CN116542675B - 一种结合地理空间信息的跨品类换货方案生成方法 - Google Patents
一种结合地理空间信息的跨品类换货方案生成方法 Download PDFInfo
- Publication number
- CN116542675B CN116542675B CN202310292967.0A CN202310292967A CN116542675B CN 116542675 B CN116542675 B CN 116542675B CN 202310292967 A CN202310292967 A CN 202310292967A CN 116542675 B CN116542675 B CN 116542675B
- Authority
- CN
- China
- Prior art keywords
- goods
- user
- optimal
- information data
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 161
- 230000000977 initiatory effect Effects 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000003139 buffering effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012508 change request Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/014—Providing recall services for goods or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及换货方案自动生成的技术领域,揭露了一种结合地理空间信息的跨品类换货方案生成方法,所述方法包括:采集用户换货信息数据并按照换货发起时间顺序进行数据整理排序;确定最优滑动时间窗口长度,并基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中;根据滑动窗口内的用户换货信息数据构建最优换货模型;对最优换货模型进行优化求解,得到最优换货方案。本发明结合元组密度信息确定自适应变长的滑动窗口长度计算方法,实现不同元组密度的用户换货信息数据缓冲,将约束作为模型求解的惩罚项,构建优化求解目标函数,基于梯度迭代的方式使得迭代系数沿梯度方向迭代,快速求解得到最优换货方案。
Description
技术领域
本发明涉及换货方案自动生成的技术领域,尤其涉及一种结合地理空间信息的跨品类换货方案生成方法。
背景技术
随着信息技术的进步和互联网的普及,全球零售行业发生了根本性的变革,企业在新的商业模式下将面临着新的挑战。网络购物的虚拟性增加了消费者购物过程的不确定性,导致了更为严重的退换货问题产生巨大的成本消耗,如何在大规模退换货条件下优化退换货方案,降低成本消耗成为电商发展面临的重要问题。针对该问题本发明提出一种结合地理空间信息的跨品类换货方案生成方法,降低退换货成本。
发明内容
有鉴于此,本发明提供一种结合地理空间信息的跨品类换货方案生成方法,目的在于:1)通过计算所采集用户换货信息数据的元组密度,结合元组密度信息确定自适应变长的最优滑动时间窗口长度计算方法,当元组密度信息较上一时刻增大时,表明短期内存在更多用户换货信息数据,则增大最优滑动时间窗口长度,用以缓冲更多用户换货信息数据,否则减小最优滑动时间窗口长度,同时预先基于元组密度的变化幅值确定是否需要更新最优滑动时间窗口长度,若变化幅值较小,则沿用之前的最优滑动时间窗口长度,避免消耗过多系统资源构建滑动窗口;2)对于滑动窗口内的用户换货信息数据,以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束构建得到最优换货模型,其中滑动窗口内的用户换货信息数据的发起换货时间较为接近,通过求解所构建的最优换货模型得到对应的换货方案,实现用户换货请求的及时响应,并将约束作为模型求解的惩罚项,构建优化求解目标函数,基于梯度迭代的方式使得迭代系数沿梯度方向迭代,快速求解得到最优换货方案。
实现上述目的,本发明提供的一种结合地理空间信息的跨品类换货方案生成方法,包括以下步骤:
S1:采集用户换货信息数据并按照换货发起时间顺序进行数据整理排序,所述用户换货信息数据形式为四元组形式,包括用户换货发起时间、换货物品、待换物品以及用户地理位置信息;
S2:根据排序后的用户换货信息数据确定最优滑动时间窗口长度,并基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中;
