仓库选品方法、装置、计算机设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种仓库选品方法、装置、计算机设备和存储介质。


背景技术：

2.随着计算机技术与电子商务的快速发展，消费市场细分越来越明显、需求定制化概念的逐渐普及。因此公司供应链中管理的sku(stock keeping unit，库存量单位)数量呈爆炸式增长。以汽配行业为例，供货公司可以向客户提供上十万种sku，但是由于其中有大量的长尾销量商品以及区域仓/前置仓的容积限制，在区域的仓库中很难放置全部的品类。一般可以通过仓库选品优化方法来确定在仓库中放置哪些sku，以实现既满足客户需求。
3.现在一般通过基于优化拆单率的启发式方法来进行仓库选品优化，这种方法可以保证选出来的sku之间相关性高，但是这种方法并不能满足sku相应的持货成本以及即时满足率的需求。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够同时满足持货成本以及即时满足率的仓库选品方法、装置、计算机设备和存储介质。
5.一种仓库选品方法，所述方法包括：
6.获取仓储品订单数据以及仓储成本数据；
7.根据所述仓储品订单数据确定第一待选仓储品；
8.根据所述仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，所述优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；
9.根据所述第一待选仓储品以及所述第二待选仓储品进行仓库选品。
10.在其中一个实施例中，所述根据所述仓储品订单数据确定第一待选仓储品包括：
11.获取仓储品分类需求数据，根据所述仓储品分类需求数据确定仓储品分类方法；
12.获取所述仓储品订单数据中所述仓储品分类方法对应的分类数据；
13.根据所述分类数据在所述仓储品订单数据的各类仓储品中确定第一待选仓储品。
14.在其中一个实施例中，所述根据所述仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品包括：
15.根据所述优化目标对待选仓储品进行种群初始化，获取初始解和目标函数；
16.通过快速非支配排序，根据所述初始解对应的目标函数结果确定初始解的帕累托等级；
17.通过遗传算法对初始解进行迭代循环处理，循环预设轮次后，获取循环处理结果；
18.从所述循环处理结果中确定帕累托最优解集，根据所述帕累托最优解集得到第二待选仓储品。
19.在其中一个实施例中，所述通过快速非支配排序，根据所述初始解对应的目标函数结果确定初始解的帕累托等级包括：
20.通过快速非支配排序，当所述初始解中个体不满足约束条件时，为所述个体分配与约束条件的违反数值对应的帕累托等级。
21.在其中一个实施例中，所述通过遗传算法对初始解进行迭代循环处理，循环预设轮次后，获取循环处理结果包括：
22.根据所述初始解获取子代解；
23.将所述初始解与所述子代解合并，获取合并解，迭代循环处理开始；
24.通过快速非支配排序以及拥挤度计算，获取所述合并解中的精英解；
25.将所述精英解作为初始解，返回根据所述初始解获取子代解的步骤，累计迭代循环轮次；
26.当累计的循环轮次打到预设轮次后，将最后一次循环处理后的精英解作为循环处理结果。
27.在其中一个实施例中，所述根据所述帕累托最优解集确定第二待选仓储品包括：
28.获取所述帕累托最优解集中各解对应的拆单率目标；
29.将拆单率目标最小的解作为所述帕累托最优解集对应的第二待选仓储品。
30.一种仓库选品装置，所述装置包括：
31.数据获取模块，用于获取仓储品订单数据以及仓储成本数据；
32.仓储品查找模块，用于根据所述仓储品订单数据确定第一待选仓储品；
33.选品分配模块，用于根据所述仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，所述优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；
34.仓库选品模块，用于根据所述第一待选仓储品以及所述第二待选仓储品进行仓库选品。
35.在其中一个实施例中，所述仓储品查找模块具体用于：
36.获取仓储品分类需求数据，根据所述仓储品分类需求数据确定仓储品分类方法；
37.获取所述仓储品订单数据中所述仓储品分类方法对应的分类数据；
38.根据所述分类数据在所述仓储品订单数据的各类仓储品中确定第一待选仓储品。
39.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
40.获取仓储品订单数据以及仓储成本数据；
41.根据所述仓储品订单数据确定第一待选仓储品；
42.根据所述仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，所述优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；
43.根据所述第一待选仓储品以及所述第二待选仓储品进行仓库选品。
44.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
45.获取仓储品订单数据以及仓储成本数据；
46.根据所述仓储品订单数据确定第一待选仓储品；
47.根据所述仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，所述优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；
48.根据所述第一待选仓储品以及所述第二待选仓储品进行仓库选品。
49.上述仓库选品方法、装置、计算机设备和存储介质，通过获取仓储品订单数据以及仓储成本数据；根据仓储品订单数据确定第一待选仓储品；根据仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；根据第一待选仓储品以及第二待选仓储品进行仓库选品。本技术先确定第一待选仓储品，而后基于多目标规划进一步筛选第二待选仓储品，并进行仓库选品。可以在仓库选品时中同时权衡降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制，灵活地给出仓库选品结果。
附图说明
50.图1为一个实施例中仓库选品方法的应用环境图；
51.图2为一个实施例中仓库选品方法的流程示意图；
52.图3为一个实施例中图2中步骤203的子流程示意图；
53.图4为一个实施例中图2中步骤205的子流程示意图；
54.图5为一个实施例中仓库选品装置的结构框图；
55.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
56.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
57.本技术提供的仓库选品方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与仓库选品服务器104进行通信。终端102可以向仓库选品服务器104发送仓库选品对应的仓储品订单数据以及仓储成本数据，以通过仓库选品服务器104来进行仓库选品，仓库选品服务器104获取仓储品订单数据以及仓储成本数据；根据仓储品订单数据确定第一待选仓储品；根据仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；根据第一待选仓储品以及第二待选仓储品进行仓库选品。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，仓库选品服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。而在另一个实施例中，本技术的仓库选品方法具体用于物流运输领域，对物流人员的违规动作进行识别。终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。而仓库选品服务器104具体可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
58.在一个实施例中，如图2所示，提供了一种仓库选品方法，以该方法应用于图1中的
仓库选品服务器104为例进行说明，包括以下步骤：
59.步骤201，获取仓储品订单数据以及仓储成本数据。
60.其中，当仓库新建成或者扩大规模之后，需要考虑选择存放在该仓库的产品，即仓库选品。通常，一个仓库存放的商品的大类根据业务确定，即业务规划确定可以存放哪一大类或那几大类的商品，比如食品、服装或者电子产品等等。而仓库内的仓储品具体可以以sku单位的形式保存在仓库内。仓储品订单数据具体是指仓库内仓储品对应的已有订单的数据。这些已有订单包含了进行仓库选品的仓库所要供应的单个仓储品对应的仓储品数量，仓储品的供货时间等数据。而仓储成本数据具体是指所有仓储品单位时间的持货成本，持货成本又叫存货成本，是指存货在订货、购入、储存过程中所发生的各种费用，以及存货短缺造成的成本损失等。仓库选品对应的仓储品订单数据以及仓储成本数据具体可以是指未来一段时间内已经确定的仓储品订单数据以及仓储成本数据。
61.具体地，当终端102方的工作人员希望对某个仓库或者某个仓库集群进行仓库选品时，可以通过仓库选品服务器104来实现仓库选品。具体地，工作人员可以收集未来一段时间内的仓储品订单数据以及这些仓储品对应的仓储成本数据，而后由仓库选品服务器104来实现仓库选品。在另一个实施例中，终端102方的工作人员还可以基于历史数据来进行仓库选品，此时，工作人员可以提供过去一段时间内的仓储品订单数据以及仓储成本数据至仓库选品服务器104，依据历史数据来对仓库选品进行控制。
62.步骤203，根据仓储品订单数据确定第一待选仓储品。
63.其中，第一待选仓储品具体可以是指热销的商品。
64.具体地，仓库选品服务器104可以依据仓库品的订单数据来确定哪些sku是热销的商品，从而基于这些热销的sku来确定必定被选中作为仓储品的第一待选仓储品，而后进行后续的仓库选品
65.步骤205，根据仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制。
66.步骤207，根据第一待选仓储品以及第二待选仓储品进行仓库选品。
67.其中，多目标优化算法具体是指同时存在多个优化目标，基于多个优化目标在给定区域内都尽可能达到最优的优化问题。一般情况下，多目标优化下的各个子目标之间是矛盾的，一个子目标的改善有可能引起另一个或者另几个子目标性能下降，因此同时使多个子目标一起达到最优解是不能的，而只能在他们之间进行协调和折中处理。拆单是指由不同的仓库供应同一笔订单，而降低拆单率是仓储选品的主要要求之一。本技术以降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制为优化目标来进行多目标优化，可以确定除第一候选仓储品外，还有哪些仓储品需要被选入仓库，这些被选中的仓储品即第二待选仓储品。而后根据第一待选仓储品以及第二待选仓储品进行仓库选品，并根据仓库选品对应的结果数据，将仓储品存入到仓库中。
68.具体地，在一个具体地实施例中，本技术以以降低订单发货拆单率和仓储品持货成本构建目标函数，并以满足仓库自有的约束限制为优化目标建立约束函数，而后通过遗传算法对仓库选品的多目标优化问题进行求解。求得最终的帕累托最优解集后，通过预设的最优化约束，从帕累托最优解集中，确定选品分配结果中的第二待选仓储品，而后就可以
基于选品分配结果，来对选品进行优化，确定最佳的仓库选品方案，能同时保证拆单率以及持货成本的要求。
69.上述仓库选品方法，通过获取仓储品订单数据以及仓储成本数据；根据仓储品订单数据确定第一待选仓储品；根据仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；根据第一待选仓储品以及第二待选仓储品进行仓库选品。本技术先确定第一待选仓储品，而后基于多目标规划进一步筛选第二待选仓储品，并进行仓库选品。可以在仓库选品时中同时权衡降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制，能够在满足多种约束条件的情况下，灵活地给出仓库选品结果。
70.在一个实施例中，如图3所示，步骤203包括：
71.步骤302，获取仓储品分类需求数据，根据仓储品分类需求数据确定仓储品分类方法。
72.步骤304，获取仓储品订单数据中仓储品分类方法对应的分类数据。
73.步骤306，根据分类数据在仓储品订单数据的各类仓储品中确定第一待选仓储品。
74.其中，仓储品分类需求数据具体是指用于确定待选仓储品如何分类所需的数据。仓储品分类需求数据具体用于确定仓储品分类方法。而仓储品分类方法则包括了abc(activity based classification)库存分类管理法。abc库存分类管理法指的是将库存物品按品种和占用资金的多少，分为特别重要的库存(a类)、一般重要的库存(b类)和不重要的库存(c类)三个等级，然后针对不同等级分别进行管理与控制，这样的分类管理法可以实现的作用有：压缩库存总量，释放占压资金，库存合理化与节约管理投入等。以及xyz分类法.xyz分类法则以全年销售预测的准确率进行分类：x类成品预测准确率最高，可以适当调低库存，处于中间的y类可以存放一定数量的库存，而z类最不准确，有必要考虑比较高的库存。管理xyz分类法的原则是通过降低比较容易预测的成品库存从而减少总库存，但又不至于断货。此外还包括结合两者的abc/xyz分析，通过矩阵分析仓储品的种类。而仓储品分类需求数据则是根据所选的分类方法确定，一般是销售额或者销量。
75.具体地，仓库选品服务器104需要先获取用户的分类需求，从而确定使用哪种方法来确定各类sku对应仓储品类别。而后从订单数据中查找这些分类法所需要的分类数据。如可以通过abc分类法，确定仓储品订单数据中哪些仓储品属于a类sku，而后将其作为仓库选品的第一待选仓储品。本实施例中，通过先确定仓储品分类需求数据而后基于需求确定分类方法，并从订单中提取出分类所需数据，从而进行分类并确第一定待选仓储品，可以保证所选的仓储品按照需求进行分类，保证分类的准确性。
76.在其中一个实施例中，如图4所示，步骤205包括：
77.步骤401，根据优化目标对待选仓储品进行种群初始化，获取初始解和目标函数。
78.步骤403，通过快速非支配排序，根据初始解对应的目标函数结果确定初始解的帕累托等级。
79.步骤405，通过遗传算法对初始解进行迭代循环处理，循环预设轮次后，获取循环处理结果。
80.步骤407，从循环处理结果中确定帕累托最优解集，根据帕累托最优解集得到第二待选仓储品。
81.其中，本技术可以通过快速非支配排序遗传算法来对多目标优化问题进行求解。快速非支配排序的目标是根据初始解的目标函数结果，进行帕累托等级的划分。而后通过遗传算法的迭代处理，从后续的循环处理结果中得到优化后帕累托最优解集，从而确定第二待选仓储品。
82.具体地，在确定仓储品订单数据中必定被选入仓库的第一待选仓储品后，还需要从剩余的仓储品出选出需要被放入仓库的第二候选仓储品，此时可以通过快速非支配排序遗传算法来构建并求解多目标优化的问题。
83.可以先基于仓储品订单数据以及仓储成本数据，来构建输入参数以及决策变量：s表示备选sku数量，用s表示具体sku。h表示所有sku单位时间的持货成本，h＝(h1,h2,
…
,hs)。o:订单数量，用o表示具体订单。d:所有sku单位时间的需求均值，d＝(d1,d2,
…
,ds)。cap:可以分配到区域仓的最大品类数量，即区域仓的品类约束。r:仓库存储的sku提供的即时需求满足率，即选品结果sku可平均以覆盖多少总需求。决策变量为x＝(x1,x2,
…
,xs)，其中xi＝1表示仓库选择skui，否则xi＝0。
84.此时，以降低订单发货拆单率和仓储品持货成本构建的目标函数具体为：
85.1)最小化拆单率的目标函数。将最小化拆单率的目标转化为使共同出现在同一订单中的sku的订单量最大，该指标可以理解为选品sku的相关性。设计sku共现矩阵c，c
ij
表示同时包含skui和skuj的订单数量，c
ii
表示包含skui的订单数量。另外，假设订单sku矩阵ro×s，其中r
os
＝1当且仅当s∈o，否则r
os
＝0。那么，sku共现矩阵c＝r
t
r。最大化sku的共现频率，等价于最小化共现频率的倒数。根据决策变量，最小化的目标函数可以表示为：
[0086][0087]
2)最小化持货成本目标函数
[0088]
sku持货成本采用平均库存的单位时间持货成本，根据输入参数和决策变量，目标函数可以表达为：
[0089][0090]
同时还需要根据满足仓库自有的约束限制。选品的约束条件一般包括仓库的容积/品类上限和仓库提供sku的即时需求满足率，可以将两个约束条件表达如下。
[0091]
sku品类上限约束
[0092][0093]
sku即时满足率约束
[0094][0095]
根据预先确定遗传算法所需的种群数量n，创建n个初始解(x1,x2,
…
,xn)，每个初始解满足约束条件。同时对每个初始解分别计算对应的两个目标函数值。而后通过快速非支配排序，计算其对应的帕累托等级。并通过种群合并，拥挤度计算以及精英保留策略等步
骤，对初始解进行迭代循环处理。并在循环预设轮次后，得到最终的循环结果。循环的最后一代解的集合，其中每个个体都是一个可行的结果。可以从中选择帕累托等级为1级的个体即帕累托最优解集。基于帕累托最优解即可从剩余的仓储品中选出第二待选仓储品。本实施例中，通过快速非支配排序遗传算法来对多目标规划的仓库选品问题进行求解，可以保证多目标规划求解的效率以及准确性，从而更有效地挑选出第二待选仓储品。
[0096]
在其中一个实施例中，步骤403包括：通过快速非支配排序，当初始解中个体不满足约束条件时，为个体分配与约束条件的违反数值对应的帕累托等级。
[0097]
具体地，快速非支配排序的目标是根据初始解的目标函数结果，进行帕累托等级的划分。多目标问题的帕累托最优解定义为，对于最小化多目标优化问题，如果有两个目标分量f1(x)和f2(x)，如果任意决策变量xa和xb，以下条件成立则称xa支配xb：
①
f1(xa)≤f1(xb)且f2(xa)≤f2(xb)；
②
f1(xa)《f1(xb)或f2(xa)《f2(xb)。
[0098]
如果对于一个决策变量，不存在其他决策变量能够支配他，那么就称该决策变量为非支配解。帕累托等级定义为，在一组解中，非支配解pareto等级定义为1，将非支配解从解的集合中删除，剩下解的帕累托等级定义为2，依次类推，可以得到该解集合中所有解的帕累托等级。因此，在选品问题中，由于有约束条件的存在，定义当一个个体x的不满足约束条件，其帕累托等级为约束条件的违反数值。
[0099]
在其中一个实施例中，步骤405包括：根据初始解获取子代解；将初始解与子代解合并，获取合并解，迭代循环处理开始；通过快速非支配排序以及拥挤度计算，获取合并解中的精英解；将精英解作为初始解，返回根据初始解获取子代解的步骤，累计迭代循环轮次；当累计的循环轮次打到预设轮次后，将最后一次循环处理后的精英解作为循环处理结果。
[0100]
具体地，在通过遗传算法进行迭代求解时，对于初始解，可以通过标准的选择、交叉以及变异算子等方式，从初始解中获得数量与初始解种群数量相等的子代解集合。而后如果遗传算法的迭代代数是否达到预测轮次。当未达到时，进入遗传算法的迭代循环处理的过程，迭代处理的过程中，种群合并是将当前的父代和子代种群合并为一个种群数量为2*n的整体种群，而拥挤度计算用于确定当两个个体的帕累托等级一样时，哪个个体的适应度更好的算子，我们认为拥挤度更大的个体适应度更优。在通过快速非支配排序和拥挤度计算后，可以优先选择帕累托等级高(1为最高)、拥挤度大的个体作为精英进入下一代，按照这两个指标排序后的个体逐个加入下一代，直到种群个数达到n，此时的解集为精英解。当迭代预设轮次后，可以将最后一次循环处理后的精英解作为循环处理结果。即最后循环处理得到的结果。其中循环处理的轮次具体可以根据选品所需要的精度、仓库容量以及选品的品类约束等条件确定。在本实施例中，通过遗传算法来获得快速非支配排序过程中的帕累托最优解，可以有效提高求解的精度，保证仓库选品的准确性。
[0101]
在其中一个实施例中，步骤405包括：将拆单率目标最小的解作为帕累托最优解集对应的第二待选仓储品。
[0102]
具体地，在得到最后一代精英解的集合后，集合中中每个个体都是一个可行的结果。可以从中选择帕累托等级为1级的个体即帕累托最优解集。同时根据业务经验或者业务需要，一般可以选择解集中拆单率目标最小的解作为最终的选品结果xopt。在本实施例中，通过将拆单率目标最小的解作为帕累托最优解集对应的第二待选仓储品，更符合实际仓库
选品的业务需要，保证仓库选品与业务过程的契合程度。
[0103]
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0104]
在一个实施例中，如图5所示，提供了一种仓库选品装置，包括：
[0105]
数据获取模块502，用于获取仓储品订单数据以及仓储成本数据；
[0106]
仓储品查找模块504，用于根据仓储品订单数据确定第一待选仓储品；
[0107]
选品分配模块506，用于根据仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；
[0108]
仓库选品模块508，用于根据第一待选仓储品以及第二待选仓储品进行仓库选品。
[0109]
在其中一个实施例中，仓储品查找模块504具体用于：获取仓储品分类需求数据，根据仓储品分类需求数据确定仓储品分类方法；获取仓储品订单数据中仓储品分类方法对应的分类数据；根据分类数据在仓储品订单数据的各类仓储品中确定第一待选仓储品。
[0110]
在其中一个实施例中，选品分配模块506具体用于：根据优化目标对待选仓储品进行种群初始化，获取初始解和目标函数；通过快速非支配排序，根据初始解对应的目标函数结果确定初始解的帕累托等级；通过遗传算法对初始解进行迭代循环处理，循环预设轮次后，获取循环处理结果；从循环处理结果中确定帕累托最优解集，根据帕累托最优解集得到第二待选仓储品。
[0111]
在其中一个实施例中，选品分配模块506具体用于：通过快速非支配排序，当初始解中个体不满足约束条件时，为个体分配与约束条件的违反数值对应的帕累托等级。
[0112]
在其中一个实施例中，选品分配模块506具体用于：根据初始解获取子代解；将初始解与子代解合并，获取合并解，迭代循环处理开始；通过快速非支配排序以及拥挤度计算，获取合并解中的精英解；将精英解作为初始解，返回根据初始解获取子代解的步骤，累计迭代循环轮次；当累计的循环轮次打到预设轮次后，将最后一次循环处理后的精英解作为循环处理结果。
[0113]
在其中一个实施例中，选品分配模块506具体用于：获取帕累托最优解集中各解对应的拆单率目标；将拆单率目标最小的解作为帕累托最优解集对应的第二待选仓储品。
[0114]
关于仓库选品装置的具体限定可以参见上文中对于仓库选品方法的限定，在此不再赘述。上述仓库选品装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0115]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该
内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储仓库选品数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种仓库选品方法。
[0116]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0117]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0118]
获取仓储品订单数据以及仓储成本数据；
[0119]
根据仓储品订单数据确定第一待选仓储品；
[0120]
根据仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，确定第二待选仓储品，优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；
[0121]
根据第一待选仓储品以及第二待选仓储品进行仓库选品。
[0122]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取仓储品分类需求数据，根据仓储品分类需求数据确定仓储品分类方法；获取仓储品订单数据中仓储品分类方法对应的分类数据；根据分类数据在仓储品订单数据的各类仓储品中确定第一待选仓储品。
[0123]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据优化目标对待选仓储品进行种群初始化，获取初始解和目标函数；通过快速非支配排序，根据初始解对应的目标函数结果确定初始解的帕累托等级；通过遗传算法对初始解进行迭代循环处理，循环预设轮次后，获取循环处理结果；从循环处理结果中确定帕累托最优解集，根据帕累托最优解集得到第二待选仓储品。
[0124]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过快速非支配排序，当初始解中个体不满足约束条件时，为个体分配与约束条件的违反数值对应的帕累托等级。
[0125]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据初始解获取子代解；将初始解与子代解合并，获取合并解，迭代循环处理开始；通过快速非支配排序以及拥挤度计算，获取合并解中的精英解；将精英解作为初始解，返回根据初始解获取子代解的步骤，累计迭代循环轮次；当累计的循环轮次打到预设轮次后，将最后一次循环处理后的精英解作为循环处理结果。
[0126]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取帕累托最优解集中各解对应的拆单率目标；将拆单率目标最小的解作为帕累托最优解集对应的第二待选仓储品。
[0127]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0128]
获取仓储品订单数据以及仓储成本数据；
[0129]
根据仓储品订单数据确定第一待选仓储品；
[0130]
根据仓储品订单数据以及仓储成本数据，通过基于优化目标的多目标优化算法，
确定第二待选仓储品，优化目标为降低订单发货拆单率和仓储品持货成本，并满足仓库自有的约束限制；
[0131]
根据第一待选仓储品以及第二待选仓储品进行仓库选品。
[0132]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取仓储品分类需求数据，根据仓储品分类需求数据确定仓储品分类方法；获取仓储品订单数据中仓储品分类方法对应的分类数据；根据分类数据在仓储品订单数据的各类仓储品中确定第一待选仓储品。
[0133]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据优化目标对待选仓储品进行种群初始化，获取初始解和目标函数；通过快速非支配排序，根据初始解对应的目标函数结果确定初始解的帕累托等级；通过遗传算法对初始解进行迭代循环处理，循环预设轮次后，获取循环处理结果；从循环处理结果中确定帕累托最优解集，根据帕累托最优解集得到第二待选仓储品。
[0134]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过快速非支配排序，当初始解中个体不满足约束条件时，为个体分配与约束条件的违反数值对应的帕累托等级。
[0135]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据初始解获取子代解；将初始解与子代解合并，获取合并解，迭代循环处理开始；通过快速非支配排序以及拥挤度计算，获取合并解中的精英解；将精英解作为初始解，返回根据初始解获取子代解的步骤，累计迭代循环轮次；当累计的循环轮次打到预设轮次后，将最后一次循环处理后的精英解作为循环处理结果。
[0136]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取帕累托最优解集中各解对应的拆单率目标；将拆单率目标最小的解作为帕累托最优解集对应的第二待选仓储品。
[0137]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-onlymemory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(randomaccessmemory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(staticrandomaccessmemory，sram)或动态随机存取存储器(dynamicrandomaccessmemory，dram)等。
[0138]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0139]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。