供应链网络优化方法、装置、计算机设备及存储介质与流程

1.本技术涉及仓储物流技术领域，具体涉及一种供应链网络优化方法、装置、计算机设备及存储介质。


背景技术：

2.仓储服务是指保管人储存存货人交付的仓储物，收取存货人支付的仓储费的一种服务形式。仓储服务的范围应当包括各种类型的仓储服务，如冷冻仓储、鲜活仓储等。目前，仓储服务随着电商和物流等行业的快速发展、激烈的市场竞争及政策导向，越来越多地被应用于各个领域，各应用方设置仓储服务过程中普遍要求优化供应链网络，进而不断降低运营成本。
3.然而，现有的仓网优化方法，主要是通过枚举所有客户与仓库之间的供货关系，并比较所得仓网结构的评价函数值来选取最优的仓网结构，不仅计算量极高，还未考虑网点服务能力水平，以致最终所得仓网结构实用性不高。
4.因此，现有的仓网优化方法存在仓网优化精度不高的技术问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种供应链网络优化方法、装置、计算机设备及存储介质，用以提高仓网优化精度，获取满足于用户需求的供应链网络。
6.第一方面，本技术提供一种供应链网络优化方法，包括：
7.响应于针对目标供应任务的任务规划请求，构建初始供应链网络；
8.分析初始供应链网络的资源选用信息，确定初始供应链网络适用的数值属性优化规则；
9.基于数值属性优化规则，对初始供应链网络进行数值属性优化，获取优化后的供应链网络；
10.当优化后的供应链网络满足预设数值属性需求指标时，将优化后的供应链网络作为目标供应链网络。
11.在本技术一些实施例中，响应于针对目标供应任务的任务规划请求，构建初始供应链网络，包括：接收针对于目标供应任务的任务规划请求，得到任务规划请求携带的任务需求信息，任务需求信息包括候选仓库信息和仓库层级数量；响应于任务规划请求，根据候选仓库信息和仓库层级数量，构建初始供应链网络。
12.在本技术一些实施例中，分析初始供应链网络的资源选用信息，确定初始供应链网络适用的数值属性优化规则，包括：获取初始供应链网络的资源选用信息，资源选用信息包括线路选用信息；分析线路选用信息，确定初始供应链网络包含的各个阶段供应对象对应的线路类型；根据线路类型，确定各阶段供应对象适用的数值属性优化规则，得到初始供应链网络适用的数值属性优化规则。
13.在本技术一些实施例中，候选仓库信息包括仓库地址信息，获取初始供应链网络
的资源选用信息，包括：根据候选仓库信息，获取初始供应链网络中的各个目标仓库节点的仓库地址信息，作为第一节点地址信息；确定任务需求信息包括的用户地址信息，作为第二节点地址信息；分析第一节点地址信息和第二节点地址信息，获取初始供应链网络的线路选用信息，作为资源选用信息。
14.在本技术一些实施例中，根据线路类型，确定各阶段供应对象适用的数值属性优化规则，得到初始供应链网络适用的数值属性优化规则，包括：若线路类型为第一线路类型或第二线路类型，则确定对应阶段供应对象适用的数值属性优化规则为第一优化规则；若线路类型为第三线路类型，则确定对应阶段供应对象适用的数值属性优化规则为第二优化规则；将第一优化规则和/或第二优化规则，作为初始供应链网络适用的数值属性优化规则；其中，第一线路类型为关联有起点仓库的线路类型，第二线路类型为关联有终点用户的线路类型，第二线路类型为关联有除起点仓库之外的中间仓库的线路类型。
15.在本技术一些实施例中，数值属性优化规则包括第一优化规则和第二优化规则，基于数值属性优化规则，对初始供应链网络进行数值属性优化，获取优化后的供应链网络，包括：若数值属性优化规则为第一优化规则，则分析任务需求信息，确定各个阶段供应对象的物流场景类型；根据物流场景类型，针对于预存的多个数值属性分析函数，筛选出各阶段供应对象适用的目标数值属性分析函数；基于目标数值属性分析函数，对初始供应链网络进行数值属性优化，获取优化后的供应链网络。
16.在本技术一些实施例中，数值属性优化规则包括第一优化规则和第二优化规则，基于数值属性优化规则，对初始供应链网络进行数值属性优化，获取优化后的供应链网络，还包括：若数值属性优化规则为第二优化规则，则根据各个阶段供应对象的仓库地址信息，确定各个阶段供应对象关联的供应起点和供应终点；获取各个阶段供应对象适用的物流产品类型；根据物流产品类型、供应起点以及供应终点，筛选出各阶段供应对象适用的目标数值属性分析函数；基于目标数值属性分析函数，对初始供应链网络进行数值属性优化，获取优化后的供应链网络。
17.在本技术一些实施例中，当优化后的供应链网络满足预设数值属性需求指标时，将优化后的供应链网络作为目标供应链网络，包括：针对优化后的供应链网络，获取各个阶段供应对象选用的目标数值属性分析函数对应的函数总和，得到数值属性优化函数；基于数值属性优化函数，获取优化后的供应链网络的函数结果值；若函数结果值小于或等于预设数值属性需求指标对应的指标阈值，则判定优化后的供应链网络满足预设数值属性需求指标，并将优化后的供应链网络，作为目标供应链网络。
18.第二方面，本技术提供一种供应链网络优化装置，包括：
19.请求响应模块，用于响应于针对目标供应任务的任务规划请求，构建初始供应链网络；
20.规则确定模块，用于分析初始供应链网络的资源选用信息，确定初始供应链网络适用的数值属性优化规则；
21.网络优化模块，用于基于数值属性优化规则，对初始供应链网络进行数值属性优化，获取优化后的供应链网络；
22.目标获取模块，用于当优化后的供应链网络满足预设数值属性需求指标时，将优化后的供应链网络作为目标供应链网络。
23.第三方面，本技术还提供一种计算机设备，包括：
24.一个或多个处理器；
25.存储器；以及一个或多个应用程序，其中的一个或多个应用程序被存储于该存储器中，并配置为由该处理器执行以实现所述的供应链网络优化方法。
26.第四方面，本技术还提供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进行加载，以执行供应链网络优化方法中的步骤。
27.第五方面，本技术实施例提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面提供的供应链网络优化方法。
28.上述供应链网络优化方法、装置、计算机设备及存储介质，服务器通过响应于针对目标供应任务的任务规划请求构建初始供应链网络，进而分析初始供应链网络的资源选用信息，确定初始供应链网络适用的数值属性优化规则，以便基于数值属性优化规则，对初始供应链网络进行数值属性优化，获取优化后的供应链网络，并且当优化后的供应链网络满足预设数值属性需求指标时，将优化后的供应链网络作为目标供应链网络。本技术提出了针对于供应链网络的数值属性优化规则配置，为供应链网络提供了适用于多场景的数值属性分析方式，使得优化后的供应链网络具备更佳的数值属性分析性能，有效提高了仓网优化精度。
附图说明
29.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
30.图1是本技术实施例中供应链网络优化方法的场景示意图；
31.图2是本技术实施例中供应链网络优化方法的流程示意图；
32.图3是本技术实施例中供应链网络的结构示意图；
33.图4是本技术实施例中供应链网络的优选结构示意图；
34.图5是本技术实施例中供应链网络的另一个优选结构示意图；
35.图6是本技术实施例中供应链网络优化方法的具体流程示意图；
36.图7是本技术实施例中供应链网络优化装置的结构示意图；
37.图8是本技术实施例中计算机设备的结构示意图。
具体实施方式
38.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
39.在本技术的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗
示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
40.在本技术的描述中，术语“例如”一词用来表示“用作例子、例证或说明”。本技术中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
41.本技术实施例提供一种供应链网络优化方法、装置、计算机设备和存储介质，以下分别进行详细说明。
