本發(fā)明涉及物流調度，具體涉及一種基于動態(tài)規(guī)劃的供應鏈物流智能調度方法。

背景技術：

1、基于動態(tài)規(guī)劃的供應鏈物流智能調度是指通過運用動態(tài)規(guī)劃(dynamicprogramming,dp)算法來優(yōu)化供應鏈中的物流調度問題。具體而言，動態(tài)規(guī)劃是一種將復雜問題分解為多個子問題并通過遞歸方式求解的優(yōu)化方法。在供應鏈物流中，智能調度意味著根據實時的需求、庫存、運輸路線、運輸工具和其他資源的約束條件，動態(tài)地調整物流運輸方案，以最小化成本、提高效率，并滿足服務水平。通過動態(tài)規(guī)劃的優(yōu)化策略，可以有效地解決路徑選擇、貨物分配、運輸計劃等問題，尤其在面對不確定性(如需求波動、交通狀況等)時，能夠提供靈活且高效的解決方案。

2、現有技術存在以下不足：

3、在現有的物流智能調度系統(tǒng)中，為了確保整體供應鏈運作的高效性，通常會對多個倉庫進行周期性數據更新，確保庫存信息、運輸計劃和需求預測等關鍵數據能夠及時更新和共享。然而，當某個倉庫頻繁進行出入庫操作時，如果數據更新周期不足以支持實時需求，就會導致滯后的庫存信息，進而影響決策的準確性。具體來說，系統(tǒng)可能依然認為某個倉庫庫存充足，但實際上庫存已接近耗盡，導致補貨計劃無法及時執(zhí)行，從而引發(fā)庫存短缺。這種短缺不僅會影響供應的持續(xù)性，還可能導致訂單延遲交付，進而影響客戶滿意度和企業(yè)聲譽。另一方面，過時的庫存數據可能會使系統(tǒng)在需求減少時繼續(xù)執(zhí)行補貨計劃，造成庫存過剩。這種過剩不僅占用了寶貴的倉儲空間，還增加了存儲成本，并可能導致額外的處理和處置費用，進而影響整體供應鏈的成本效益。因此，數據同步滯后嚴重影響庫存管理的精準度，增加了短缺風險和庫存過剩問題，最終對供應鏈的效率和成本控制產生負面影響。

4、在所述背景技術部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。

技術實現思路

1、本發(fā)明的目的是提供一種基于動態(tài)規(guī)劃的供應鏈物流智能調度方法，通過提取訂單生成頻率、完成頻率及多品類覆蓋率等特征，結合深度學習模型智能評估，該方法精準量化倉庫出入庫狀態(tài)，劃分為高頻與穩(wěn)定兩類，并智能調控同步周期。高頻倉庫縮短周期確保數據實時更新，避免庫存短缺或過剩；穩(wěn)定倉庫維持預設周期，減少資源浪費。此策略提升供應鏈對市場波動的響應能力，優(yōu)化補貨與運輸效率，同時降低同步成本，實現精益化管理，以解決上述背景技術中的問題。

2、為了實現上述目的，本發(fā)明提供如下技術方案：一種基于動態(tài)規(guī)劃的供應鏈物流智能調度方法，包括以下步驟：

3、首先，以預設的數據同步周期，作為基礎的數據更新周期，執(zhí)行倉庫間數據同步任務；

4、在數據同步過程中，實時獲取各倉庫的出入庫操作數據，反映倉庫的實際運營狀況；

5、對獲取的數據進行預處理后從中提取出反映倉庫頻繁出入庫操作的特征，在檢測窗口下對提取的特征進行分析，通過分析后的特征量化倉庫出入庫狀態(tài)；

6、將經過分析后的特征輸入至預先學習好的深度學習模型中，通過深度學習模型對倉庫出入庫情況進行中智能化評估；

7、基于深度學習模型的評估結果，將倉庫的出入庫狀態(tài)劃分為高頻出入庫和穩(wěn)定出入庫兩類；

8、針對穩(wěn)定出入庫，繼續(xù)以預設的數據同步周期進行各倉庫之間數據同步；

9、對于高頻出入庫，根據深度學習模型的評估結果，智能化地調整倉庫間數據同步周期，實現自適應的數據同步需求，確保各倉庫之間的數據保持高效同步。

10、優(yōu)選的，對獲取的數據進行預處理后從中提取出反映倉庫頻繁出入庫操作的特征，提取的特征包括倉庫中訂單的生成以及完成頻率和出入庫操作涉及的商品品類數量占倉庫總商品品類數量的比例變化，在檢測窗口下，對倉庫中訂單的生成以及完成頻率和出入庫操作涉及的商品品類數量占倉庫總商品品類數量的比例變化進行分析，分別生成訂單驅動操作量化值和多品類操作覆蓋量化值，訂單驅動操作量化值量化了由訂單生成和完成直接引發(fā)的倉庫出入庫操作頻率與總操作頻率的比例，多品類操作覆蓋量化值量化了出入庫操作涉及的商品品類數量占倉庫總商品品類數量的比例變化。

11、優(yōu)選的，將倉庫中訂單的生成以及完成頻率在檢測窗口下進行分析生成訂單驅動操作量化值的具體步驟如下：

12、提取倉庫訂單生成的相關數據，計算訂單生成因子，用于量化訂單生成對倉庫操作的驅動力，計算表達式如下：

13、

14、，式中，og是訂單生成因子，t0是檢測窗口開始時間，t1是檢測窗口結束時間，r(t)是訂單生成權重系數，表示在時間t時刻，不同訂單對倉庫操作的重要性權重，n(t)是訂單生成數量，是訂單生成速率，表示在時間t時刻，檢測窗口內累計生成的訂單數量；