S3:根据滑动窗口内的用户换货信息数据构建最优换货模型,所构建模型以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束;
S4:对所构建的最优换货模型进行优化求解,得到最优换货方案。
作为本发明的进一步改进方法:
可选地,所述S1步骤中采集用户换货信息数据,包括:
定期采集用户换货信息数据,每次采集距当前时刻相差ΔT时间范围内的所有用户换货信息数据,其中ΔT为每次用户换货信息数据的采集时间间隔,所述用户换货信息数据形式为四元组形式,包括用户换货发起时间、换货物品、待换物品以及用户地理位置信息,所采集用户换货信息数据形式为:
{xi(t)=(timei,t,vi,t,ci,t,loci,t)|i∈[1,Nt]}
其中:
xi(t)表示t时刻所采集用户换货信息数据集合中第i组用户换货信息数据,Nt表示t时刻所采集到用户换货信息数据的总组数;
timei,t表示用户换货信息数据xi(t)中的用户换货发起时间;
vi,t表示用户换货信息数据xi(t)中的换货物品;
ci,t表示用户换货信息数据xi(t)中的待换物品;
loci,t表示用户换货信息数据xi(t)中的用户地理位置信息;
max{timei,t}-min{timei,t}≤ΔT,i∈[1,Nt],其中max{timei,t}表示t时刻所采集用户换货信息数据集合中的最大用户换货发起时间,min{timei,t}表示t时刻所采集用户换货信息数据集合中的最小用户换货发起时间,max{timei,t}-min{timei,t}表示两者的时间间隔。
可选地,所述S1步骤中按照换货发起时间顺序对所采集用户换货信息数据进行数据整理排序,包括:
按照用户换货发起时间由早到晚的顺序对t时刻所采集的Nt组用户换货信息数据进行数据整理排序,得到对应排序后的元组序列:
其中:
xj(t)表示按照用户换货发起时间由早到晚顺序排序后的第j组用户换货信息数据。
可选地,所述S2步骤中确定最优滑动时间窗口长度,包括:
所述确定最优滑动时间窗口长度的流程为:
S21:计算t时刻所采集用户换货信息数据的元组密度ρt:
并计算t-ΔT时刻所采集用户换货信息数据的元组密度ρt-ΔT:
其中:
Nt-ΔT表示t-ΔT时刻所采集到用户换货信息数据的总组数;
max{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最大用户换货发起时间,min{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最小用户换货发起时间;
S22:计算得到t时刻元组密度的变化幅值mt:
S23:若mt低于预设置的变化幅值阈值δ,则令t时刻的最优滑动时间窗口长度L(t)等于t-ΔT时刻的最优滑动时间窗口长度L(t-ΔT),否则转向步骤S24计算得到最优滑动时间窗口长度L(t);
S24:计算得到t时刻的最优滑动时间窗口长度L(t):
其中:
ε为预设置的变化参数,0≤ε≤1;
L为预设值的最小滑动时间窗口长度;
α表示平滑因子。
可选地,所述S2步骤中基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中,包括:
基于最优滑动时间窗口长度构建滑动窗口,其中t时刻的最优滑动时间窗口长度为L(t),将排序后的t时刻所采集用户换货信息数据依次输入到滑动窗口中,滑动窗口每次滑入一个元组,滑出一个元组,得到若干种不同的滑动窗口内用户换货信息数据。
可选地,所述S3步骤中根据滑动窗口内的用户换货信息数据构建最优换货模型,包括:
根据滑动窗口内的用户换货信息数据构建最优换货模型,所构建模型以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束,所述最优换货模型的目标函数为:
costk→z=Wekω
其中:
vz表示滑动窗口内第z组用户的换货物品;
ck表示滑动窗口内第k组用户的待换物品;
F(θt)表示基于t时刻不同滑动窗口内用户换货信息数据的最优换货模型,θt表示换货方案;
βk→z表示将滑动窗口内第k组用户的待换物品交付给第z组用户的换货变量,βk→z=1表示将滑动窗口内第k组用户的待换物品交付给第z组用户,否则表示不将滑动窗口内第k组用户的待换物品交付给第z组用户;
dis(lock,locz)表示滑动窗口内第k组用户与第z组用户之间的地理位置距离;
costk→z表示将待换物品ck交付给第z组用户的待换物品ck的单位距离运输成本,dis(lock,locz)costk→z表示待换物品ck交付给第z组用户的运输总成本,Wek表示待换物品ck的质量,ω表示单位质量物品的单位距离运输成本;
所述换货方案的表示结果为:
θt={βk→z|k∈[1,L(t)],z∈[1,L(t)],k≠z}
所述最优换货模型的约束条件为:
所述约束条件表示对于任意用户的待换物品,有且只能换出一次,所述约束条件/>表示对于任意用户的换货物品,有且只能接收一次。
可选地,所述S4步骤中对所构建的最优换货模型进行优化求解,包括:
对所构建的最优换货模型进行优化求解,得到滑动窗口内用户换货信息数据的最优换货方案,其中优化求解流程为:
S41:结合最优换货模型的约束条件构建最优换货模型的优化求解目标函数:
其中:
costk→z表示将待换物品ck交付给第z组用户的待换物品ck的单位距离运输成本,dis(lock,locz)costk→z表示待换物品ck交付给第z组用户的运输总成本;
H(θt,r)表示最优换货模型的优化求解目标函数,求取使得优化求解目标函数达到最大的换货方案作为最优换货方案,在保证具有较低换货运输成本的基础上,求取使得换货成功率达到最大的换货方案;
sum(β=1)表示滑动窗口内换货变量的求和结果;
表示结合约束条件的惩罚函数;
表示第r次迭代得到的迭代系数,最大迭代次数为R;
S42:生成若干种符合约束条件的换货方案;
S43:设置迭代系数的迭代公式:
其中:
ω1,ω2表示学习率,ω1,ω2∈(0,1);
表示优化求解目标函数的偏导;
||·||表示L1范数;
S44:将所生成换货方案代入最优换货模型的优化求解目标函数,并对迭代系数进行迭代,直到两种迭代系数均小于预设置的迭代阈值或达到最大迭代次数R;
S45:记录当前所有换货方案的优化求解目标函数值,选取优化求解目标函数值最大的换货方案作为最优换货方案,基于最优换货方案对滑动窗口内的用户换货信息数据进行换货处理,同时将换货成功的换货物品以及待换物品进行交付标记,对交付标记的物品不再进行换货处理,并滑动所构建的滑动窗口。
为了解决上述问题,本发明提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;
通信接口,实现电子设备通信;及
处理器,执行所述存储器中存储的指令以实现上述所述的结合地理空间信息的跨品类换货方案生成方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的结合地理空间信息的跨品类换货方案生成方法。
相对于现有技术,本发明提出一种结合地理空间信息的跨品类换货方案生成方法,该技术具有以下优势:
首先,本方案提出一种滑动窗口构建方法,通过确定最优滑动时间窗口长度,实时构建得到滑动窗口,其中最优滑动时间窗口长度计算流程为:计算t时刻所采集用户换货信息数据的元组密度ρt:
并计算t-ΔT时刻所采集用户换货信息数据的元组密度ρt-ΔT:
其中:Nt-ΔT表示t-ΔT时刻所采集到用户换货信息数据的总组数;max{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最大用户换货发起时间,min{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最小用户换货发起时间;计算得到t时刻元组密度的变化幅值mt:
若mt低于预设置的变化幅值阈值δ,则令t时刻的最优滑动时间窗口长度L(t)等于t-ΔT时刻的最优滑动时间窗口长度L(t-ΔT),否则计算得到t时刻的最优滑动时间窗口长度L(t):
其中:ε为预设置的变化参数,0≤ε≤1;L为预设值的最小滑动时间窗口长度;α表示平滑因子。基于最优滑动时间窗口长度构建滑动窗口,其中t时刻的最优滑动时间窗口长度为L(t),将排序后的t时刻所采集用户换货信息数据依次输入到滑动窗口中,滑动窗口每次滑入一个元组,滑出一个元组,得到若干种不同的滑动窗口内用户换货信息数据。本方案通过计算所采集用户换货信息数据的元组密度,结合元组密度信息确定自适应变长的最优滑动时间窗口长度计算方法,当元组密度信息较上一时刻增大时,表明短期内存在更多用户换货信息数据,则增大最优滑动时间窗口长度,用以缓冲更多用户换货信息数据,否则减小最优滑动时间窗口长度,同时预先基于元组密度的变化幅值确定是否需要更新最优滑动时间窗口长度,若变化幅值较小,则沿用之前的最优滑动时间窗口长度,避免消耗过多系统资源构建滑动窗口。
同时,本方案提出一种换货方案求解方法,根据滑动窗口内的用户换货信息数据构建最优换货模型,所构建模型以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束,所述最优换货模型的目标函数为:
其中:vz表示滑动窗口内第z组用户的换货物品;ck表示滑动窗口内第k组用户的待换物品;F(θt)表示基于t时刻不同滑动窗口内用户换货信息数据的最优换货模型,θt表示换货方案;βk→z表示将滑动窗口内第k组用户的待换物品交付给第z组用户的换货变量,βk→z=1表示将滑动窗口内第k组用户的待换物品交付给第z组用户,否则表示不将滑动窗口内第k组用户的待换物品交付给第z组用户;dis(lock,locz)表示滑动窗口内第k组用户与第z组用户之间的地理位置距离;costk→z表示将待换物品ck交付给第z组用户的待换物品ck的单位距离运输成本,dis(lock,locz)costk→z表示待换物品ck交付给第z组用户的运输总成本;所述换货方案的表示结果为:
θt={βk→z|k∈[1,L(t)],z∈[1,L(t)],k≠z}
所述最优换货模型的约束条件为:
所述约束条件表示对于任意用户的待换物品,有且只能换出一次,所述约束条件/>表示对于任意用户的换货物品,有且只能接收一次。对所构建的最优换货模型进行优化求解,得到滑动窗口内用户换货信息数据的最优换货方案,其中优化求解流程为:结合最优换货模型的约束条件构建最优换货模型的优化求解目标函数:
其中:H(θt,r)表示最优换货模型的优化求解目标函数,求取使得优化求解目标函数达到最大的换货方案作为最优换货方案,在保证具有较低换货运输成本的基础上,求取使得换货成功率达到最大的换货方案;sum(β=1)表示滑动窗口内换货变量的求和结果; 表示结合约束条件的惩罚函数;/>表示第r次迭代得到的迭代系数,最大迭代次数为R;生成若干种符合约束条件的换货方案;设置迭代系数的迭代公式:
其中:ω1,ω2表示学习率,ω1,ω2∈(0,1);表示优化求解目标函数的偏导;||·||表示L1范数;将所生成换货方案代入最优换货模型的优化求解目标函数,并对迭代系数进行迭代,直到两种迭代系数均小于预设置的迭代阈值或达到最大迭代次数R;记录当前所有换货方案的优化求解目标函数值,选取优化求解目标函数值最大的换货方案作为最优换货方案,基于最优换货方案对滑动窗口内的用户换货信息数据进行换货处理,同时将换货成功的换货物品以及待换物品进行交付标记,对交付标记的物品不再进行换货处理,并滑动所构建的滑动窗口。对于滑动窗口内的用户换货信息数据,本方案以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束构建得到最优换货模型,其中滑动窗口内的用户换货信息数据的发起换货时间较为接近,通过求解所构建的最优换货模型得到对应的换货方案,实现用户换货请求的及时响应,并将约束作为模型求解的惩罚项,构建优化求解目标函数,基于梯度迭代的方式使得迭代系数沿梯度方向迭代,快速求解得到最优换货方案。
附图说明
图1为本发明一实施例提供的一种结合地理空间信息的跨品类换货方案生成方法的流程示意图;
图2为本发明一实施例提供的实现结合地理空间信息的跨品类换货方案生成方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种结合地理空间信息的跨品类换货方案生成方法。所述结合地理空间信息的跨品类换货方案生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述结合地理空间信息的跨品类换货方案生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
S1:采集用户换货信息数据并按照换货发起时间顺序进行数据整理排序,所述用户换货信息数据形式为四元组形式,包括用户换货发起时间、换货物品、待换物品以及用户地理位置信息。
所述S1步骤中采集用户换货信息数据,包括:
定期采集用户换货信息数据,每次采集距当前时刻相差ΔT时间范围内的所有用户换货信息数据,其中ΔT为每次用户换货信息数据的采集时间间隔,所述用户换货信息数据形式为四元组形式,包括用户换货发起时间、换货物品、待换物品以及用户地理位置信息,所采集用户换货信息数据形式为:
{xi(t)=(timei,t,vi,t,ci,t,loci,t)|i∈[1,Nt]}
其中:
xi(t)表示t时刻所采集用户换货信息数据集合中第i组用户换货信息数据,Nt表示t时刻所采集到用户换货信息数据的总组数;
timei,t表示用户换货信息数据xi(t)中的用户换货发起时间;
vi,t表示用户换货信息数据xi(t)中的换货物品;
ci,t表示用户换货信息数据xi(t)中的待换物品;
loci,t表示用户换货信息数据xi(t)中的用户地理位置信息;
max{timei,t}-min{timei,t}≤ΔT,i∈[1,Nt],其中max{timei,t}表示t时刻所采集用户换货信息数据集合中的最大用户换货发起时间,min{timei,t}表示t时刻所采集用户换货信息数据集合中的最小用户换货发起时间,max{timei,t}-min{timei,t}表示两者的时间间隔。
所述S1步骤中按照换货发起时间顺序对所采集用户换货信息数据进行数据整理排序,包括:
按照用户换货发起时间由早到晚的顺序对t时刻所采集的Nt组用户换货信息数据进行数据整理排序,得到对应排序后的元组序列:
其中:
xj(t)表示按照用户换货发起时间由早到晚顺序排序后的第j组用户换货信息数据。
