一种商品多目标采购派单方法及系统及设备及存储介质与流程

1.本发明涉及电商数据处理领域，具体涉及一种商品多目标采购派单方法。


背景技术：

2.采购派单是指一次采购中，在满足一定约束的条件下，将多个商品的采购需求分别指派给不同的供货商家(下简称商家)，以实现某些目标的最优(比如成本，时效等)。商品和商家的关系如图1所示，一个商品可以有多个商家供货，一个商家也可以供应多个商品，二者构成一个二分图。此外，商品和商家的连边带有约束，表示商家对商品的供货库存。
3.对于上述采购派单任务，传统做法是对每个商品的供货商家进行排序，进而依据该排序独立地对每个商品进行派单。传统做法对每个商品的派单是独立的，因而难以处理一些全局性的目标，比如运费(向同一个商家采购的不同商品会被一起打包寄出，而运费的计算往往区分首重和续重，且续重相较于首重便宜，此外，不足首重的包裹按首重收费，因此一般地，向更少的商家采购运费更低)等。另外，对于多目标优化的需求，传统做法也难以提供很好的支持。


技术实现要素：

4.本发明的目的在于提供一种可以满足多目标优化的需求的商品多目标采购派单方法。
5.本发明解决上述问题所采用的技术方案是：
6.一种商品多目标采购派单方法，包括如下步骤：
7.s1：采集订单数据，从系统中获取平台商品采购信息和商家商品信息，平台商品采购信息包括商品种类、商品数量以及商品重量，商家商品信息包括库存、采购价格、缺货率、时效以及运费价格；
8.s2：进行订单数据单目标优化，构建单目标优化函数以及相应的约束条件，对最小成本、最小缺货率和最小时效分别求解；
9.s3：进行订单数据多目标优化，包括如下步骤，s3.1：对上述最小成本、最小缺货率和最小时效的求解计算各偏差比例，s3.2：将各个偏差比例加权求和得到总目标，s3.3：对总目标进行优化求解得到每个商品在供货商家的采购件数。
10.进一步，作为优选，所述缺货率、时效以及运费价格根据历史采购记录进行统计。
11.进一步，作为优选，所述单目标优化函数包括：
12.(1)最小成本目标优化函数：
13.(2)最小缺货率目标优化函数：
14.(3)最小时效目标优化函数：
15.上述目标优化函数的约束条件包括：
16.(1)采购需求约束：
17.(2)库存约束：q
p,v
≤stock
p,v
,v∈v
p
18.其中，q
p,v
为决策变量，表示商品p在商家v的采购数量，price表示采购价格，out_of_stock_rate表示缺货率，purchase_time表示时效，demand表示商品采购数量，stock表示商家的商品库存。shipping_fee为商家总运费，商家的商品总重shipping_weightv＝∑
p∈pqp,v
*weight
p
，fee_first_weight表示首公斤运费，fee_additional_weight表示续重运费，运费计算时，不足首公斤的按首公斤运费计费，超过部分每单位重量按续重运费计费。
19.进一步，作为优选，其中，步骤s2中，对单目标进行优化求解得到其函数的最小值的方法为：将单目标优化函数、约束条件以及决策变量输入cbc求解器建模从而得到单目标优化函数的最优解。
20.进一步，作为优选，其中，步骤s3.1中对上述最小成本、最小缺货率和最小时效的求解计算各偏差比例的函数如下所述：
21.(1)最小成本偏差比例的计算函数为：bias1＝(obj
1-opt_obj1)/opt_obj1，其中：opt_obj1为单目标优化获得的最小成本值；
22.(2)最小缺货率偏差比例的计算函数为：bias2＝(obj
2-opt_obj2)/opt_obj2，其中：opt_obj2为单目标优化获得的最小缺货率值；
23.(3)最小时效偏差比例的计算函数为：bias3＝(obj
3-opt_obj3)/opt_obj3，其中：opt_obj3为单目标优化获得的最小时效值。
24.进一步，作为优选，其中，步骤s3.2中，将各个偏差比例加权求和得到总目标计算函数为：obj_multi＝ω1*bias1 ω2*bias2 ω3*bias3，其中：ωi为加权系数，且满足∑iωi＝1。
25.进一步，作为优选，其中，步骤s3.3中，对总目标进行优化求解得到每个商品在供货商家的采购件数的方法为：将总目标计算函数、约束条件、决策变量、加权系数以及步骤s2中各单目标优化函数的最优解输入cbc求解器建模从而得到总目标计算函数的最优解。
