System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开的实施方式涉及计算机或者数据处理,更具体地,本公开的实施方式涉及一种基于神经网络模型的库存分配方法、基于神经网络模型的库存分配装置、计算机可读存储介质及电子设备。
技术介绍
1、对于一个追求稳定、高效的供给平台来说,库存分配需要尽可能满足各方条件,一方面需要确定各订单在每个渠道上的分配比例,一方面需要每个订单的分配比例能够满足订单完成率最大化以及流量分配最优等众多条件。但是,目前的分配方法无法帮助供给平台在库存分配的过程中满足上述的各种条件。
技术实现思路
1、然而,相关技术在分配逻辑中掺入复杂的限制条件,这些条件往往使得最终难以得到分配方案;其次,往往采用启发式的方式进行搜索,其本质是通过贪心策略搜索最优解,较容易导致得到的分配方案适用于部分场景。
2、为此,非常需要一种库存分配方法,以增加有解的情况,并缓解陷入局部最优解的情况。
3、在本上下文中,本公开的实施方式期望提供一种基于神经网络模型的库存分配方法、基于神经网络模型的库存分配装置、计算机可读存储介质及电子设备。
4、根据本公开的第一方面,提供一种基于神经网络模型的库存分配方法,所述方法包括:响应于目标订单下单成功,根据所述目标订单的定向条件确定与所述目标订单对应的第一数量的目标需求节点;所述目标订单为购买目标对象形成的购买凭据;在为所述目标订单提供所述目标对象的供给平台中,根据所述目标订单的供给渠道,确定第二数量的目标供给节点;将所述第一数量和所述第二数量输入已训练神经网络模型进
5、在一种实施方式中,所述根据所述目标订单的定向条件确定与所述目标订单对应的第一数量的目标需求节点,包括:确定所述定向条件的数量;将所述目标订单按照所述定向条件的数量进行拆分,得到第一数量的所述目标需求节点。
6、在一种实施方式中,所述根据所述目标订单的供给渠道,确定第二数量的目标供给节点,包括:将所述目标订单的每一供给渠道作为一个所述目标供给节点。
7、在一种实施方式中,所述响应于目标订单下单成功,包括:响应于所述目标订单下单当天所有所述目标供给节点的总库存大于或等于所有所述目标需求节点的总需求量,确定下单成功。
8、在一种实施方式中,所述将所述第一数量和所述第二数量输入已训练神经网络模型进行处理,得到每一所述目标供给节点分配的所述目标对象的分配比例值,包括:在输入层,分别对所述目标需求节点与所述目标供给节点进行独热编码,得到第一稀疏向量与第二稀疏向量;在嵌入层,对所述第一稀疏向量和所述第二稀疏向量进行降维,得到第一稠密向量和第二稠密向量;在网络层,对所述第一稠密向量和所述第二稠密向量进行特征提取,得到第一特征向量和第二特征向量;在输出层,采用归一化函数将所述第一特征向量和所述第二特征向量转换为所述目标供给节点的分配比例值。
9、在一种实施方式中,所述方法还包括:读取处理上一目标订单的已训练神经网络模型;采用所述目标订单的所述第一数量和所述第二数量对上一目标订单的已训练神经网络模型进行训练,得到所述已训练神经网络模型;将所述第一数量和所述第二数量输入所述已训练神经网络模型进行处理,得到每一所述目标供给节点分配的所述目标对象的分配比例值。
10、在一种实施方式中,训练神经网络模型得到所述已训练神经网络模型的过程为:初始化神经网络模型的参数;所述参数包括权重和偏差;将训练数据输入所述神经网络模型,向前传播得到预测分配比例值;根据预设损失函数计算预测分配比例与真实分配比例之间的损失值;所述损失函数包括正则化项;采用梯度下降法根据所述损失值反向传播计算所述神经网络模型的参数的下降梯度;根据所述下降梯度对所述神经网络模型进行优化,直到达到预设的收敛条件,结束训练,得到所述已训练神经网络模型。
11、在一种实施方式中,所述方法还包括:采用验证集计算所述已训练神经网络模型的评估指标;所述评估指标包括以下至少一种:均方误差、均方根误差、平均绝对误差、决定系数。
12、根据本公开的第二方面,提供一种基于神经网络模型的库存分配装置,所述装置包括:目标需求节点确定模块,被配置为响应于目标订单下单成功,根据所述目标订单的定向条件确定与所述目标订单对应的第一数量的目标需求节点;所述目标订单为购买目标对象形成的购买凭据;目标供给节点确定模块,被配置为在为所述目标订单提供所述目标对象的供给平台中,根据所述目标订单的供给渠道,确定第二数量的目标供给节点;目标对象分配模块,被配置为将所述第一数量和所述第二数量输入已训练神经网络模型进行处理,得到每一所述目标供给节点分配的所述目标对象的分配比例值,并按照所述分配比例值对所述目标对象进行分配。
13、在一种实施方式中,所述目标需求节点确定模块被配置为:确定所述定向条件的数量;将所述目标订单按照所述定向条件的数量进行拆分,得到第一数量的所述目标需求节点。
14、在一种实施方式中,所述目标供给节点确定模块被配置为:将所述目标订单的每一供给渠道作为一个所述目标供给节点。
15、在一种实施方式中,所述目标需求节点确定模块被配置为:响应于所述目标订单下单当天所有所述目标供给节点的总库存大于或等于所有所述目标需求节点的总需求量,确定下单成功。
