示由仓库i发出的货物总数量,xij表示由仓库i到客户j配送的产品数量；
所述第二折扣约束包括：
其中，Pil表示仓库i第l档的配送总价，Pi,l-1表示仓库i第l-1档的配送总价，Yil为介于0-1之间的实值变量，表征当前价格折扣区间，Cil为相应区间的单价。
可选的，所述优化求解模块根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集具体用于，
将所述第一子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第一子模型和第二目标模型，以获取所述第一子模型对应的第一初始解、第一子模型对应的第一目标函数值、所述第二目标模型对应的第二初始解和所述第二目标模型对应的第二目标函数值；
初始化第一权重集、第一目标函数集和第一帕累托最优解集，初始化后的第一权重集包括所述第一子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第一目标函数集包括所述第一目标函数值和所述第二目标函数值，初始化后的第一帕累托最优解集包括所述第一初始解和第二初始解；
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
对所述第一中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出全部价格折扣下的第一帕累托最优解集作为第一解集；
所述对所述第一中间权重集合进行迭代包括：
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
根据更新后的第一中间权重集合，求解所述第一子模型和第二目标模型对应的加权单目标优化问题，得到第一中间最优解和对应的第一中间最优解；
将所述第一中间最优解加入所述第一帕累托最优解集中，将所述第一中间最优解加入所述第一目标函数集中；
在当所述第一帕累托最优解集中的数量达到第一预设上限或所述迭代次数达到第一预设次数或连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数达到第二预设次数时，结束迭代；在当所述第一帕累托最优解集中的数量未达到第一预设上限且所述迭代次数未达到第一预设次数且连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数未达到第二预设次数时，返回根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合的步骤。
可选的，所述优化求解模块根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集具体用于，
将所述第二子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第二子模型和第二目标模型，以获取所述第二子模型对应的第三初始解、第二子模型对应的第三目标函数值、所述第二目标模型对应的第四初始解和所述第二目标模型对应的第四目标函数值；
初始化第二权重集、第二目标函数集和第二帕累托最优解集，初始化后的第二权重集包括所述第二子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第二目标函数集包括所述第三目标函数值和所述第四目标函数值，初始化后的第二帕累托最优解集包括所述第三初始解和第四初始解；
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
对所述第二中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出增量价格折扣下的第二帕累托最优解集作为第二解集；
所述对所述第二中间权重集合进行迭代包括：
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
根据更新后的第二中间权重集合，求解所述第二子模型和第二目标模型对应的加权单目标优化问题，得到第二中间最优解和对应的第二中间目标函数值；
将所述第二中间最优解加入所述第二帕累托最优解集中，将所述第二中间目标函数值加入所述第二目标函数集中；
在当所述第二帕累托最优解集中的数量达到第二预设上限或所述迭代次数达到第三预设次数或连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数达到第四预设次数时，结束迭代；在当所述第二帕累托最优解集中的数量未达到第二预设上限且所述迭代次数未达到第三预设次数且连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数未达到第四预设次数时，返回根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合的步骤。
可选的，所述输出模块400具体用于，对所述第一解集和第二解集进行优势分析，剔除所述第一解集和所述第二解集中被支配的解，以预设格式输出所述第一解集和所述第二解集中不被对方支配的部分。
相应的，本申请实施例还提供了一种存储介质，所述存储介质上存储有适于处理器执行的程序代码，所述程序代码用于：
获取原始数据，所述原始数据包括目标系数、约束条件系数和停止标准参数；
根据所述目标系数，以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；
根据所述约束条件系数，建立预设约束条件；
根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集；
根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集；
输出所述第一解集和所述第二解集中不被对方支配的部分。
所述程序代码的细化功能和扩展功能可参照上文描述。
相应的，本申请实施例还提供了一种最短路径的生成系统，包括存储器和处理器；
所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，所述程序代码用于执行上述任一实施例所述的仓储资源的规划方法的各个步骤。
