合肥工业大学陈敬贤获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉合肥工业大学申请的专利基于随机需求下折扣渠道的价格和库存关系的预测方法、系统、设备和介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119313375B 。
龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411408528.2,技术领域涉及:G06Q30/0201;该发明授权基于随机需求下折扣渠道的价格和库存关系的预测方法、系统、设备和介质是由陈敬贤;孙久媛;梁樑;陈亮设计研发完成,并于2024-10-10向国家知识产权局提交的专利申请。
本基于随机需求下折扣渠道的价格和库存关系的预测方法、系统、设备和介质在说明书摘要公布了:本发明公开基于随机需求下折扣渠道的价格和库存关系的预测方法、系统、设备和介质,方法包括:采集历史数据;构建随机需求下折扣商存在的供应链模型、购买零售商产品的消费者需求函数、购买折扣产品的消费者需求函数、零售商的期望利润函数、折扣商的期望利润函数和制造商的利润函数;基于购买零售商产品的消费者需求确定零售商订货调整量和折扣产品库存水平;计算零售商最优订货调整量并得到零售商最优订货量表达式;将折扣商的期望利润函数作为模拟退火算法的目标函数,求解最优折扣产品价格并代入零售商的最优订货量表达式求解零售商的最优订货量;向制造商的利润函数代入零售商的最优订货量得到制造商利润。本发明让库存管理更科学。
本发明授权基于随机需求下折扣渠道的价格和库存关系的预测方法、系统、设备和介质在权利要求书中公布了:1.一种基于随机需求下折扣渠道的价格和库存关系的预测方法,其特征在于,包括以下步骤: 步骤1、采集历史数据,所述历史数据包括产品零售价、产品批发价、产品订货量、产品实际销售量,存储到历史数据库中; 步骤2、基于历史数据构建随机需求下折扣商存在的供应链模型,该供应链包含制造商、零售商、折扣商和消费者;基于历史数据构建折扣商存在下购买零售商产品的消费者需求函数和折扣商存在下购买折扣产品的消费者需求函数; 步骤3、基于折扣商存在下购买零售商产品的消费者需求函数构建零售商的期望利润函数,基于折扣商存在下购买折扣产品的消费者需求函数构建折扣商的期望利润函数,构建制造商的利润函数;步骤3中,所述零售商的期望利润函数为: 式中,表示折扣商存在时零售商的期望利润,E[·]表示期望函数,p表示产品零售价,mindR,Q表示在DR和Q中取最小,DR为折扣商存在下购买零售商产品的消费者需求函数,Q为零售商在销售季前向制造商订购的产品数量;w为制造商销售产品给零售商的单位批发价格,wS为零售商将产品转移到折扣商的单位批发价格;Q-DR+表示保证Q-DR为非负值,Q-DR+=max0,Q-DR; Q=eR+dR 式中,eR为零售商订货调整量,dR为消费者对零售商产品的期望需求; 步骤3中,所述折扣商的期望利润函数为: πS=E[pSminDS,QS-wSQS] 其中,πS为折扣商的期望利润,E[·]表示期望函数,pS为折扣产品价格,minDS,QS表示在DS和QS中取最小值,DS为折扣产品需求,QS为转移到折扣商的产品数量,满足QS=Q-DR+,Q-DR+表示保证Q-DR为非负值,wS为零售商将产品转移到折扣商的单位批发价格; 步骤3中,所述制造商的利润函数为: 式中,为折扣商存在时制造商的利润,w为制造商销售产品给零售商的单位批发价格,c为制造商生产产品的边际单位成本,Q为零售商在销售季前向制造商订购的产品数量; 步骤4、基于折扣商存在下购买零售商产品的消费者需求确定折扣商存在下零售商订货调整量和折扣产品库存水平; 步骤5、对折扣商存在下零售商的期望利润函数求零售商订货调整量的一阶导数,得到折扣商存在下零售商订货的最优订货调整量,利用最优订货调整量得到折扣商存在时零售商最优订货量的表达式; 步骤6、将折扣商的期望利润函数作为模拟退火算法的目标函数,采用模拟退火算法,以折扣商期望利润函数最大为目标,求解最优折扣产品价格; 步骤7、将最优折扣产品价格代入折扣商存在时零售商的最优订货量的表达式求解折扣商存在时零售商的最优订货量; 步骤8、向制造商的利润函数代入折扣商存在时零售商的最优订货量,得到制造商的利润。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人合肥工业大学,其通讯地址为:230009 安徽省合肥市合肥工业大学屯溪路校区;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励