16、在一种实施方式中,所述目标对象分配模块被配置为:在输入层,分别对所述目标需求节点与所述目标供给节点进行独热编码,得到第一稀疏向量与第二稀疏向量;在嵌入层,对所述第一稀疏向量和所述第二稀疏向量进行降维,得到第一稠密向量和第二稠密向量;在网络层,对所述第一稠密向量和所述第二稠密向量进行特征提取,得到第一特征向量和第二特征向量;在输出层,采用归一化函数将所述第一特征向量和所述第二特征向量转换为所述目标供给节点的分配比例值。
17、在一种实施方式中,所述装置还包括模型更新模块,所述模型更新模块被配置为:读取处理上一目标订单的已训练神经网络模型;采用所述目标订单的所述第一数量和所述第二数量对上一目标订单的已训练神经网络模型进行训练,得到所述已训练神经网络模型;将所述第一数量和所述第二数量输入所述已训练神经网络模型进行处理,得到每一所述目标供给节点分配的所述目标对象的分配比例值。
18、在一种实施方式中,所述装置还包括模型训练模块,所述模型训练模块被配置为:初始化神经网络模型的参数;所述参数包括权重和偏差;将训练数据输入所述神经网络模型,向前传播得到预测分配比例值;根据预设损失函数计算预测分配比例与真实分配比例之间的损失值;所述损失函数包括正则化项;采用梯度下降法根据所述损失值反向传播计算所述神经网络模型的参数的下降梯度;根据所述下降梯度对所述神经网络模型进行优化,直到达到预设的收敛条件,结束训练,得到所述已训练神经网络模型。
19、在一种实施方式中,所述装置还包括模型评估模块,所述模型评估模块被配置为:采用验证本文档来自技高网...
【技术保护点】
1.一种基于神经网络模型的库存分配方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标订单的定向条件确定与所述目标订单对应的第一数量的目标需求节点,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标订单的供给渠道,确定第二数量的目标供给节点,包括:
4.根据权利要求1所述的方法,其特征在于,所述响应于目标订单下单成功,包括:
5.根据权利要求1所述的方法,其特征在于,所述将所述第一数量和所述第二数量输入已训练神经网络模型进行处理,得到每一所述目标供给节点分配的所述目标对象的分配比例值,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,训练神经网络模型得到所述已训练神经网络模型的过程为:
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
9.一种基于神经网络模型的库存分配装置,其特征在于,所述装置包括:
10.根据权利要求9所述的装置,其特征在于,所述
11.根据权利要求9所述的装置,其特征在于,所述目标供给节点确定模块被配置为:
12.根据权利要求9所述的装置,其特征在于,所述目标需求节点确定模块被配置为:
13.根据权利要求9所述的装置,其特征在于,所述目标对象分配模块被配置为:
14.根据权利要求9所述的装置,其特征在于,所述装置还包括模型更新模块,所述模型更新模块被配置为:
15.根据权利要求9所述的装置,其特征在于,所述装置还包括模型训练模块,所述模型训练模块被配置为:
16.根据权利要求15所述的装置,其特征在于,所述装置还包括模型评估模块,所述模型评估模块被配置为:
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~8任一项所述的方法。
18.一种电子设备,其特征在于,包括:
...【技术特征摘要】
1.一种基于神经网络模型的库存分配方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标订单的定向条件确定与所述目标订单对应的第一数量的目标需求节点,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标订单的供给渠道,确定第二数量的目标供给节点,包括:
4.根据权利要求1所述的方法,其特征在于,所述响应于目标订单下单成功,包括:
5.根据权利要求1所述的方法,其特征在于,所述将所述第一数量和所述第二数量输入已训练神经网络模型进行处理,得到每一所述目标供给节点分配的所述目标对象的分配比例值,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,训练神经网络模型得到所述已训练神经网络模型的过程为:
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
9.一种基于神经网络模型的库存分配装置,其特征在...
【专利技术属性】
技术研发人员:王书为,郑玮,蒋能学,徐可,王成林,马雨浩,
申请(专利权)人:杭州网易云音乐科技有限公司,
类型:发明
国别省市:
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。