The invention provides a chain store distribution optimization method and system under the background of e-commerce. The method can adopt Lagrange relaxation algorithm, assist MATLAB programming, and RDMLR algorithm for reference, and obtain the minimum lower bound value. Lagrange relaxation algorithm is a decomposition and coordination algorithm, which can calculate large-scale linear programming problems, has strong robustness and efficiency. In addition, Lagrange algorithm can quickly converge to the feasible solution, oscillation converges to the optimal solution.
【技术实现步骤摘要】
电商背景下连锁实体店配送优化方法及系统
本专利技术涉及一种电商背景下连锁实体店配送优化方法及系统。
技术介绍
电子商务的快速发展对实体店业务形成较大冲击,通常表现在:线上电商平台的销售量增加,客户订单批次较多,数量较少,订单碎片化特征明显;而线下实体店的现场销售量下滑,功能逐渐转向客户体验及终端配送。研究表明,线上线下二种销售渠道同时展开时会相互产生稀释效应和协同效应。主要表现在:线上电商平台大量碎片化订单增加了连锁实体店的配送成本、库存成本等,线下实体店订单面临订单量下滑、料、工、费上涨,订单成本上升等问题。如何综合考量上述要素,对连锁实体店如何进行重新布局,如何规划得到连锁实体店最低总运营成本是目前亟待解决的问题。
技术实现思路
本专利技术的目的在于提供一种电商背景下连锁实体店配送优化方法及系统,能够解决综合考量各要素,对连锁实体店如何进行重新布局,规划得到连锁实体店最低总运营成本的问题。为解决上述问题,本专利技术提供一种电商背景下连锁实体店配送优化方法,包括:获取电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本的数据;根据电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本等数据,采用拉格朗日松弛算法迭代求解运营总成本的上界与下界,根据运营总成本的上界与下界找出最小运营总成本对应的销售状态。进一步的,在上述方法中,根据电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本等数据,采用拉格朗日松弛算法迭代求解运营总成本的上界与下界,根据运营总成本的 ...
【技术保护点】
1.一种电商背景下连锁实体店配送优化方法,其特征在于,包括:获取电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本的数据;根据电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本等数据,采用拉格朗日松弛算法迭代求解运营总成本的上界与下界,根据运营总成本的上界与下界找出最小运营总成本对应的销售状态。
【技术特征摘要】
1.一种电商背景下连锁实体店配送优化方法,其特征在于,包括:获取电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本的数据;根据电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本等数据,采用拉格朗日松弛算法迭代求解运营总成本的上界与下界,根据运营总成本的上界与下界找出最小运营总成本对应的销售状态。2.如权利要求1所述的电商背景下连锁实体店配送优化方法,其特征在于,根据电商平台销售量的增长率与实体门店销售量的下降率、库存成本、配送成本、零售门店固定运营成本等数据,采用拉格朗日松弛算法迭代求解运营总成本的上界与下界,根据运营总成本的上界与下界找出最小运营总成本对应的销售状态,包括:步骤S21,算出拉格朗日乘子λj的初始值,及初始的上界值UB与下界值LB;步骤S22,设定松弛问题的约束条件,建立拉格朗日对偶问题LD;步骤S23,进行迭代:将所述对偶问题LD加入所述约束后,采用MATLAB混合整数规划模型求解得到确定值,将上述求解得到的确定值代入原问题求解问题,得到当前计算的上界值与下界值,如果当前计算的上界值为最优或小于上一次计算的上界值,则将当前的上界值设为新的上界值UB;步骤S24,判断所述迭代是否满足停止条件或收敛条件,若满足所述停止条件或收敛条件,则迭代停止转步骤S25;步骤S25,用RDMLR算法更新拉格朗日乘子,令拉格朗日乘子中的指数n=n+1后,判断当前指数n是否大于预设阈值,若是,转步骤S26;步骤S26:运用可行化方法将初始序列可行化,算法结束。3.如权利要求2所述的电商背景下连锁实体店配送优化方法,其特征在于,判断当前指数n是否大于预设阈值步骤S24中,判断所述迭代是否满足停止条件或收敛条件之后,还包括:若不满足所述停止条件或收敛条件,则转步骤S23。4.如权利要求2所述的电商背景下连锁实体店配送优化方法,其特征在于,所述停止条件或收敛条件包括连续两次求解下界差值大于8%,或者已达到最大迭代次数800。5.如权利要求2所述的电商背景下连...
【专利技术属性】
技术研发人员:欧阳芳,桂德怀,姚晓东,许斌,
申请(专利权)人:苏州工业职业技术学院,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。