(19)國家知識產(chǎn)權(quán)局地址210000江蘇省南京市建必區(qū)漢中門所(普通合伙)32722GO6Q10/GO6N3/042(2023.01)候選節(jié)點(diǎn)并生成順序連接邊，進(jìn)一步優(yōu)化補(bǔ)貨療耗材管理。,生成第二補(bǔ)貨圖21.面向智能倉儲的動態(tài)補(bǔ)貨方法，應(yīng)用于口腔醫(yī)療耗材的管理系統(tǒng)，其特征在于，所述動態(tài)補(bǔ)貨方法包括：獲取所述口腔醫(yī)療耗材的消耗數(shù)據(jù)；將實時需求和所述消耗數(shù)據(jù)輸入至預(yù)設(shè)的圖神經(jīng)網(wǎng)絡(luò)，以輸出補(bǔ)貨需求，其中所述圖神經(jīng)網(wǎng)絡(luò)基于預(yù)設(shè)時間段內(nèi)歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)生成圖神經(jīng)網(wǎng)絡(luò)的第一補(bǔ)貨圖，根據(jù)實時需求生成觸發(fā)式連接邊，更新所述圖神經(jīng)網(wǎng)絡(luò)，以更新所述第一補(bǔ)貨圖，生成第二補(bǔ)貨圖，其中所述觸發(fā)式連接邊用于建立跳級補(bǔ)貨路徑；根據(jù)所述第二補(bǔ)貨圖，生成補(bǔ)貨指令。2.根據(jù)權(quán)利要求1所述面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，所述圖神經(jīng)網(wǎng)絡(luò)基于預(yù)設(shè)時間段內(nèi)歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)生成圖神經(jīng)網(wǎng)絡(luò)的第一補(bǔ)貨圖，包括：對所述消耗數(shù)據(jù)進(jìn)行特征提取，獲取特征向量，其中所述特征向量根據(jù)消耗數(shù)據(jù)的臨床緊急度標(biāo)簽、效期有效時間和無菌存儲分區(qū)編碼進(jìn)行確定；將所述特征向量輸入至圖神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)嵌入層，生成節(jié)點(diǎn)特征矩陣；根據(jù)預(yù)設(shè)時間段內(nèi)的歷史補(bǔ)貨數(shù)據(jù)調(diào)整所述節(jié)點(diǎn)特征矩陣的節(jié)點(diǎn)權(quán)重，生成第一補(bǔ)貨3.根據(jù)權(quán)利要求2所述面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，所述根據(jù)預(yù)設(shè)時間段內(nèi)的歷史補(bǔ)貨數(shù)據(jù)調(diào)整所述節(jié)點(diǎn)特征矩陣的節(jié)點(diǎn)權(quán)重，生成第一補(bǔ)貨圖，包括：根據(jù)所述歷史補(bǔ)貨數(shù)據(jù)，統(tǒng)計任意耗材與剩余耗材的共現(xiàn)次數(shù)和獨(dú)立補(bǔ)貨次數(shù)，計算關(guān)聯(lián)度系數(shù)；對所述關(guān)聯(lián)度系數(shù)進(jìn)行雙重沖突判定，根據(jù)判定結(jié)果生成耗材的二值掩碼矩陣，其中所述雙重沖突判定包括基礎(chǔ)判定和標(biāo)準(zhǔn)判定；將所述節(jié)點(diǎn)特征矩陣與所述二值掩碼矩陣進(jìn)行逐元素點(diǎn)乘，將沖突耗材對的特征向量通過圖神經(jīng)網(wǎng)絡(luò)的注意力機(jī)制對所述稀疏特征矩陣進(jìn)行聚合，更新節(jié)點(diǎn)嵌入，生成第一補(bǔ)貨圖。4.根據(jù)權(quán)利要求1所述面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，所述根據(jù)實時需求對所述實時需求進(jìn)行時空特征編碼，生成需求特征向量，其中所述時空特征包括需求觸發(fā)時間戳、需求倉儲信息和需求緊迫性評分；將所述需求特征向量映射為圖神經(jīng)網(wǎng)絡(luò)中的虛擬需求節(jié)點(diǎn)；將所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行雙向圖注意力匹配，獲取候選節(jié)點(diǎn)集合；對所述候選節(jié)點(diǎn)集合進(jìn)行歷史關(guān)聯(lián)性驗證，計算歷史協(xié)同系數(shù)，根據(jù)所述歷史協(xié)同系數(shù)獲取相似節(jié)點(diǎn)集合，其中所述相似節(jié)點(diǎn)集合表示與候選節(jié)點(diǎn)之間歷史協(xié)同系數(shù)大于等于預(yù)設(shè)的協(xié)同閾值的節(jié)點(diǎn)；根據(jù)所述候選節(jié)點(diǎn)集合和所述相似節(jié)點(diǎn)集合，在所述第一補(bǔ)貨圖中生成觸發(fā)式連接5.