门店补货方法、装置、存储介质及计算机设备与流程

1.本技术涉及商品信息处理技术领域，尤其涉及一种门店补货方法、装置、存储介质及计算机设备。


背景技术：

2.供应链补货系统是零售行业最为核心的业务系统，其决定了企业最大的物料成本和营业收益。现有的门店补货方法主要是依赖商品单品的销量预测确定补货量，这种方式误差较大，未能综合考虑门店需求、仓储情况。若为了降低预测误差，引入更多参量进行计算，对于门店数量多、商品种类繁复的情况，计算量庞大，计算过程需要消耗大量的计算资源，难以快速实现补货量的测算。


技术实现要素：

3.本技术实施例提供了一种门店补货方法、装置、存储介质及计算机设备，能够充分考虑门店铺货的需求进行测算，在降低测算误差的同时减少对计算资源的消耗。
4.第一方面，本技术提供了一种门店补货方法，所述方法包括：
5.计算每个门店中商品单品的上限补货量；
6.计算每个门店中所述商品单品对应的商品类别的上限补货量；
7.获取所述商品单品对应的仓库库存量；
8.判断每个门店的所述商品单品是否满足赋零条件；
9.若所述商品单品不满足赋零条件，则获取所述商品单品对应于门店的销售权重因子；
10.基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量；其中，所述目标函数用于表征最大销售额；
11.若所述商品单品满足赋零条件，则将商品单品满足赋零条件的门店对应的所述商品单品的目标补货量确定为零。
12.在其中一个实施例中，所述计算每个门店中商品单品的上限补货量，包括：
13.获取所述商品单品在每个门店的单品门店库存量；
14.计算所述商品单品在每个门店的单品预测销量；
15.计算每个门店中所述单品预测销量与所述单品门店库存量之差，得到每个门店中所述商品单品的上限补货量。
16.在其中一个实施例中，所述计算每个门店中所述商品单品对应的商品类别的上限补货量，包括：
17.获取所述商品单品对应的商品类别在每个门店的品类门店库存量；
18.计算所述商品单品对应的商品类别的品类预测销量；
19.计算每个门店中所述品类预测销量与所述品类门店库存量之差，得到每个门店中
所述商品类别的上限补货量。
20.在其中一个实施例中，所述判断每个门店的所述商品单品是否满足赋零条件，包括：
21.识别所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项是否为零；
22.若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项为零，则判断所述商品单品满足赋零条件；
23.若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项均不为零，则判断所述商品单品不满足赋零条件。
24.在其中一个实施例中，所述目标函数为：
25.maxp＝σw
ik
xi′k26.其中，max p为最大销售额参数，w
ik
为商品单品i对应于门店k的销售权重因子，xi′k为每个门店中商品单品的目标补货量，xi′k为大于或等于零的整数；
27.所述目标函数的约束条件包括：商品单品的目标补货量不大于商品单品的上限补货量，每个商品类别中的各商品单品的目标补货量之和不大于所述商品类别的上限补货量，及，每个商品单品对应于各门店的目标补货量之和不大于所述商品单品对应的仓库库存量。
28.在其中一个实施例中，所述基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量，包括：
29.基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对所述目标函数采用分支定界法进行求解，当所述目标函数不再发生变化时停止计算，得到每个门店中所述商品单品的目标补货量。
30.在其中一个实施例中，所述方法还包括：
31.根据每个门店中的每个商品单品的目标补货量生成门店补货清单。
32.第二方面，本技术提供了一种门店补货装置，包括：
33.第一计算模块，用于计算每个门店中商品单品的上限补货量；
34.第二计算模块，用于计算每个门店中所述商品单品对应的商品类别的上限补货量；
35.库存获取模块，用于获取所述商品单品对应的仓库库存量；
36.判断模块，用于判断每个门店的所述商品单品是否满足赋零条件；
37.权重获取模块，用于在所述商品单品不满足赋零条件时，获取所述商品单品对应于门店的销售权重因子；
38.第三计算模块，用于基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量；其中，所述目标函数用于表征最大销售额；
39.赋零模块，用于在所述商品单品满足赋零条件时，将商品单品满足赋零条件的门店对应的所述商品单品的目标补货量确定为零。
40.第三方面，本技术提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述任一项实施例所述门店补货方法的步骤。
41.第四方面，本技术提供了一种计算机设备，包括：一个或多个处理器，以及存储器；
42.所述存储器中存储有计算机可读指令，所述一个或多个处理器执行时所述计算机可读指令时，执行如上述任一项实施例所述门店补货方法的步骤。
43.从以上技术方案可以看出，本技术实施例具有以下优点：
44.本技术提供的门店补货方法、装置、存储介质及计算机设备，对每个门店的商品单品上限补货量和商品类别的上限补货量进行计算，在进行大规模计算之前，通过赋零条件对商品单品进行过滤，若经判断门店中的任意商品单品满足赋零条件，则直接将该商品单品的目标补货量确定为0，该门店中的此商品单品不再进行后续计算，在判读目标补货量不为0时，再基于门店中商品单品的上限补货量及其所属商品类别的上限补货量和该商品单品对应的仓库库存量，对预先定义的用于表征最大销售额的目标函数进行求解，得到每个门店中所述商品单品的目标补货量，充分考虑了每个门店中每个商品单品所在品类的需求情况，综合仓库库存量对各个门店的补货量进行协调，得出高周转率高收益的目标补货量，并且在计算前进行数据过滤，减少了计算资源的浪费，提高计算效率。
附图说明
45.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
46.图1为一个实施例中，门店补货方法的流程示意图；
47.图2为一个实施例中，计算每个门店中商品单品的上限补货量步骤的流程示意图；
48.图3为一个实施例中，计算每个门店中所述商品单品对应的商品类别的上限补货量步骤的流程示意图；
49.图4为一个实施例中，门店补货装置的结构框图；
50.图5为一个实施例中，计算机设备的内部结构图。
具体实施方式
51.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
52.如图1所示，本技术实施例提供了一种门店补货方法，所述方法包括步骤s101至s107，其中：
53.步骤s101，计算每个门店中商品单品的上限补货量。
54.其中，上限补货量是指预计补货天数下，每个门店进行补货的补货量上限值。商品单品是指具体的某款商品，例如a品牌的面巾纸，即属于一个商品单品。
55.步骤s102，计算每个门店中所述商品单品对应的商品类别的上限补货量。
56.门店中某些商品类别可能会铺设多种商品单品，以商品单品为a品牌的面巾纸为例，其对应的商品类别即为面巾纸。
57.现有技术中的常见补货方式，仅仅考虑商品单品的补货量，直接根据预测销量和补货天数计算出补货量进行补货，但一个门店中同一个商品类别可能包括多种商品单品。每个商品类别下的各商品单品之间存在一定的依存替代关系，门店在补货时，除了考虑商品单品的补货，也应该充分考虑此商品类别的整体情况，从而保障此商品类别的商品不会占用太多门店版面。
58.步骤s103，获取所述商品单品对应的仓库库存量。
59.仓库库存量是指企业用于存储供应品的仓库中该商品单品的剩余量。现有技术中直接根据预测销量和补货天数计算出补货量进行补货的方式，在仓库库存量充足时能够保证正常供货，若仓库库存量不足，则无法正常供货，对于企业而言，供货补货都需要消耗大量的成本，若因此原因导致门店供货不足，则需要进行货物调配或是重新规划补货数据进行二次补货，增加企业的成本。本实施例中引入仓库库存量进行综合考虑，能够更加精准地进行预测和规划，降低企业成本。
60.步骤s104，判断每个门店的所述商品单品是否满足赋零条件。
61.赋零条件是指商品单品的补货量需要确定为0的条件。在进行补货量的精准计算前，先对补货量应当为0的商品单品进行过滤并直接将补货量确定为0，既能减少计算量，也能提高补货量预测的精准度。在其中一个实施例中，若商品单品的上限补货量计算为0，则可以直接将其补货量确定为0。在另一个实施例中，若商品单品对应的商品类别的上限补货量计算为0，即此商品类别无需进行补货，即使商品单品的上限补货量不为0，也应当将此商品类型包含的商品单品的补货量确定为0。在又一个实施例中，若商品单品对应的仓库库存量确定为0，即表示该商品单品无法进行补货，对此情况也可以该商品单品的补货量确定为0；在一些实施例中，对于商品单品对应的仓库库存量确定为0的情况，也可以发出库存不足的提示，进而能够进行仓库库存的补货。
62.在其中一个实施例中，判断每个门店的所述商品单品是否满足赋零条件，包括：
63.识别所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项是否为零；
64.若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项为零，则判断所述商品单品满足赋零条件；
65.若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项均不为零，则判断所述商品单品不满足赋零条件。
66.步骤s105，若所述商品单品满足赋零条件，则将商品单品满足赋零条件的门店对应的所述商品单品的目标补货量确定为零。
67.步骤s106，若所述商品单品不满足赋零条件，则获取所述商品单品对应于门店的销售权重因子。
68.其中，销售权重因子为企业根据各门店的情况进行配置的，配置的参考因素包括但不限于地区、销量、季节等等，销售权重因子反映了商品单品在门店中的销售潜力。对于
不满足赋零条件的商品单品则需要进行补货量的计算规划。通过配置每个门店每个商品单品的销售权重因子，能够动态调整补货策略，在综合考虑单一门店、全部门店以及仓库库存的情况下进行补货计算，实现周转率最大且收入最大。
69.步骤s107，基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量。
70.其中，目标函数用于表征最大销售额，即目标函数与最大销售额成正相关关系，基于考虑了商品单品的上限补货量、商品类别的上限补货量及仓库库存量的目标函数进行求解，得到每个门店对每个商品单品进行补货的目标补货量。
71.本技术提供的门店补货方法，对每个门店的商品单品上限补货量和商品类别的上限补货量进行计算，在进行大规模计算之前，通过赋零条件对商品单品进行过滤，若经判断门店中的任意商品单品满足赋零条件，则直接将该商品单品的目标补货量确定为0，该门店中的此商品单品不再进行后续计算，在判读目标补货量不为0时，再基于门店中商品单品的上限补货量及其所属商品类别的上限补货量和该商品单品对应的仓库库存量，对预先定义的用于表征最大销售额的目标函数进行求解，得到每个门店中所述商品单品的目标补货量，充分考虑了每个门店中每个商品单品所在品类的需求情况，综合仓库库存量对各个门店的补货量进行协调，得出高周转率高收益的目标补货量，并且在计算前进行数据过滤，减少了计算资源的浪费，提高计算效率。
72.如图2所示，在其中一个实施例中，计算每个门店中商品单品的上限补货量，包括步骤s201至s203，其中：
73.步骤s201，获取所述商品单品在每个门店的单品门店库存量。
74.单品门店库存量是指商品单品在一个门店中的剩余库存，每个商品单品在不同门店的单品门店库存量可能相同也可能不同，需要从各门店的数据中分别进行获取。
75.步骤s202，计算所述商品单品在每个门店的单品预测销量。
76.单品预测销量是指该商品单品在一个门店中，根据预计补货天数进行预测确定的预测销量。预测销量的计算可以基于历史销量数据，依据机器学习、时间序列等方法进行预测，本领域技术人员可以根据需要进行预测算法的选择，在此不做限定。
77.步骤s203，计算每个门店中所述单品预测销量与所述单品门店库存量之差，得到每个门店中所述商品单品的上限补货量。
78.商品单品的上限补货量的计算公式如下：
79.x
ik
＝f
xik
(t)-s
xik
80.其中，x
ik
为商品单品的上限补货量，f
xik
(t)为商品单品的单品预测销量，s
xik
为商品单品的单品门店库存量。
81.本实施例中，将现有技术中直接根据预测销量和剩余门店库存计算的补货量作为最终确定的目标补货量的上限值，能够对目标函数的计算进行约束，提高了补货量计算的精准度。
82.如图3所示，在其中一个实施例中，计算每个门店中所述商品单品对应的商品类别的上限补货量，包括步骤s301至s303，其中：
83.步骤s301，获取所述商品单品对应的商品类别在每个门店的品类门店库存量。
84.品类门店库存量是指商品单品对应的商品类别涉及的所有商品单品在一个门店
中的总剩余库存，每个商品类别在不同门店的品类门店库存量可能相同也可能不同，需要从各门店的数据中分别进行获取。
85.步骤s302，计算所述商品单品对应的商品类别的品类预测销量。
86.品类预测销量是指该商品单品对应的商品类别涉及的所有商品单品在一个门店中，根据预计补货天数进行预测确定的预测销量的总和。
87.步骤s303，每个门店中所述品类预测销量与所述品类门店库存量之差，得到每个门店中所述商品类别的上限补货量。
88.商品类别的上限补货量的计算公式如下：
89.c
ik
＝f
cik
(t)-s
cik
90.其中，c
ik
为商品类别的上限补货量，f
cik
(t)为商品类别的品类预测销量，s
cik
为商品类别的品类门店库存量。
91.本实施例中，通过对商品类别的上限补货量进行预测，用以对目标函数的计算进行约束，提高了补货量计算的精准度。
92.在其中一个实施例中，所述目标函数为：
93.max p＝∑w
ik
x
′
ik
94.其中，max p为最大销售额参数，w
ik
为商品单品i对应于门店k的销售权重因子，x
′
ik
为每个门店中商品单品的目标补货量，x
′
ik
为大于或等于零的整数；
95.所述目标函数同时满足下述约束条件：
96.(1)商品单品的目标补货量不大于商品单品的上限补货量：
97.x
′
ik
≤x
ik
98.(2)每个商品类别中的各商品单品的目标补货量之和不大于所述商品类别的上限补货量：
[0099][0100]
(3)每个商品单品对应于各门店的目标补货量之和不大于所述商品单品对应的仓库库存量：
[0101][0102]
其中，ri为商品单品对应的仓库库存量。
[0103]
在其中一个实施例中，所述基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量，包括：
[0104]
基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对所述目标函数采用分支定界法进行求解，当所述目标函数不再发生变化时停止计算，得到每个门店中所述商品单品的目标补货量。
[0105]
本实施例中使用分支定界法对目标函数进行求解，将门店补货问题转化为整数优化问题进行求解，能够快速得到最有解。此方法能够解决绝大多数线下门店补货场景，以及适用于部分线上零售补货场景。
[0106]
在其中一个实施例中，所述方法还包括：
[0107]
根据每个门店中的每个商品单品的目标补货量生成门店补货清单。
[0108]
本实施例能够根据计算出的各个门店中各商品单品的目标补货量生成门店补货清单，无论是人工调配补货或者自动化补货均可以此为据。
[0109]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0110]
下面对本技术实施例提供的门店补货装置进行描述，下文描述的门店补货装置与上文描述的门店补货方法可相互对应参照。
[0111]
如图4所示，本技术实施例提供了一种门店补货装置400，包括：
[0112]
第一计算模块401，用于计算每个门店中商品单品的上限补货量；
[0113]
第二计算模块402，用于计算每个门店中所述商品单品对应的商品类别的上限补货量；
[0114]
库存获取模块403，用于获取所述商品单品对应的仓库库存量；
[0115]
判断模块404，用于判断每个门店的所述商品单品是否满足赋零条件；
[0116]
权重获取模块405，若所述商品单品不满足赋零条件，则获取所述商品单品对应于门店的销售权重因子；
[0117]
第三计算模块406，用于基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量；其中，所述目标函数用于表征最大销售额；
[0118]
赋零模块407，用于在所述商品单品满足赋零条件时，将商品单品满足赋零条件的门店对应的所述商品单品的目标补货量确定为零。
[0119]
在其中一个实施例中，第一计算模块被配置为用于执行以下步骤：
[0120]
获取所述商品单品在每个门店的单品门店库存量；
[0121]
计算所述商品单品在每个门店的单品预测销量；
[0122]
计算每个门店中所述单品预测销量与所述单品门店库存量之差，得到每个门店中所述商品单品的上限补货量。
[0123]
在其中一个实施例中，第二计算模块被配置为用于执行以下步骤：
[0124]
获取所述商品单品对应的商品类别在每个门店的品类门店库存量；
[0125]
计算所述商品单品对应的商品类别的品类预测销量；
[0126]
计算每个门店中所述品类预测销量与所述品类门店库存量之差，得到每个门店中所述商品类别的上限补货量。
[0127]
在其中一个实施例中，判断模块被配置为用于执行以下步骤：
[0128]
识别所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项是否为零；
[0129]
若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项为零，则判断所述商品单品满足赋零条件；
[0130]
若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项均不为零，则判断所述商品单品不满足赋零条件。
[0131]
在其中一个实施例中，第三计算模块被配置为用于执行以下步骤：
[0132]
基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对所述目标函数采用分支定界法进行求解，当所述目标函数不再发生变化时停止计算，得到每个门店中所述商品单品的目标补货量。
[0133]
在其中一个实施例中，门店补货装置还包括：
[0134]
清单生成模块，用于根据每个门店中的每个商品单品的目标补货量生成门店补货清单。
[0135]
上述门店补货装置中各个模块的划分仅仅用于举例说明，在其他实施例中，可将门店补货装置按照需要划分为不同的模块，以完成上述门店补货装置的全部或部分功能。上述门店补货装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0136]
在一个实施例中，本技术还提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：
[0137]
计算每个门店中商品单品的上限补货量；
[0138]
计算每个门店中所述商品单品对应的商品类别的上限补货量；
[0139]
获取所述商品单品对应的仓库库存量；
[0140]
判断每个门店的所述商品单品是否满足赋零条件；
[0141]
若所述商品单品不满足赋零条件，则获取所述商品单品对应于门店的销售权重因子；
[0142]
基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量；其中，所述目标函数用于表征最大销售额；
[0143]
若所述商品单品满足赋零条件，则将商品单品满足赋零条件的门店对应的所述商品单品的目标补货量确定为零。
[0144]
在其中一个实施例中，计算机可读指令被处理器执行时还实现以下步骤：
[0145]
获取所述商品单品在每个门店的单品门店库存量；
[0146]
计算所述商品单品在每个门店的单品预测销量；
[0147]
计算每个门店中所述单品预测销量与所述单品门店库存量之差，得到每个门店中所述商品单品的上限补货量。
[0148]
在其中一个实施例中，计算机可读指令被处理器执行时还实现以下步骤：
[0149]
获取所述商品单品对应的商品类别在每个门店的品类门店库存量；
[0150]
计算所述商品单品对应的商品类别的品类预测销量；
[0151]
计算每个门店中所述品类预测销量与所述品类门店库存量之差，得到每个门店中所述商品类别的上限补货量。
[0152]
在其中一个实施例中，计算机可读指令被处理器执行时还实现以下步骤：
[0153]
识别所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项是否为零；
[0154]
若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项为零，则判断所述商品单品满足赋零条件；
[0155]
若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项均不为零，则判断所述商品单品不满足赋零条件。
[0156]
在其中一个实施例中，计算机可读指令被处理器执行时还实现以下步骤：
[0157]
基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对所述目标函数采用分支定界法进行求解，当所述目标函数不再发生变化时停止计算，得到每个门店中所述商品单品的目标补货量。
[0158]
在其中一个实施例中，计算机可读指令被处理器执行时还实现以下步骤：
[0159]
根据每个门店中的每个商品单品的目标补货量生成门店补货清单。
[0160]
在一个实施例中，本技术还提供了一种计算机设备，所述计算机设备中存储有计算机可读指令，所述一个或多个处理器执行所述计算机可读指令时，执行以下步骤：
[0161]
计算每个门店中商品单品的上限补货量；
[0162]
计算每个门店中所述商品单品对应的商品类别的上限补货量；
[0163]
获取所述商品单品对应的仓库库存量；
[0164]
判断每个门店的所述商品单品是否满足赋零条件；
[0165]
若所述商品单品不满足赋零条件，则获取所述商品单品对应于门店的销售权重因子；
[0166]
基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对预先定义的目标函数进行求解，得到每个门店中所述商品单品的目标补货量；其中，所述目标函数用于表征最大销售额；
[0167]
若所述商品单品满足赋零条件，则将商品单品满足赋零条件的门店对应的所述商品单品的目标补货量确定为零。
[0168]
在其中一个实施例中，处理器执行计算机可读指令时还执行以下步骤：
[0169]
获取所述商品单品在每个门店的单品门店库存量；
[0170]
计算所述商品单品在每个门店的单品预测销量；
[0171]
计算每个门店中所述单品预测销量与所述单品门店库存量之差，得到每个门店中所述商品单品的上限补货量。
[0172]
在其中一个实施例中，处理器执行计算机可读指令时还执行以下步骤：
[0173]
获取所述商品单品对应的商品类别在每个门店的品类门店库存量；
[0174]
计算所述商品单品对应的商品类别的品类预测销量；
[0175]
计算每个门店中所述品类预测销量与所述品类门店库存量之差，得到每个门店中所述商品类别的上限补货量。
[0176]
在其中一个实施例中，处理器执行计算机可读指令时还执行以下步骤：
[0177]
识别所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项是否为零；
[0178]
若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项为零，则判断所述商品单品满足赋零条件；
[0179]
若所述商品单品的上限补货量、所述商品单品对应的商品类别的上限补货量，及所述商品单品对应的仓库库存量中的任意一项均不为零，则判断所述商品单品不满足赋零条件。
[0180]
在其中一个实施例中，处理器执行计算机可读指令时还执行以下步骤：
[0181]
基于所述商品单品的上限补货量、商品类别的上限补货量及所述仓库库存量，对所述目标函数采用分支定界法进行求解，当所述目标函数不再发生变化时停止计算，得到每个门店中所述商品单品的目标补货量。
[0182]
在其中一个实施例中，处理器执行计算机可读指令时还执行以下步骤：
[0183]
根据每个门店中的每个商品单品的目标补货量生成门店补货清单。
[0184]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种门店补货方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0185]
本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0186]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据
库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0187]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0188]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0189]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
[0190]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。