电商背景下连锁实体店配送优化方法及系统技术方案

本发明专利技术提供了一种电商背景下连锁实体店配送优化方法及系统，本发明专利技术可以采用的拉格朗日松弛算法，辅助MATLAB编程，及RDMLR算法进行参照，求得最小下界值。拉格朗日松弛算法是一种分解协调算法，能够计算大规模的线性规划问题，拥有较强的鲁棒性和高效性，此外，拉格朗日算法能够快速收敛到可行解，震荡收敛到最优解。

Chain store distribution optimization method and system under the background of electricity supplier

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。进一步的，在上述方法中，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。进一步的，在上述方法中，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。进一步的，在上述方法中，进一步的，在上述方法中，进一步的，在上述方法中，进一步的，在上述方法中，步骤S25中，判断当前指数n是否大于预设阈值之后，还包括：若否，转到步骤S24。根据本专利技术的另一面，提供一种电商背景下连锁实体店配送优化系统，包括：获取模块，用于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；计算模块，用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。进一步的，在上述系统中，所述计算模块，包括：第一单元，用于算出拉格朗日乘子λj的初始值,及初始的上界值UB与下界值LB；第二单元，用于设定松弛问题的约束条件,建立拉格朗日对偶问题LD；第三单元，用于进行迭代：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LB，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；第四单元，用于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，则迭代停止转第五单元；第五单元，用于通过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，转到第六单元；第六单元，用于运用可行化方法将初始序列可行化，算法结束。进一步的，在上述系统中，进一步的，在上述系统中，所述第四单元，还用于若不满足所述停止条件或收敛条件，则转所述第三单元。进一步的，在上述系统中，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。进一步的，在上述系统中，所述第五单元，还用于判断当前指数n是否大于预设阈值之后，若否，转到所述第四单元。与现有技术相比，本专利技术采用的拉格朗日松弛算法，辅助MATLAB编程，及RDMLR算法进行参照，求得最小下界值。拉格朗日松弛算法是一种分解协调算法，能够计算大规模的线性规划问题，拥有较强的鲁棒性和高效性，此外，拉格朗日算法能够快速收敛到可行解，震荡收敛到最优解。附图说明图1是本专利技术一实施例的拉格朗日松弛计算求解结果图；图2是本专利技术一实施例的配送范围与总运营成本图；图3是本专利技术一实施例的线上线下占比与总运营成本图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如图1所示，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：步骤S1，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；步骤S2，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。在此，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(LagrangianRelaxation)、迭代求解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，能够得出该品牌在一定约束条件下最适合的线上线下增长率(下降率)，并指导企业如何根据线下线下的销售业务，调整连锁实体店，以获取区域范围内最低运营总成本。本专利技术提供一种根据线上的销售动态，相应地进行连锁实体店的重新布局(包括：零售门店数量的调整、零售门店的定位调整等)进行线上线下协同，降低品牌整体配送成本，库存成本，达到最小总运营成本，并实现快速送达及良好客户体验的方法。本专利技术可以采用的拉格朗日松弛算法，辅助MATLAB编程，及RDMLR算法进行参照，求得最小下界值(最优解)。拉格朗日松弛算法(LR)是一种分解协调算法，能够计算大规模的线性规划问题，拥有较强的鲁棒性和高效性，此外，拉格朗日算法能够快速收敛到可行解，震荡收敛到最优解。本专利技术的电商背景下连锁实体店配送优化方法一实施例中，步骤S2，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、零售门本文档来自技高网...

【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