S2:根据排序后的用户换货信息数据确定最优滑动时间窗口长度,并基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中。
所述S2步骤中确定最优滑动时间窗口长度,包括:
所述确定最优滑动时间窗口长度的流程为:
S21:计算t时刻所采集用户换货信息数据的元组密度ρt:
并计算t-ΔT时刻所采集用户换货信息数据的元组密度ρt-ΔT:
其中:
Nt-ΔT表示t-ΔT时刻所采集到用户换货信息数据的总组数;
max{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最大用户换货发起时间,min{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最小用户换货发起时间;
S22:计算得到t时刻元组密度的变化幅值mt:
S23:若mt低于预设置的变化幅值阈值δ,则令t时刻的最优滑动时间窗口长度L(t)等于t-ΔT时刻的最优滑动时间窗口长度L(t-ΔT),否则转向步骤S24计算得到最优滑动时间窗口长度L(t);
S24:计算得到t时刻的最优滑动时间窗口长度L(t):
其中:
ε为预设置的变化参数,0≤ε≤1;
L为预设值的最小滑动时间窗口长度;
α表示平滑因子。
所述S2步骤中基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中,包括:
基于最优滑动时间窗口长度构建滑动窗口,其中t时刻的最优滑动时间窗口长度为L(t),将排序后的t时刻所采集用户换货信息数据依次输入到滑动窗口中,滑动窗口每次滑入一个元组,滑出一个元组,得到若干种不同的滑动窗口内用户换货信息数据。
S3:根据滑动窗口内的用户换货信息数据构建最优换货模型,所构建模型以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束。
所述S3步骤中根据滑动窗口内的用户换货信息数据构建最优换货模型,包括:
根据滑动窗口内的用户换货信息数据构建最优换货模型,所构建模型以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束,所述最优换货模型的目标函数为:
costk→z=Wekω
其中:
vz表示滑动窗口内第z组用户的换货物品;
ck表示滑动窗口内第k组用户的待换物品;
F(θt)表示基于t时刻不同滑动窗口内用户换货信息数据的最优换货模型,θt表示换货方案;
βk→z表示将滑动窗口内第k组用户的待换物品交付给第z组用户的换货变量,βk→z=1表示将滑动窗口内第k组用户的待换物品交付给第z组用户,否则表示不将滑动窗口内第k组用户的待换物品交付给第z组用户;
dis(lock,locz)表示滑动窗口内第k组用户与第z组用户之间的地理位置距离;
costk→z表示将待换物品ck交付给第z组用户的待换物品ck的单位距离运输成本,dis(lock,locz)costk→z表示待换物品ck交付给第z组用户的运输总成本,Wek表示待换物品ck的质量,ω表示单位质量物品的单位距离运输成本;
所述换货方案的表示结果为:
θt={βk→z|k∈[1,L(t)],z∈[1,L(t)],k≠z}
所述最优换货模型的约束条件为:
所述约束条件表示对于任意用户的待换物品,有且只能换出一次,所述约束条件/>表示对于任意用户的换货物品,有且只能接收一次。
S4:对所构建的最优换货模型进行优化求解,得到最优换货方案。
所述S4步骤中对所构建的最优换货模型进行优化求解,包括:
对所构建的最优换货模型进行优化求解,得到滑动窗口内用户换货信息数据的最优换货方案,其中优化求解流程为:
S41:结合最优换货模型的约束条件构建最优换货模型的优化求解目标函数:
其中:
costk→z表示将待换物品ck交付给第z组用户的待换物品ck的单位距离运输成本,dis(lock,locz)costk→z表示待换物品ck交付给第z组用户的运输总成本;
H(θt,r)表示最优换货模型的优化求解目标函数,求取使得优化求解目标函数达到最大的换货方案作为最优换货方案,在保证具有较低换货运输成本的基础上,求取使得换货成功率达到最大的换货方案;
sum(β=1)表示滑动窗口内换货变量的求和结果;
表示结合约束条件的惩罚函数;
表示第r次迭代得到的迭代系数,最大迭代次数为R;
S42:生成若干种符合约束条件的换货方案;
S43:设置迭代系数的迭代公式:
其中:
ω1,ω2表示学习率,ω1,ω2∈(0,1);
表示优化求解目标函数的偏导;
||·||表示L1范数;
S44:将所生成换货方案代入最优换货模型的优化求解目标函数,并对迭代系数进行迭代,直到两种迭代系数均小于预设置的迭代阈值或达到最大迭代次数R;
S45:记录当前所有换货方案的优化求解目标函数值,选取优化求解目标函数值最大的换货方案作为最优换货方案,基于最优换货方案对滑动窗口内的用户换货信息数据进行换货处理,同时将换货成功的换货物品以及待换物品进行交付标记,对交付标记的物品不再进行换货处理,并滑动所构建的滑动窗口。
