Question

（我已经改变了这个问题的细节以避免NDA问题。我知道如果从字面上理解，有更好的方法来运行这个理论公司。）

有一组仓库，每个仓库都能够存储和分配200种不同的产品，这些产品可能是A公司生产的1000种产品。每个仓库都备有200种产品，并分配订单，然后由他们手头的库存填写。

挑战在于每个仓库都需要自给自足。将订购任意数量的产品（通常为5-10个），并将其分配给仓库。然后仓库为订单包装所需的产品，并将它们一起装运。对于仓库中没有的任何物品，物品必须在订单发货前单独交付给仓库。

因此，问题在于确定最佳仓库/产品配置，以便无需订购和等待单个物品即可打包尽可能多的订单。

例如（使用每个以字母表示的产品，以及能够存储5个产品系列的仓库）：

Warehouse 1: [A, B, C, D, E]
Warehouse 2: [A, D, F, G, H]

Order: [A, C, D] -> Warehouse 1
Order: [A, D, H] -> Warehouse 2
Order: [A, B, E, F] -> Warehouse 1 (+1 separately ordered)
Order: [A, D, E, F] -> Warehouse 2 (+1 separately ordered)

目标是使用历史数据来最大限度地减少将来单独订购的产品的数量。一旦仓库以某种方式设置，软件就会确定哪个仓库能够以最小的开销处理订单。

这立刻让我觉得机器学习风格问题。它似乎也是某些众所周知的NP-Complete问题的组合，尽管它们似乎都不合适。

是否有代表此类问题的模型？

Answer 1

如果我理解正确，你必须分开问题：

预测每个仓库预购的内容
获取订单的最佳仓库

对于第一个问题，我指出netflix prize：这几乎是同一个问题，并提出了很好的解决方案。（我的数据挖掘手册在家里，我不记得谷歌的精确关键词，抱歉。试试“数据挖掘时间序列”）

对于第二个，这是Prolog的一个问题。

设置单独订购商品的费用
设置成本，for，idk，与客户的距离
将已拥有产品的成本设置为0
制定规则以获得产品：如果您没有产品，请购买产品
制定规则以获取所有产品：foreach产品，上述规则
获取此规则的费用
轻轻地询问Prolog以获得解决方案。如果不够好，请多询问。

如果您不想使用Prolog，那么有几个约束库。只需谷歌“约束库<insert your programming language here＆gt;”

Answer 2

问题的第一部分（哪些项目经常一起排序）有时被称为共现问题，并且是数据挖掘文献的重要组成部分。（我的回忆是问题出在NP中，但是存在相当不错的近似算法）。

一旦您获得了共处数据，您仍然可以将物品分配给仓库。这有点像集合覆盖问题，但不完全相同。这个问题是NP难的。

寻找一个代表这个问题的模型，我怀疑它可能是NP完全的

2 个答案: