2024年MathorCup大数据竞赛优秀论文-6.pdfVIP

队伍编号MCB2400002

赛道B

基于电商品类货量预测的品类分仓多目标规划研究

摘要

随着电子商务的飞速发展，仓储资源配置与成本优化成为企业供应链管理的关键。

350

本文聚焦于多仓库网络中种商品的库存与销量数据，构建了一套货量预测与分仓优

化模型，旨在优化仓储成本与资源利用率。

首先，在问题一中，基于对未来三个月仓储需求的预测，本文通过移动平均法处理

异常数据，利用随机森林填补缺失值，确保了数据的完整性与准确性。在此基础上，进

行了三种探索性分析，包括品类销量和库存量的时间趋势分析、仓库信息折线图分析和

品类相关信息三维图分析，以揭示需求模式和资源使用情况。然后针对销量的时间序列

特征，进一步进行了K-means聚类分析，为下一步的预测提供了进一步的信息支持。

在预测阶段，本文分别采用指数平滑和ARIMA模型对品类库存量进行了预测，另通过

XGBoostLightGBMLSTM

、和模型对品类销售量进行预测，并集成了多种模型的预测

结果，为“一品一仓”与“一品多仓”的分仓方案提供了精确的需求数据支持。

在问题二的“一品一仓”情境下，本文构建了多目标优化模型，以最小化仓储成本、

最大化品类关联度、仓容利用率和产能利用率为优化目标。在多目标优化的算法选择上，

采用了改进的NSGA-III算法。为解决其在高维问题中的收敛与多样性问题，引入了反

向学习和动态交叉变异机制，前者通过扩展初始种群探索未见解空间，提升了解的广度，

后者在算法不同进化阶段自适应地调整交叉与变异概率，进一步提升了全局搜索能力和

16963147

收敛速度。最终，模型优化结果将日仓储成本收敛至元，使用个仓库，并显

著提升了品类关联度，为合理分配仓储资源提供了高效方案。

3

在问题三中，放宽“一品一仓”限制，允许品类分布在不超过个仓库。基于问题

二的模型框架，本文进一步优化了目标函数和约束条件，强调通过关联度的最大化将同

属性品类集中于同一仓库，以减少管理复杂性和履约成本。为此模型新增了多仓库库存

与出库分配控制的决策变量，引入了品类的仓库分布比例一致性约束，确保灵活性与分

仓一致性。算法方面，引入了偏好评价机制，在不同阶段对优化目标进行差异化加权，

通过角度惩罚机制确保解在多目标空间内的均衡性，综合评价函数则进一步增强了解的

14655840

多样性与优先目标导向。最终优化结果日成本降低至元，仓库数量减少至个，

且品类关联度从974381提升至1528489，表现出仓储成本节约和资源利用率提升的双重

效果。

最后，为验证模型的稳健性，本文在模型分析与检验部分设计了三种情境测试，模

5%5%

拟了销量增加、仓库容量增加及基准情境下的成本和品类关联度变化，充分展

示了模型在不同条件下的适应性与稳定性。

关键词：电商品类分仓时间序列预测NSGA-Ⅲ偏好评价

目录

摘要1

一、问题重述1

1.1问题背景1

1.2基本问题1

二、模型假设2

三、符号说明2

四、问题一的建模与求解2

4.1问题分析3

4.2数据预处