一种LLM引导NSGA-III的多目标选品方法及系统

摘要: 本发明涉及商品管理领域,具体涉及一种结合大语言模型、进化优化算法与多目标优化方法的商品选品方法及系统。背景技术:1、随着电子商务、内容电商和即时零售的发展,商品...
一种LLM引导NSGA-III的多目标选品方法及系统

本发明涉及商品管理领域,具体涉及一种结合大语言模型、进化优化算法与多目标优化方法的商品选品方法及系统。

背景技术:

1、随着电子商务、内容电商和即时零售的发展,商品选品已经由传统经验驱动逐渐转向数据驱动。对于茶饮、食品、保健饮品、日化快消等具有保质期、规格净含量、成本约束和品牌定位差异的商品,选品决策不仅需要判断单个商品是否值得销售,还需要在组合层面同时考虑总利润、滞销风险、品类覆盖度、营销角色比例。

2、现有选品方式主要包括人工经验筛选、历史销量排序、单指标毛利排序、简单加权评分或基于销量预测的推荐模型,上述方式虽然能够在一定程度上降低人工工作量,但仍存在明显不足。首先,单指标排序难以处理多目标冲突。高利润商品可能价格较高、动销较慢;低价商品可能适合引流但利润贡献有限;保质期剩余较短的商品即使利润较高,也存在临期和库存减值风险。若将多个目标简单合并为一个固定分值,容易掩盖目标之间的真实冲突。

3、其次,选品本质上是组合优化问题,而不是孤立的单品排序问题。若缺少商品角色识别和组合角色配比控制,选品结果可能出现商品结构失衡。同时,现有角色划分方式往往引入过多划分维度与判定条件,规则之间存在交叉与遗漏,需额外设置兜底规则方能覆盖全部商品,导致角色边界模糊、业务人员难以直观理解。

4、再次,商品具有明显的保质期约束。传统方法常将保质期作为简单过滤条件,未将剩余保质期与商品成本共同建模,难以准确反映高成本临期商品的组合风险。

5、接着,多目标进化算法虽然能够输出多个 pareto 非支配方案,但若缺少后续综合排序机制,pareto 解集难以直接转化为可执行的商品清单。此外,传统遗传算法采用随机方式生成初始种群,随机生成的 0-1 向量往往难以同时满足品类 sku 数量范围、核心品类覆盖和角色结构匹配等多类约束,大量不可行解会使算法在早期迭代中主要用于修复约束违反,从而降低整体搜索效率。

6、最后,现有多目标选品系统大多仅输出数值化指标与商品清单,缺乏对优化方案的自然语言解读与落地策略输出,业务人员需自行分析方案逻辑、制定运营动作,理解与落地成本较高。

7、因此,需要一种能够自动清洗候选商品数据、识别商品业务角色、构建多目标组合选品模型、采用 llm 引导初始化提升效率、通过 nsga-iii 与 topsis 协同输出最终方案并生成可解释报告的方法和系统。

技术实现思路

1、为了克服现有技术的上述缺陷,本发明的实施例提供一种llm引导nsga-iii的多目标选品方法及系统,要解决的问题为:现有商品选品技术难以同时兼顾总利润最大化、滞销风险最小化、品类覆盖度最大化和商品角色结构均衡,且缺少对异构字段的自动清洗、派生指标构建、商品角色识别、pareto 方案生成和可解释偏好排序能力;传统随机初始化导致大量不可行解降低搜索效率,致使选品结果依赖人工经验、可重复性差、组合结构不稳定、落地执行困难。

2、所述方法包括:数据接入s100、预处理s200、商品角色识别s300、多目标模型构建s400、nsga-iii优化求解s500、topsis排序s600、决策输出s700。系统包括对应功能模块:数据接入模块100、预处理模块200、商品角色识别模块300、多目标模型构建模块400、nsga-iii优化求解模块500、topsis排序模块600、大语言模型交互模块700及结果输出模块800。

3、本发明还提供一种实施上述方法的多目标优化商品选品决策系统,该系统包括数据接入模块 100、预处理模块 200、商品角色识别模块 300、多目标模型构建模块 400、nsga-iii 优化求解模块 500、topsis 排序模块 600、大语言模型交互模块 700 和结果输出模块 800,各模块分别用于执行上述步骤 s100 至 s700。系统配套设置交互展示层,向用户提供候选商品库上传、权重设置、进化参数设置、优化任务启动、运行状态展示、pareto前沿展示和清单下载功能。