根據(jù)權(quán)利要求4所述面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，將所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行雙向圖注意力匹配，包括：3計算所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)的余弦相似度，根據(jù)動態(tài)閾值對第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行篩選，生成初始候選集；基于歷史補(bǔ)貨數(shù)據(jù)，構(gòu)建時空特征與歷史補(bǔ)貨數(shù)據(jù)的依賴矩陣，根據(jù)所述依賴矩陣計算所述第一補(bǔ)貨圖中各節(jié)點(diǎn)的注意力得分；根據(jù)需求閾值對第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行篩選，生成二次候選集；取所述初始候選集和所述二次候選集的交集，生成候選節(jié)點(diǎn)集合。6.根據(jù)權(quán)利要求4所述面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，對所述候選節(jié)點(diǎn)集構(gòu)建候選節(jié)點(diǎn)間的歷史協(xié)同矩陣，其中矩陣元素表示第一候選節(jié)點(diǎn)和第二候選節(jié)點(diǎn)同時觸發(fā)的共現(xiàn)次數(shù)，若無則設(shè)置為零；將所述歷史協(xié)同矩陣的特征值作為該候選節(jié)點(diǎn)的歷史協(xié)同系數(shù)。7.根據(jù)權(quán)利要求4所述面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，更新所述第一補(bǔ)貨對于任意一個候選節(jié)點(diǎn)，若其在第一補(bǔ)貨圖中的原始補(bǔ)貨順序位置大于虛擬需求節(jié)點(diǎn)計算的目標(biāo)順序位置，則建立候選節(jié)點(diǎn)到目標(biāo)順序位置的觸發(fā)式連接邊，其中邊權(quán)重根據(jù)時空特征進(jìn)行設(shè)置；根據(jù)所述相似節(jié)點(diǎn)的位置在第一補(bǔ)貨圖中與對應(yīng)的候選節(jié)點(diǎn)建立順序連接邊，以替代第一補(bǔ)貨圖中的原始連接關(guān)系。8.根據(jù)權(quán)利要求7所述面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，所述虛擬需求節(jié)點(diǎn)當(dāng)存在多個虛擬需求節(jié)點(diǎn)時，獲取所述虛擬需求節(jié)點(diǎn)的需求緊迫性評分；對所述需求緊迫性評分進(jìn)行降序排列，其中，當(dāng)需求緊迫性評分相同時，根據(jù)需求時間戳進(jìn)行排序；根據(jù)排序順序，確定目標(biāo)順序位置。9.面向智能倉儲的動態(tài)補(bǔ)貨系統(tǒng)，用于實現(xiàn)如權(quán)利要求1-8任一項所述的面向智能倉儲的動態(tài)補(bǔ)貨方法，其特征在于，所述系統(tǒng)包括數(shù)據(jù)采集模塊、圖網(wǎng)絡(luò)構(gòu)建模塊和指令生成所述數(shù)據(jù)采集模塊，用于獲取口腔醫(yī)療耗材消耗數(shù)據(jù)、實時需求和預(yù)設(shè)時間段內(nèi)歷史補(bǔ)貨數(shù)據(jù)；所述圖網(wǎng)絡(luò)構(gòu)建模塊，用于基于歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)生成第一補(bǔ)貨圖，根據(jù)實時需求生成觸發(fā)式連接邊，更新為第二補(bǔ)貨圖；所述指令生成模塊，用于根據(jù)第二補(bǔ)貨圖生成補(bǔ)貨指令。10.