一种全渠道药品零售订单的协同履行优化方法技术

本发明专利技术属于全渠道运作管理领域，提供了一种全渠道药品零售订单的协同履行优化方法。本发明专利技术针对全渠道药品零售订单履行决策的订单分配、协同的多商品网络流、车辆调度的联合决策问题，基于分解迭代的思想，设计并实现了一种分解

【技术实现步骤摘要】
一种全渠道药品零售订单的协同履行优化方法


[0001]本专利技术属于全渠道运作管理领域，涉及一种全渠道药品零售订单的协同履行优化方法。

技术介绍

[0002]全渠道药品零售模式能够将网上药店的价格优势、品类优势和服务交互等优势与线下实体药店的便利性结合起来，通过“线上药店下单、线下药店履约”的形式，将多样的客户需求与分散的药品库存对接起来，打破药品供需的时空限制，通过线下药店提供保险、药剂师咨询、准时送达等附加药事服务，提高了消费者的服务体验和满意度。
[0003]然而，在全渠道药品零售规模不断扩张的同时，其日常运营也受到极大挑战，其中首要难题就是订单履行决策，即订单中药品从哪些药店于何时出货、并由哪一辆车进行于何时经由哪些路径进行配送。由于药品这类商品的特殊性，药品全渠道零售对配送的及时性和准时性要求较高，同时又面临着分散库存和协同配送的矛盾，上述履约决策面临着如下难点：在库存方面，目前中国可在线零售药品高达20万种药品，药品的储运条件严格且多样，而实体药店可存放的药品种类和数量有限，因此药品全渠道运作有多库存地点、库存重叠的特点；在配送方面，一种疾病的治疗往往需要多种药物的组合搭配使用，药物配伍也是药品的特殊属性，药品订单往往具有“一单多品”的属性，且订单需求具有高度随机性，考虑药物商品的特殊性，药品配送需要保证订单完整送达。综上所述，药品全渠道零售的订单履行优化是对订单分配、协同的多商品网络流、车辆调度问题的协同决策，是一类新的协同决策问题且决策空间巨大且对求解速度和质量要求较高，需要构建新的协同决策模型以及相应的高效快速的优化算法，保证高效率、准时的药品全渠道订单配送。
[0004]针对药品行业种类繁多和库存分散的特点，以及药品配伍和时间要求的使用特性，药品全渠道零售订单的履行优化综合考虑多库存地点、订单时间限制、多车场的车辆分布等特征，包含订单分配问题、多商品网络流问题、车辆路径问题这三个相互耦合的NP难题。该问题是不成对取送货车辆路径问题 (UPDVRP)和带时间窗的多次取货
‑
送货车辆路径问题(MPD
‑
VRP
‑
TW)两个科学问题的耦合集成，是随着药品全渠道零售的普及新涌现出的一类科学问题。本专利技术将这两个难题结合起来进行联合优化，问题的复杂性更高，而目前在全渠道运作优化领域，尚未有关于带时间限制的药品全渠道协同订单履行这一集成问题和相关优化方法的专利。在学术研究方面，虽然已有解决UPDVRP和 MPD
‑
VRP
‑
TW这两个科学问题的优化方法的成果，但是对于本专利考虑的 UPDVRP和MPD
‑
VRP
‑
TW耦合的一类新的订单履约问题，这类新问题具有决策空间大、决策变量关系复杂且不规则的特点，目前尚未有相关的研究成果。由于精确算法求解时间长，因而难以满足应用实践；而现有的启发式算法解决这类决策变量关系不规则问题存在搜索效率低、方案效果差等缺陷，因此现有的优化方法很难用来求解这类新问题。
[0005]在药品全渠道运作背景下，针对城市内某时刻收到的一批多品线上订单，结合订单中的药品需求和，考虑实体药店库存分布、分布在城市路网中的车辆位置，决策订单中的
药品分配到哪些药店，以及如何安排车辆进行订单协同配送，决策内容包括决策订单分配、车辆派遣与取送货协同配送路径等内容，降低订单履行的作业成本。全渠道模式的库存具有位置上分散、逻辑上共享的特点，存在库存协同的需求，更进一步地增加了全渠道订单履行决策的困难。在该专利技术中，由于库存持有限制，可能需要多个实体药店协同完成同一订单的备货，即同一订单中的不同药品需求可能被分配给不同实体药店备货，然后通过同一车辆的依次访问，实现订单完整交付需求，即通过一次配送完成订单需求。在企业实践中，面临这类问题往往是采用贪心规则进行决策，但是由于该问题包含多个决策子问题，且子问题之间存在耦合关系，因此该问题的决策变量之间结构复杂且不规则，基于贪心规则的决策方法效果较差。

技术实现思路

[0006]本专利技术是在全渠道运作模式下，根据全渠道药品零售的多库存位置、分散库存的库存特点和“一单多品”、订单完整交付的订单特性，综合考虑库存限制和时间要求，在多个履行主体之间进行订单分配、协同的多商品网络流、车辆调度等决策，降低全渠道零售订单的履行成本。本专利技术在考虑多个库存位置耦合关系的前提下，将订单分配问题、多商品网络流问题和车辆路径问题等问题进行联合决策，提出了一种分解
‑
迭代
‑
搜索的全渠道药品零售订单的协同履行决策优化方法。本专利技术基于分解迭代的思想，设计并实现了一种分解迭代搜索算法，将复杂联合决策问题中关联子问题解耦分解，并通过子问题解得到的迭代参数传递迭代地实现联合求解，进而得到原问题的解决方案，能够科学有效地解决这种包含多个耦合的决策子问题的难题。本专利技术可以为具有相同需求的全渠道运作或物流园区配送调度提供决策支持，提高运作方案的科学性、有效性和高效性。
[0007]本专利技术的基本原理：将全渠道药品零售订单的协同履行问题描述为某地区的全渠道药品零售商利用由多个实体药店组成的药店网络和自有配送车队来满足该地区居民的药品订单需求的运作问题。该零售商经营多品种药品，药店之间的库存品种是部分重叠的，为消费者提供订单配送时间承诺。由于药品严格的储运条件要求配送过程中必须进行温度控制，因此配送过程中存在与运输时间相关的药品控温运输成本，这一成本与药品品类有关。假设单个订单中同一药品的订购数量最多只有一个，因为多个请求订单的处理方式与单个请求订单的处理方式基本相同。同时，配送车队的车辆分散在路网中，所有车辆都有运输体积限制。本专利技术在这样的条件下，基于库存信息与订单数据，采用分解
‑
迭代
‑
搜索的研究思路，将问题拆分成两个子问题，然后分别设计改进的 Hungarian
‑
Dijkstra算法(MHDA)和贪心搜索算法(Greedy search algorithm， GSA)求解两个子问题，通过商品流变量来调整算法的迭代过程，直到两个子问题得到的商品流变量能够完成匹配，最后再利用整体的变邻域搜索算法对迭代解进行进一步优化，进而得到问题结果。
[0008]本专利技术的技术方案：
[0009]一种全渠道药品零售订单的协同履行优化方法，所采用的决策支持系统包括初始化模块、信息输入模块、计算模块1、计算模块2、计算模块3、迭代协调模块、计算模块4和决策输出模块。各个模块的功能如下：初始化模块用来获取实体网络数据和车队数据，作为决策模型的参数和资源约束信息；信息输入模块用来输入某批次的订单需求数据；计算模块1用于对全渠道药品零售订单的协同履行问题进行建模，并根据实体网络数据与订单需求信
息对原问题模型进行分解得到两个子模型(模型A和模型B)及相关参数；计算模块2采用改进的Hungarian
‑
Dijkstra算法(MHDA)求解计算模块1的模型A，得到订本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全渠道药品零售订单的协同履行优化方法，其特征在于，所采用的决策支持系统包括初始化模块、信息输入模块、计算模块1、计算模块2、计算模块3、迭代协调模块、计算模块4和决策输出模块；各个模块的功能如下：初始化模块用来获取实体网络数据和车队数据，作为决策模型的参数和资源约束信息；信息输入模块用来输入某批次的订单需求数据；计算模块1用于对全渠道药品零售订单的协同履行问题进行建模，并根据实体网络数据与订单需求信息对原问题模型进行分解得到两个子模型及相关参数；计算模块2采用改进的Hungarian
‑
Dijkstra算法MHDA求解计算模块1的模型A，得到订单中药品的分配方案，以及订单与车辆的分配信息，作为计算模块3的输入和迭代参数；计算模块3基于计算模块2得到的分配方案，采用基于多个邻域的搜索算法求解计算模块1的模型B，得到完整的订单履行方案，并且得到新的订单与车辆的分配信息，作为迭代参数；迭代协调模块判断计算模块2和计算模块3的订单与车辆的分配信息是否匹配，来控制迭代程序；计算模块4通过邻域搜索对迭代完成后的解进行搜索优化；决策输出模块用于将计算模块4获得决策结果进行可读形式表示并作为决策支持提供给决策者；具体步骤如下：(1)初始化模块：问题参数设置将某地区的药店网络表示为一个由|P|个分散在该地区内实体药店组成，为该地区提供|M|种药品，每个实体药店的药品库存是部分重叠但不完全相同，同时由于药品运输条件的严格要求，每种药品都有对应的温控运输成本；另外|K|辆同质车辆分布在该地区的路网中的不同位置，车辆存在一个容积限制V，且车辆在路网中有时间参数和成本参数；(2)信息输入模块输入某批次|O|个订单需求的数据，主要包括订单位置、订单时间，以及订单中的药品需求；(3)计算模块1：问题建模与问题分解步骤3.1：问题建模基于初始化模块和信息输入模块对全渠道药品零售订单的协同履行问题进行描述，并建立混合整数规划数学模型TD
‑
UMPD
‑
VRPT，主要决策包括车辆派遣决策U、订单中药品分配决策Y、商品流决策Z、车辆流决策X；步骤3.2：问题分解根据药店分布和药店库存数据等实体网络数据与订单需求信息对原问题模型进行分解，得到分解后的两个子模型即模型A和模型B，并通过相应耦合约束及参数向子模型中添加有效约束便于后续迭代；(4)计算模块2：求解模型A与相应的迭代参数步骤4.1：模型A的求解通过在Hungarian算法中内嵌Dijkstra算法得到改进的Hungarian
‑
Dijkstra算法MHDA求解模型A，即，利用Dijkstra算法求解多车辆最短路径问题得到多药品商品流对应的成本矩阵，并根据成本矩阵利用Hungarian算法求解订单中的药品分配问题，得到包括多商品网络流的订单分配结果；步骤4.2：得到迭代参数根据模型A的求解结果得到订单中药品的分配方案，以及订单与车辆的分配信息，作为下一步骤的输入和迭代参数；
(5)计算模块3：求解模型B与相应的迭代参数步骤5.1：模型B的求解基于步骤4.2得到的分配方案，采用贪心搜索算法GSA得到初始路径方案，并通过邻域搜索改进初始路径方案，进而得到模型B的求解结果，得到完整的订单履行方案；步骤5.2：模型B的求解根据模型B的求解结果得到新的订单与车辆的分配信息，作为迭代参数；(6)迭代协调模块判断步骤4.2和步骤5.2得到的订单与车辆的分配信息是否匹配，若匹配，则得到最终迭代订单履行方案，进行下一步骤；否则，则将步骤5.2的订单与车辆的分配信息反馈到步骤4，重新执行迭代程序；(7)计算模块4：搜索改进采用邻域结构设计变邻域搜索算法对步骤6得到的最终迭代订单履行方案进行进一步搜索优化；(8)决策输出模块将步骤(7)得到的车辆派遣决策U、订单中药品分配决策Y、商品流决策Z、车辆流决策X结果转化为可读形式表示，作为决策支持提供给决策者。2.根据权利要求1所述的一种全渠道药品零售订单的协同履行优化方法，其特征在于，所述TD
‑
UMPD
‑
VRPT模型的目标函数采用公式(1)来表示：其中，M为药品集合，M
o

【专利技术属性】
技术研发人员：于梦琦，都牧，胡祥培，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：