多主体协同产供销业务链的海外小批量订单分配方法

摘要

本发明提供一种多主体协同产供销业务链的海外小批量订单分配方法，涉及订单分配技术领域。本发明根据订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC‑PSM‑OA模型；采用添加初始种群控制策略与自适应机制的IAGA算法求解上述模型，获取海外小批量订单的分配结果。在制造企业的产供销业务链中，海外小批量订单具有产品需求量小、单数多、运输情况复杂的典型特征，对此建立MAC‑PSM‑OA模型，服务于多主体协同，采用优选的遗传算法进行求解，设计的初始种群控制策略使算法更快收敛，自适应机制保证个体在进化早期的快速替换搜索和全局优化，利于寻找接近最优解，最终实现面向制造企业海外小批量订单的多主体协同产供销业务链优化。

说明书

技术领域

本发明涉及订单分配技术领域，具体涉及一种多主体协同产供销业务链的海外小批量订单分配方法、系统、存储介质和电子设备。

背景技术

随着全球化趋势的日益增长，越来越多的制造企业为了更好的生产质量和客户满意度由集中式生产网络转向分散式生产网络，而在分散的生产网络下如何安排订单计划与任务分配是企业需要面临的一个常态化问题。

目前，现有研究主要集中在多工厂生产与调度、生产与运输计划、小批量订单分批处理三个方面。然而，制造企业的订单分为国内订单和海外订单，其中，国内订单的处理方式比较成熟，而海外订单涉及到海运，受到的关注相对较少。由于多种原因造成少量尾单单独发货，或者一些海外客户的订单中产品需求数量较少，便形成了小批量订单。

虽然海外小批量订单每一单的产品需求量较小，但是订单数量巨多，总体制造需求巨大，所以，合理、高效地对海外小批量订单进行分配对实现多主体协同下的产供销业务链优化至关重要。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种多主体协同产供销业务链的海外小批量订单分配方法、系统、存储介质和电子设备，解决了如何合理、高效地对海外小批量订单进行分配与规划的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种多主体协同产供销业务链的海外小批量订单分配方法，包括：

S1、获取订单分配资源和海外小批量订单；

S2、根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC-PSM-OA模型；

S3、采用添加初始种群控制策略与自适应机制的IAGA算法求解所述MAC-PSM-OA模型，获取海外小批量订单的分配结果。

优选的，所述S2中的MAC-PSM-OA模型包括：

以最小化所有海外小批量订单的综合成本为目标的目标函数：

minC＝C

其中，i表示海外小批量订单i，i∈I＝{1，2，...，n}，订单总数为n；j表示生产基地j，j∈J＝{1，2，...，m}，生产基地总数为m；r表示发货港口r，r∈R＝{1，2，...，g}，港口总数为g；k表示海运方案k，k∈K＝{1，2，...，l}，方案总数为l；

C为综合成本；

C

C

C

C

μ为每单位产品的装柜体积。

优选的，所述S2中的MAC-PSM-OA模型还包括：

约束条件：

(1)任一小批量订单i分配到的生产基地j，与为其分配的海运方案k对应的发货港口r属于同一地域；

其中，若生产基地j与发货港口r临近，则α

(2)每个小批量订单只能分配给一个生产基地与一个海运方案；

(3)表示所有分配到同一生产基地的小批量订单的总生产需求不超过其剩余生产能力；

其中，N

(4)所有分配到同一生产基地的小批量订单的总体积不超过该基地的仓库剩余容量；

其中，H

(5)所有分配给同一个海运方案的小批量订单总装柜体积不超过该方案的剩余可用体积；

其中，

优选的，所述S3具体包括：

S31、根据所述MAC-PSM-OA模型，采用编码规则初始化N个个体的种群，其中染色体的每一行表示所有小批量订单分配给的生产基地和海运方案的编号；

在生成初始种群时，按照海运成本最小化原则，生成海运方案分配对应的第一初始染色体片段；并根据生产基地应与海运方案指定的发货港口属同一地域原则，生成生产基地分配对应的第二初始染色体片段；合并所述第一、二染色体片段获取一条完整的初始染色体；

