[发明专利]基于多阶段销量分布预测的补货方法和装置

权利要求书

1.基于多阶段销量分布预测的补货方法，其特征在于，包括：

依据预设的离散分位点确定产品的连续分位点曲线；

根据所述产品的期望收益、进货成本、库存成本、缺货成本和剩余收益确定所述产品的最大化利润模型，并依据所述最大化利润模型进行求解得到最优化条件公式；

依据所述连续分位点曲线和所述最优化条件公式得到最优补货量。

2.根据权利要求1所述的方法，其特征在于，所述依据预设的离散分位点确定产品的连续分位点曲线包括：

对预设的离散分位点进行线性差值计算得到连续分位点或者对离散分位点进行曲线拟合得到连续分位点；

依据所述连续分位点得到连续分位点曲线。

3.根据权利要求1所述的方法，其特征在于，所述根据所述产品的期望收益、进货成本、库存成本、缺货成本和剩余收益确定所述产品的最大化利润模型，并依据所述最大化利润模型进行求解得到最优化条件公式包括：

建模其中，v_t(s)为收益函数，s为状态变量，即当前库存量，a_t为阶段t的补货量，A_t为决策空间q≥0，r_t(s，a_t)为阶段t的当期收益，p(j|s，a_t)为在状态s和决策a_t下，下一阶段期初库存为j的概率，对于决策过程包括t₁、t₂天的两阶段决策，令

确定期望利润目标函数，其中，t₂天的期望利润其中，c为单位进货成本，p为单位销售价格，s为单位剩余价值，h为单位库存成本，v为单位缺货成本，s₁、s₂分别为t₁、t₂天的期初库存；

根据补货量公式对期望利润目标函数进行解析得到最优化条件公式

4.根据权利要求3所述的方法，其特征在于，所述依据所述连续分位点曲线和所述最优化条件公式得到最优补货量包括：

将最优化条件公式中的分布函数做离散化处理，应用数值算法得到最优补货量。

5.根据权利要求4所述的方法，其特征在于，所述将最优化条件公式中的分布函数做离散化处理，应用数值算法得到最优补货量包括：

步骤1：取q₀＝max(E(X₂)+E(X₁)-s₁，E(X₂))，其中，X₁～F₁，X₂～F₂，X₁和X₂分别为所述产品在第一天和第二天的销量，为随机变量，F₁和F₂分别为所述产品在第一天和第二天销量的分布函数，即连续分位点曲线；

步骤2：对于t＝0，...，T，计算

步骤3：计算r(q_t)＝(p+v-c)-(p+h+v-s)(I(q_t)+F₂(q_t)(1-F₁(s₁)))，如果r(q_t)＜δ，则q^*＝q_t，停止计算，其中q^*为得到的最优补货量；否则，q_t+1＝q_t-r(q_t)/r′(q_t)，如果t+1＞T，则q^*＝q_t+1，停止计算，否则，执行步骤2。