4、与现有技术相比,本发明具有以下有益效果:

5、(1)本发明将商品选品建模为包含总利润最大化、滞销风险最小化、品类覆盖度最大化及产品矩阵结构偏差最小化的四目标约束优化模型,通过 nsga-iii 算法求解,有效识别并平衡多个相互冲突的业务目标,克服了传统单指标排序难以处理多目标冲突的缺陷。

6、(2)本发明通过预设标准字段集合与关键词模糊识别相结合的映射机制,自动适配异构候选商品表结构,并自动完成净含量提取、价格清洗、剩余保质期计算及派生指标构建,降低了数据准备成本。

7、(3)本发明以底线毛利率、相对价格系数和性价比为三个核心划分维度,采用顺序判断规则将候选商品自动识别为引流款、利润款、爆款和形象款。规则透明且可配置,使选品结果在追求数值最优的同时兼顾营销组合结构的合理性与品牌定位的差异性,且与业务人员对产品矩阵的固有认知直接对应。

8、(4)本发明采用 llm 引导式规则集与随机生成相结合的混合初始化策略,由 llm依据业务语义生成面向利润、风险、覆盖度和角色匹配方向的贪心评分规则,指导部分初始种群在可行域内高效分布,兼顾初始解集质量与多样性,减少了早期迭代中的约束修复开销。

9、(5)本发明采用 das-dennis 方法生成四维均匀参考方向,并结合参考方向关联与非支配排序机制进行环境选择,使 pareto 候选方案集具备良好的分布均匀性,适用于三个以上目标的高维多目标组合优化场景。

10、(6)本发明在 nsga-iii 生成 pareto 候选方案集的基础上引入 topsis 方法,将效益型指标与成本型指标分离建模,计算各方案到正负理想解的贴近度并排序,在保留多目标权衡空间的同时输出唯一可执行的首选选品清单。

11、(7)本发明通过大语言模型交互,在决策输出阶段自动读取最终方案数据,生成包含方案综合评估、角色结构分析、库存风险预警及分批上架建议的结构化自然语言报告,降低业务人员的理解与执行成本。

12、(8)本发明将剩余保质期与标准订货量共同纳入滞销风险目标建模,以单位剩余保质期内的库存压力作为风险度量尺度,有效抑制高成本临期商品的入选倾向,适用于具有保质期属性的商品选品场景。

1.一种llm引导nsga-iii的多目标选品方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述预处理步骤中,字段标准化映射时预先设置标准字段与候选字段集合之间的映射关系,所述标准字段至少包括产品成本、底线售价、当前售价、保质期、生产日期、产品类型、产品编号、产品名称、产品系列、包装形式和产品净含量;当候选商品库中的列名未完全匹配时,通过关键词匹配进行模糊识别;

3.根据权利要求1所述的方法,其特征在于,所述多目标模型构建步骤中,定义布尔决策变量、品类覆盖辅助变量,构建总利润目标、滞销风险目标、品类覆盖度目标及产品矩阵结构偏差目标如下:

4.根据权利要求1所述的方法,其特征在于,所述nsga-iii优化求解步骤包括:

5.根据权利要求1所述的方法,其特征在于,所述topsis排序步骤包括:

6.一种llm引导nsga-iii的多目标选品系统,其特征在于,包括:

7.根据权利要求6所述的系统,其特征在于,所述预处理模块(200)进行字段标准化映射时,预先设置标准字段与候选字段集合之间的映射关系,当候选商品库中的列名未完全匹配时,通过关键词匹配进行模糊识别;根据生产日期和保质期计算剩余保质期,若则剔除;并计算底线毛利率、性价比和相对价格系数,其中为商品所属品类的当前售价中位数;

8.根据权利要求6所述的系统,其特征在于,所述nsga-iii优化求解模块(500)被配置为:根据目标数量采用das-dennis方法生成参考方向;采用llm引导式规则集与随机混合初始化策略生成初始种群;对种群进行目标函数和约束函数评价,通过非支配排序确定pareto层级,基于参考方向进行关联和环境选择;通过遗传算子生成子代并执行约束修复;输出满足约束的非支配候选选品方案集合;

9.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器中并可由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。

10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。