公开(公告)号：CN117350755A

公开(公告)日：2024-01-05

申请号：CN202311271552.1

申请日：2023-09-28

Applicant: 合肥工业大学

Inventor： 陈敬贤 ,  程新皓 ,  章琦 ,  刘松诺 ,  王萍 ,  黎功琴 ,  王庆安

IPC: G06Q30/0201 ,  G06Q10/087 ,  G06N3/006

Abstract: 本发明公开了一种基于零售平台补贴的供应链定价和库存决策方法及系统，涉及商品定价决策领域，所述决策方法包括以下步骤：S1：构建零售商与零售平台的Stackelberg博弈模型；S2：根据平台对零售商补贴总额有限的条件，建立上层为零售平台、下层为n个零售商的双层规划模型；S3：通过设计改进的粒子群算法对双层规划模型求解。本发明为一种基于零售平台补贴的供应链定价和库存决策方法及系统，引入了产品补贴背景下的博弈模型，更准确地反映了零售商和零售平台之间的复杂关系，能够考虑到双方的利益和策略，从而导致更具竞争力和长期可持续性的定价、库存和补贴策略，零售平台可以根据市场需求和竞争情况动态调整补贴策略，使得平台能够在不断变化的市场条件下灵活应对，提高了市场占有率。

公开(公告)号：CN119721426B

公开(公告)日：2025-05-13

申请号：CN202510221610.2

申请日：2025-02-27

Applicant: 合肥工业大学

Inventor： 陈敬贤 ,  吴浩然 ,  梁樑 ,  郑逸飞 ,  李凯 ,  施辉 ,  程新皓 ,  田晓乐

IPC: G06Q10/047 ,  G06Q10/0835 ,  G06N3/092 ,  G06N3/048

Abstract: 本发明公开了一种具备天气适应性的公路运输路线规划方法及系统，涉及深度强化学习技术领域，包括步骤：S1、输入环境信息；环境信息包括基础信息、天气预测信息和历史数据；S2、初始化训练网络、目标网络和经验回放池；S3、初始化状态空间、动作空间和奖励函数；S4、训练训练网络，利用贪婪策略选择动作at；利用奖励函数，结合历史数据和权重矩阵λ计算执行动作at的预测奖励值rt和预测运输时间ht；S5、抽取样本训练：计算样本的目标值，利用目标值和第一损失函数更新训练网络；S6、重复S4、S5，定期同步训练网络至目标网络；S7、生成最优路径。最终实现基于实时数据的动态路径优化，最小化运输总成本。

公开(公告)号：CN117217809A

公开(公告)日：2023-12-12

申请号：CN202310925755.1

申请日：2023-07-26

Applicant: 合肥工业大学

Inventor： 陈敬贤 ,  刘松诺 ,  梁樑 ,  章琦 ,  杨惠 ,  夏焱 ,  程新皓

IPC: G06Q30/0202 ,  G06F16/2458 ,  G06N3/0442 ,  G06F18/214 ,  G06F18/213

Abstract: 本发明公开了一种基于跨序列的短期商品需求预测方法，具体涉及互联网技术领域，短期商品需求预测方法包括：步骤1，获取样本数据集；步骤2，样本数据预处理；步骤3，设置样本数据的时间序列聚类距离；步骤4，确定最佳类簇数量；步骤5，对样本数据时间序列进行处理分类；步骤6，提取样本数据时间序列特征；步骤7，处理时间序列特征；步骤8，需求预测；步骤9，预测误差运算；步骤10，处理预测结果。本发明根据新上市产品的短期销售数据来预测商品的需求，使用动态时间规整算法计算时间序列之间的距离，大大提高了计算速度；利用双向LSTM神经网络捕捉主时间序列的短期特征，提高了预测的精确度；使用多头注意力机制能够提高模型稳定性。

公开(公告)号：CN119721426A

公开(公告)日：2025-03-28

申请号：CN202510221610.2

申请日：2025-02-27

Applicant: 合肥工业大学

Inventor： 陈敬贤 ,  吴浩然 ,  梁樑 ,  郑逸飞 ,  李凯 ,  施辉 ,  程新皓 ,  田晓乐

IPC: G06Q10/047 ,  G06Q10/0835 ,  G06N3/092 ,  G06N3/048

Abstract: 本发明公开了一种具备天气适应性的公路运输路线规划方法及系统，涉及深度强化学习技术领域，包括步骤：S1、输入环境信息；环境信息包括基础信息、天气预测信息和历史数据；S2、初始化训练网络、目标网络和经验回放池；S3、初始化状态空间、动作空间和奖励函数；S4、训练训练网络，利用贪婪策略选择动作at；利用奖励函数，结合历史数据和权重矩阵λ计算执行动作at的预测奖励值rt和预测运输时间ht；S5、抽取样本训练：计算样本的目标值，利用目标值和第一损失函数更新训练网络；S6、重复S4、S5，定期同步训练网络至目标网络；S7、生成最优路径。最终实现基于实时数据的动态路径优化，最小化运输总成本。

公开(公告)号：CN118350892A

公开(公告)日：2024-07-16

申请号：CN202410455023.5

申请日：2024-04-16

Applicant: 合肥工业大学

Inventor： 陈敬贤 ,  王萍 ,  梁樑 ,  章琦 ,  程新皓

IPC: G06Q30/0601 ,  G06Q30/08 ,  G06Q30/0207 ,  G06Q30/0282 ,  G06F17/18 ,  G07C13/00

Abstract: 本发明公开基于投票和拍卖算法的数字平台订阅计划推荐系统、方法、设备和介质，该系统包括订阅计划信息模块，用于录入所有的订阅计划的基本信息；投票和拍卖算法模块，用于基于投票和拍卖算法对消费者在投票和拍卖过程中的投标值和投票数进行统计分析，确定最优的订阅计划和获奖的参与者；推荐结果生成模块，用于向消费者推荐最优的订阅计划并提供推荐理由；奖励分配和利润计算模块，用于计算并分配奖励金额给获胜参与者，计算订阅计划推荐系统利润；消费者反馈模块，用于收集消费者的反馈和评价以改进订阅推荐系统。本发明大大提高了推荐效率和精准度。