42.参阅图1，图1为本技术提供的供应链网络优化方法的场景示意图，该供应链网络优化方法可应用于供应链网络优化系统中。其中，供应链网络优化系统包括终端100和服务器200。终端100可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。终端100具体可以是台式终端或移动终端，终端100具体还可以是手机、平板电脑、笔记本电脑等中的一种。服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。
43.本领域技术人员可以理解，图1中示出的应用环境，仅仅是适用于本技术方案的一种应用场景，并不构成对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个服务器200，可以理解的是，该供应链网络优化系统还可以包括一个或多个其他服务器，具体此处不作限定。另外，如图1所示，该供应链网络优化系统还可以包括存储器，用于存储数据，如存储物流数据，例如物流平台的各种数据，如中转场等物流网点的物流运输信息，具体的，如快件信息，配送车辆信息和物流网点信息等。
44.需要说明的是，图1所示的供应链网络优化系统的场景示意图仅仅是一个示例，本发明实施例描述的供应链网络优化系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着供应链网络优化系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
45.参阅图2，本技术实施例提供了一种供应链网络优化方法，本实施例主要以该方法应用于上述图1中的服务器200来举例说明，该方法包括步骤s201至s204，具体如下：
46.s201，响应于针对目标供应任务的任务规划请求，构建初始供应链网络。
47.其中，目标供应任务可以是将货物运输至指定地点以实现指定地点对货物供应需求的任务。
48.其中，初始供应链网络可以是适应于供应链场景的节点网络，即组成该网络的节
点可以是工厂、供应商、仓库、客户(个人客户或门店)、经销商等供应链领域中的供需对象，且上述对象中相同属性的工厂或供应商必须存在于网络中，相同属性的客户或经销商必须存在于网络中，而本技术实施例中提及的节点，若无特殊的数量说明，则一个节点即表示一个对象。例如，可参阅图3，为一个供应链网络的结构示意图，初始供应链网络的网络结构可以是图3所示的结构，也可以是相较于其用仓数量更多或更少，和/或相较于其仓库层级更多或更少，和/或相较于其工厂/供应商的数量更多或更少，和/或相较于其客户/经销商的数量更多或更少的结构。
49.具体实现中，服务器200可在接收到任务规划请求之后，将任务规划请求针对的供应任务确定为是目标供应任务，以便于根据任务规划请求携带的相关信息，对目标供应任务进行相应处理，包括但不局限于通过构建初始供应链网络来承担目标供应任务。
50.在一个实施例中，本步骤包括：接收针对于目标供应任务的任务规划请求，得到任务规划请求携带的任务需求信息，任务需求信息包括候选仓库信息和仓库层级数量；响应于任务规划请求，根据候选仓库信息和仓库层级数量，构建初始供应链网络。
51.其中，任务需求信息可以是记载了用户(实际应用场景中可作为客户或经销商)对货物的供应需求量、供应时效要求、供应成本上限等需求数据的信息，其包括但不局限于：候选仓库信息、仓库层级数量。
52.其中，候选仓库信息可以是指可供选择的仓库数据，其包括但不限于：候选仓库的唯一性标识、候选仓库的地址信息、候选仓库的仓库名称等，例如，候选仓库数据中包含有候选仓库a、候选仓库b至g的唯一性标识、地址信息以及仓库名称等。
53.其中，仓库层级数量可以是用于限定最终所需供应链网络的仓库层级数，且该仓库层级数不包括网络首节点(工厂/供应商)以及网络尾节点(客户/经销商)的层级数量，即该仓库层级数特指网络首节点与网络尾节点之间所用仓库的层级数量。例如，仓库层级数量表示为n，n＝2，且首尾节点层数均为“1”，则最终所需的供应链网络具有4层节点，分别是首层节点“工厂/供应商”、中层节点“第一层仓库”和“第二层仓库”，尾层节点“客户/经销商”。
54.具体实现中，服务器200执行供应链网络优化操作之前，会首先接收到终端100或其他设备发送的任务规划请求。由于该任务规划请求携带有任务需求信息，因此服务器200可通过分析任务需求信息中包含的任务标识信息，来锁定当前任务规划请求指向的目标供应任务。此时，目标供应任务可通过任务的唯一性标识进行表示，且该唯一性标识可以是以用户身份标识或者供应订单标识作为组成成分的标识。因此，服务器200可在获取到该任务需求信息，并检测到任务需求信息包含的任务标识信息之后，以该任务需求信息作为后续处理依据，构建可承担或执行该目标供应任务的供应链网络，作为初始供应链网络。
55.进一步地，服务器200获取到任务需求信息之后，即可从任务需求信息中提取出候选仓库信息和仓库层级数量，进而分析候选仓库信息和仓库层级数量，快速构建一个尽量满足用户所设约束条件的初始供应链网络。同时，当前时刻构建出的初始供应链网络，可以包含不满足用户所设约束条件的网络，即服务器200执行本步骤时可生成不满足于全部约束条件的“不可行解”，待后续优化并筛选出“可行解”，反馈至用户作为其最终所需的供应链网络。
56.需要说明的是，本技术实施例中提及的约束条件或约束条件信息，可以是预设的
网络优化限制条件，其包括但不限于：(1)目标供应链网络的运输成本相对于其他供应链网络的运输成本低；(2)目标供应链网络的用仓数量相对于其他供应链网络的用仓数量低；(3)目标供应链网络的时效达成率相对于其他供应链网络的时效达成率高。
57.需要说明的是，服务器200构建了初始供应链网络之后，可对初始供应链的节点状态和节点关系进行优化，再基于下述步骤对初始供应链网络进行数值属性优化，以获取优化后的供应链网络执行目标供应任务。其中涉及的节点状态步骤和节点关系优化步骤将在下文详细说明，包含步骤s2011-s2013：
58.s2011，获取供应链网络配置数据，供应链网络配置数据至少包括以下之一：优化目标信息、数据属性分析函数参量、数值属性分析支持数据。
59.其中，数据属性分析函数参量和数值属性分析支持数据可用于对初始供应链网络进行数值属性优化时使用；优化目标信息不限于何时使用。
60.其中，优化目标信息可以是用于限定最终所得供应链网络的特殊属性，其包括但不限于：(1)最小化总成本；(2)最小化用仓数量；(3)最大化时效达成率。
61.具体地，服务器200构建了初始供应链网络之后，可进一步获取供应链网络配置数据，供应链网络配置数据可以是预设在服务器200对应数据库中存储的数据，可用于供任意供应任务优化供应链网络使用，其存在目的就是使得供应链网络性能更佳。
62.在一个实施例中，根据候选仓库信息和仓库层级数量，构建初始供应链网络的步骤，包括：若任务需求信息中还包括有网络用仓数量，则基于预设的首次适应算法，分析网络用仓数量、候选仓库信息以及仓库层级数量，构建初始供应链网络；若任务需求信息中未包括有网络用仓数量，则基于预设的首次适应算法，分析候选仓库信息和仓库层级数量，构建初始供应链网络。
63.其中，网络用仓数量可以是用于限定最终所得供应链网络中包含的仓库数量，其包括但不限于：网络用仓总数量和/或网络分层用仓总数量。例如，若网络用仓数量仅是指网络用仓总数量，网络用仓数量为“10”时，表示对应供应链网络所有仓库层级用到的仓库总量为“10”；又例如，若网络用仓数量仅是指网络分层用仓总数量，网络用仓数量为“10、5、2”时，表示对应供应链网络第一层仓库(一级仓)的总量为“10”、第二层仓库(二级仓)的总量为“5”、第三层仓库(三级仓)的总量为“2”，此时的供应链网络有三层仓库，且这三层仓库的供需关系是：“工厂/供应商”为第一层仓库供货、第一层仓库为第二层仓库供货、第二层仓库为第三层仓库供货，第三层仓库为“客户/经销商”供货。
64.其中，首次适应算法也称为first fit算法，该算法是从空闲分区链首开始查找，直至找到一个能满足其大小要求的空闲分区为止的算法。
65.具体地，采用firstfit算法来构建初始供应链网络，即是在网络用仓数量和仓库层级数量的限制下，对所有候选仓库逐个分配选择在所有可选状态中第一个合适的状态，直到所有候选仓库都获得状态。
66.例如，在不考虑其他约束的场景下，用户想要一个具有3个一级仓的供应链网络，即第一层仓库由三个仓库组成，则最初分析的三个候选仓库会被设为“一级仓状态”，若仓库层级数量n为1，则后续分析的其他候选仓库则会分配为“不选用状态”，得到一个包含三层节点(工厂/供应商节点、一级仓节点、客户/经销商节点)的初始供应链网络。服务器200为各个候选仓库分配的状态，均可基于候选仓库数据中包含的候选仓库标识进行信息登