26.本发明还提供了一种商品多目标采购派单系统，包括：
27.数据处理单元，用于从系统中获取的平台商品采购信息以及商家商品信息，平台商品采购信息包括商品种类、商品数量以及商品重量，商家商品信息包括库存、采购价格、缺货率、时效以及运费价格；
28.单目标优化单元，用于对最小成本、最小缺货率和最小时效分别求解,为多目标优化的量纲统一提供依据，可以并行计算；
29.多目标优化单元，用于对上述最小成本、最小缺货率和最小时效的求解计算各偏差比例，并将各个偏差比例加权求和得到总目标，最后对总目标进行优化求解得到每个商品在供货商家的采购件数。
30.本发明还提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述商品多目标采购派单方法中的步骤。
31.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程
序被处理器执行时实现如上所述商品多目标采购派单方法中的步骤。
32.本发明与现有技术相比，具有以下优点和效果：
33.本发明将整数规划方法应用在采购派单任务中，可以很好地建模全局性目标。本发明针对采购派单任务中设计了一种两阶段的方案，首先对每个目标进行单独优化，得到各自的最优值，然后将每个目标与各自最优值的偏差比例(即目标值减去最优值后再除以最优值)进行加权求和得到总目标，最后对总目标进行优化，可以对多目标优化提供良好的支持，使用本发明中的方案后，相较于传统的排序方案，在采购成本等其他指标基本维持不变的情况下，通过计算获得的合理派单方式，可以大大减少运费成本。
附图说明
34.图1是商品采购派单中商品和商家的关系示意图。
35.图2是本发明实施例商品多目标采购派单系统的各个模块的关系图。
36.图3是本发明实施例商品多目标采购派单方法的流程图。
具体实施方式
37.下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
38.以下结合附图和具体实施例对本发明提出的商品多目标采购派单方法及系统及设备及存储介质作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。
39.本发明针对在电商活动中，电商平台需根据商品采购需求派单给供货商家，在确保采购成本基本不变的情况下，通过计算获得的合理派单方式，减少电商平台的成本。
40.本实施例一种商品多目标采购派单方法，包括如下步骤：
41.步骤s1：采集订单数据，从系统中获取的平台商品采购信息以及商家商品信息，平台商品采购信息包括商品种类、商品数量以及商品重量，商家商品信息包括库存、采购价格、缺货率、时效以及运费价格；
42.本实施例中，平台商品采购信息(既采购需求)、库存和采购价格可以直接从后台系统中获取，而缺货率，时效和运费价格需要根据历史采购记录进行统计，比如求这些指标近半年的平均值。
43.步骤s2：进行订单数据单目标优化，构建单目标优化函数以及相应的约束条件，对最小成本、最小缺货率和最小时效分别求解，对单目标进行优化求解得到其函数的最小值的方法为：将单目标优化函数、约束条件以及决策变量输入cbc求解器建模从而得到单目标优化函数的最优解，其中：
44.(1)最小成本目标优化函数：
45.(2)最小缺货率目标优化函数：
46.(3)最小时效目标优化函数：
47.上述目标优化函数的约束条件包括：
48.(1)采购需求约束：
49.(2)库存约束：q
p,v
≤stock
p,v
,v∈v
p
50.其中，q
p,v
为决策变量，表示商品p在商家v的采购数量，price表示采购价格，out_of_stock_rate表示缺货率，purchase_time表示时效，demand表示商品采购数量，stock表示商家的商品库存。shipping_fee为商家总运费，商家的商品总重shipping_weightv＝∑
p∈pqp,v
*weight
p
，fee_first_weight表示首公斤运费，fee_additional_weight表示续重运费，运费计算时，不足首公斤的按首公斤运费计费，超过部分每单位重量按续重运费计费。
51.本实施例中，所述成本包括采购成本和运费，所述缺货率为向商家采购后实际缺发的比例，所述时效为从向商家采购到入库的时间间隔。
52.步骤s3：进行订单数据多目标优化，包括如下步骤：
53.步骤s3.1：对上述最小成本、最小缺货率和最小时效的求解计算各偏差比例，