S32、若达到最大迭代次数则停止，解码种群中的最优个体，获取所述海外小批量订单的分配规划结果，否则继续执行；

S33、对当前种群进行统计分析，记录每个个体的适应度值并确定最优个体；

采用线性转换法将所述MAC-PSM-OA模型的目标函数转化适应度函数值；

F＝aC+b

其中，F表示适应度函数，a、b为线性方程的超参数，且a＜0；

S34、独立地从当前种群中选取N个母体；

S35、根据种群适应度自适应调整交叉概率，对N个母体进行两点交叉操作；

S36、根据种群适应度自适应调整变异概率，对N个交叉后的个体进行整数值突变；

S37、将当前代的父代种群和交叉变异得到的种群合并，得到规模为2N的种群；

S38、采用轮盘赌选择法，在2N种群中选出N个个体，得到新一代种群，返回S32。

优选的，所述S35中根据种群适应度自适应调整交叉概率，具体是指：

其中，P

优选的，所述S36中根据种群适应度自适应调整变异概率，具体是指：

其中，P

一种多主体协同产供销业务链的海外小批量订单分配系统，，包括：

获取模块，用于获取订单分配资源和海外小批量订单；

构建模块，用于根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC-PSM-OA模型；

求解模块，用于采用添加初始种群控制策略与自适应机制的IAGA算法求解所述MAC-PSM-OA模型，获取海外小批量订单的分配规划结果。

一种存储介质，其存储有用于多主体协同产供销业务链的海外小批量订单分配的计算机程序，其中，所述计算机程序使得计算机执行如上所述的多主体协同产供销业务链的海外小批量订单分配方法。

一种电子设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的多主体协同产供销业务链的海外小批量订单分配方法。

(三)有益效果

本发明提供了一种多主体协同产供销业务链的海外小批量订单分配方法、系统、存储介质和电子设备。与现有技术相比，具备以下有益效果：

本发明包括获取订单分配资源和海外小批量订单；根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC-PSM-OA模型；采用添加初始种群控制策略与自适应机制的IAGA算法求解所述MAC-PSM-OA模型，获取海外小批量订单的分配结果。针对制造企业的海外小批量订单产品需求量小、单数多、运输情况复杂等特点，建立MAC-PSM-OA模型，服务于产供销业务链多主体协同，并采用优选的遗传算法进行求解，利于寻找接近最优解，帮助制造企业集中处理大量的海外小批量订单，实现多主体协同下的产供销业务链优化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基多主体协同产供销业务链的海外小批量订单分配方法的方框图；

图2为本发明实施例提供的一种海外小批量订单的协同分配场景示意图；

图3为本发明实施例提供的一种海外小批量订单的完成时间线；

图4为本发明实施例提供的一种IAGA算法的流程图；

图5为本发明实施例提供的一种IAGA编码示意图；

图6为本发明实施例提供的一种两点交叉法的示意图；

图7为本发明实施例提供的一种整数值突变法的示意图；

图8为本发明实施例提供的一种轮盘赌选择法的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例通过提供一种多主体协同产供销业务链的海外小批量订单分配方法、系统、存储介质和电子设备，解决了如何合理、高效地对海外小批量订单进行分配与规划的技术问题。

本申请实施例中的技术方案为解决上述技术问题，总体思路如下：

如图1所示，本发明实施例包括获取订单分配资源和海外小批量订单；根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建多主体协同下产供销业务链的订单分配(MAC-PSM-OA，Multi-Agent Cooperative-Production-Supply-Marketing-Orders Allocation)模型；采用添加初始种群控制策略与自适应机制的改进的自适应遗传算法(IAGA，Improved adaptive genetic algorithm)求解所述统一订单分配模型，获取海外小批量订单的分配结果。针对制造企业的海外小批量订单产品需求量小、单数多、运输情况复杂等特点，建立统一订单分配模型，服务于产供销业务链多主体协同，并采用优选的遗传算法进行求解，利于寻找接近最优解，帮助制造企业集中处理大量的海外小批量订单。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

实施例：

本发明实施例提供了一种多主体协同产供销业务链的海外小批量订单分配方法，包括：

S1、获取订单分配资源和海外小批量订单；

S2、根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC-PSM-OA模型；

S3、采用添加初始种群控制策略与自适应机制的IAGA算法求解所述MAC-PSM-OA模型，获取海外小批量订单的分配规划结果。

本发明实施例针对制造企业的海外小批量订单产品需求量小、单数多、运输情况复杂等特点，建立统一订单分配模型，服务于产供销业务链多主体协同，并采用优选后的遗传算法进行求解，利于寻找接近最优解，帮助制造企业集中处理大量的海外小批量订单。

接下来将详细介绍上述技术方案的各个步骤：

首先需要说明补充说明本发明实施例涉及的分配规划问题描述，具体如下：

某制造企业有n个海外小批量订单，需要分配给m个生产基地，并且为每个海外小批量订单分配一个海运方案，最终实现所有订单的海外交付。其中，n个海外小批量订单均为同一个目的港，m个生产基地分布在不同的地区，海运方案总共有K个，是对小批量订单拼箱以及订船操作的抽象，每个海运方案包括出库时间(本文也称其为发货时间)、装船时间、预计送达时间、可用体积、海运费用、发货港口等信息。多主体协同产供销业务链的海外小批量订单分配场景如图2所示。

针对同一个海外小批量订单，不再拆分。所有选定同一生产基地的海外小批量订单在同一时间点开始生产，生产完成后如到发货时间则运至码头装柜，如未到发货时间则入到当地的成品库，产生存储成本。由于入库过程与拼箱过程的时间相对于订单整体完成时间非常少，可以忽略不计，故生产下线时间＝产品入库时间。海外小批量订单的完成时间线如图3所示。

在步骤S1中，获取订单分配资源和海外小批量订单。

所述订单分配资源和海外小批量订单，具体涉及如下符号体系：

输入参数

决策变量

在步骤S2中，根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC-PSM-OA模型

所述S2中的MAC-PSM-OA模型包括：

以最小化所有海外小批量订单的综合成本为目标的目标函数：

minC＝C

其中，C为综合成本；C

所述S2中的MAC-PSM-OA模型还包括：

约束条件：

(1)任一小批量订单i分配到的生产基地j，与为其分配的海运方案k对应的发货港口r属于同一地域；

(2)每个小批量订单只能分配给一个生产基地与一个海运方案；

(3)表示所有分配到同一生产基地的小批量订单的总生产需求不超过其剩余生产能力；

(4)所有分配到同一生产基地的小批量订单的总体积不超过该基地的仓库剩余容量；

(5)所有分配给同一个海运方案的小批量订单总装柜体积不超过该方案的剩余可用体积；

在步骤S3中，采用添加初始种群控制策略与自适应机制的IAGA算法求解所述MAC-PSM-OA模型，获取海外小批量订单的分配规划结果；如图4所示，具体包括：

S31、根据所述MAC-PSM-OA模型，采用编码规则初始化N个个体的种群，其中染色体的每一行表示所有小批量订单分配给的生产基地和海运方案的编号。

根据遗传算法，一条染色体代表一个解决方案。染色体采用多级整数编码方式，如图5所示。

染色体的第一行表示所有小批量订单分配生产基地的编号，第二行表示所有小批量订单分配海运方案的编号。染色体长度等于小批量订单数量。在图5所示的编码中，小批量订单1分配给了生产基地2和海运方案5，小批量订单2分配给了生产基地5和海运方案11，中间以此类推，第n个小批量订单分配给了生产基地3和海运方案39。

需要强调的是，本发明实施例考虑到制造企业的海外订单综合成本占比最大的就是海运成本，因此在生成初始种群时采用了如下初始种群控制策略：

按照海运成本最小化原则，生成海运方案分配对应的第一初始染色体片段；并根据生产基地应与海运方案指定的发货港口属同一地域原则，生成生产基地分配对应的第二初始染色体片段；合并所述第一、二染色体片段获取一条完整的初始染色体。

按照上述逻辑生成的初始种群，比随机初始种群具有更好的质量，故可以使算法更快地收敛。

S32、若达到最大迭代次数则停止，解码种群中的最优个体，获取所述海外小批量订单的分配规划结果，否则继续执行。

S33、对当前种群进行统计分析，记录每个个体的适应度值并确定最优个体；

采用线性转换法将所述MAC-PSM-OA模型的目标函数转化适应度函数；

F＝aC+b

其中，F表示对综合成本C进行线性尺度变换后的适应度函数，a、b为线性方程的超参数，且a＜0。

S34、独立地从当前种群中选取N个母体。

S35、根据种群适应度自适应调整交叉概率，对N个母体进行交叉操作。

其中，采用两点交叉法进行交叉操作，具体是指随机确定两个位置作为一前一后，确定基因片段，并对两条染色体的相应基因片段进行交换。

交叉操作通过染色体之间基因片段的交叉，改变染色体的基因序列，可以增加种群多样性，提高遗传算法全局搜索能力。这里采用两点交叉法进行交叉操作。随机确定两个位置作为一前一后，确定基因片段，并对两条染色体的相应基因片段进行交换。如图6所示，随机确定小批量订单3、4、5的生产基地和海运方案作为选定基因，交换这两组基因的位置，得到两条子代染色体。

所述根据种群适应度自适应调整交叉概率，具体是指：

其中，P

S36、根据种群适应度自适应调整变异概率，对N个交叉后的个体进行变异。

其中，采用整数值突变的变异方法，具体是指在染色体上分别随机确定一个生产基地选择的基因片段和一个海运方案选择的基因片段，并分别在相应范围内进行突变。

变异操作通过改变染色体中基因或基因位置来产生新的染色体，增加种群的多样性，以避免算法陷入局部最优。这里采用整数值突变的变异方法，在染色体上随机确定一个变异位置，对生产基地编号与海运方案编号分别在相应范围内进行突变。如图7所示，该染色体对小批量订单4的生产基地和海运方案均进行实数值变异，即将小批量订单3的生产基地与海运方案编号重新生成。

所述根据种群适应度自适应调整变异概率，具体是指：

其中，P

本发明实施例采用的自适应策略保证了所有个体在进化的早期阶段都有较大的变异和交叉概率。即使种群最优解也具有最小的交叉概率P

S37、将当前代的父代种群和交叉变异得到的种群合并，得到规模为2N的种群。

S38、采用轮盘赌选择法，在2N种群中选出N个个体，得到新一代种群，返回S32。

如图8所示，选择待交叉种群时采用轮盘赌选择法，种群的个体被映射到区间的连续片段，每个个体所在片段的长度与其适应度成比例。生成随机数，根据其所落在的片段选择对应的个体，并重复该过程直到获得所需数量的个体，更新种群。

本发明实施例提供了一种多主体协同产供销业务链的海外小批量订单分配系统，包括：

获取模块，用于获取订单分配资源和海外小批量订单；

构建模块，用于根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC-PSM-OA模型；

求解模块，用于采用添加初始种群控制策略与自适应机制的IAGA算法求解所述统一订单分配模型，获取海外小批量订单的分配结果。

本发明实施例提供了一种存储介质，其存储有用于多主体协同产供销业务链的海外小批量订单分配的计算机程序，其中，所述计算机程序使得计算机执行如上所述的多主体协同产供销业务链的海外小批量订单分配方法。

本发明实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的多主体协同产供销业务链的海外小批量订单分配方法。

可理解的是，本发明实施例提供的多主体协同产供销业务链的海外小批量订单分配系统、存储介质、电子设备与本发明实施例提供的多主体协同产供销业务链的海外小批量订单分配方法相对应，其有关内容的解释、举例和有益效果等部分可以参考多主体协同产供销业务链的海外小批量订单分配方法中的相应部分，此处不再赘述。

综上所述，与现有技术相比，具备以下有益效果：

1、本发明包括获取订单分配资源和海外小批量订单；根据所述订单分配资源和海外小批量订单，以最小化所有海外小批量订单的综合成本为目标，构建MAC-PSM-OA模型；采用添加初始种群控制策略与自适应机制的IAGA算法求解所述MAC-PSM-OA模型，获取海外小批量订单的分配规划结果。针对制造企业的海外小批量订单产品需求量小、单数多、运输情况复杂等特点，建立海外小批量订单的统一订单分配模型，并采用优选的的遗传算法进行求解，利于寻找接近最优解，帮助制造企业集中处理大量的海外小批量订单。

2、本发明实施例采用初始种群控制策略获取初始种群，比随机初始种群具有更好的质量，故可以使算法更快地收敛。

3、本发明实施例采用的自适应策略保证了所有个体在进化的早期阶段都有较大的变异和交叉概率。即使种群最优解也具有最小的交叉概率和突变概率，保证个体在进化早期的快速替换搜索和全局优化。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。