记。
67.需要说明的是，本技术实施例所涉及仓库的状态，通常包括“选用状态”和“不选用状态”，“选用状态”依据仓库层级数量设为“一级仓状态”、“二级仓状态”、“三级仓状态”等以供使用。例如，当仓库层级数量n＝2时，各个候选仓库对应可选状态的范围是[一级仓、二级仓、不被选用]；当仓库层级数量n＝3时，各个候选仓库对应可选状态的范围是[一级仓、二级仓、三级仓、不选用]，以此类推。
[0068]
更具体地，服务器200采用first fit算法，对所有候选仓库进行初始状态分配，例如分析某个候选仓库，决定其是用作“一级仓”、“二级仓”、“三级仓”或是“不选用”之后，还需依据预设的覆盖规则，为除“不选用”状态之外的候选仓库指定调拨与配送的仓库覆盖关系，即指定“上级仓对下级仓”的补货覆盖关系，以及“仓库对末端客户/供销商节点”的供货覆盖关系。完成覆盖关系的制定，即可得到初始供应链网络，也即是本技术实施例提及的当前解(s)。
[0069]
进一步地，上述实施例说明的是当任务需求信息中还包括有网络用仓数量的情况。若是任务需求信息中未包括有网络用仓数量，表示服务器200在构建初始供应链网络时无法获知用户指定的用仓数量需求，故而此时服务器200只能在优化目标信息和约束条件信息的限制下，基于仓库层级数量为候选仓库信息中的候选仓库标识赋予状态信息，以此构建质量不如已知网络用仓数量情况的初始供应链网络，待后续进行网络优化时再以最小化用仓数量作为最终优化目标之一，实现对供应链网络的高效优化。
[0070]
s2012，基于优化目标信息，分别对初始供应链网络进行节点状态优化和节点关系优化，得到优化后的初始供应链网络。
[0071]
其中，节点状态优化可以是指上文所述对仓库节点是否选用在供应链网络中，或选用在哪一级仓库层级中的状态更新操作，例如，对仓库a进行节点状态优化，仓库a的初始状态是“二级仓”，优化后的仓库a状态是“一级仓”。
[0072]
其中，节点关系优化可以是指上文所述对供应链网络中各个节点之间的供需货覆盖关系进行优化的操作，例如，某个供应链网络的初始节点关系是仓库a(一级仓)为仓库c(二级仓)供货，服务器200针对其进行节点关系优化之后，节点关系变更为仓库b(一级仓)为仓库c(二级仓)供货，仓库a(一级仓)可能转为其他下级仓供货，或者转为末端客户/经销商节点供货。
[0073]
具体地，服务器200分析候选仓库信息和仓库层级数量，构建了初始供应链网络之后，即需基于供应链网络配置数据中包含的优化目标信息，依次对初始供应链网络进行节点状态优化，以及节点状态优化后的节点关系优化，以期获取优化后的初始供应链网络。
[0074]
然而，完成节点状态优化和节点关系优化后的初始供应链网络，虽然相较于未优化的初始供应链网络，其网络结构属性更加能够符合用户实际需求，例如，在运输成本、用仓成本、运输时效上的需求。但是，完成这一阶段优化的网络，还不能直接被输出至用户使用，因为极有可能存在多个网络，或网络属性上限仍未达到用户需求下限，仅仅只是接近需求下限值的情况。故此，本技术提出在下述实施例中详细说明如何判定优化后的初始供应链网络是否已符合输出标准。
[0075]
在一个实施例中，基于优化目标信息，分别对初始供应链网络进行节点状态优化和节点关系优化的步骤，包括：基于预设的扰动策略，对初始供应链网络中的各个目标仓库
节点进行节点状态优化，得到初步优化后的初始供应链网络；基于优化目标信息，对初步优化后的初始供应链网络进行节点关系优化，得到优化后的初始供应链网络。
[0076]
其中，本技术实施例涉及的“扰动”，实际是对应邻域搜索中的邻域空间搜索概念，即对当前解(s)中部分目标仓库的层级状态进行修改，得到新解(s')，作为优化后的初始供应链网络。例如，对于一个配置为n层的供应链网络，若无特殊限定，每个候选仓库可以选择的层级状态范围从高层次到低层次依次是：“一级仓”level(1)至“n级仓”level(n)，或者“不选用”level(-1)，则初始供应链网络中的目标仓库节点，也可基于该范围选择能够使网络质量更高的状态。
[0077]
其中，level(0)代表“工厂/供应商”，且“工厂/供应商”固定只为“一级仓”供货；level(n+1)代表“客户/经销商”，但“客户/经销商”可从“一级仓”至“n级仓”中的任意层级仓库取货。同时，level(0)和level(n+1)这两种层的节点状态不可修改，即定义为“工厂/供应商”或“客户/经销商”的网络结点是不可规划的必选结点。
[0078]
其中，目标仓库节点可以是指被选中构建初始供应链网络的候选仓库。
[0079]
具体地，服务器200对初始供应链网络进行优化处理的操作，主要分为两个方面，即对目标仓库节点其节点状态的优化，以及对初始供应链网络中包括“工厂/供应商”和“客户/经销商”等各个节点的节点关系优化，调整初始供应链网络所用节点、节点所在层级位置、节点供需货关系，即可得到优化后的初始供应链网络。
[0080]
例如，如图3所示，服务器200对初始供应链网络实施的一次扰动，即可以将目标仓库w的层级状态从“二级仓”改为“不选用”，即将目标仓库w对应仓库标识的附带属性从level(2)变更为level(-1)，此时图3中最后一个“一级仓”仅剩一个“二级仓”，原先需要从目标仓库w进行取货的“经销商”和“电商”，都改为向目标仓库w的上级仓进行取货了。由此，相关节点的关系(带箭头的直线)也有了变化，关系箭头指向的对象，即为货物需求方。
[0081]
当然，服务器200对初始供应链网络的“扰动”，不仅限于对各个目标仓库或候选仓库的节点状态优化，还可以是将两个仓库w与v的节点状态进行交换，以此分析网络质量。由此，扰动策略可以有不同的设计，但所有策略设计的总体目标都是通过扰动使所得新解(s')的质量有机会得到提高。本实施例中涉及的节点状态优化步骤和节点关系优化步骤将分别在下文详细说明。
[0082]
在一个实施例中，扰动策略为多于一个的扰动策略，候选仓库信息包括候选仓库数量，上述基于预设的扰动策略，对初始供应链网络中的各个目标仓库节点进行节点状态优化，得到初步优化后的初始供应链网络的步骤，包括：若任务需求信息中还包括有网络用仓数量，则基于候选仓库信息和网络用仓数量，确定各个扰动策略的第一使用占比，并基于第一使用占比，对初始供应链网络中的各个目标仓库节点进行节点状态优化，得到初步优化后的初始供应链网络；若任务需求信息中未包括有网络用仓数量，则基于候选仓库信息，确定各个扰动策略的第二使用占比，并基于第二使用占比，对初始供应链网络中的各个目标仓库节点进行节点状态优化，得到初步优化后的初始供应链网络。
[0083]
其中，本实施例中提出的多个扰动策略，包括但不限于如下四种策略：(1)改变1个仓库的节点状态；(2)交换2个仓库的节点状态；(3)改变1组(1至3个)仓库的节点状态；(4)交换2组(1至3个)仓库的状态。上述仓库包含已使用的目标仓库和尚未使用的候选仓库。
[0084]
其中，候选仓库数量可以包括可供选用构建供应链网络的候选仓库的数量，例如，
候选仓库数量为“15”，即有15个候选仓库可供选用于构建供应链网络。
[0085]
其中，网络用仓数量已在上述实施例中详细解释，具体可参见上述实施例，在此不再赘述。
[0086]
具体地，服务器200对初始供应链网络进行“扰动”之前，还需分析用户提交的任务需求信息，以便根据任务需求信息体现的用户需求，有针对性地对初始供应链网络进行优化。基于此，本技术实施例提出通过判断任务需求信息中是否包含网络用仓数量，选取合适的扰动策略对初始供应链网络进行优化。
[0087]
例如，若任务需求信息中还包括有网络用仓数量，服务器200即可分析网络用仓数量和候选仓库数量的大小，计算上述四个扰动策略的使用占比，得到第一使用占比，以利用第一使用占比对初始供应链网络中的各个目标仓库节点进行节点状态优化：(1)候选仓库数量比网络用仓数量多不超过3个时，策略1占比40％、策略2占比50％、策略3占比5％、策略4占比5％，涉及组中仓库数量为“1至3”；(2)候选仓库数量小于25个时，策略1占比30％、策略2占比50％、策略3占比10％、策略4占比10％，涉及组中仓库数量为“1至3”。上述“3个”、“25个”等数量阈值和组中仓库数量，均可依据应用需求确定，本技术不做具体限定。
[0088]
又例如，若任务需求信息中未包括有网络用仓数量，服务器200即无法分析网络用仓数量，而仅能分析候选仓库数量的所属范围，以此计算出上述四个扰动策略的使用占比，得到第而使用占比，进而利用第二使用占比对初始供应链网络中的各个目标仓库节点进行节点状态优化：(1)候选仓库数量小于10个时，策略1占比50％、策略2占比30％、策略3占比10％、策略4占比10％，涉及组中仓库数量为“1至3”；(2)候选仓库数量大于100个时，策略1占比30％、策略2占比10％、策略3占比30％、策略4占比30％，涉及组中仓库数量为“1至6”。上述“10个”、“100个”等数量阈值和组中仓库的数量，均可依据应用需求确定，本技术不做具体限定。
[0089]
在一个实施例中，上述基于优化目标信息，对初步优化后的初始供应链网络进行节点关系优化，得到优化后的初始供应链网络的步骤，包括：基于优化目标信息对应预设的覆盖规则，确定目标规则信息；基于目标规则信息，对初步优化后的初始供应链网络进行节点关系优化，得到优化后的初始供应链网络。
[0090]
其中，目标规则信息为第一规则信息、第二规则信息以及第三规则信息中的任意一个。
[0091]
其中，覆盖规则已在上述实施例中详细解释，即是指节点之间的供需关系，也称“补货/供货关系”。例如，“工厂”为“一级仓”补货、上级仓库为下级仓库补货、仓库为终端的“客户“供货等。
[0092]
其中，目标规则信息可以是指当前被选用待执行的覆盖规则，覆盖规则包括但不限于：(1)运输成本最低规则；(2)用仓数量最低规则；(3)时效达成率最高规则。
[0093]
具体地，服务器200可分析任务需求信息中所含优化目标信息对应的覆盖规则，首先确定即将使用的目标规则信息，即当优化目标信息对应的覆盖规则为第一目标信息时，确定第一目标信息为目标规则信息，进而利用第一规则信息，对初步优化后的初始供应链网络中的各个网络节点进行节点关系优化，得到优化后的初始供应链网络；当优化目标信息对应的覆盖规则为第二目标信息时，确定第二目标信息为目标规则信息，进而利用第二规则信息，对初步优化后的初始供应链网络中的各个网络节点进行节点关系优化，得到优
化后的初始供应链网络；当优化目标信息对应的覆盖规则为第三目标信息时，确定第三目标信息为目标规则信息，进而利用第三规则信息，对初步优化后的初始供应链网络中的各个网络节点进行节点关系优化，得到优化后的初始供应链网络。
[0094]
例如，若用户预设选择第一规则信息(1)运输成本最低规则，那么对于一个“一级仓a”，就会先计算所有可以使用的“工厂”到“一级仓a”的运输成本，然后选择运输成本最低的那个“工厂”来作为a的补货工厂。
[0095]
又例如，若用户预设选择第一规则信息(1)运输成本最低规则，那么对于一个“二级仓b”，就会先计算所有“一级仓”到“二级仓b”的运输成本，然后选择运输成本最低的那个“一级仓”作为b的补货仓库。
[0096]
由此，当用户预设选择第二规则信息(2)用仓数量最低规则时的处理机制，服务器200即可参考上述选择第一规则信息(1)时的运行机制执行相应操作。但需说明的是，运输成本和时效达成率的计算，需要使用到各个候选仓库的地址信息，以及各地址之间流向的运输时间和运输距离。因此，若服务器200最初已检测出用户提交的优化目标信息为上述覆盖规则(1)或(3)，则服务器200还需分析其是否提交了候选仓库地址和物流运力信息(汽车、飞机、轮船等运力的时速和工作时间)，若在同一时间提交，则需生成提示信息提示其绑定提交，以便后续顺利计算出运输成本和时效达成率。
[0097]
s2013，判断优化后的初始供应链网络是否满足预设供应链网络指标，若是则将优化后的初始供应链网络作为后续执行资源选用信息分析步骤所需的初始供应链网络。
[0098]
其中，预设供应链网络指标可以是表征为目标函数的预设指标，而目标函数可以是根据约束条件信息和优化目标信息确定的函数。
[0099]
具体地，本实施例提出的供应链网络质量判断方式，可以借助一个目标函数完成，也可以借助多个目标函数完成，但若是采用多个目标函数，则需用户指定各个目标函数的优先级。
[0100]
更具体地，服务器200获取到预设供应链网络指标之后，将会判断优化后的初始供应链网络是否满足对应的一个目标函数，或多个目标函数。若是均满足，则可将优化后的初始供应链网络作为后续进行数值属性优化所需的初始供应链网络。此外，要判断优化后的初始供应链网络是否满足对应的目标函数，主要依据计算得到的目标函数值，即获取各个供应链网络对应在目标函数中的目标函数值之后，比较各个供应链网络对应的目标函数值，即可根据目标函数值的比较结果判断优化后的初始供应链网络是否满足对应的目标函数。本实施例中涉及的判断步骤将在下文详细说明。
[0101]
在一个实施例中，供应链网络配置数据中还包括有约束条件信息，本步骤包括：根据优化目标信息和约束条件信息构造目标函数，得到供应链网络指标；基于目标函数，获取优化后的供应链网络对应的第一函数结果，并获取初始供应链网络对应的第二函数结果；当第一函数结果和第二函数结果中的优选结果为第一函数结果时，判定优化后的初始供应链网络满足供应链网络指标，并将优化后的初始供应链网络，作为可用于进行数值属性优化的初始供应链网络。
[0102]
具体地，本实施例涉及的目标函数，主要是基于优化目标信息和约束条件信息设定的，至少包括以下三种：
[0103]
(1)运输成本最低。对于一个流向(即上文的一个供货覆盖关系)的运输成本计算
采用以下公式计算：
[0104]
cost＝cargo amount*distance*price
[0105]
其中，“cargo amount”是要运输的货量，此处货量可以使用件量、重量或是体积为单位来计算，由用户配置选择；“distance”是一对供货覆盖关系中起点到目的点的运输行驶距离，在运行算法前调用地理信息系统(geographic information system，gis)提前获取得到；“price”是每单位货量每公里的运输价格，由用户配置输入。需要说明的是，若目标函数包含(1)运输成本最低，则后续执行数值属性优化步骤时，将对此目标函数进行调整。
[0106]
(2)用仓数最少。当用户没有指定最终得到的网络结构中的用仓数量时(即没有网络用仓数量的约束条件时)，“用仓数最少”可以作为优化目标之一。“用仓数量”计算所有候选仓库中的“非不选用仓”的数量即可以得到，也就是看仓库状态不是“level(-1)”的有多少个。
[0107]
(3)时效达成率最高。用户输入的数据中，可能对每个客户点有要求仓库到客户点的运输时间必须在一个指定的时间内(称作“时效要求”)，若基于gis系统获取到数据，计算出一个覆盖关系流向上的运输时间满足时效要求，则表示时效要求“达成”，否则，若运输时间超过时效要求则表示“未达成”，“所有客户的时效达成率最高”也可以作为优化目标之一。
[0108]
更具体地，本实施例涉及的第一函数结果/第二函数结果，即为上一个实施例提及的目标函数值，即通过目标函数分析优化后的初始供应链网络得到的结果数值。而比较两个供应链网络基于同一个目标函数得到的结果数值，即可有依据判断其中一个供应链网络，即优化后的初始供应链网络，其是否满足该目标函数，若满足则进而得到目标供应链网络。基于此，结果数值比较情况如何时，方可判定优化后的初始供应链网络满足目标函数，将在下文详细说明。
[0109]
在一个实施例中，若目标函数为第一目标函数或第二目标函数，则筛选出第一函数结果和第二函数结果中的结果最小值，作为优选结果；若目标函数为第三目标函数，则筛选出第一函数结果和第二函数结果中的结果最大值，作为优选结果；当优选结果述第一函数结果时，判定优化后的初始供应链网络满足所述供应链网络指标，并将所述优化后的初始供应链网络，作为可用于进行数值属性优化的初始供应链网络。
[0110]
其中，第一目标函数可以是上述实施例提及的“运输成本最低”，第二目标函数可以是上述实施例提及的“用仓数最少”，第三目标函数可以是上述实施例提及的“时效达成率最高”。
[0111]
具体地，本技术实施例提出的优选结果，是对应于不同目标函数判定的结果，例如，若对应的目标函数为第一函数结果，则优选结果应该是“运输成本最小值”；若对应的目标函数为第二函数结果，则优选结果应该是“用仓数量最小值”；若对应的目标函数为第三函数结果，则优选结果应该是“时效达成率最大值”。由此，服务器200分析筛选优选结果的过程中，需基于目标函数的设定进行选取，即当目标函数设定为第一目标函数或第二目标函数时，需筛选出第一函数结果和第二函数结果中的结果最小值，作为优选结果；当目标函数设定为第三目标函数时，需筛选出第一函数结果和第二函数结果中的结果最大值，作为优选结果。
[0112]
例如，当以“运输成本最低”为目标时，计算得到的成本值更低的解可评估为“更优
解”，若是该“更优解”实际是优化后的初始供应链网络，则可将优化后的初始供应链网络作为目标供应链网络，反之，将另一个网络作为目标供应链网络。
[0113]
又例如，当“用仓数最少”为目标时，计算得到的用仓数量更少的解可评估为“更优解”，若是该“更优解”实际是优化后的供应链网络，则可将优化后的供应链网络作为可用于进行数值属性优化的初始供应链网络。反之，则将另一个网络作为可用于进行数值属性优化的初始供应链网络。
[0114]
再例如，当“时效达成率最高”为目标时，计算得到的时效达成率最高的解可评估为“更优解”，若是该“更优解”实际是优化后的初始供应链网络，则可将优化后的初始供应链网络作为可用于进行数值属性优化的初始供应链网络。反之，将另一个网络作为可用于进行数值属性优化的初始供应链网络。
[0115]
此外，上述实施例示例的方案，虽然均是在优选结果为优化后的初始供应链网络对应的第一函数结果的情况下，但是当优选结果为第二函数结果时，也可采用模拟退火算法或禁忌搜索算法等策略，来分析是否将优化后的初始供应链网络作为可用于进行数值属性优化的初始供应链网络，以避免算法搜索过程限入局部最优的情况出现，进而提高搜索全局最优解的效率，即提高供应链网络的优化效率。
[0116]
例如，模拟退火算法允许在优化迭代过程中，以一定的概率(p)暂时接受一些函数结果(函数评估值)不优的解(s')作为目标解，然后扰动目标解继续后面的优化迭代过程。也就是在搜索过程中，允许对一些“更差的解”来做扰动，期待得到更好的解，而不只是对目前找到的最好的解来做扰动。所以，在模拟退火算法中，一个比目前最好的解更优的解，一定会成为目标解，但一个比目前最好的解更差的解，也还是有一定的概率(p)会成为目标解。这个p值从大变小的过程可以由用户定义，比如每迭代1000次p值减小0.1％。
[0117]
又例如，禁忌搜索是在搜索过程中，将最近使用过的扰动策略和扰动对象记录下来，并保存在一个禁忌列表(tabu list)中，每次迭代时都保证不使用禁忌列表当中含有的对象。也就是在迭代搜索过程中，不去扰动最近扰动过的对象，这样能够大大提高目标解的搜索效率，进而提高供应链网络的优化效率。
[0118]
在一个实施例中，当优化后的初始供应链网络不满足目标函数时，获取网络优化时长，和/或获取网络优化迭代次数，其中，目标函数是根据优化目标信息构建的；若网络优化时长大于或等于预设的优化时长阈值，和/或网络优化迭代次数大于或等于预设的迭代次数阈值，则将初始供应链网络，作为目标供应链网络；若网络优化时长小于优化时长阈值，且网络优化迭代次数小于迭代次数阈值，则重复执行对优化后的初始供应链网络进行节点状态优化以及节点关系优化的操作，直至重复优化后的初始供应链网络满足目标函数后，将重复优化后的初始供应链网络，作为可用于进行数值属性优化的初始供应链网络。
[0119]
其中，网络优化时长可以是指供应链网络优化方法执行的总时长，也可以是指该方法执行过程中最近一刻起，没有再发现更优解(即更优的供应链网络)的累计时长。例如，1分钟、1小时等。
[0120]
其中，网络优化迭代次数可以是指供应链网络优化方法执行的总迭代次数，也可以是指该方法执行过程中最近一刻起，没有再发现更优解(即更优的供应链网络)的累计迭代次数。例如，2次、10次等。
[0121]
其中，优化时长阈值可以是分析网络优化时长是否已达用户所设极限的临界值，
其可以是对应于上文所提的“总时长”，也可以是对应于上文所提的“累计时长”。例如，5分钟、30分钟。
[0122]
其中，迭代次数阈值可以是分析网络优化迭代次数是否已达用户所设极限的临界值，其可以是对应于上文所提的“总迭代次数”，也可以是对应于上文所提的“累计迭代次数”。例如，5次、10次等。
[0123]
具体地，服务器200针对供应链网络的构建和优化不应该是无休无止的，尤其是对供应链网络的优化，若持续地实施优化操作而依旧无法获得更优解，则极有可能降低供应链网络的优化效率。因此，本技术为了提高供应链网络的优化效率，除了提出上述实施例所涉及的提效方案，还在本实施例中提出通过设置阈值来提效，即缩短服务器200输出“更优解”的时间，使其在一段时间内能够输出质量最优的供应链网络，实现用户对优选供应链网络的获取需求。
[0124]
更具体地，本实施例提出通过获取网络优化时长，和/或网络优化迭代次数，来分析服务器200优化供应链网络的时长和/或迭代次数，若是时长、迭代次数中的任意一个超出了用户预设的阈值，则表明服务器200在用户所设的一段时间内未找出相比初始解“初始供应链网络”的更优解，此时只能将“初始供应链网络”作为可用于进行数值属性优化的初始供应链网络输出。
[0125]
进一步地，若是时长、迭代次数均未超出用户预设的阈值，则表明服务器200优化供应链网络的时长未达到用户所设时长，还可继续执行优化操作，故后续可重复执行对优化后的初始供应链网络进行节点状态优化以及节点关系优化的操作，直至重复优化后的初始供应链网络满足目标函数后，即可将重复优化后的初始供应链网络作为可用于数值属性优化的初始供应链网络输出。
[0126]
s202，分析初始供应链网络的资源选用信息，确定初始供应链网络适用的数值属性优化规则。
[0127]
其中，资源选用信息可以是供初始供应链网络执行目标供应任务选用的物流资源，包括但不局限于路线选用信息、产品选用信息、运力选用信息等。也即是说，本技术实施例涉及的“资源”可以是线路资源、产品资源以及运力资源等，线路资源包括但不局限于干线、支线、末端线等资源；产品资源包括但不局限于特惠配送、标快配送、同城配送等资源；运力资源包括但不局限于火车、飞机、货车、无人机等资源。
[0128]
其中，数值属性优化规则可以是为优化供应链网络所含数值属性设置的优化规则，主要用于优化供应链网络中各个节点之间的数值属性配置方式，进而实现对供应链网络在数值属性方面的性能提升。
[0129]
具体实现中，服务器200构建初始供应链网络，并基于用户需求选择性对初始供应链网络进行了相应优化之后，可分析该初始供应链网络的资源选用信息，以便于确定初始供应链网络适用的数值属性优化规则。
[0130]
在一个实施例中，在上述实施例基础上，本步骤包括：获取初始供应链网络的资源选用信息，资源选用信息包括线路选用信息；分析线路选用信息，确定初始供应链网络包含的各个阶段供应对象对应的线路类型；根据线路类型，确定各阶段供应对象适用的数值属性优化规则，得到初始供应链网络适用的数值属性优化规则。
[0131]
其中，阶段供应对象可以是供应链网络中具有供应关系的两个节点所组成的，且
由所处供应链网络中的层级确定阶段信息的阶段供应对象。例如，图3中包含有多个阶段供应对象，其中包括一个阶段供应对象“工厂—》一级仓”。
[0132]
其中，线路类型可以对应于上文所述线路选用信息的干线、支线、末端线等资源，包括但不局限于干线类型、支线类型以及末端线类型。
[0133]
其中，本实施例中涉及的数值属性优化规则至少包括两种类型，分别是第一数值属性优化规则和第二数值属性优化规则，两者区别将在下文详细说明。
[0134]
具体实现中，服务器200为优化初始供应链网络，首先需获取初始供应链网络的资源选用信息，本实施例中将资源选用信息设定为线路选用信息，该线路选用信息可通过终端100获取，也可通过其他设备获取，具体获取方式将在下文详细说明。服务器200获取到初始供应链网络的线路选用信息之后，可按照初始供应链网络的节点关系，分析并拆分该线路选用信息，以此确定初始供应链网络包含的各个阶段供应对象对应的线路类型。由于不同线路类型适用的数值属性分析方式不同，为了获取执行目标供应任务效果最优的供应链网络。因此，需分析各个阶段供应对象的线路类型，以便为各个阶段供应对象配置适用的数值属性优化规则。
[0135]
在一个实施例中，候选仓库信息包括仓库地址信息，获取初始供应链网络的资源选用信息，包括：根据候选仓库信息，获取初始供应链网络中的各个目标仓库节点的仓库地址信息，作为第一节点地址信息；确定任务需求信息包括的用户地址信息，作为第二节点地址信息；分析第一节点地址信息和第二节点地址信息，获取初始供应链网络的线路选用信息，作为资源选用信息。
[0136]
其中，仓库地址信息可以是包含省、市、区等地理级别的地址信息，甚至还可以是包含“区”之下，如街道、乡镇等地理级别的地址信息，甚至是包含“省”之上，如大区、国家等地理级别的地址信息。例如，某仓库的仓库地址信息为“广东省深圳市南山区xx街道xxx号”。
[0137]
其中，目标仓库节点可以是指被选中构建初始供应链网络的候选仓库。
[0138]
其中，用户地址信息可以是如图3所示末端客户的真实地址信息，例如，某末端客户的用户地址信息为“湖北省武汉市洪山区xx街道xxx号”。
[0139]
具体实现中，服务器200获取资源选用信息的方式之一如下，主要针对线路先用信息，即服务器200可在任务需求信息中筛选出候选仓库信息包含的仓库地址信息，进而以当前初始供应链网络所含目标仓库节点的仓库标识作为索引，筛选出与目标仓库节点匹配的仓库地址信息作为第一节点地址信息。再进一步获取任务需求信息中的用户地址信息，作为第二节点地址信息。
[0140]
进一步地，服务器200获取到第一节点地址信息和第二节点地址信息之后，可分析两类型地址信息所含的地理级别，利用地理级别信息获取初始供应链网络的线路选用信息，作为资源选用信息。
[0141]
例如，服务器200检测到其所获的第一节点地址信息包含省级、市级以及乡镇级之后，可查表获取到“省级”对应的多条干线资源信息，也可查表获取到“市级”对应的多条支线资源信息，还可查表获取到“乡镇级”对应的多条末端线资源信息；干线资源信息包括但不局限于适配的“国道”入口和出口等信息、路程信息等；支线资源信息包括但不局限于“高速”入口和出口等信息、路程信息等；末端线资源信息包括但不局限于“岔路”入口和出口等
信息。
[0142]
在一个实施例中，根据线路类型，确定各阶段供应对象适用的数值属性优化规则，得到初始供应链网络适用的数值属性优化规则，包括：若线路类型为第一线路类型或第二线路类型，则确定对应阶段供应对象适用的数值属性优化规则为第一优化规则；若线路类型为第三线路类型，则确定对应阶段供应对象适用的数值属性优化规则为第二优化规则；将第一优化规则和/或第二优化规则，作为初始供应链网络适用的数值属性优化规则；其中，第一线路类型为关联有起点仓库的线路类型，第二线路类型为关联有终点用户的线路类型，第二线路类型为关联有除起点仓库之外的中间仓库的线路类型。
[0143]
其中，线路类型可以对应于上文所述线路选用信息的干线、支线、末端线等资源，包括但不局限于干线类型、支线类型以及末端线类型；第一线路类型可以是指干线类型；第二线路类型可以是指末端线类型；第三线路类型可以是指支线类型。
[0144]
具体实现中，不同线路类型适用于不同数值属性优化规则，而为了便于服务器200应用时直接调用不同的数值属性优化规则，因此可预先在服务器200中写入各个数值属性优化规则的配置数据，包括但不限于以表格信息进行配置，即可在服务器200中依据数值属性优化规则的差异，配置多个表格，各个表格中包含多个字段，以此实现对数值属性优化规则的预配置。
[0145]
更具体地，对于一个有n层供货层(包括：工厂、仓库、供货商等)+末端客户的供应链网络，设置一个长度为n的列表[l]，该列表[l]的元素为“boolean”型(true/false)，用于存储第一优化规则的相关信息，即用于配置各供货层在向下游供货时是否采用第一优化规则。此外，还有一个列表[pl]，该列表给出在[l]中配置为“true”的供货层的第一优化规则配置详情。但对于在[l]中配置为“false”的供货层，则它们对应的网络层次下允许分流向配置第二优化规则，且这些分流向使用详细供应链网络层次的第二优化规则配置保存在列表[m]中。
[0146]
进一步地，列表[l]包含的信息为“true”和/或“false”；列表[pl]包含的字段至少存在以下之一：“指定运输模式(如1、2、3等下文提出的八种数值属性分析函数)”、“每单每公里价格(如2、5、8等单价)”、“成本属性(如件量、重量、体积等属性)”、“物流产品(如标快、特惠、重货等产品)”、“物流产品代码”、“指定装车类型(如冷藏、常温等装车类型)”、“装车运输模式车辆装载限制属性(如体积装载限制、重量装载限制等属性)”、“零担运输模式下的货量单位(如货量使用体积单位、货量使用重量单位)”、“整车运输模式车辆装载限制属性(如体积装载限制、重量装载限制)”；列表[m]包含的字段至少有以下之一：“应用的网络层级(如：0表示工厂出发层、1至n表示仓库出发层)”、“供应起点(如仓库a的仓库地址信息)”、“供应终点(如末端客户a的用户地址信息)”、“物流产品类型(如标快、特惠、重货等产品)”。
[0147]
更进一步地，若服务器200检测到某个阶段供应对象的线路类型为干线类型或者末端线类型，则可以确定该阶段供应对象适用的数值属性优化规则为第一优化规则，即服务器200可调取列表[l]，并在表[l]中对应记录的同一个阶段供应对象下写入“true”；若服务器200检测到某个阶段供应对象的线路类型为支线类型，则可以确定该阶段供应对象适用的数值属性优化规则为第二优化规则，即服务器200可调取列表[l]，并在表[l]中对应记录的同一个阶段供应对象下写入“false”。
information system，gis)提前获取得到全网流向的距离矩阵，保持在供应链网络优化系统供查询；数值为用户输入的单位运输数值属性，值不小于0，存储在任务需求信息之中。
[0159]
其二，物流产品分析模式，是一种按流向分别分析的模式，总数值属性资源与货物的重量和体积相关，分析函数式如下：
[0160]
总数值属性资源＝首重数值属性+(计费重量-首重)*续重数值属性；
[0161]
其中，不同的“产品代码”划分的重量区间可以不同。例如上表1中，“特惠”物流产品将货物计算的重量区间划分为[0，27.5]、(27.5，30]、(30，9999999]三个区间，单位公斤(kg)。而“标快”物流产品则没有划分，使用一个计算区间[0，9999999]。例如，起点城市(10)到终点城市(21)“特惠”重量10kg，那么计算选择第一个区间段：总数值属性资源＝18+(10-1)*5；若重量为35kg，则取最后一个区间段：总数值属性资源＝150+(35-30)*5。
[0162]
需要说明的是，托寄物的“计费重量”取“体积重量”与“实际重量”两者之间的较大值：体积重量＝长(cm)
×
宽(cm)
×
高(cm)
÷
轻抛系数；计费重量＝max(体积重量，实际重量)。计费重量考虑托寄物的轻抛系数与体积重量的背景在于，有些托寄物的重量轻，但是体积庞大。对于这种“轻抛货物”只考虑其实际重量的话，对物流承运公司的管理计算不合理。若存在完全不考虑“体积重量”的场景，则将轻抛系数设为“0”即可。如此不仅可以提高仓网优化效率，还可提升供应链网络的作用性能。
[0163]
其三，专车运输分析模式，该模式下货物独占运输车辆，不论货物是否达到运输车辆的限载容量。当运输货物超过一辆车的装载限制时，将会有多辆车被使用。为了使得供应链网络的数值属性实现最优，算法会使用尽可能少的车辆来执行目标供应任务，并在可以完成任务的前提下尽可能选择小吨位的车型车辆。选定吨位车型和数量后，货物优先使用大吨位的车辆运输。在计算使用的车辆数量时，车辆的满载是通过体积、重量或二者都考虑，可以通过用户配置来选择，分析函数式如下：
[0164]
总数值属性资源＝单公里数值属性*距离*用车数量；
[0165]
其四，零担流向分析模式，该模式对每个物流流向进行单独分析，对处于不同重量区间的货量分析方式也不同。由于零担运输不独占一辆完整车辆，同城的货物会一起配送，所以每辆运输车辆会根据行驶的一趟运输线路上送货的客户数量收取“送货费”。另外，每辆运输车辆还有最低资源限制，保证线路上客户数量很少时车辆的基本数值属性状态较优，分析函数式如下：
[0166]
总数值属性资源＝max(单位数值属性*运输货物量，最低资源)+每客户送货资源*客户数；
[0167]
其五，整车流向分析模式，该模式下多个客户(通常是同城的客户)的货物共同占用若干辆运输车辆。运输所需数值属性的计算分流向，每辆用车都有使用的“数值属性下限”。并且，当一辆车服务多个客户的货物时，从第二个客户开始，每个客户增加“附加数值属性”，分析函数式为各辆车的数值属性之和，一辆车的数值属性计算公式为：
[0168]
总数值属性资源＝数值属性下限+附加数值属性；
[0169]
实际应用中，首先要确认本次运输需要的车型与各车型用车数，此处的使用与“专车运输分析模式”一样的车型与用车数优化算法进行优化计算，得到使用的车型以及需要的各车型数量。考虑到多个客户的托寄物分布在不同车辆上，每辆车只考虑的自己运输的那部分客户的数量，即每辆车的“附加数值属性”是不同的。
[0170]
其六，零担距离区间分析模式，该模式与流向无关，只看运输货量与运输距离的值，当这两个值落在不同的区间时，数值属性分析方式不同，与零担流向分析模式算法一致，但需要根据所托运的货物的运输距离与运输货量先查询单位运输数值属性，分析函数式如下：
[0171]
总数值属性资源＝max(单位数值属性*运输货物量，最低资源)+每客户送货资源*客户数；
[0172]
其七，整车距离区间分析模式，该模式类似“整车流向分析模式”，区别在于此处具体数值属性需要根据运输货量与运输距离值查表得到，分析函数式为各辆车的数值属性之和，一辆车的数值属性计算公式为：
[0173]
总数值属性资源＝数值属性下限+距离相关数值属性+附加数值属性；
[0174]
其八，每单位每公里流向分析模式，该模式即分流向的“每单位每公里分析模式”，即不同流向下，每单位每公里运输的数值属性分析方式不同，分析函数式如下：
[0175]
总数值属性资源＝货量*距离*数值属性；
[0176]
需要说明的是，以上八种数值属性分析模式都被支持，通过灵活组合，使供应链网络优化时、评估网络性能时能够更贴近真实的运营场景，得到更准确的运输数值属性估算值，获取到性能更优的供应链网络。
[0177]
s204，当优化后的供应链网络满足预设数值属性需求指标时，将优化后的供应链网络作为目标供应链网络。
[0178]
具体实现中，服务器200对初始供应链网络进行数值属性优化，所得优化后的供应链网络不一定满足预设数值属性需求指标，所以还需判断当前所得供应链网络是否满足于预设数值属性需求指标，若是则可以停止优化，得到最终所需的目标供应链网络；若否则需要继续优化，以获取满足于预设数值属性需求指标的目标供应链网络。
[0179]
在一个实施例中，本步骤包括：针对优化后的供应链网络，获取各个阶段供应对象选用的目标数值属性分析函数对应的函数总和，得到数值属性优化函数；基于数值属性优化函数，获取优化后的供应链网络的函数结果值；若函数结果值小于或等于预设数值属性需求指标对应的指标阈值，则判定优化后的供应链网络满足预设数值属性需求指标，并将优化后的供应链网络，作为目标供应链网络。
[0180]
具体实现中，服务器200基于数值属性优化规则，对初始供应链网络包含的各个阶段供应对象进行数值属性优化，得到优化后的供应链网络之后，由于初始供应链网络包含的各个阶段供应对象此时已配置有对应适用的目标数值属性分析函数，因此该优化后的供应链网络实质是一个具备数值属性分析能力的供应链网络，其后续可在实际应用场景中利用其最优的数值属性分析能力，为执行目标供应任务提供最佳数值属性估值。
[0181]
然而，供应链网络需满足预设数值属性需求指标，方能够为执行目标供应任务提供最佳数值属性估值。因此，若要判断优化后的供应链网络是否满足预设数值属性需求指标，服务器200可获取各个阶段供应对象选用的目标数值属性分析函数，进而分析各目标数值属性分析函数的函数总和，得到数值属性优化函数。再基于数值属性优化函数获取当前所得优化后的供应链网络的函数结果值，若判定函数结果值小于或等于预设数值属性需求指标对应的指标阈值，则判定当前所得优化后的供应链网络满足预设数值属性需求指标；若判定函数结果值大于预设数值属性需求指标对应的指标阈值，则判定当前所得优化后的
供应链网络不满足预设数值属性需求指标，需要重复执行上述数值属性优化步骤，以获取满足于预设数值属性需求指标的供应链网络，作为目标供应链网络。
[0182]
在一个实施例中，任务需求信息中还包括有订单需求数据，在上述步骤之后，还包括：基于预存的补货周期列表，对目标供应链网络进行优化，得到优化后的目标供应链网络；基于订单需求数据，获取各个有效仓库节点对应的订单需求总量，其中，各有效仓库节点为优化后的目标供应链网络中的仓库节点；基于订单需求总量、预设的补货周期时长以及补货周期列表，获取各有效仓库节点对应的周期库存量；基于周期库存量和预设的库存单价数据，对应获取各有效仓库节点的库存总成本；当库存总成本满足预设的优化终止条件时，将优化后的目标供应链网络，作为优选供应链网络。
[0183]
其中，补货周期列表可以是用于管理供应链网络中各个节点之间的补货周期的动态列表(l)。补货周期是指两次补货时间点之间的等待时长，例如，补货周期为“30天”，即表示两个节点对象之间每隔30天完成一次补货行动。
[0184]
其中，订单需求数据可以是包含订单品类、订单需求数量、订单获取体积以及订单时效要求等信息的数据。
[0185]
其中，周期库存量可表示为(w)、预设的补货周期时长可表示为(t)、订单需求总量可表示为(d)、预设的库存单价数据可表示为(o)。
[0186]
具体地，服务器200响应用户请求构建了初始供应链网络，并对初始供应链网络进行优化，得到目标供应链网络之后，即得到了具备节点信息、节点间基本关系以及数值属性分析规则的网络结构。但在物流供应链领域，还需响应用户需求，在节点间基本关系的基础之上设置补货周期，以便获取节点间补货关系。因此，服务器200在得到目标供应链网络之后，可使用用户预存的补货周期表，对目标供应链网络进行优化，以便得到如图4所示的优化后的目标供应链网络。
[0187]
例如，可参阅图4，服务器200可使用动态列表(l)来管理网络中各节点之间的补货周期参数，而(l)存储着自上而下各级仓库与末端客户的补货请求发起时间(如以“天”为单位)。因此，在有n级仓库的网络中，l的长度应该为n+1，即在n＝2的供应链网络中，有补货周期列表l＝45、30、7，则其表示“一级仓”每45天向“工厂/供应商”发起补货订单一次，“二级仓”每30天向“一级仓”发起补货订单一次，“客户/经销商”每7天向对应的仓库(“一级仓”或“二级仓”)发起补货订单一次。
[0188]
此外，服务器200基于补货周期对目标供应链网络进行优化，得到优化后的目标供应链网络，可进一步对该优化后的目标供应链网络进行迭代优化，即利用上述实施例所述的方案，对优化后的目标供应链网络进行节点状态优化、节点关系优化以及数值属性优化，以节省网络节点数量进而实现该网络在成本上的优化，同时获取最佳数值属性分析规则实现该网络在数值，例如，图5所示网络结构即为图4网络结构的又一优化形态，此时的网络结构相比之前的网络结构，省去了“二级仓”。
[0189]
进一步地，补货周期值决定了仓库的备货量，故而影响着仓库的库存成本，从而影响整个供应链网络的运营成本，成为评价一个供应链网络质量的重要因素。因此，本技术实施例不仅提出了通过补货周期表优化供应链网络的方案，还将提出在此基础上的供应链网络优选分析方案，以此判断添加上补货周期信息的目标供应链网络是否达到用户实际需求，进而将包含补货周期信息的供应链网络作为优选供应链网络，输出至用户使用。
[0190]
更进一步地，本技术实施例提出的供应链网络优选分析方案，即是指针对一个供应链网络，每个仓库的周期库存量(w)等于其覆盖的末端客户的需求量以及下一级仓库的库存量之和，当计算每个网络层级中各个仓库的库存成本时，不仅需要考虑对应仓库的补货周期，还需考虑对应仓库的补货周期时长，以此获取该仓库在补货周期时长下的周期库存量(w)，进而结合周期库存量(w)和库存单价数据(o)计算出该仓库的库存总成本。
[0191]
最终，对每个网络层次所用仓库的库存总成本求和，即可得到该供应链网络的总库存成本，再分析其是否满足预设的优化终止条件，如分析该总库存成本是否低于预设成本阈值，即可将满足优化终止条件的供应链网络作为优选供应链网络，以供用户使用。本实施例中涉及的优化终止条件，也可作为图6所示方案流程图中的“终止判断”条件，用户可基于实际应用需求调整图6所示方案流程图中的各个步骤细节，例如，扰动策略的增减、网络质量评估依据的增减、网络优化终止条件的增减等。
[0192]
例如，当前存在一个具有两层仓库的供应链网络(n＝2)，且其有一个补货周期列表(l＝90、30、7)。由此，“一级仓”每90天(l(1)＝90)向“工厂/供货商”发起一次补货请求；“二级仓”每30天(l(2)＝30)向“一级仓”发起一次补货请求。“客户/经销商”每7天(l(3)＝7)向“一级仓”或“二级仓”发起一次供货请求，而用户预设的补货周期时长t＝365(天)。
[0193]
那么，若需分析其中的某个二级仓，且基于上述方案分析得出其覆盖了10个客户节点，即需为这10个“客户”供货，而这10个客户365天的总订单需求是10000单位货物，即d＝10000，且该二级仓的周期库存量为w＝d/(t/l(2))，则w＝10000/(365/30)＝822。由此，若库存单价数据o＝20，则该二级仓的库存总成本q＝w*o＝822*20＝16440。最终，服务器200可以此方式获取该网络中各个仓库对应的库存总成本，计算总和得到该供应链网络的总库存成本，即可分析总库存成本与预设成本阈值的大小，来判断是否将该供应链网络作为优选供应链网络。由此，本技术实施例提出了通过设置补货周期，以利用库存成本优化供应链网络的方案，该方案在上述实施例所述方案的基础上进一步完善了供应链网络的优化细节，使得最终所得优选供应链网络的质量更加符合用户需求。