实施例2:
如图2所示,是本发明一实施例提供的实现结合地理空间信息的跨品类换货方案生成方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(用于实现跨品类换货方案生成的程序12等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接,并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图2仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图2示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
采集用户换货信息数据并按照换货发起时间顺序进行数据整理排序;
根据排序后的用户换货信息数据确定最优滑动时间窗口长度,并基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中;
根据滑动窗口内的用户换货信息数据构建最优换货模型;
对所构建的最优换货模型进行优化求解,得到最优换货方案。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种结合地理空间信息的跨品类换货方案生成方法,其特征在于,所述方法包括:
S1:采集用户换货信息数据并按照换货发起时间顺序进行数据整理排序,所述用户换货信息数据形式为四元组形式,包括用户换货发起时间、换货物品、待换物品以及用户地理位置信息;
S2:根据排序后的用户换货信息数据确定最优滑动时间窗口长度,并基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中;
所述S2步骤中确定最优滑动时间窗口长度,包括:
所述确定最优滑动时间窗口长度的流程为:
S21:计算t时刻所采集用户换货信息数据的元组密度ρt:
并计算t-ΔT时刻所采集用户换货信息数据的元组密度ρt-ΔT:
其中:
Nt表示t时刻所采集到用户换货信息数据的总组数;
timei,t表示用户换货信息数据xi(t)中的用户换货发起时间;
Nt-ΔT表示t-ΔT时刻所采集到用户换货信息数据的总组数;
max{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最大用户换货发起时间,min{timei,t-ΔT}表示t-ΔT时刻所采集用户换货信息数据集合中的最小用户换货发起时间;
S22:计算得到t时刻元组密度的变化幅值mt:
S23:若mt低于预设置的变化幅值阈值δ,则令t时刻的最优滑动时间窗口长度L(t)等于t-ΔT时刻的最优滑动时间窗口长度L(t-ΔT),否则转向步骤S24计算得到最优滑动时间窗口长度L(t);
S24:计算得到t时刻的最优滑动时间窗口长度L(t):
其中:
ε为预设置的变化参数,0≤ε≤1;
L为预设值的最小滑动时间窗口长度;
α表示平滑因子;
S3:根据滑动窗口内的用户换货信息数据构建最优换货模型,所构建模型以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束;
S4:对所构建的最优换货模型进行优化求解,得到最优换货方案。
2.如权利要求1所述的一种结合地理空间信息的跨品类换货方案生成方法,其特征在于,所述S1步骤中采集用户换货信息数据,包括:
定期采集用户换货信息数据,每次采集距当前时刻相差ΔT时间范围内的所有用户换货信息数据,其中ΔT为每次用户换货信息数据的采集时间间隔,所述用户换货信息数据形式为四元组形式,包括用户换货发起时间、换货物品、待换物品以及用户地理位置信息,所采集用户换货信息数据形式为:
{xi(t)=(timei,t,vi,t,ci,t,loci,t)|i∈[1,Nt]}
其中:
xi(t)表示t时刻所采集用户换货信息数据集合中第i组用户换货信息数据
vi,t表示用户换货信息数据xi(t)中的换货物品;
ci,t表示用户换货信息数据xi(t)中的待换物品;
loci,t表示用户换货信息数据xi(t)中的用户地理位置信息。
3.如权利要求2所述的一种结合地理空间信息的跨品类换货方案生成方法,其特征在于,所述S1步骤中按照换货发起时间顺序对所采集用户换货信息数据进行数据整理排序,包括:
按照用户换货发起时间由早到晚的顺序对t时刻所采集的Nt组用户换货信息数据进行数据整理排序,得到对应排序后的元组序列:
(x1(t),x2(t),...,xj(t),...,xNt(t))
其中:
xj(t)表示按照用户换货发起时间由早到晚顺序排序后的第j组用户换货信息数据。