54.(1)最小成本偏差比例的计算函数为：bias1＝(obj
1-opt_obj1)/opt_obj1，其中：opt_obj1为单目标优化获得的最小成本值；
55.(2)最小缺货率偏差比例的计算函数为：bias2＝(obj
2-opt_obj2)/opt_obj2，其中：opt_obj2为单目标优化获得的最小缺货率值；
56.(3)最小时效偏差比例的计算函数为：bias3＝(obj
3-opt_obj3)/opt_obj3，其中：opt_obj3为单目标优化获得的最小时效值。
57.步骤s3.2：将各个偏差比例加权求和得到总目标(其中加权系数根据各目标在实际业务中的相对重要性进行设置)，总目标计算函数为：obj_multi＝ω1*bias1 ω2*bias2 ω3*bias3，其中：ωi为加权系数，且满足∑iωi＝1。
58.步骤s3.3：对总目标进行优化求解得到每个商品在供货商家的采购件数的方法为：将总目标计算函数、约束条件、决策变量、加权系数以及步骤s2中各单目标优化函数的最优解输入cbc求解器建模从而得到总目标计算函数的最优解。
59.下面结合一个具体实例，来对本发明的技术方案进一步解释：
60.步骤1，在电商平台上获取到由客户下单订单数据，并调取商家商品信息，该订单数据包含了平台商品采购信息(商品种类、商品数量以及商品重量)，为了简便描述起见，本发明实施例以电商平台上订单中需采购的4种商品及该4种商品来源于的3个商家来进行举例说明。
61.平台商品采购信息如下：
62.序号商品种类商品数量(单位：件)商品重量(单位：克)1体恤ts_0131802帽子mz_032803鞋子xz_0227504大衣dy_0511200
63.商家商品信息如下：
[0064][0065][0066]
(1)当以最小成本为目标时，由cbc求解器求解后可得最优解为都从sj_01采购，此时采购价格为260元，运费为12元，故最优成本opt_obj1＝(260 12)/8＝34元。
[0067]
(2)当以最小缺货率为目标时，由cbc求解器求解后可得最优解为都从sj_02采购，此时最优缺货率opt_obj2为0.01。
[0068]
(3)当以最小时效为目标时，由cbc求解器求解后可得最优解为都从sj_03采购，此时最优时效opt_obj3为1天。
[0069]
将上述各单目标优化函数的最优解代入到总目标计算函数，并设置成本、缺货率和时效的权重分别为0.7、0.2、0.1，由cbc求解器求解后可得最优解为都从sj_02采购，此时总目标obj_multi＝0.7*(40.8-34)/34 0.2*(0.01-0.01)/0.01 0.1*(1.5-1)/1＝0.19。
[0070]
在另一个实施例中，本发明提供了一种商品多目标采购派单系统，包括：
[0071]
数据处理单元，用于从系统中获取的平台商品采购信息以及商家商品信息，平台商品采购信息包括商品种类、商品数量以及商品重量，商家商品信息包括库存、采购价格、缺货率、时效以及运费价格；
[0072]
单目标优化单元，用于对最小成本、最小缺货率和最小时效分别求解；
[0073]
多目标优化单元，用于对上述最小成本、最小缺货率和最小时效的求解计算各偏差比例，并将各个偏差比例加权求和得到总目标，最后对总目标进行优化求解得到每个商品在供货商家的采购件数。
[0074]
在再一个实施例中，一种计算机设备，包括存储器、处理器及存储在所述存储器上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上所述商品多目标采购派单方法中的步骤。
[0075]
在再一个实施例中，一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述商品多目标采购派单方法中的步骤。
[0076]
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本发明可借助于软件加必需的硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁盘、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0077]
本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。