[0194]
上述实施例中的供应链网络优化方法，服务器通过响应于针对目标供应任务的任务规划请求构建初始供应链网络，进而分析初始供应链网络的资源选用信息，确定初始供应链网络适用的数值属性优化规则，以便基于数值属性优化规则，对初始供应链网络进行数值属性优化，获取优化后的供应链网络，并且当优化后的供应链网络满足预设数值属性需求指标时，将优化后的供应链网络作为目标供应链网络。本技术提出了针对于供应链网络的数值属性优化规则配置，为供应链网络提供了适用于多场景的数值属性分析方式，使得优化后的供应链网络具备更佳的数值属性分析性能，有效提高了仓网优化精度。同时，由于本技术提出的供应链网络优化方案，实质是以“仓库层级枚举代替供货关系枚举”为核心的仓网优化方案，且还提出采用邻域搜索方法，在适当的时间内得到可接受的近似最优解，避免了求解最优解的长时间运算等待。因此采用本方案，可大大减少网络优化过程中的搜索空间和搜索时间，进而有效提高供应链网络的优化效率。
[0195]
为了更好实施本技术实施例中的供应链网络优化方法，在供应链网络优化方法基础之上，本技术实施例中还提供一种供应链网络优化装置，如图7所示，所述供应链网络优化装置700包括：
[0196]
请求响应模块710，用于响应于针对目标供应任务的任务规划请求，构建初始供应
链网络；
[0197]
规则确定模块720，用于分析初始供应链网络的资源选用信息，确定初始供应链网络适用的数值属性优化规则；
[0198]
网络优化模块730，用于基于数值属性优化规则，对初始供应链网络进行数值属性优化，获取优化后的供应链网络；
[0199]
目标获取模块740，用于当优化后的供应链网络满足预设数值属性需求指标时，将优化后的供应链网络作为目标供应链网络。
[0200]
在本技术一些实施例中，请求响应模块710还用于接收针对于目标供应任务的任务规划请求，得到任务规划请求携带的任务需求信息，任务需求信息包括候选仓库信息和仓库层级数量；响应于任务规划请求，根据候选仓库信息和仓库层级数量，构建初始供应链网络。
[0201]
在本技术一些实施例中，规则确定模块720还用于获取初始供应链网络的资源选用信息，资源选用信息包括线路选用信息；分析线路选用信息，确定初始供应链网络包含的各个阶段供应对象对应的线路类型；根据线路类型，确定各阶段供应对象适用的数值属性优化规则，得到初始供应链网络适用的数值属性优化规则。
[0202]
在本技术一些实施例中，所述候选仓库信息包括仓库地址信息，规则确定模块720还用于根据候选仓库信息，获取初始供应链网络中的各个目标仓库节点的仓库地址信息，作为第一节点地址信息；确定任务需求信息包括的用户地址信息，作为第二节点地址信息；分析第一节点地址信息和第二节点地址信息，获取初始供应链网络的线路选用信息，作为资源选用信息。
[0203]
在本技术一些实施例中，规则确定模块720还用于若线路类型为第一线路类型或第二线路类型，则确定对应阶段供应对象适用的数值属性优化规则为第一优化规则；若线路类型为第三线路类型，则确定对应阶段供应对象适用的数值属性优化规则为第二优化规则；将第一优化规则和/或第二优化规则，作为初始供应链网络适用的数值属性优化规则；其中，第一线路类型为关联有起点仓库的线路类型，第二线路类型为关联有终点用户的线路类型，第二线路类型为关联有除起点仓库之外的中间仓库的线路类型。
[0204]
在本技术一些实施例中，所述数值属性优化规则包括第一优化规则和第二优化规则，网络优化模块730还用于若数值属性优化规则为第一优化规则，则分析任务需求信息，确定各个阶段供应对象的物流场景类型；根据物流场景类型，针对于预存的多个数值属性分析函数，筛选出各阶段供应对象适用的目标数值属性分析函数；基于目标数值属性分析函数，对初始供应链网络进行数值属性优化，获取优化后的供应链网络。
[0205]
在本技术一些实施例中，网络优化模块730还用于若数值属性优化规则为第二优化规则，则根据各个阶段供应对象的仓库地址信息，确定各个阶段供应对象关联的供应起点和供应终点；获取各个阶段供应对象适用的物流产品类型；根据物流产品类型、供应起点以及供应终点，筛选出各阶段供应对象适用的目标数值属性分析函数；基于目标数值属性分析函数，对初始供应链网络进行数值属性优化，获取优化后的供应链网络。
[0206]
在本技术一些实施例中，目标获取模块740还用于针对优化后的供应链网络，获取各个阶段供应对象选用的目标数值属性分析函数对应的函数总和，得到数值属性优化函数；基于数值属性优化函数，获取优化后的供应链网络的函数结果值；若函数结果值小于或
等于预设数值属性需求指标对应的指标阈值，则判定优化后的供应链网络满足预设数值属性需求指标，并将优化后的供应链网络，作为目标供应链网络。
[0207]
上述实施例中的供应链网络优化装置，不仅为供应链网络提供了适用于多场景的数值属性分析方式，使得优化后的供应链网络具备更佳的数值属性分析性能，有效提高了仓网优化精度，还避免了求解最优解的长时间运算等待，大大减少网络优化过程中的搜索空间和搜索时间，提高了供应链网络的优化效率。
[0208]
在本技术一些实施例中，供应链网络优化装置700可以实现为一种计算机程序的形式，计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该供应链网络优化装置700的各个程序模块，比如，图7所示的请求响应模块710、规则确定模块720、网络优化模块730以及目标获取模块740。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本技术各个实施例的供应链网络优化方法中的步骤。
[0209]
例如，图8所示的计算机设备可以通过如图7所示的供应链网络优化装置700中的请求响应模块710执行步骤s201。计算机设备可通过规则确定模块720执行步骤s202。计算机设备可通过网络优化模块730执行步骤s203。计算机设备可通过目标获取模块740执行步骤s204。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和内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种供应链网络优化方法。
[0210]
本领域技术人员可以理解，图8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。
[0211]
在本技术一些实施例中，提供了一种计算机设备，包括一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述供应链网络优化方法的步骤。此处供应链网络优化方法的步骤可以是上述各个实施例的供应链网络优化方法中的步骤。
[0212]
在本技术一些实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器进行加载，使得处理器执行上述供应链网络优化方法的步骤。此处供应链网络优化方法的步骤可以是上述各个实施例的供应链网络优化方法中的步骤。
[0213]
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，所述的计算机程序可存储于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。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-only memory，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(random access memory，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，如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0214]
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。
[0215]
以上对本技术实施例所提供的一种供应链网络优化方法、装置、计算机设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。