4.如权利要求1所述的一种结合地理空间信息的跨品类换货方案生成方法,其特征在于,所述S2步骤中基于最优滑动时间窗口长度构建滑动窗口,将排序后的用户换货信息数据输入到滑动窗口中,包括:
基于最优滑动时间窗口长度构建滑动窗口,其中t时刻的最优滑动时间窗口长度为L(t),将排序后的t时刻所采集用户换货信息数据依次输入到滑动窗口中,滑动窗口每次滑入一个元组,滑出一个元组,得到若干种不同的滑动窗口内用户换货信息数据。
5.如权利要求1所述的一种结合地理空间信息的跨品类换货方案生成方法,其特征在于,所述S3步骤中根据滑动窗口内的用户换货信息数据构建最优换货模型,包括:
根据滑动窗口内的用户换货信息数据构建最优换货模型,所构建模型以最优换货方案为优化变量,以最低换货成本为目标函数,以换货物品为约束,所述最优换货模型的目标函数为:
costk→z=Wekω
其中:
vz表示滑动窗口内第z组用户的换货物品;
ck表示滑动窗口内第k组用户的待换物品;
F(θt)表示基于t时刻不同滑动窗口内用户换货信息数据的最优换货模型,θt表示换货方案;
βk→z表示将滑动窗口内第k组用户的待换物品交付给第z组用户的换货变量,βk→z=1表示将滑动窗口内第k组用户的待换物品交付给第z组用户,否则表示不将滑动窗口内第k组用户的待换物品交付给第z组用户;
dis(lock,locz)表示滑动窗口内第k组用户与第z组用户之间的地理位置距离;
costk→z表示将待换物品ck交付给第z组用户的待换物品ck的单位距离运输成本,dis(lock,locz)costk→z表示待换物品ck交付给第z组用户的运输总成本,Wek表示待换物品ck的质量,ω表示单位质量物品的单位距离运输成本;
所述换货方案的表示结果为:
θt={βk→z|k∈[1,L(t)],z∈[1,L(t)],k≠z}
所述最优换货模型的约束条件为:
所述约束条件表示对于任意用户的待换物品,有且只能换出一次,所述约束条件/>表示对于任意用户的换货物品,有且只能接收一次。
6.如权利要求5所述的一种结合地理空间信息的跨品类换货方案生成方法,其特征在于,所述S4步骤中对所构建的最优换货模型进行优化求解,包括:
对所构建的最优换货模型进行优化求解,得到滑动窗口内用户换货信息数据的最优换货方案,其中优化求解流程为:
S41:结合最优换货模型的约束条件构建最优换货模型的优化求解目标函数:
其中:
e表示自然常数;
costk→z表示将待换物品ck交付给第z组用户的待换物品ck的单位距离运输成本,
dis(lock,locz)costk→z表示待换物品ck交付给第z组用户的运输总成本;
H(θt,r)表示最优换货模型的优化求解目标函数,求取使得优化求解目标函数达到最大的换货方案作为最优换货方案;
sum(β=1)表示滑动窗口内换货变量的求和结果;
表示结合约束条件的惩罚函数;
表示第r次迭代得到的迭代系数,最大迭代次数为R;
S42:生成若干种符合约束条件的换货方案;
S43:设置迭代系数的迭代公式:
其中:
ω1,ω2表示学习率,ω1,ω2∈(0,1);
表示优化求解目标函数的偏导;
||!||表示L1范数;
S44:将所生成换货方案代入最优换货模型的优化求解目标函数,并对迭代系数进行迭代,直到两种迭代系数均小于预设置的迭代阈值或达到最大迭代次数R;
S45:记录当前所有换货方案的优化求解目标函数值,选取优化求解目标函数值最大的换货方案作为最优换货方案,基于最优换货方案对滑动窗口内的用户换货信息数据进行换货处理,同时将换货成功的换货物品以及待换物品进行交付标记,对交付标记的物品不再进行换货处理,并滑动所构建的滑动窗口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310292967.0A CN116542675B (zh) | 2023-03-23 | 2023-03-23 | 一种结合地理空间信息的跨品类换货方案生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310292967.0A CN116542675B (zh) | 2023-03-23 | 2023-03-23 | 一种结合地理空间信息的跨品类换货方案生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542675A CN116542675A (zh) | 2023-08-04 |
CN116542675B true CN116542675B (zh) | 2023-10-17 |
Family
