[發(fā)明專利]基于云計算環(huán)境下分布式物流庫存優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201810011879.8
• 申請日: 2018-01-05
• 公開（公告）號: CN108280538A
• 公開（公告）日: 2018-07-13
• 發(fā)明（設(shè)計）人: 李文敬;唐瑋峰
• 申請（專利權(quán)）人: 廣西師范學(xué)院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08
• 代理公司: 北京遠(yuǎn)大卓悅知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11369
• 代理人: 靳浩

本發(fā)明公開了一種基于云計算環(huán)境下分布式物流庫存優(yōu)化方法，包括以下步驟：S1、構(gòu)建評價函數(shù)f(U)的代數(shù)模型及其約束條件函數(shù)；S2、計算每一個分量的值，建立和聲庫存的最優(yōu)化方程矩陣HM；S3、以概率P(X_i)替換和聲搜索的記憶概率HMCR，按照和聲搜索算法，產(chǎn)生新的解向量；S4、按評價函數(shù)f(U)計算新的解向量的目標(biāo)函數(shù)值f(U^b)，與原本解向量的目標(biāo)函數(shù)值f(U^b)比較并更新庫存；S5、重復(fù)步驟S2?S4，至預(yù)定最大迭代次數(shù)時停止，輸出最優(yōu)解。本發(fā)明解決云計算環(huán)境下分布式物流庫存的預(yù)警與成本優(yōu)化問題，實(shí)現(xiàn)分布式智能物流庫存的動態(tài)管理，具有響應(yīng)與尋優(yōu)速度快，多目標(biāo)優(yōu)化計算效率高的有益效果。

技術(shù)領(lǐng)域

本發(fā)明涉及云計算、智能物流、分布式數(shù)據(jù)庫技術(shù)領(lǐng)域。更具體地說，本發(fā)明涉及一 種基于云計算環(huán)境下分布式物流庫存優(yōu)化方法。

背景技術(shù)

在高昂的庫存成本嚴(yán)重制約著物流企業(yè)的效益與發(fā)展，庫存管理與優(yōu)化是物流企業(yè)所 面臨的一個關(guān)鍵而又必須解決的問題。隨著互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)、GPS/北斗導(dǎo)航等高 新技術(shù)的廣泛應(yīng)用，電商物流迅猛擴(kuò)張，尤其是跨境電子商務(wù)、農(nóng)村電子商務(wù)快速發(fā)展，電商物流企業(yè)的倉儲布點(diǎn)越來越多，對庫存管理的要求越來越高，優(yōu)化分布式物流庫存管理以降低物流成本成為人們研究的熱點(diǎn)問題。

目前，庫存管理已由傳統(tǒng)的定量訂貨與定期訂貨發(fā)展為具有現(xiàn)代特色的多種現(xiàn)代物流 管理模型，如MRP(物料資源計劃)、MRP2(物料資源計劃)、VMI(供應(yīng)商管理庫存)、CMI(客 戶管理庫存)、JMI(聯(lián)合庫存管理)等。近年來，國內(nèi)外學(xué)者對其進(jìn)行了廣泛的研究，提出 了許多分布式庫存管理模型。Rao與Krisman最先用報童模型來處理調(diào)撥與訂貨量，之后Zhang對報童模型進(jìn)行改進(jìn)，在需求可協(xié)調(diào)的情況下研究庫存共享問題。Rudi和Robinson提出了兩庫存模型的解析策略，并且Robinson還將其擴(kuò)展為多庫存模型的解析方法，在 分散控制下使用大型線性規(guī)劃來求得近似最優(yōu)解。Cohen和Tagaras在對分布式庫存建模 時最早考慮到了補(bǔ)貨提前期，采用部分共享策略來應(yīng)對調(diào)撥提前期內(nèi)的需求不確定性，Tagaras還在此基礎(chǔ)上對模型進(jìn)行了擴(kuò)展，研究了多個具有相同成本結(jié)構(gòu)的零售商組成的分布式庫存系統(tǒng)，實(shí)現(xiàn)了零售商之間庫存的完全共享。張釗等人通過對BP神經(jīng)網(wǎng)絡(luò)與遺 傳算法的研究，在傳統(tǒng)的VMI模型基礎(chǔ)上提出了一種GA-BP分布式庫存模型，利用BP 神經(jīng)網(wǎng)絡(luò)對于解決非線性問題具有較少的擬合迭代步數(shù)與穩(wěn)定的擬合效果的優(yōu)點(diǎn)，加入遺 傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，克服了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的收斂速度慢的問題。鄒冉等 人對集中控制的分布式庫存管理模型進(jìn)行研究，引入了遺傳模擬退火算法，避免了遺傳算 法在局部搜索上的問題，也彌補(bǔ)了模擬退火算法全局搜索能力不強(qiáng)的弱點(diǎn)，能夠較好的求 解集中控制下的分布式庫存訂貨與調(diào)撥模型。

分布式庫存管理的模型求解實(shí)質(zhì)上是一種非線性規(guī)劃的多目標(biāo)優(yōu)化問題，這類問題的 解決方法有切平面法、分支界限法、動態(tài)規(guī)劃法等精確式算法，但由于問題的目標(biāo)數(shù)量大， 約束條件復(fù)雜，精確算法求解速度慢、效果不理想。隨著云計算、物聯(lián)網(wǎng)、電子商務(wù)的發(fā) 展，物流倉庫的設(shè)計與部署越來越分散化和小型化。而上述分布式庫存管理模型和優(yōu)化方 法，響應(yīng)與尋優(yōu)速度慢，多目標(biāo)優(yōu)化計算效率低。

發(fā)明內(nèi)容

本發(fā)明的一個目的是解決至少上述問題，并提供至少后面將說明的優(yōu)點(diǎn)。

本發(fā)明還有一個目的是提供一種基于云計算環(huán)境下分布式物流庫存優(yōu)化方法，多目標(biāo) 優(yōu)化計算精確度和效率高，尋優(yōu)速度快，易于求得全局最優(yōu)解，可以實(shí)現(xiàn)物流庫存的快速 預(yù)警。

為了實(shí)現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點(diǎn)，提供了一種基于云計算環(huán)境下分布式物 流庫存優(yōu)化方法，包括以下步驟：

S1、根據(jù)分布式物流庫存代數(shù)模型構(gòu)建評價函數(shù)f(U)的代數(shù)模型及其約束條件函數(shù)；