仓配网络优化器

基于整数规划（MILP）的仓配网络优化系统，支持时效计算（含等待时间）、中转链路、供应关系到区县等。

Install

openclaw skills install @jinqianfei/warehouse-network-optimizer

仓配网络规划优化器 Skill v2.7

概述

基于整数规划（MILP）的仓配网络优化系统，使用 PuLP+CBC 求解器，支持多约束优化。

版本历史

版本	日期	更新内容
v2.7	2026-04-07	RDC数量改为上限（<=N），新增参数引导流程
v2.6	2026-04-07	智能单位检测 + 加权平均时效指标
v2.5	2026-04-07	优化门店匹配逻辑（城市优先，省份备选）
v2.4	2026-04-07	新增等待时间计算（考虑发车日）

📋 完整使用流程

text

Step 1: 准备数据文件
    ↓
Step 2: 转换数据（Excel → JSON）
    ↓
Step 3: 配置优化参数 ⭐【新增引导流程】
    ↓
Step 4: 运行优化 → 生成 Excel 报告

🎯 Step 3: 参数配置（重要更新 v2.7）

参数引导清单

1. 基本参数

参数	说明	格式
RDC数量上限	最多选择的RDC数量	数字（如5）

2. 约束条件（可选）

参数	说明	格式
必选仓库	必须包含的RDC仓库	仓库名列表
禁止仓库	不能作为RDC的仓库	仓库名列表

⚠️ 重要：RDC数量含义

旧逻辑：== N（恰好N个）
新逻辑：<= N（最多N个，由优化器自动选择最优数量）

🔴 v2.7 重要变更

1. RDC数量改为上限

变更前：

text

设置 RDC=5 → 必须恰好选择5个RDC

变更后：

text

设置 RDC<=5 → 最多选择5个RDC，优化器自动选择最优数量
优点：更灵活，避免过度建设

2. 参数引导流程

优化前必须确认的参数：

text

1. RDC数量上限（N）
2. 必选仓库（如有）
3. 禁止仓库（如有）

🚀 快速开始

1. 安装依赖

bash

pip install pulp pandas openpyxl

2. 准备数据文件

数据类型	格式	说明
门店数据	Excel	省份、城市、区县、详细地址
干线数据	Excel	仓库间调拨线路和时效
共配数据	Excel（多Sheet）	各基地报货周期表

3. 转换数据

bash

# 转换干线数据（自动检测单位并转换）
python3 convert_data.py --trunk 干线数据.xlsx --output-dir .

# 转换共配数据
python3 convert_data.py --distribution 共配报货周期表.xlsx --output-dir .

4. 配置参数并运行

bash

python3 run_optimization.py \
    --store-file 门店数据.xlsx \
    --rdc-count 5 \        # 最多5个RDC
    --output result.xlsx

📊 优化算法逻辑

1. 目标函数

text

最小化：Σ(门店数 × 线路时效) 加权和

2. 约束条件

text

1. 每个省份必须分配给1个RDC
2. RDC数量 <= 指定上限
3. 必选仓库（如果有）必须被选中
4. 禁止仓库（如果有）不能被选中

3. 时效计算

总时效 = 等待时间 + 干线时效 + 等待时间 + 配送时效

时效类型	单位	说明
干线时效	天	由小时转换或直接使用
配送时效	天	共配表原始数据
等待时间	天	因发车日导致的等待

4. 链路类型判断

链路类型	判断条件
直达	RDC = 配送基地
调拨一次	RDC ≠ FSL，有直达干线
中转	需要经过TC中转仓

5. 门店匹配逻辑

text

1. 优先城市精确匹配
2. 其次省份模糊匹配
3. 城市推断省份

📊 输出Excel结构

Sheet名称	内容
执行摘要	关键指标、RDC数量、覆盖区域、加权平均时效
RDC选址	选中的RDC仓库
供应关系	完整链路信息（含时效分解）
调拨中转仓	涉及的中转链路
省份分布	各省归属

执行摘要字段

字段	说明
RDC数量	实际选中的RDC数量（≤上限）
覆盖区域	省-市-区组合数
总门店数	有效门店总数
时效单位	天
加权平均时效	Σ(门店数×时效)/总门店数

📝 代码示例

方式1：命令行

bash

python3 run_optimization.py \
    --store-file 门店数据.xlsx \
    --rdc-count 5 \
    --output result.xlsx

方式2：Python调用

python

from run_optimization import optimize_and_generate_excel

optimize_and_generate_excel(
    store_file='门店数据.xlsx',
    num_rdc=5,  # 最多5个RDC
    output_file='result.xlsx'
)

✅ 检查清单

RDC数量改为上限（<= N）
参数引导流程
智能单位检测
加权平均时效指标
时效计算（含等待时间）
链路类型判断
供应关系展示到区县级别
门店匹配逻辑（城市优先，省份备选）

📁 文件结构

text

warehouse-network-optimizer.skills/
├── SKILL.md               # 本文档
├── convert_data.py         # 数据转换脚本
├── run_optimization.py     # 核心优化脚本
├── trunk_lines.json        # 干线数据
└── distribution_cycles.json # 共配数据

Status: 生产可用 ✅
Version: 2.7.0
核心功能: 整数规划优化 + 智能单位检测 + 加权平均时效