一种自适应库存补充策略优化方法、装置、终端及介质

本技术涉及大数据，尤其涉及一种自适应库存补充策略优化方法、装置、终端及介质。

背景技术：

1、在产业链的销售环节中，销售产品及时合理的补货是保障终端销售企业持续稳定营运过程的十分重要的一环。决策者在制定补货决策时，不仅要满足企业的销售需求，还需要尽可能地将销售所得总利润最优化，因此，如何充分利用大数据优化库存补充策略，以平衡好企业的盈利需求和产品库存补充成本之间的关系，从而实现企业的营业利润最优化，是本领域技术人员亟待解决的问题。

2、现有的库存补充策略大多以单元补货周期为单位，基于单周期最优化结果，输出对应的库存补充指引信息，以供工作人员参考，在实际应用中，这种库存补充策略只考虑短期的收益最优化，对于以长期营业利润最优化为目标的企业，现有的库存补充策略难以给出可靠的库存补充指引信息，需要依靠专业人员基于短期最优的库存补充指引信息，结合自身的知识和经验制定长期的库存补充策略，但这种方式容易受决策人员的主观认知水平影响，可靠性差。

技术实现思路

1、本技术提供了一种自适应库存补充策略优化方法、装置、终端及介质，用于解决现有的库存补充策略对于以长期营业利润最优化为目标的应用场景存在可靠性差的技术问题。

2、为解决上述技术问题，本技术第一方面提供了自适应库存补充策略优化方法，包括：

3、获取产品的历史销售数据；

4、根据所述历史销售数据，分别提取所述历史销售数据中销售量、进货价格与补货周期之间的时序关联关系，再根据所述时序关联关系，通过时序预测得到未来多个补货周期的预测销售量、安全库存量和预测进货价格；

5、根据获取到的库存容纳上限和单位库存成本，结合所述预测销售量、所述预测进货价格和每个补货周期的安全库存量，代入预设的库存补充优化模型，以通过所述库存补充优化模型的迭代求解，得到库存补充指引信息。

6、优选地，所述库存补充优化模型的目标函数具体为：

7、

8、式中，为所述库存补充优化模型的输出值，<mstyle displaystyle="true" mathcolor="#000000"><msup><mi>q</mi><mi>s</mi></msup><mrow><mo>[</mo><mrow><mi>i</mi><mi>,</mi><mi>j</mi></mrow><mo>]</mo></mrow></mstyle>为产品i在第j个补货周期的预设销售价格，<mstyle displaystyle="true" mathcolor="#000000"><msup><mi>t</mi><mi>s</mi></msup><mrow><mo>[</mo><mrow><mi>i</mi><mi>,</mi><mi>j</mi></mrow><mo>]</mo></mrow></mstyle>为产品i在第j个补货周期的预测销售量，<mstyle displaystyle="true" mathcolor="#000000"><mi>q</mi><mrow><mo>[</mo><mrow><mi>i</mi><mi>,</mi><mi>j</mi></mrow><mo>]</mo></mrow></mstyle>为产品i在第j个补货周期的预测进货价格，<mstyle displaystyle="true" mathcolor="#000000"><mi>t</mi><mrow><mo>[</mo><mrow><mi>i</mi><mi>,</mi><mi>j</mi></mrow><mo>]</mo></mrow></mstyle>为产品i在第j个补货周期的补货量，为单元库存成本，<mstyle displaystyle="true" mathcolor="#000000"><msup><mi>t</mi><mi>r</mi></msup><mrow><mo>[</mo><mrow><mi>i</mi><mi>,</mi><mi>j</mi></mrow><mo>]</mo></mrow></mstyle>为产品i在第j个补货周期开始时的库存囤积量。

9、优选地，所述库存补充优化模型的约束条件具体包括：

10、

11、式中，<mstyle displaystyle="true" mathcolor="#000000"><msup><mi>l</mi><mi>a</mi></msup><mrow><mo>[</mo><mi>i</mi><mo>]</mo></mrow></mstyle>为产品i的历史最大销售量，<mstyle displaystyle="true" mathcolor="#000000"><mi>l</mi><mrow><mo>[</mo><mi>j</mi><mo>]</mo></mrow></mstyle>为补货周期j内对所有产品安全库存量，<mstyle displaystyle="true" mathcolor="#000000"><mi>s</mi><mrow><mo>[</mo><mi>j</mi><mo>]</mo></mrow></mstyle>为补货周期j中库存最大容纳量，<mstyle displaystyle="true" mathcolor="#000000"><msup><mi>t</mi><mi>r</mi></msup><mrow><mo>[</mo><mrow><mi>i</mi><mi>,</mi><mi>j</mi><mo>+</mo><mn>1</mn></mrow><mo>]</mo></mrow></mstyle>为产品i在第j+1个补货周期开始时的库存囤积量，m为产品种类数量，n为补货周期的数量。

12、优选地，通过所述库存补充优化模型的迭代求解，得到库存补充指引信息具体包括：

13、通过所述库存补充优化模型的目标函数和约束条件，使用pulp线性规划求解器进行迭代求解，以根据所述库存补充优化模型输出的最优解，确定各个补货周期的初始库存补充量，用于生成库存补充指引信息。

14、优选地，确定各个补货周期的初始库存补充量之后还包括：

15、根据所述产品在单个补货周期的初始库存补充量，计算所述单个补货周期的预测利润值；

16、根据所述单个补货周期的前序补货周期，结合预先补货的补货量约束条件，确定各个前序补货周期的库存补充量，并基于所述库存预补充量，计算所述各个前序补货周期的预测利润值；

17、对各个所述预测利润值进行比较，确定预测利润值最大值对应的目标补货周期和目标库存补充量，根据所述目标库存补充量对所述目标补货周期的初始库存补充量进行更新，并重新迭代求解确定各个补货周期的库存补充量，以更新所述库存补充指引信息。

18、优选地，所述库存容纳上限和所述单位库存成本的获取方式具体包括：

19、获取产品的历史库存记录数据；

20、根据所述历史库存记录数据中的库存量最大值确定所述库存容纳上限；

21、根据所述历史库存记录数据中的多个补货周期的库存量与总库存成本支出的比值，确定所述单位库存成本。

22、优选地，根据所述时序关联关系，通过时序预测得到未来多个补货周期的预测销售量、安全库存量和预测进货价格具体包括：

23、根据所述时序关联关系，通过arima时序预测算法对产品的销售量和进货价格的时序变化趋势进行预测，得到未来多个补货周期的预测销售量和预测进货价格。

24、同时，本技术第二方面提供了一种自适应库存补充策略优化装置，包括：

25、历史销售数据获取单元，用于获取产品的历史销售数据；

26、特征提取和时序预测单元，用于根据所述历史销售数据，分别提取所述历史销售数据中销售量、进货价格与补货周期之间的时序关联关系，再根据所述时序关联关系，通过时序预测得到未来多个补货周期的预测销售量、安全库存量和预测进货价格；

27、模型优化单元，用于根据获取到的库存容纳上限和单位库存成本，结合所述预测销售量、所述预测进货价格和每个补货周期的安全库存量，代入预设的库存补充优化模型，以通过所述库存补充优化模型的求解，得到库存补充指引信息。

28、本技术第三方面提供了一种自适应库存补充策略优化终端，包括：存储器和处理器；

29、所述存储器用于存储与如本技术第一方面提供的一种自适应库存补充策略优化方法相对应的程序代码；

30、所述处理器用于执行所述程序代码。

31、本技术第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中保存有程序代码，所述程序代码用于被处理器执行，以实现如本技术第一方面提供的一种自适应库存补充策略优化方法。

32、从以上技术方案可以看出，本技术具有以下优点：

33、本技术技术方案基于产品的历史销售数据，根据历史销售数据，分别提取历史销售数据中销售量、进货价格与补货周期之间的时序关联关系，再根据时序关联关系，通过时序预测得到未来多个补货周期的预测销售量、安全库存量和预测进货价格，并结合库存容纳上限、单位库存成本和安全库存量等，代入预设的库存补充优化模型以进行迭代求解，从而得到代表各产品在多个补货周期内最大化预测利润的模型最优解，并基于该最优解自动化输出相应的库存补充指引信息，以便于工作人员按照该库存补充指引信息执行长期库存补充，避免个人主观认知因素对库存补充策略产生的不稳定影响，从而提高可靠性。