综上所述，本申请实施例提供了一种仓储资源的规划方法及相关装置，其中，所述仓储资源的规划方法首先获取原始数据，根据所述原始数据同时考虑以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；然后根据所述约束条件系数，建立预设约束条件，并根据所述停止标准参数分别进行双目标协同优化计算，以获得第一解集和第二解集并输出，实现兼顾最小化仓储运作成本和最大化配送时效的仓储资源规划，降低了物流方的运营成本，提高了物流方的配送时效。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种仓储资源的规划方法，其特征在于，包括：
获取原始数据，所述原始数据包括目标系数、约束条件系数和停止标准参数；
根据所述目标系数，以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；
根据所述约束条件系数，建立预设约束条件；
根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集；
根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集；
输出所述第一解集和所述第二解集中不被对方支配的部分。
2.根据权利要求1所述的仓储资源的规划方法，其特征在于，所述第一子模型包括：
min∑i∑lpilyil；
所述第二子模型包括：min∑i∑lPilYil；
所述第二目标模型包括：min∑i∑jtijxij；其中，
i表示仓库标识，j表示客户标识，l表示价格折扣档次，pil表示仓库i第l档的配送单价，yil表示由仓库i发出的货物总数量，Pil表示仓库i第l档的配送总价，Yil表示0-1之间的实值变量，表征当前价格折扣区间，tij表示由仓库i到客户j所需的配送时间，xij表示由仓库i到客户j配送的产品数量。
3.根据权利要求1所述的仓储资源的规划方法，其特征在于，所述预设约束条件包括：运输任务完成约束、仓库最小启用量约束、仓库收发能力约束、仓库库存能力约束和价格折扣约束；其中，
所述运输任务完成约束包括：
其中，i表示仓库标识，j表示客户标识，nj表示客户j对产品的需求量；
所述仓库最小启用量约束包括：
其中，qi表示仓库i启用时最低产品数量，zi为0-1变量，zi为0表示仓库i不启用，zi为1表示仓库i启用，M为预设正整数；
所述仓库收发能力约束包括：
其中，ci表示仓库i的收发能力上限；
所述仓库库存能力约束包括：
其中，ai表示产品在库天数，δi表示安全系数，Ii表示仓库i的最大库存能力；
所述价格折扣约束包括：全部价格折扣下的第一折扣约束和增量价格折扣下的第二折扣约束；
所述第一折扣约束包括：
其中，l表示价格折扣档次，bil为0-1变量，表征当前价格折扣区间，Bil表示仓库i第l档的业务量,yil表示由仓库i发出的货物总数量,xij表示由仓库i到客户j配送的产品数量；
所述第二折扣约束包括：
其中，Pil表示仓库i第l档的配送总价，Pi,l-1表示仓库i第l-1档的配送总价，Yil为介于0-1之间的实值变量，表征当前价格折扣区间，Cil为相应区间的单价。
4.根据权利要求1所述的仓储资源的规划方法，其特征在于，所述根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集包括：
将所述第一子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第一子模型和第二目标模型，以获取所述第一子模型对应的第一初始解、第一子模型对应的第一目标函数值、所述第二目标模型对应的第二初始解和所述第二目标模型对应的第二目标函数值；
初始化第一权重集、第一目标函数集和第一帕累托最优解集，初始化后的第一权重集包括所述第一子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第一目标函数集包括所述第一目标函数值和所述第二目标函数值，初始化后的第一帕累托最优解集包括所述第一初始解和第二初始解；
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
对所述第一中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出全部价格折扣下的第一帕累托最优解集作为第一解集；
所述对所述第一中间权重集合进行迭代包括：
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
根据更新后的第一中间权重集合，求解所述第一子模型和第二目标模型对应的加权单目标优化问题，得到第一中间最优解和对应的第一中间目标函数值；
将所述第一中间最优解加入所述第一帕累托最优解集中，将所述第一中间目标函数值加入所述第一目标函数集中；
在当所述第一帕累托最优解集中的数量达到第一预设上限或所述迭代次数达到第一预设次数或连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数达到第二预设次数时，结束迭代；在当所述第一帕累托最优解集中的数量未达到第一预设上限且所述迭代次数未达到第一预设次数且连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数未达到第二预设次数时，返回根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合的步骤。
5.根据权利要求1所述的仓储资源的规划方法，其特征在于，所述根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集包括：
将所述第二子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第二子模型和第二目标模型，以获取所述第二子模型对应的第三初始解、第二子模型对应的第三目标函数值、所述第二目标模型对应的第四初始解和所述第二目标模型对应的第四目标函数值；