15、分析訂單完成的頻率與操作影響，計算訂單完成因子，計算表達式如下：

16、

17、，式中，oc是訂單完成因子，w(i)是第i個訂單的完成權重系數，f(i)是第i個訂單完成的頻率，v(i)是第i個訂單涉及的訂單數量，l(i)是第i個訂單完成時消耗的倉庫物流資源量，n是完成訂單總數；

18、通過訂單生成因子og和訂單完成因子oc生成訂單驅動操作量化值，生成公式如下：

19、

20、，式中，odi是訂單驅動操作量化值，α是訂單生成因子og的權重系數，β是訂單完成因子oc的權重系數，δt是訂單生成到訂單完成的時間，tmax是訂單處理的最大允許時間，π是數學常數。

21、優(yōu)選的，將出入庫操作涉及的商品品類數量占倉庫總商品品類數量的比例變化在檢測窗口下進行分析生成多品類操作覆蓋量化值的具體步驟如下：

22、每個商品品類的操作頻率反映其在出入庫操作中的活躍程度，為描述這一特性，定義商品品類參與操作比重，用于衡量商品品類在當前時間段內的操作頻繁程度，公式如下：

23、

24、，式中，φj(t)是第j個商品品類在時間t內的出入庫操作總次數，φj是第j個商品品類的理論最大操作次數，pj(t)是第j個商品品類在時間t內的操作參與比重；

25、商品品類的操作參與頻率不僅影響單個商品的流轉，還與整體操作的分布有關，因此，通過計算商品品類參與操作的動態(tài)分布特性因子，來量化商品操作參與的廣度與動態(tài)性，計算表達式如下：

26、

27、，式中，d是動態(tài)分布特性因子，∈是平滑因子，m是商品品類總數量，γ(t)是時間t內所有品類參與操作強度的歸一化因子，計算表達式如下：

28、在出入庫操作中，通過計算當前商品品類參與操作比重與其基準值的偏差提取覆蓋波動特性，計算表達式如下：

29、

30、，式中，δc是操作覆蓋波動特性，是第j個商品品類基準操作參與比重，是時間權重衰減因子，e是自然底數，λ是衰減速率控制參數，t0是檢測窗口開始時間；

31、綜合動態(tài)分布特性因子d和操作覆蓋波動特性δc，生成多品類操作覆蓋量化值，生成公式如下：式中，mcof是多品類操作覆蓋量化值，ω是綜合動態(tài)分布特性因子d的權重參數，是操作覆蓋波動特性δc是權重參數。

32、優(yōu)選的，對提取的特征進行分析后，將經過分析后生成的訂單驅動操作量化值和多品類操作覆蓋量化值輸入至預先學習好的深度學習模型中，通過深度學習模型生成出入庫頻率指數，通過出入庫頻率指數對倉庫出入庫情況進行中智能化評估。

33、優(yōu)選的，將通過預先訓練好的深度學習模型對倉庫出入庫情況進行中智能化評估時生成的入庫頻率指數與預先設定的入庫頻率指數參考閾值進行比對分析，對倉庫的出入庫狀態(tài)進行劃分，劃分步驟如下：

34、若入庫頻率指數大于預先設定的入庫頻率指數參考閾值，則將當前倉庫出入庫劃分為高頻出入庫；

35、若入庫頻率指數小于等于預先設定的入庫頻率指數參考閾值，則將當前倉庫出入庫劃分為穩(wěn)定出入庫。

36、優(yōu)選的，對于高頻出入庫，根據深度學習模型的評估結果，智能化地調整倉庫間數據同步周期，實現自適應的數據同步需求，確保各倉庫之間的數據保持高效同步的具體步驟如下

37、在倉庫被判定為高頻出入庫狀態(tài)后，為精確量化入庫頻率指數ifi與入庫頻率指數參考閾值的偏離程度，進一步優(yōu)化數據同步周期計算同步調整系數，調整系數計算公式如下：

38、

39、，式中，k是靈敏度因子，ifiref是入庫頻率指數參考閾值，δ是穩(wěn)定調整因子，控制指數調節(jié)部分的平滑性，是指數函數，e是自然底數，q是調整強度因子，h是同步調整系數，用于調整數據同步周期的比例因子；

40、在獲得同步調整系數h后，計算智能化調整后的數據同步周期，以適應當前高頻出入庫狀態(tài)的同步需求，計算表達式如下：

41、

42、，式中，tadjusted是調整后的數據同步周期，tpreset是預設的數據同步周期，μ是復雜性調節(jié)因子，σifi是入庫頻率指數的標準差，ifiavg是入庫頻率指數的歷史平均值，∈是平滑因子。

43、在上述技術方案中，本發(fā)明提供的技術效果和優(yōu)點：

44、本發(fā)明通過提取訂單生成頻率、完成頻率及多品類覆蓋率等關鍵特征，結合深度學習模型的智能化評估，該方法能夠精準量化倉庫的出入庫狀態(tài)，并將其劃分為高頻出入庫和穩(wěn)定出入庫兩類，實現對數據同步周期的智能化調控。針對高頻出入庫倉庫，縮短同步周期確保數據的實時更新，避免因滯后信息導致的庫存短缺或過剩；而對穩(wěn)定出入庫倉庫，則維持預設同步周期，降低頻繁同步帶來的資源浪費。這種差異化策略不僅提升了供應鏈對市場變化和訂單波動的響應能力，保障補貨、調配和運輸環(huán)節(jié)的高效執(zhí)行，還通過優(yōu)化系統(tǒng)負載和減少冗余同步顯著降低了數據同步的整體成本，最終助力企業(yè)在復雜供應鏈網絡中實現高效、精益化的管理。