[发明专利]实现连锁商家智能补货的方法及系统

权利要求书

1.一种实现连锁商家智能补货的方法，其中，所述方法包括：

获取训练数据集；

基于训练数据集，利用强化学习算法来训练用于预测连锁商家的各个分店本次需要的补货量的机器学习模型，以得到训练好的所述机器学习模型，

其中，所述强化学习算法的优化目标是：第一预设时长内各次补货的补货总代价的累积值最小，

其中，每次补货的补货总代价包括：该次补货的分店的补货代价和该次未补货的分店的未补货代价。

2.如权利要求1所述的方法，其中，所述方法还包括：

获取连锁商家的各个分店的当前库存量及预测的未来第二预设时长内的销售量；

将获取的当前库存量及预测销售量输入到训练好的所述机器学习模型，以得到各个分店本次需要的补货量，

其中，每次补货时由至少一辆运输工具统一为各个分店配送。

3.如权利要求1所述的方法，其中，

补货代价基于以下项之中的至少一项计算得到：配送运输代价、存货代价、以及供不应求导致的空置代价；

未补货代价基于空置代价计算得到。

4.如权利要求1或3所述的方法，其中，每次补货的补货总代价基于以下项之中的至少一项计算得到：

各个分店该次补货的补货量、该次补货的配送路线、该次补货之前各个分店的库存量、以及该次补货之后各个分店未来第二预设时长内的销售量。

5.如权利要求1所述的方法，其中，所述训练数据集包括：历史真实数据和/或构造数据，

其中，所述构造数据包括：在第一预设范围内随机生成的库存量和在第二预设范围内随机生成的销售量。

6.如权利要求2所述的方法，其中，所述方法还包括：

根据各个分店本次需要的补货量，确定本次补货的配送路线。

7.如权利要求6所述的方法，其中，根据各个分店本次需要的补货量确定本次补货的配送路线的步骤包括：

获取能够经过所有需要补货的分店且使得运输路程最短的路线作为本次补货的配送路线；或者

从最优配送路线中去掉本次不需要补货的分店，以得到本次补货的配送路线，其中，所述最优配送路线是经过连锁商家的所有分店且使得运输路径最短的路线。

8.一种实现连锁商家智能补货的系统，其中，所述系统包括：

训练数据获取装置，适于获取训练数据集；

训练装置，适于基于训练数据集，利用强化学习算法来训练用于预测连锁商家的各个分店本次需要的补货量的机器学习模型，以得到训练好的所述机器学习模型，

其中，所述强化学习算法的优化目标是：第一预设时长内各次补货的补货总代价的累积值最小，

其中，每次补货的补货总代价包括：该次补货的分店的补货代价和该次未补货的分店的未补货代价。

9.一种包括至少一个计算装置和至少一个存储指令的存储装置的系统，其中，所述指令在被所述至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1到7中的任一权利要求所述的实现连锁商家智能补货的方法。

10.一种存储指令的计算机可读存储介质，其中，当所述指令被至少一个计算装置运行时，促使所述至少一个计算装置执行如权利要求1到7中的任一权利要求所述的实现连锁商家智能补货的方法。