初始化第二权重集、第二目标函数集和第二帕累托最优解集，初始化后的第二权重集包括所述第二子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第二目标函数集包括所述第三目标函数值和所述第四目标函数值，初始化后的第二帕累托最优解集包括所述第三初始解和第四初始解；
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
对所述第二中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出增量价格折扣下的第二帕累托最优解集作为第二解集；
所述对所述第二中间权重集合进行迭代包括：
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
根据更新后的第二中间权重集合，求解所述第二子模型和第二目标模型对应的加权单目标优化问题，得到第二中间最优解和对应的第二中间目标函数值；
将所述第二中间最优解加入所述第二帕累托最优解集中，将所述第二中间目标函数值加入所述第二目标函数集中；
在当所述第二帕累托最优解集中的数量达到第二预设上限或所述迭代次数达到第三预设次数或连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数达到第四预设次数时，结束迭代；在当所述第二帕累托最优解集中的数量未达到第二预设上限且所述迭代次数未达到第三预设次数且连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数未达到第四预设次数时，返回根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合的步骤。
6.根据权利要求1所述的仓储资源的规划方法，其特征在于，所述输出所述第一解集和所述第二解集中不被对方支配的部分包括：
对所述第一解集和第二解集进行优势分析，剔除所述第一解集和所述第二解集中被支配的解，以预设格式输出所述第一解集和所述第二解集中不被对方支配的部分。
7.一种仓储资源的规划系统，其特征在于，包括：
输入模块，用于获取原始数据，所述原始数据包括目标系数、约束条件系数和停止标准参数；
问题建模模块，用于根据所述目标系数，以最小化仓储运作成本和最大化运输时效为目标分别进行建模，以获取第一目标模型和第二目标模型，所述第一目标模型包括全部价格折扣下的第一子模型和增量价格折扣下的第二子模型；根据所述约束条件系数，建立预设约束条件；
优化求解模块，用于根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集；根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集；
输出模块，用于输出所述第一解集和所述第二解集中不被对方支配的部分。
8.根据权利要求7所述的系统，其特征在于，所述第一子模型包括：
min∑i∑lpilyil；
所述第二子模型包括：min∑i∑lPilYil；
所述第二目标模型包括：min∑i∑jtijxij；其中，
i表示仓库标识，j表示客户标识，l表示价格折扣档次，pil表示仓库i第l档的配送单价，yil表示由仓库i发出的货物总数量，Pil表示仓库i第l档的配送总价，Yil表示0-1之间的实值变量，表征当前价格折扣区间，tij表示由仓库i到客户j所需的配送时间，xij表示由仓库i到客户j配送的产品数量。
9.根据权利要求7所述的系统，其特征在于，所述预设约束条件包括：运输任务完成约束、仓库最小启用量约束、仓库收发能力约束、仓库库存能力约束和价格折扣约束；其中，
所述运输任务完成约束包括：
其中，i表示仓库标识，j表示客户标识，nj表示客户j对产品的需求量；
所述仓库最小启用量约束包括：
其中，qi表示仓库i启用时最低产品数量，zi为0-1变量，zi为0表示仓库i不启用，zi为1表示仓库i启用，M为预设正整数；
所述仓库收发能力约束包括：
其中，ci表示仓库i的收发能力上限；
所述仓库库存能力约束包括：
其中，ai表示产品在库天数，δi表示安全系数，Ii表示仓库i的最大库存能力；
所述价格折扣约束包括：全部价格折扣下的第一折扣约束和增量价格折扣下的第二折扣约束；
所述第一折扣约束包括：
其中，l表示价格折扣档次，bil为0-1变量，表征当前价格折扣区间，Bil表示仓库i第l档的业务量,yil表示由仓库i发出的货物总数量,xij表示由仓库i到客户j配送的产品数量；
所述第二折扣约束包括：
其中，Pil表示仓库i第l档的配送总价，Pi,l-1表示仓库i第l-1档的配送总价，Yil为介于0-1之间的实值变量，表征当前价格折扣区间，Cil为相应区间的单价。
10.根据权利要求7所述的系统，其特征在于，所述优化求解模块根据所述停止标准参数，以所述预设约束条件为约束，计算所述第一子模型和所述第二目标模型的第一帕累托最优解集作为第一解集具体用于，
将所述第一子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第一子模型和第二目标模型，以获取所述第一子模型对应的第一初始解、第一子模型对应的第一目标函数值、所述第二目标模型对应的第二初始解和所述第二目标模型对应的第二目标函数值；
初始化第一权重集、第一目标函数集和第一帕累托最优解集，初始化后的第一权重集包括所述第一子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第一目标函数集包括所述第一目标函数值和所述第二目标函数值，初始化后的第一帕累托最优解集包括所述第一初始解和第二初始解；
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
对所述第一中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出全部价格折扣下的第一帕累托最优解集作为第一解集；
所述对所述第一中间权重集合进行迭代包括：
根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合；
根据更新后的第一中间权重集合，求解所述第一子模型和第二目标模型对应的加权单目标优化问题，得到第一中间最优解和对应的第一中间目标函数值；
将所述第一中间最优解加入所述第一帕累托最优解集中，将所述第一中间目标函数值加入所述第一目标函数集中；
在当所述第一帕累托最优解集中的数量达到第一预设上限或所述迭代次数达到第一预设次数或连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数达到第二预设次数时，结束迭代；在当所述第一帕累托最优解集中的数量未达到第一预设上限且所述迭代次数未达到第一预设次数且连续未对所述第一帕累托最优解集中加入第一中间最优解的迭代次数未达到第二预设次数时，返回根据所述第一权重集、第一目标函数集和第一帕累托最优解集更新第一中间权重集合的步骤。
11.根据权利要求7所述的系统，其特征在于，所述优化求解模块根据所述停止标准参数，以所述预设约束条件为约束，计算所述第二子模型和所述第二目标模型的第二帕累托最优解集作为第二解集具体用于，
将所述第二子模型和所述第二目标模型的目标函数权重分别设为(1,0)和(0,1)，并分别求解所述第二子模型和第二目标模型，以获取所述第二子模型对应的第三初始解、第二子模型对应的第三目标函数值、所述第二目标模型对应的第四初始解和所述第二目标模型对应的第四目标函数值；
初始化第二权重集、第二目标函数集和第二帕累托最优解集，初始化后的第二权重集包括所述第二子模型的目标函数权重和所述第二目标模型的目标函数权重，初始化后的第二目标函数集包括所述第三目标函数值和所述第四目标函数值，初始化后的第二帕累托最优解集包括所述第三初始解和第四初始解；
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
对所述第二中间权重集合进行迭代，并统计迭代次数，在迭代结束后，输出增量价格折扣下的第二帕累托最优解集作为第二解集；
所述对所述第二中间权重集合进行迭代包括：
根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合；
根据更新后的第二中间权重集合，求解所述第二子模型和第二目标模型对应的加权单目标优化问题，得到第二中间最优解和对应的第二中间目标函数值；
将所述第二中间最优解加入所述第二帕累托最优解集中，将所述第二中间目标函数值加入所述第二目标函数集中；
在当所述第二帕累托最优解集中的数量达到第二预设上限或所述迭代次数达到第三预设次数或连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数达到第四预设次数时，结束迭代；在当所述第二帕累托最优解集中的数量未达到第二预设上限且所述迭代次数未达到第三预设次数且连续未对所述第二帕累托最优解集中加入第二中间最优解的迭代次数未达到第四预设次数时，返回根据所述第二权重集、第二目标函数集和第二帕累托最优解集更新第二中间权重集合的步骤。
12.根据权利要求7所述的系统，其特征在于，所述输出模块具体用于，对所述第一解集和第二解集进行优势分析，剔除所述第一解集和所述第二解集中被支配的解，以预设格式输出所述第一解集和所述第二解集中不被对方支配的部分。
13.一种仓储资源的规划系统，其特征在于，包括：存储器和处理器；
所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，所述程序代码用于执行权利要求1-6任一项所述的仓储资源的规划方法的各个步骤。
14.一种存储介质，其特征在于，所述存储介质上存储有程序代码，所述程序代码被执行时实现权利要求1-6任一项所述的仓储资源的规划方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920747.4A CN112116135A (zh) | 2020-09-04 | 2020-09-04 | 一种仓储资源的规划方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010920747.4A CN112116135A (zh) | 2020-09-04 | 2020-09-04 | 一种仓储资源的规划方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112116135A true CN112116135A (zh) | 2020-12-22 |
Family
ID=73802224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010920747.4A Pending CN112116135A (zh) | 2020-09-04 | 2020-09-04 | 一种仓储资源的规划方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112116135A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113222515A (zh) * | 2021-05-27 | 2021-08-06 | 咪咕文化科技有限公司 | 一种运单分配方法、装置、电子设备和存储介质 |
| CN116681381A (zh) * | 2023-07-31 | 2023-09-01 | 广东电网有限责任公司广州供电局 | 一种物资仓储调整方法、装置、设备和可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470226A (zh) * | 2018-03-27 | 2018-08-31 | 重庆邮电大学 | 一种物流系统收益最大化方法 |
| CN109447355A (zh) * | 2018-10-31 | 2019-03-08 | 网易无尾熊（杭州）科技有限公司 | 仓库货物的配送优化方法、装置、介质和计算设备 |
| CN110334853A (zh) * | 2019-06-10 | 2019-10-15 | 福建工程学院 | 一种物流配送中心仓库选址的仿自然体优化方法 |
| CN110633820A (zh) * | 2018-06-25 | 2019-12-31 | 北京京东振世信息技术有限公司 | 仓库地址的推荐方法、装置及计算机可读存储介质 |
-
2020
- 2020-09-04 CN CN202010920747.4A patent/CN112116135A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108470226A (zh) * | 2018-03-27 | 2018-08-31 | 重庆邮电大学 | 一种物流系统收益最大化方法 |
| CN110633820A (zh) * | 2018-06-25 | 2019-12-31 | 北京京东振世信息技术有限公司 | 仓库地址的推荐方法、装置及计算机可读存储介质 |
| CN109447355A (zh) * | 2018-10-31 | 2019-03-08 | 网易无尾熊（杭州）科技有限公司 | 仓库货物的配送优化方法、装置、介质和计算设备 |
| CN110334853A (zh) * | 2019-06-10 | 2019-10-15 | 福建工程学院 | 一种物流配送中心仓库选址的仿自然体优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 梁学义: ""随机需求下多目标物流网络集成规划"", 《CNKI优秀硕士学位论文全文库 经济与管理科学辑》, no. 8, 15 August 2016 (2016-08-15), pages 1 - 75 * |
| 武中凯等主编: "《内陆型集装箱中心站中欧班列运输组织与优化》", 30 September 2019, 上海交通大学出版社, pages: 170 - 171 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113222515A (zh) * | 2021-05-27 | 2021-08-06 | 咪咕文化科技有限公司 | 一种运单分配方法、装置、电子设备和存储介质 |
| CN116681381A (zh) * | 2023-07-31 | 2023-09-01 | 广东电网有限责任公司广州供电局 | 一种物资仓储调整方法、装置、设备和可读存储介质 |
| CN116681381B (zh) * | 2023-07-31 | 2024-02-02 | 广东电网有限责任公司广州供电局 | 一种物资仓储调整方法、装置、设备和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rusmevichientong et al. | Dynamic assortment optimization for reusable products with random usage durations | |
| Lee et al. | A multiagent approach to $ q $-learning for daily stock trading | |
| CN112116135A (zh) | 一种仓储资源的规划方法及相关装置 | |
| CN108108933B (zh) | 仓储位置分配方法及装置 | |
| CN109325808A (zh) | 基于Spark大数据平台的商品需求预测与物流分仓规划方法 | |
| CN111507673A (zh) | 对商品库存进行管理的方法和装置 | |
| CN112686700A (zh) | 基于人工智能的产品属性决策方法、装置、电子设备 | |
| CN112116134A (zh) | 一种物流计划的制定方法及相关装置 | |
| JP2014063297A (ja) | ポートフォリオ最適化発注システム | |
| CN107688901B (zh) | 数据调整方法及装置 | |
| US20120316919A1 (en) | Systems and methods for buy and hold pricing | |
| CN110232150B (zh) | 一种用户数据分析方法、装置、可读存储介质及终端设备 | |
| Huh et al. | Inventory systems with a generalized cost model | |
| US8606620B2 (en) | Systems and methods for forecasting using an attenuated forecast function | |
| US8086520B2 (en) | Constraint satisfaction for solutions to an auction winner-determination problem | |
| US20130204662A1 (en) | Systems and Methods For Forecasting Using Modulated Data | |
| CN113626966A (zh) | 库存补货方法、计算机可读存储介质以及终端设备 | |
| CN117236824A (zh) | 一种用于农产品在线交易平台的物流调度方法 | |
| CN115936576A (zh) | 仓库的配送均衡方法和装置 | |
| WO2020213071A1 (ja) | 倉庫保管料ダイナミックプライシングシステム、方法及びプログラム | |
| CN111626861A (zh) | 信息的显示方法和装置、存储介质和电子装置 | |
| CN114841776A (zh) | 订单处理方法、服务提供方法、系统及电子设备 | |
| CN114254861A (zh) | 多因素约束下面向多式联运的制造任务分配方法及装置 | |
| CN107437175A (zh) | 一种积分交易的处理方法及平台 | |
| CN114240052A (zh) | 一种基于遗传算法的组合销售策略优化方法及系统 |
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 |