[发明专利]电商背景下连锁实体店配送优化方法及系统

说明书

本发明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。

技术领域

本发明涉及一种电商背景下连锁实体店配送优化方法及系统。

背景技术

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。

发明内容

本发明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，本发明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λ_j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，