ID=87442449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310292967.0A Active CN116542675B (zh) | 2023-03-23 | 2023-03-23 | 一种结合地理空间信息的跨品类换货方案生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542675B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784540A (zh) * | 2016-08-26 | 2018-03-09 | 阿里巴巴集团控股有限公司 | 换货信息处理方法及装置 |
CN113570169A (zh) * | 2021-09-23 | 2021-10-29 | 深圳市信润富联数字科技有限公司 | 货物运送规划方法、设备及可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11620612B2 (en) * | 2018-11-01 | 2023-04-04 | C3.Ai, Inc. | Systems and methods for inventory management and optimization |
US11270326B2 (en) * | 2019-04-10 | 2022-03-08 | Oracle International Corporation | Price optimization system |
-
2023
- 2023-03-23 CN CN202310292967.0A patent/CN116542675B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784540A (zh) * | 2016-08-26 | 2018-03-09 | 阿里巴巴集团控股有限公司 | 换货信息处理方法及装置 |
CN113570169A (zh) * | 2021-09-23 | 2021-10-29 | 深圳市信润富联数字科技有限公司 | 货物运送规划方法、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116542675A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112257774B (zh) | 基于联邦学习的目标检测方法、装置、设备及存储介质 | |
CN111783982B (zh) | 攻击样本的获取方法、装置、设备及介质 | |
CN112380859A (zh) | 舆情信息的推荐方法、装置、电子设备及计算机存储介质 | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN113657495A (zh) | 基于概率预测模型的保险产品推荐方法、装置、设备 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
CN114781832A (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
CN112990374A (zh) | 图像分类方法、装置、电子设备及介质 | |
CN114913371A (zh) | 多任务学习模型训练方法、装置、电子设备及存储介质 | |
CN116167692B (zh) | 一种结合货单信息的自动优化方法与系统 | |
CN116542675B (zh) | 一种结合地理空间信息的跨品类换货方案生成方法 | |
CN111652282B (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
CN112269875A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN112948705A (zh) | 一种基于政策大数据的智能匹配方法、装置及介质 | |
CN116401602A (zh) | 事件检测方法、装置、设备及计算机可读介质 | |
CN112069782A (zh) | 文档模板生成方法、装置、电子设备及存储介质 | |
CN112561500B (zh) | 基于用户数据的薪酬数据生成方法、装置、设备及介质 | |
CN113515591B (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
CN115147660A (zh) | 基于增量学习的图像分类方法、装置、设备及存储介质 | |
CN112215336B (zh) | 基于用户行为的数据标注方法、装置、设备及存储介质 | |
CN115049383A (zh) | 组合支付推荐方法、装置、电子设备及存储介质 | |
CN113723114A (zh) | 基于多意图识别的语义分析方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |