CN115660383A - 农产品产销资源均衡分配分析方法、系统、终端及介质 - Google Patents
农产品产销资源均衡分配分析方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN115660383A CN115660383A CN202211587216.3A CN202211587216A CN115660383A CN 115660383 A CN115660383 A CN 115660383A CN 202211587216 A CN202211587216 A CN 202211587216A CN 115660383 A CN115660383 A CN 115660383A
- Authority
- CN
- China
- Prior art keywords
- cost
- agricultural product
- resource
- supply
- demand
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 43
- 238000009826 distribution Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 title claims description 22
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000004321 preservation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了农产品产销资源均衡分配分析方法、系统、终端及介质，涉及资源分配技术领域，其技术方案要点是：以资源调度成本最小为优化目标建立对供应端与需求端之间农产品资源调度的资源均衡优化模型；对实际供应数据进行聚类处理，以聚类中心作为相应的虚拟供应端；将实际需求数据、虚拟供应端以及聚类处理后虚拟供应端的供应数据输入到资源均衡优化模型，优化求解得到虚拟供应端与需求端之间农产品资源调度的分配策略。本发明考虑了运输资源、农产品消耗以及供应端与需求端的交易合理性，能够同时最大化的满足供应端和需求端的需求，既保证了农产品产销体系的稳定性，又提高了农产品产销效率。
Description
技术领域
本发明涉及资源分配技术领域，更具体地说，它涉及农产品产销资源均衡分配分析方法、系统、终端及介质。
背景技术
农产品属于日常消耗的快消产品，由于农产品存在易腐烂、易损坏等问题，所以农产品在运输过程中大都需要冷藏运输，且由于农产品生产区域较为分散，难以实现产品的产销资源和运输资源的统一调度。
现有技术中有记载基于区块链技术的农产品定制生产技术和基于交易价格的农产品产销资源调度分配方法。基于区块链技术的农产品定制生产技术，主要是针对农产品滞销而提出的农产品定制化生产方案，在此过程中主要考虑的是供应端的生产能力与需求端的生产需求，忽略了农产品在生产后的运输资源分配和运输成本，同时也忽略了农产品交易价格因市场环境影响而引起的波动，导致农产品的市场价格极易受到非正常因素的干扰。而基于交易价格的农产品产销资源调度分配方法，主要考虑的是供应端价格与市场价格的差异，以此满足供应端的收益最大化，但忽略了市场环境的收益情况，且由于市场价格的波动与运输距离的关联程度不高，在满足供应端的收益最大化时可能存在运输距离较大的情况，同时也忽略了农产品运输至市场时是否会影响农产品的正常销售，导致农产品的损耗不可控。
因此，如何研究设计一种能够克服上述缺陷的农产品产销资源均衡分配分析方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足，本发明的目的是提供农产品产销资源均衡分配分析方法、系统、终端及介质，考虑了运输资源、农产品消耗以及供应端与需求端的交易合理性，能够同时最大化的满足供应端和需求端的需求，既保证了农产品产销体系的稳定性，又提高了农产品产销效率。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了农产品产销资源均衡分配分析方法，包括以下步骤：
以资源调度成本最小为优化目标建立对供应端与需求端之间农产品资源调度的资源均衡优化模型；
对实际供应数据进行聚类处理，以聚类中心作为相应的虚拟供应端；
将实际需求数据、虚拟供应端以及聚类处理后虚拟供应端的供应数据输入到资源均衡优化模型，优化求解得到虚拟供应端与需求端之间农产品资源调度的分配策略。
进一步的，所述资源调度成本包括运输成本、时间成本和价格成本。
进一步的，所述资源调度成本的计算过程具体为：
分别计算得到运输成本、时间成本和价格成本；
依据相应的成本转换系数将运输成本、时间成本和价格成本转换成同一成本标准下的成本值；
以所有的成本值之和计算得到资源调度成本。
进一步的，所述资源均衡优化模型的表达式具体为：
其中，
表示运输成本的成本转换系数；
表示价格成本的成本转换系数；
表示时间成本的成本转换系数；
表示虚拟供应端的数量；
表示需求端的数量；
表示第
个虚拟供应端与第
个需求端交易调度的运输距离；
表示第
个虚拟供应端与第
个需求端交易调度的交易量；
表示第
个虚拟供应端的目标交易价格；
表示第
个需求端的目标交易价格；
表示第
个虚拟供应端与第
个需求端交易调度的实际交易价格；
表示农产品进入成熟期后的总保存时间；
表示第
个虚拟供应端供应采摘的占用时间；
表示第
个虚拟供应端与第
个需求端交易调度的运输时间；
表示冷藏物流的最大运输交易量；
表示剩余可销售时间的下限值；
表示虚拟供应端的交易价格波动阈值；
表示需求端的交易价格波动阈值；
表示产品销售标准时间。
进一步的，所述成本转换系数依据运输成本、时间成本、价格成本与成本标准之间的映射关系进行对应确定。
进一步的，所述映射关系由两种成本类型之间的历史成本平均值之比确定。
进一步的，所述实际供应数据的聚类处理过程具体为：
以聚类范围内所有供应点的农产品供应资源之和不超过供应资源阈值确定聚类区域；
依据聚类区域内各个供应点的定位信息进行聚类分析，并将聚类后的聚类中心作为虚拟供应端；
以及，将聚类区域内各个供应点的农产品供应资源之和作为虚拟供应端的供应数据。
第二方面，提供了农产品产销资源均衡分配分析系统，包括：
优化模型模块，用于以资源调度成本最小为优化目标建立对供应端与需求端之间农产品资源调度的资源均衡优化模型；
聚类分析模块，用于对实际供应数据进行聚类处理，以聚类中心作为相应的虚拟供应端；
策略生成模块，用于将实际需求数据、虚拟供应端以及聚类处理后虚拟供应端的供应数据输入到资源均衡优化模型，优化求解得到虚拟供应端与需求端之间农产品资源调度的分配策略。
第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的农产品产销资源均衡分配分析方法。
第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的农产品产销资源均衡分配分析方法。
与现有技术相比，本发明具有以下有益效果：
1、本发明提供的农产品产销资源均衡分配分析方法，考虑了运输资源、农产品消耗以及供应端与需求端的交易合理性，能够同时最大化的满足供应端和需求端的需求，既保证了农产品产销体系的稳定性，又提高了农产品产销效率；
2、本发明依据历史农产品产销数据中运输成本、时间成本、价格成本之间的映射关系，可选取运输成本、时间成本、价格成本中的任意一项作为标准成本，能够将不同量级的成本转换成同一标准下的资源调度成本，有效保证了分配策略的准确性与可靠性；
3、本发明在供应端与需求端之间的价格成本时，考虑了供应端与需求端的双边需求，避免了农产品产销过程出现供应端与需求端之间出现极化收益情况；
4、本发明通过对各个农产品供应点的实际供应数据进行聚类处理，可简化分配策略中的分配路径，使得分配策略更容易推广与实现。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例中的流程图；
图2是本发明实施例中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：农产品产销资源均衡分配分析方法，如图1所示，包括以下步骤：
S1：以资源调度成本最小为优化目标建立对供应端与需求端之间农产品资源调度的资源均衡优化模型；其中，资源调度成本包括运输成本、时间成本和价格成本；
S2：对实际供应数据进行聚类处理，以聚类中心作为相应的虚拟供应端；
S3：将实际需求数据、虚拟供应端以及聚类处理后虚拟供应端的供应数据输入到资源均衡优化模型，优化求解得到虚拟供应端与需求端之间农产品资源调度的分配策略。
资源调度成本的计算过程具体为：计算得到运输成本、时间成本和价格成本；依据相应的成本转换系数将运输成本、时间成本和价格成本转换成同一成本标准下的成本值；以所有的成本值之和计算得到资源调度成本。
需要说明的是，可从运输成本、时间成本和价格成本中选取任意一个作为参考成本，也可以选取其他量级的成本作为参考成本，在此不受限制。
资源均衡优化模型的表达式具体为：
其中，
表示运输成本的成本转换系数；
表示价格成本的成本转换系数；
表示时间成本的成本转换系数；
表示虚拟供应端的数量；
表示需求端的数量；
表示第
个虚拟供应端与第
个需求端交易调度的运输距离；
表示第
个虚拟供应端与第
个需求端交易调度的交易量；
表示第
个虚拟供应端的目标交易价格；
表示第
个需求端的目标交易价格；
表示第
个虚拟供应端与第
个需求端交易调度的实际交易价格；
表示农产品进入成熟期后的总保存时间；
表示第
个虚拟供应端供应采摘的占用时间；
表示第
个虚拟供应端与第
个需求端交易调度的运输时间；
表示冷藏物流的最大运输交易量；
表示剩余可销售时间的下限值；
表示虚拟供应端的交易价格波动阈值；
表示需求端的交易价格波动阈值；
表示产品销售标准时间。
成本转换系数依据运输成本、时间成本、价格成本与成本标准之间的映射关系进行对应确定。其映射关系可以依据历史数据进行深度学习训练得到，映射关系也可以由两种成本类型之间的历史成本平均值之比确定。
实际供应数据的聚类处理过程具体为：以聚类范围内所有供应点的农产品供应资源之和不超过供应资源阈值确定聚类区域；依据聚类区域内各个供应点的定位信息进行聚类分析，并将聚类后的聚类中心作为虚拟供应端；以及，将聚类区域内各个供应点的农产品供应资源之和作为虚拟供应端的供应数据。
实施例2：农产品产销资源均衡分配分析系统，该系统用于实现实施例1中所记载的农产品产销资源均衡分配分析方法，如图2所示，包括优化模型模块、聚类分析模块和策略生成模块。
其中，优化模型模块，用于以资源调度成本最小为优化目标建立对供应端与需求端之间农产品资源调度的资源均衡优化模型；聚类分析模块，用于对实际供应数据进行聚类处理，以聚类中心作为相应的虚拟供应端；策略生成模块，用于将实际需求数据、虚拟供应端以及聚类处理后虚拟供应端的供应数据输入到资源均衡优化模型，优化求解得到虚拟供应端与需求端之间农产品资源调度的分配策略。
工作原理：本发明提供的农产品产销资源均衡分配分析方法，考虑了运输资源、农产品消耗以及供应端与需求端的交易合理性，能够同时最大化的满足供应端和需求端的需求，既保证了农产品产销体系的稳定性，又提高了农产品产销效率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.农产品产销资源均衡分配分析方法，其特征是，包括以下步骤：
以资源调度成本最小为优化目标建立对供应端与需求端之间农产品资源调度的资源均衡优化模型；
对实际供应数据进行聚类处理，以聚类中心作为相应的虚拟供应端；
将实际需求数据、虚拟供应端以及聚类处理后虚拟供应端的供应数据输入到资源均衡优化模型，优化求解得到虚拟供应端与需求端之间农产品资源调度的分配策略。
2.根据权利要求1所述的农产品产销资源均衡分配分析方法，其特征是，所述资源调度成本包括运输成本、时间成本和价格成本。
3.根据权利要求2所述的农产品产销资源均衡分配分析方法，其特征是，所述资源调度成本的计算过程具体为：
分别计算得到运输成本、时间成本和价格成本；
依据相应的成本转换系数将运输成本、时间成本和价格成本转换成同一成本标准下的成本值；
以所有的成本值之和计算得到资源调度成本。
4.根据权利要求1所述的农产品产销资源均衡分配分析方法，其特征是，所述资源均衡优化模型的表达式具体为：
其中，
表示运输成本的成本转换系数；
表示价格成本的成本转换系数；
表示时间成本的成本转换系数；
表示虚拟供应端的数量；
表示需求端的数量；
表示第
个虚拟供应端与第
个需求端交易调度的运输距离；
表示第
个虚拟供应端与第
个需求端交易调度的交易量；
表示第
个虚拟供应端的目标交易价格；
表示第
个需求端的目标交易价格；
表示第
个虚拟供应端与第
个需求端交易调度的实际交易价格；
表示农产品进入成熟期后的总保存时间；
表示第
个虚拟供应端供应采摘的占用时间；
表示第
个虚拟供应端与第
个需求端交易调度的运输时间；
表示冷藏物流的最大运输交易量；
表示剩余可销售时间的下限值；
表示虚拟供应端的交易价格波动阈值；
表示需求端的交易价格波动阈值；
表示产品销售标准时间。
5.根据权利要求3或4所述的农产品产销资源均衡分配分析方法，其特征是，所述成本转换系数依据运输成本、时间成本、价格成本与成本标准之间的映射关系进行对应确定。
6.根据权利要求5所述的农产品产销资源均衡分配分析方法，其特征是，所述映射关系由两种成本类型之间的历史成本平均值之比确定。
7.根据权利要求1所述的农产品产销资源均衡分配分析方法，其特征是，所述实际供应数据的聚类处理过程具体为：
以聚类范围内所有供应点的农产品供应资源之和不超过供应资源阈值确定聚类区域；
依据聚类区域内各个供应点的定位信息进行聚类分析，并将聚类后的聚类中心作为虚拟供应端；
以及，将聚类区域内各个供应点的农产品供应资源之和作为虚拟供应端的供应数据。
8.农产品产销资源均衡分配分析系统，其特征是，包括：
优化模型模块，用于以资源调度成本最小为优化目标建立对供应端与需求端之间农产品资源调度的资源均衡优化模型；
聚类分析模块，用于对实际供应数据进行聚类处理，以聚类中心作为相应的虚拟供应端；
策略生成模块，用于将实际需求数据、虚拟供应端以及聚类处理后虚拟供应端的供应数据输入到资源均衡优化模型，优化求解得到虚拟供应端与需求端之间农产品资源调度的分配策略。
9.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-7中任意一项所述的农产品产销资源均衡分配分析方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的农产品产销资源均衡分配分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211587216.3A CN115660383B (zh) | 2022-12-12 | 2022-12-12 | 农产品产销资源均衡分配分析方法、系统、终端及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211587216.3A CN115660383B (zh) | 2022-12-12 | 2022-12-12 | 农产品产销资源均衡分配分析方法、系统、终端及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115660383A true CN115660383A (zh) | 2023-01-31 |
| CN115660383B CN115660383B (zh) | 2023-03-10 |
Family
ID=85019318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211587216.3A Active CN115660383B (zh) | 2022-12-12 | 2022-12-12 | 农产品产销资源均衡分配分析方法、系统、终端及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115660383B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116307624A (zh) * | 2023-03-28 | 2023-06-23 | 杭州展俊科技有限公司 | 一种erp系统的资源调度方法及其系统 |
| CN116628446A (zh) * | 2023-05-24 | 2023-08-22 | 成都工业职业技术学院 | 基于聚类算法的道岔健康度标准值智能分析方法及系统 |
| CN117952499A (zh) * | 2024-03-27 | 2024-04-30 | 成都工业职业技术学院 | 一种择果分运方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6684193B1 (en) * | 1999-10-05 | 2004-01-27 | Rapt Technologies Corporation | Method and apparatus for multivariate allocation of resources |
| US8533724B1 (en) * | 2010-12-20 | 2013-09-10 | Amazon Technologies, Inc. | Virtual resource provisioning by assigning colors to virtual resources in multi-tenant resource pool |
| US20180032928A1 (en) * | 2015-02-13 | 2018-02-01 | Beijing Didi Infinity Technology And Development C O., Ltd. | Methods and systems for transport capacity scheduling |
| US10142255B1 (en) * | 2016-09-08 | 2018-11-27 | Amazon Technologies, Inc. | Allocating dynamic resources to service clusters |
| CN111738488A (zh) * | 2020-05-14 | 2020-10-02 | 华为技术有限公司 | 一种任务调度方法及其装置 |
| CN112801728A (zh) * | 2020-12-16 | 2021-05-14 | 上海堉古网络科技有限公司 | 农产品交易方法、装置、系统、设备与计算机可读介质 |
| CN113033938A (zh) * | 2020-08-10 | 2021-06-25 | 深圳大学 | 确定资源分配策略的方法、装置、终端设备及存储介质 |
| CN113239606A (zh) * | 2021-05-25 | 2021-08-10 | 华北电力大学 | 综合能源系统优化调度方法、装置及终端设备 |
| CN113822738A (zh) * | 2021-06-22 | 2021-12-21 | 昆明理工大学 | 一种多维度农产品供需双向个性化推荐方法 |
-
2022
- 2022-12-12 CN CN202211587216.3A patent/CN115660383B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6684193B1 (en) * | 1999-10-05 | 2004-01-27 | Rapt Technologies Corporation | Method and apparatus for multivariate allocation of resources |
| US8533724B1 (en) * | 2010-12-20 | 2013-09-10 | Amazon Technologies, Inc. | Virtual resource provisioning by assigning colors to virtual resources in multi-tenant resource pool |
| US20180032928A1 (en) * | 2015-02-13 | 2018-02-01 | Beijing Didi Infinity Technology And Development C O., Ltd. | Methods and systems for transport capacity scheduling |
| US10142255B1 (en) * | 2016-09-08 | 2018-11-27 | Amazon Technologies, Inc. | Allocating dynamic resources to service clusters |
| CN111738488A (zh) * | 2020-05-14 | 2020-10-02 | 华为技术有限公司 | 一种任务调度方法及其装置 |
| CN113033938A (zh) * | 2020-08-10 | 2021-06-25 | 深圳大学 | 确定资源分配策略的方法、装置、终端设备及存储介质 |
| CN112801728A (zh) * | 2020-12-16 | 2021-05-14 | 上海堉古网络科技有限公司 | 农产品交易方法、装置、系统、设备与计算机可读介质 |
| CN113239606A (zh) * | 2021-05-25 | 2021-08-10 | 华北电力大学 | 综合能源系统优化调度方法、装置及终端设备 |
| CN113822738A (zh) * | 2021-06-22 | 2021-12-21 | 昆明理工大学 | 一种多维度农产品供需双向个性化推荐方法 |
Non-Patent Citations (2)
| Title |
|---|
| RAJESH K. SINGH: ""Developing the framework for coordination in supply chain of SMEs"" * |
| 陈铭: ""农产品虚拟供应链管理及虚拟物流中心建构"" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116307624A (zh) * | 2023-03-28 | 2023-06-23 | 杭州展俊科技有限公司 | 一种erp系统的资源调度方法及其系统 |
| CN116628446A (zh) * | 2023-05-24 | 2023-08-22 | 成都工业职业技术学院 | 基于聚类算法的道岔健康度标准值智能分析方法及系统 |
| CN117952499A (zh) * | 2024-03-27 | 2024-04-30 | 成都工业职业技术学院 | 一种择果分运方法 |
| CN117952499B (zh) * | 2024-03-27 | 2024-06-11 | 成都工业职业技术学院 | 一种择果分运方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115660383B (zh) | 2023-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115660383B (zh) | 农产品产销资源均衡分配分析方法、系统、终端及介质 | |
| US20170018038A1 (en) | Data analyzing system and method | |
| US7702556B2 (en) | Process for the selection and evaluation of investment portfolio asset allocation strategies | |
| CN102521052B (zh) | 虚拟化数据中心资源分配方法及虚拟机监控器 | |
| CN105677763A (zh) | 一种基于Hadoop的图像质量评估系统 | |
| CN115543624A (zh) | 异构算力编排调度方法、系统、设备及存储介质 | |
| CN110210661A (zh) | 一种基于用户用能特性的中长期负荷预测方法及装置 | |
| CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
| Zhu et al. | Impact of industrial agglomeration on regional economy in a simulated intelligent environment based on machine learning | |
| CN116739785A (zh) | 基于区块链的省间现货交易碳足迹追踪方法、系统及设备 | |
| CN114898000A (zh) | 考虑环境因素的红枣成熟采摘分析方法、系统及终端 | |
| CN112132343B (zh) | 一种商品采购预测方法及系统、可读存储介质 | |
| CN117875635A (zh) | 针对家电产业的订单分配与执行业务协同分析方法及系统 | |
| CN116799788A (zh) | 一种基于大数据分析的削峰填谷用电方法 | |
| US20210257836A1 (en) | Electricity management apparatus for trading dump power for housing, and housing complex association method | |
| Aliei et al. | Assessment of information technology effects on management of supply chain based on fuzzy logic in Iran tail industries | |
| CN113240334A (zh) | 一种数字经济发展成熟度评估方法、存储介质及系统 | |
| CN118158092B (zh) | 一种算力网络调度方法、装置及电子设备 | |
| Jamjang et al. | Business Model Transformation in Digital Era | |
| CN101894014A (zh) | 客户生命周期在计算机软件系统中的实现方法 | |
| CN215068335U (zh) | 一种基于区块链的燕窝溯源管理系统 | |
| CN118519587B (zh) | 基于ddr的读写控制动态调度方法、设备及介质 | |
| Hu et al. | China’s wine import industry: an economic analysis of influencing trade factors | |
| CN118683900A (zh) | 一种高效能多任务协同的仓储机器人调度方法 | |
| Cuyvers et al. | Globalisation and wages in industrial countries: Theory and empirical evidence |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |