申请/专利权人:上海蜂鸟即配信息科技有限公司
申请日:2024-04-10
公开(公告)日:2024-06-07
公开(公告)号:CN118154066A
主分类号:G06Q10/083
分类号:G06Q10/083;G06N3/092
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.25#实质审查的生效;2024.06.07#公开
摘要:本公开提供一种运力边界的生成方法、设备、程序产品及存储介质,方法包括:获取目标商圈AOI所对应的历史配送订单;选取出AOI作为已选取的AOI集合,由强化学习模型采用已选取的AOI集合作为输入、采用对已选取的AOI集合向外扩张AOI作为动作、采用扩张后得到的AOI集合作为状态反馈、采用扩张前后两个AOI集合的历史整体物流效率的差异作为模型回报、采用扩张后的AOI集合的历史整体物流效率最优作为优化目标进行强化学习训练;在训练结束后,基于强化学习模型输出的历史整体物流效率最优的AOI集合,得到目标商圈的运力边界。
主权项:1.一种运力边界的生成方法,所述方法包括:获取目标商圈包含的多个AOI以及每个所述AOI对应的历史配送订单;从所述多个AOI中选取出至少一个AOI作为已选取的AOI集合,由预设的强化学习模型采用已选取的AOI集合作为模型输入、采用对已选取的AOI集合向外扩张一个或多个AOI作为模型动作、采用扩张后得到的AOI集合作为模型状态反馈、采用扩张前后两个AOI集合的历史整体物流效率的差异作为模型回报、采用扩张后的AOI集合的历史整体物流效率最优作为优化目标进行强化学习训练;其中,AOI集合的历史整体物流效率是由该AOI集合内的各AOI的历史配送订单确定出的;在训练结束后,基于所述强化学习模型输出的历史整体物流效率最优的AOI集合,得到所述目标商圈的运力边界。
全文数据:
权利要求:
百度查询: 上海蜂鸟即配信息科技有限公司 运力边界的生成方法、设备、程序产品及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。