根據(jù)權(quán)利要求9所述面向智能倉儲的動態(tài)補(bǔ)貨系統(tǒng)，其特征在于，所述圖網(wǎng)絡(luò)構(gòu)建特征提取單元，用于對消耗數(shù)據(jù)進(jìn)行特征提取，輸入至圖神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)嵌入層生成節(jié)點(diǎn)特征矩陣；初始圖生成單元，用于根據(jù)歷史補(bǔ)貨數(shù)據(jù)，統(tǒng)計共現(xiàn)與獨(dú)立補(bǔ)貨次數(shù)計算關(guān)聯(lián)度系數(shù)，通過雙重沖突判定生成二值掩碼矩陣，與節(jié)點(diǎn)特征矩陣點(diǎn)乘得到稀疏特征矩陣，用注意力機(jī)制聚合更新節(jié)點(diǎn)嵌入，生成第一補(bǔ)貨圖；4觸發(fā)邊生成單元，用于對實時需求進(jìn)行時空特征編碼生成需求特征向量，映射為虛擬需求節(jié)點(diǎn)，與第一補(bǔ)貨圖節(jié)點(diǎn)雙向圖注意力匹配得候選節(jié)點(diǎn)集合，驗證歷史關(guān)聯(lián)性計算協(xié)同系數(shù)，在第一補(bǔ)貨圖生成觸發(fā)式連接邊；圖更新單元，用于在圖結(jié)構(gòu)中為觸發(fā)式連接邊指向的候選節(jié)點(diǎn)插入虛擬調(diào)度前置節(jié)點(diǎn)并建立有向邊，對沖突非候選節(jié)點(diǎn)邊權(quán)重乘衰減因子，通過圖卷積操作迭代優(yōu)化前置節(jié)點(diǎn)，生成第二補(bǔ)貨圖。5技術(shù)領(lǐng)域[0001]本發(fā)明涉及倉儲補(bǔ)貨技術(shù)領(lǐng)域，尤其涉及面向智能倉儲的動態(tài)補(bǔ)貨方法及系統(tǒng)。背景技術(shù)[0002]在智能倉儲領(lǐng)域，傳統(tǒng)的補(bǔ)貨方法通?；诠潭ǖ难a(bǔ)貨規(guī)則和預(yù)設(shè)的補(bǔ)貨周期，這使得系統(tǒng)在面對需求波動和緊急情況時缺乏靈活性。尤其是在醫(yī)療耗材管理中，產(chǎn)品種類繁多，且需求波動較大，傳統(tǒng)方法難以實時響應(yīng)突發(fā)需求，容易出現(xiàn)過度補(bǔ)貨或庫存短缺的現(xiàn)象。此外，現(xiàn)有的倉儲管理系統(tǒng)往往忽視了商品之間的時空關(guān)系和歷史依賴性，補(bǔ)貨路徑的優(yōu)化和調(diào)整依賴于固定的優(yōu)先級或權(quán)重系數(shù)，這種方法無法充分考慮實際需求的變[0003]如何在動態(tài)需求和復(fù)雜場景下優(yōu)化補(bǔ)貨順序，提升倉儲補(bǔ)貨決策的實時性和精準(zhǔn)性是目前仍待解決的問題，為解決以上問題，本申請設(shè)計了面向智能倉儲的動態(tài)補(bǔ)貨方法及系統(tǒng)。發(fā)明內(nèi)容[0004]本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供了面向智能倉儲的動態(tài)補(bǔ)貨方法及系統(tǒng)，首先，獲取耗材的消耗數(shù)據(jù)，基于歷史補(bǔ)貨數(shù)據(jù)生成初始補(bǔ)貨圖。通過生成觸發(fā)式連接邊，系統(tǒng)根據(jù)需求的時空特征調(diào)整補(bǔ)貨順序，優(yōu)化補(bǔ)貨路徑。然后，系統(tǒng)基于歷史協(xié)同關(guān)系篩選候選節(jié)點(diǎn)并生成順序連接邊，進(jìn)一步優(yōu)化補(bǔ)貨圖。最終，系統(tǒng)根據(jù)更新后的補(bǔ)貨圖生成補(bǔ)貨指令。該方法能夠?qū)崟r響應(yīng)需求變化，靈活調(diào)整補(bǔ)貨路徑，避免庫存過?；蚨倘?，顯著提高倉儲補(bǔ)貨效率和準(zhǔn)確性，特別適用于需求波動較大的醫(yī)療耗材管理。面向智能倉儲的動態(tài)補(bǔ)貨方法，應(yīng)用于口腔醫(yī)療耗材的管理系統(tǒng)，所述動態(tài)補(bǔ)貨方法包括：獲取所述口腔醫(yī)療耗材的消耗數(shù)據(jù)；將實時需求和所述消耗數(shù)據(jù)輸入至預(yù)設(shè)的圖神經(jīng)網(wǎng)絡(luò)，以輸出補(bǔ)貨需求，其中所述圖神經(jīng)網(wǎng)絡(luò)基于預(yù)設(shè)時間段內(nèi)歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)生成圖神經(jīng)網(wǎng)絡(luò)的第一補(bǔ)貨圖，根據(jù)實時需求生成觸發(fā)式連接邊，更新所述圖神經(jīng)網(wǎng)絡(luò)，以更新所述第一補(bǔ)貨圖，生成第二補(bǔ)貨圖，其中所述觸發(fā)式連接邊用于建立跳級補(bǔ)貨路徑；根據(jù)所述第二補(bǔ)貨圖，生成補(bǔ)貨指令。[0006]所述圖神經(jīng)網(wǎng)絡(luò)基于預(yù)設(shè)時間段內(nèi)歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)生成圖神經(jīng)網(wǎng)絡(luò)的對所述消耗數(shù)據(jù)進(jìn)行特征提取，獲取特征向量，其中所述特征向量根據(jù)消耗數(shù)據(jù)的臨床緊急度標(biāo)簽、效期有效時間和無菌存儲分區(qū)編碼進(jìn)行確定；將所述特征向量輸入至圖神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)嵌入層，生成節(jié)點(diǎn)特征矩陣；根據(jù)預(yù)設(shè)時間段內(nèi)的歷史補(bǔ)貨數(shù)據(jù)調(diào)整所述節(jié)點(diǎn)特征矩陣的節(jié)點(diǎn)權(quán)重，生成第一6補(bǔ)貨圖。[0007]所述根據(jù)預(yù)設(shè)時間段內(nèi)的歷史補(bǔ)貨數(shù)據(jù)調(diào)整所述節(jié)點(diǎn)特征矩陣的節(jié)點(diǎn)權(quán)重，生成根據(jù)所述歷史補(bǔ)貨數(shù)據(jù)，統(tǒng)計任意耗材與剩余耗材的共現(xiàn)次數(shù)和獨(dú)立補(bǔ)貨次數(shù)，計算關(guān)聯(lián)度系數(shù)；對所述關(guān)聯(lián)度系數(shù)進(jìn)行雙重沖突判定，根據(jù)判定結(jié)果生成耗材的二值掩碼矩陣，其中所述雙重沖突判定包括基礎(chǔ)判定和標(biāo)準(zhǔn)判定；將所述節(jié)點(diǎn)特征矩陣與所述二值掩碼矩陣進(jìn)行逐元素點(diǎn)乘，將沖突耗材對的特征通過圖神經(jīng)網(wǎng)絡(luò)的注意力機(jī)制對所述稀疏特征矩陣進(jìn)行聚合，更新節(jié)點(diǎn)嵌入，生成第一補(bǔ)貨圖。對所述實時需求進(jìn)行時空特征編碼，生成需求特征向量，其中所述時空特征包括需求觸發(fā)時間戳、需求倉儲信息和需求緊迫性評分；將所述需求特征向量映射為圖神經(jīng)網(wǎng)絡(luò)中的虛擬需求節(jié)點(diǎn)；將所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行雙向圖注意力匹配，獲取候選節(jié)點(diǎn)集合；對所述候選節(jié)點(diǎn)集合進(jìn)行歷史關(guān)聯(lián)性驗證，計算歷史協(xié)同系數(shù)，根據(jù)所述歷史協(xié)同系數(shù)獲取相似節(jié)點(diǎn)集合，其中所述相似節(jié)點(diǎn)集合表示與候選節(jié)點(diǎn)之間歷史協(xié)同系數(shù)大于等于預(yù)設(shè)的協(xié)同閾值的節(jié)點(diǎn)；根據(jù)所述候選節(jié)點(diǎn)集合和所述相似節(jié)點(diǎn)集合，在所述第一補(bǔ)貨圖中生成觸發(fā)式連接邊。[0009]將所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行雙向圖注意力匹配，包括：計算所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)的余弦相似度，根據(jù)動態(tài)閾值對第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行篩選，生成初始候選集；基于歷史補(bǔ)貨數(shù)據(jù)，構(gòu)建時空特征與歷史補(bǔ)貨數(shù)據(jù)的依賴矩陣，根據(jù)所述依賴矩陣計算所述第一補(bǔ)貨圖中各節(jié)點(diǎn)的注意力得分；根據(jù)需求閾值對第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行篩選，生成二次候選集；取所述初始候選集和所述二次候選集的交集，生成候選節(jié)點(diǎn)集合。[0010]對所述候選節(jié)點(diǎn)集合進(jìn)行歷史關(guān)聯(lián)性驗證，計算歷史協(xié)同系數(shù)，包括：構(gòu)建候選節(jié)點(diǎn)間的歷史協(xié)同矩陣，其中矩陣元素表示第一候選節(jié)點(diǎn)和第二候選節(jié)點(diǎn)同時觸發(fā)的共現(xiàn)次數(shù)，若無則設(shè)置為零；將所述歷史協(xié)同矩陣的特征值作為該候選節(jié)點(diǎn)的歷史協(xié)同系數(shù)。對于任意一個候選節(jié)點(diǎn)，若其在第一補(bǔ)貨圖中的原始補(bǔ)貨順序位置大于虛擬需求節(jié)點(diǎn)計算的目標(biāo)順序位置，則建立候選節(jié)點(diǎn)到目標(biāo)順序位置的觸發(fā)式連接邊，其中邊權(quán)重根據(jù)時空特征進(jìn)行設(shè)置；根據(jù)所述相似節(jié)點(diǎn)的位置在第一補(bǔ)貨圖中與對應(yīng)的候選節(jié)點(diǎn)建立順序連接邊，以替代第一補(bǔ)貨圖中的原始連接關(guān)系。7[0012]所述虛擬需求節(jié)點(diǎn)計算的目標(biāo)順序位置，包括：當(dāng)存在多個虛擬需求節(jié)點(diǎn)時，獲取所述虛擬需求節(jié)點(diǎn)的需求緊迫性評分；對所述需求緊迫性評分進(jìn)行降序排列，其中，當(dāng)需求緊迫性評分相同時，根據(jù)需求時間戳進(jìn)行排序；根據(jù)排序順序，確定目標(biāo)順序位置。[0013]面向智能倉儲的動態(tài)補(bǔ)貨系統(tǒng)，所述系統(tǒng)包括數(shù)據(jù)采集模塊、圖網(wǎng)絡(luò)構(gòu)建模塊和所述數(shù)據(jù)采集模塊，用于獲取口腔醫(yī)療耗材消耗數(shù)據(jù)、實時需求和預(yù)設(shè)時間段內(nèi)歷史補(bǔ)貨數(shù)據(jù)；所述圖網(wǎng)絡(luò)構(gòu)建模塊，用于基于歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)生成第一補(bǔ)貨圖，根據(jù)實時需求生成觸發(fā)式連接邊，更新為第二補(bǔ)貨圖；所述指令生成模塊，用于根據(jù)第二補(bǔ)貨圖生成補(bǔ)貨指令。特征提取單元，用于對消耗數(shù)據(jù)進(jìn)行特征提取，輸入至圖神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)嵌入層生成節(jié)點(diǎn)特征矩陣；初始圖生成單元，用于根據(jù)歷史補(bǔ)貨數(shù)據(jù)，統(tǒng)計共現(xiàn)與獨(dú)立補(bǔ)貨次數(shù)計算關(guān)聯(lián)度系數(shù)，通過雙重沖突判定生成二值掩碼矩陣，與節(jié)點(diǎn)特征矩陣點(diǎn)乘得到稀疏特征矩陣，用注意力機(jī)制聚合更新節(jié)點(diǎn)嵌入，生成第一補(bǔ)貨圖；觸發(fā)邊生成單元，用于對實時需求進(jìn)行時空特征編碼生成需求特征向量，映射為虛擬需求節(jié)點(diǎn)，與第一補(bǔ)貨圖節(jié)點(diǎn)雙向圖注意力匹配得候選節(jié)點(diǎn)集合，驗證歷史關(guān)聯(lián)性計算協(xié)同系數(shù)，在第一補(bǔ)貨圖生成觸發(fā)式連接邊；圖更新單元，用于在圖結(jié)構(gòu)中為觸發(fā)式連接邊指向的候選節(jié)點(diǎn)插入虛擬調(diào)度前置節(jié)點(diǎn)并建立有向邊，對沖突非候選節(jié)點(diǎn)邊權(quán)重乘衰減因子，通過圖卷積操作迭代優(yōu)化前置[0015]與現(xiàn)有技術(shù)相比，本發(fā)明的有本發(fā)明通過引入圖神經(jīng)網(wǎng)絡(luò)和觸發(fā)式連接邊生成機(jī)制，能夠?qū)崟r根據(jù)需求變化和倉儲狀態(tài)自動調(diào)整補(bǔ)貨順序，避免了傳統(tǒng)補(bǔ)貨方法中因靜態(tài)規(guī)則導(dǎo)致的庫存過?；蚨倘眴柛綀D說明[0016]通過閱讀參照以下附圖所作的對非限制性實施例的詳細(xì)描述，本發(fā)明的其它特圖1為本發(fā)明實施例1面向智能倉儲的動態(tài)補(bǔ)貨方法的流程示意圖；圖2為本發(fā)明實施例1第一補(bǔ)貨圖生成流程圖；圖3為本發(fā)明實施例1第二補(bǔ)貨圖更新流程圖；圖4為本發(fā)明實施例1第二補(bǔ)貨圖更新原理示意圖一；圖5為本發(fā)明實施例1第二補(bǔ)貨圖更新原理示意圖二；圖6為本發(fā)明實施例1第二補(bǔ)貨圖更新原理示意圖三；圖7為本發(fā)明實施例1第二補(bǔ)貨圖更新原理示意圖四。8具體實施方式[0017]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅是本發(fā)明一部分實施例，而不是全部的實施例。請參閱圖1,本發(fā)明提供的一種實施例：面向智能倉儲的動態(tài)補(bǔ)貨方法，應(yīng)用于口腔醫(yī)療耗材的管理系統(tǒng)，所述動態(tài)補(bǔ)貨方法具體步驟如下：S1:獲取所述口腔醫(yī)療耗材的消耗數(shù)據(jù)；在本實施例中，首先通過實時數(shù)據(jù)采集設(shè)備獲取口腔醫(yī)療耗材的消耗數(shù)據(jù)。具體而言，消耗數(shù)據(jù)由智能柜、RFID傳感器和手持終端等設(shè)備實時采集，涵蓋每種醫(yī)療耗材的消耗數(shù)量、時間戳及相關(guān)操作信息。確保數(shù)據(jù)的實時性和精確性，避免滯后的數(shù)據(jù)影響補(bǔ)貨決策。通過獲取準(zhǔn)確的消耗數(shù)據(jù)，可以幫助建立準(zhǔn)確的消耗模型，并為后續(xù)補(bǔ)貨決策提供充分的依據(jù)。利用實時消耗數(shù)據(jù)，可以精確判斷當(dāng)前庫存消耗的速率和未來需求趨勢，為動態(tài)補(bǔ)貨提供支持。[0019]S2:基于預(yù)設(shè)時間段內(nèi)歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)生成圖神經(jīng)網(wǎng)絡(luò)的第一補(bǔ)貨圖；在本實施例中，根據(jù)預(yù)設(shè)時間段內(nèi)的歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)，生成圖神經(jīng)網(wǎng)絡(luò)的第一補(bǔ)貨圖。通過對過去補(bǔ)貨周期內(nèi)的歷史數(shù)據(jù)進(jìn)行分析，圖神經(jīng)網(wǎng)絡(luò)構(gòu)建了一個初始的補(bǔ)貨圖，補(bǔ)貨圖中的每個節(jié)點(diǎn)表示一種待補(bǔ)貨的耗材，每條邊表示耗材之間的補(bǔ)貨順序。[0020]S3:根據(jù)實時需求生成觸發(fā)式連接邊；在本實施例中，實時需求被作為輸入，生成觸發(fā)式連接邊。根據(jù)實時需求信息(如需求量、需求時間、緊急程度等),觸發(fā)式連接邊會被動態(tài)生成。具體地，觸發(fā)式連接邊的生成通過時空特征編碼、需求變化速率和倉儲狀態(tài)的匹配來實現(xiàn)。能夠靈活調(diào)整補(bǔ)貨路徑，優(yōu)先處理需求量較大或時間緊迫的耗材。通過這種機(jī)制，能夠?qū)崟r響應(yīng)市場需求的變化，并通過觸發(fā)式連接邊直接將高需求的耗材推向補(bǔ)貨優(yōu)先位置，提高補(bǔ)貨的效率和精準(zhǔn)度。[0021]S4:根據(jù)觸發(fā)式連接邊更新所述第一補(bǔ)貨圖，生成第二補(bǔ)貨圖；在本實施例中，當(dāng)實時需求引發(fā)觸發(fā)式連接邊的生成時，圖神經(jīng)網(wǎng)絡(luò)會對第一補(bǔ)貨圖進(jìn)行動態(tài)調(diào)整，將需求量較大的耗材從原有順序中調(diào)動到前面，以確保及時補(bǔ)充需求。這個更新過程通過圖神經(jīng)網(wǎng)絡(luò)的動態(tài)路徑調(diào)整機(jī)制實現(xiàn)。[0022]具體而言，根據(jù)實時需求調(diào)整補(bǔ)貨順序，避免傳統(tǒng)補(bǔ)貨方法中因固定順序而導(dǎo)致的補(bǔ)貨延遲或過量補(bǔ)貨現(xiàn)象。通過調(diào)整補(bǔ)貨順序，能夠確保庫存始終滿足實際需求，并優(yōu)化庫存管理效率。生成的第二補(bǔ)貨圖能精確反映當(dāng)前需求和倉儲狀態(tài)，確保補(bǔ)貨任務(wù)的優(yōu)先級得到及時調(diào)整。[0023]S5:根據(jù)所述第二補(bǔ)貨圖，生成補(bǔ)貨指令；在本實施例中，生成的第二補(bǔ)貨圖將用于制定實際的補(bǔ)貨指令。補(bǔ)貨指令包括具體的補(bǔ)貨量、補(bǔ)貨路徑以及補(bǔ)貨的時間安排。補(bǔ)貨指令會在圖神經(jīng)網(wǎng)絡(luò)生成第二補(bǔ)貨圖后自動生成，確保每項補(bǔ)貨任務(wù)能夠按時按量執(zhí)行。[0024]在現(xiàn)有技術(shù)中，許多智能倉儲系統(tǒng)依賴基于優(yōu)先級設(shè)置、權(quán)重系數(shù)等靜態(tài)規(guī)則來進(jìn)行補(bǔ)貨決策。這些方法雖然適用于一般的庫存管理，但在醫(yī)療耗材等高精度、短時效的環(huán)境中，難以應(yīng)對需求波動、緊急需求等動態(tài)變化。尤其在醫(yī)療行業(yè)中，耗材的使用和需求具有高度的時效性和精確性，優(yōu)先級設(shè)置和權(quán)重系數(shù)等靜態(tài)參數(shù)常常無法準(zhǔn)確反映實際的需9的耗材可能被排在補(bǔ)貨順序的后面，導(dǎo)致補(bǔ)貨滯后，進(jìn)而影響醫(yī)療流程的順暢進(jìn)行。[0025]本實施例提出了一種全新的基于圖神經(jīng)網(wǎng)絡(luò)的觸發(fā)式連接邊生成機(jī)制，通過實時需求信息的動態(tài)輸入，更新補(bǔ)貨圖，并靈活調(diào)整補(bǔ)貨順序。不同于傳統(tǒng)的優(yōu)先級和權(quán)重設(shè)置方式，本申請通過實時分析需求數(shù)據(jù)和歷史補(bǔ)貨數(shù)據(jù)生成觸發(fā)式連接邊，以此來直接調(diào)整補(bǔ)貨順序。通過觸發(fā)式連接邊的生成，能夠依據(jù)需求的實時波動，對補(bǔ)貨順序進(jìn)行動態(tài)調(diào)換，優(yōu)先補(bǔ)充需求量大和急需的耗材。適用于醫(yī)療耗材的倉儲補(bǔ)貨管理，因為它可以根據(jù)每種耗材的實時需求和消耗情況，實時調(diào)整補(bǔ)貨順序，從而避免傳統(tǒng)方法中的滯后性和不靈[0026]具體而言，觸發(fā)式連接邊的生成機(jī)制通過對實時需求特征的編碼和分析，利用圖神經(jīng)網(wǎng)絡(luò)的計算能力，動態(tài)更新補(bǔ)貨圖，生成針對當(dāng)前倉儲環(huán)境和市場需求的最優(yōu)補(bǔ)貨順序。根據(jù)每個商品的實際需求和倉庫當(dāng)前的庫存狀態(tài)，靈活生成觸發(fā)式連接邊，重新排列補(bǔ)貨順序。尤其是在醫(yī)療耗材領(lǐng)域，各類耗材的需求具有高度不確定性，如口腔診所中可能在短時間內(nèi)產(chǎn)生大量需求的耗材，而其他耗材則保持低需求水平。通過本申請的方法，能夠在這種變化中快速響應(yīng)需求變化，精準(zhǔn)調(diào)整補(bǔ)貨順序，避免不必要的庫存堆積或短缺，極大提升了倉儲管理的效率和補(bǔ)貨的時效性。解決了現(xiàn)有方法難以處理復(fù)雜需求波動的問題。通過實時生成觸發(fā)式連接邊，補(bǔ)貨路徑能夠根據(jù)需求的變化進(jìn)行智能調(diào)整，避免了靜態(tài)優(yōu)先級和權(quán)重系數(shù)在復(fù)雜情境中的局限性。[0027]請參閱圖2,本發(fā)明實施例第一補(bǔ)貨圖生成流程圖，S2的具體步驟如下：S2.1:對所述消耗數(shù)據(jù)進(jìn)行特征提取，獲取特征向量，其中所述特征向量根據(jù)消耗數(shù)據(jù)的臨床緊急度標(biāo)簽、效期有效時間和無菌存儲分區(qū)編碼進(jìn)行確定；在本實施例中，消耗數(shù)據(jù)的特征提取是通過對每個耗材的消耗歷史數(shù)據(jù)進(jìn)行綜合分析，提取出具有高度關(guān)聯(lián)性的特征信息，以便在后續(xù)補(bǔ)貨決策中使用。這一過程首先將每個耗材的消耗歷史(如使用頻率、時間間隔、臨床使用場景等)與額外的關(guān)鍵屬性(如臨床緊[0028]具體而言，臨床緊急度標(biāo)簽依據(jù)商品的臨床重要性進(jìn)行劃分，例如在醫(yī)療場景下，一些耗材如口腔手術(shù)用具具有較高的臨床緊急度，需要優(yōu)先補(bǔ)充；而一些低頻使用的耗材如消毒液則緊急度較低。此標(biāo)簽反映了產(chǎn)品的優(yōu)先級，并影響補(bǔ)貨順序的選擇。[0029]進(jìn)一步的，對于醫(yī)療耗材來說，有效期管理至關(guān)重要，尤其是過期的耗材無法繼續(xù)使用。特征向量中的效期有效時間根據(jù)每種耗材的有效期計算，會根據(jù)即將過期的耗材優(yōu)先進(jìn)行補(bǔ)充。通過對每個商品有效期的動態(tài)追蹤，能夠更好地控制產(chǎn)品的庫存流轉(zhuǎn)，確保產(chǎn)品在有效期內(nèi)得到合理利用。[0030]進(jìn)一步的，由于不同類型的口腔醫(yī)療耗材在存儲時有特定要求，尤其是無菌和有毒物品的存儲方式。通過無菌存儲分區(qū)編碼，可以跟蹤各類商品的存儲位置和存儲條件，特征向量中的存儲分區(qū)編碼可以幫助識別物品是否符合存儲要求，確保補(bǔ)貨操作時貨物能正確放置。[0031]S2.2:將所述特征向量輸入至圖神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)嵌入層，生成節(jié)點(diǎn)特征矩陣；具體而言，圖神經(jīng)網(wǎng)絡(luò)(GNN)是一種深度學(xué)習(xí)技術(shù)，專門用于處理圖結(jié)構(gòu)數(shù)據(jù)，能夠有效地捕捉節(jié)點(diǎn)之間的復(fù)雜關(guān)系。在本步驟中，所提取的特征向量將通過圖神經(jīng)網(wǎng)絡(luò)中的節(jié)點(diǎn)嵌入層進(jìn)行處理，生成節(jié)點(diǎn)特征矩陣。[0032]在本實施例中，每個商品的特征向量將作為圖中節(jié)點(diǎn)的輸入，并通過節(jié)點(diǎn)嵌入層轉(zhuǎn)化為一個高維度的節(jié)點(diǎn)表示(節(jié)點(diǎn)嵌入),該嵌入能夠包含商品的所有特征信息。后續(xù)所有的圖計算和補(bǔ)貨路徑生成將基于這些嵌入矩陣進(jìn)行。通過這種方式，圖神經(jīng)網(wǎng)絡(luò)能夠?qū)?fù)雜的商品特征轉(zhuǎn)化為可處理的圖節(jié)點(diǎn)表示，從而為補(bǔ)貨圖的生成提供基礎(chǔ)。[0033]S2.3:根據(jù)預(yù)設(shè)時間段內(nèi)的歷史補(bǔ)貨數(shù)據(jù)調(diào)整所述節(jié)點(diǎn)特征矩陣的節(jié)點(diǎn)權(quán)重，生成第一補(bǔ)貨圖；具體而言，圖神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)特征矩陣將通過歷史補(bǔ)貨數(shù)據(jù)進(jìn)行進(jìn)一步調(diào)整，生成第一補(bǔ)貨圖。歷史補(bǔ)貨數(shù)據(jù)包括過去一定時間段內(nèi)的補(bǔ)貨記錄、補(bǔ)貨周期、補(bǔ)貨量和實際消耗情況等。利用這些歷史數(shù)據(jù)，圖神經(jīng)網(wǎng)絡(luò)能夠?qū)?jié)點(diǎn)特征矩陣進(jìn)行自適應(yīng)調(diào)整。[0034]在本實施例中，自適應(yīng)調(diào)整的過程基于歷史補(bǔ)貨數(shù)據(jù)的學(xué)習(xí)，通過計算歷史補(bǔ)貨數(shù)據(jù)與消耗數(shù)據(jù)之間的關(guān)聯(lián)性，調(diào)整每個節(jié)點(diǎn)的權(quán)重，從而影響補(bǔ)貨圖中的連接強(qiáng)度和路徑選擇。具體來說，歷史補(bǔ)貨數(shù)據(jù)會通過圖卷積操作對節(jié)點(diǎn)特征進(jìn)行增強(qiáng)或抑制，使得補(bǔ)貨圖中的節(jié)點(diǎn)(即商品)能夠反映其在過去補(bǔ)貨周期中的重要性。如果某個商品在過去的補(bǔ)貨周期中頻繁出現(xiàn)庫存不足的情況，則在節(jié)點(diǎn)特征矩陣中對該商品的權(quán)重進(jìn)行增加，從而使其在后續(xù)補(bǔ)貨中獲得更高的優(yōu)先級。生成的第一補(bǔ)貨圖是基于歷史補(bǔ)貨數(shù)據(jù)和消耗數(shù)據(jù)的常規(guī)補(bǔ)貨路徑圖，適用于常規(guī)補(bǔ)貨需求。在實際應(yīng)用中，第一補(bǔ)貨圖作為基礎(chǔ)補(bǔ)貨圖進(jìn)行補(bǔ)貨任務(wù)，能夠有效解決常規(guī)情況下的庫存補(bǔ)充問題。結(jié)合歷史數(shù)據(jù)進(jìn)行動態(tài)權(quán)重調(diào)整，使得補(bǔ)貨圖在生成時能夠更好地反映商品的真實需求和補(bǔ)貨優(yōu)先級。通過這種歷史數(shù)據(jù)學(xué)習(xí)和自適應(yīng)調(diào)整，第一補(bǔ)貨圖能夠在沒有實時需求干擾的情況下，準(zhǔn)確地反映商品的常規(guī)補(bǔ)貨模式。[0035]S2.3的具體步驟如下：S2.3.1:根據(jù)所述歷史補(bǔ)貨數(shù)據(jù)，統(tǒng)計任意耗材與剩余耗材的共現(xiàn)次數(shù)和獨(dú)立補(bǔ)具體而言，歷史補(bǔ)貨數(shù)據(jù)用于統(tǒng)計每個耗材與其他耗材之間的共現(xiàn)次數(shù)和獨(dú)立補(bǔ)貨次數(shù)。共現(xiàn)次數(shù)表示在同一補(bǔ)貨周期中，兩個耗材是否同時出現(xiàn)在補(bǔ)貨單中，以及它們在一起出現(xiàn)的頻率；獨(dú)立補(bǔ)貨次數(shù)表示每個耗材在獨(dú)立補(bǔ)貨任務(wù)中出現(xiàn)的次數(shù)。通過計算這兩個指標(biāo)，可以確定耗材之間的關(guān)聯(lián)度，即這些耗材在歷史補(bǔ)貨中的共性與獨(dú)立性。[0036]在本實施例中，首先需要識別每個耗材的補(bǔ)貨記錄。每個記錄都包含了某一商品的補(bǔ)貨周期，以及該商品是否和其他商品一起出現(xiàn)在補(bǔ)貨單中，在每個補(bǔ)貨周期內(nèi)，會記錄哪些商品是一起補(bǔ)貨的，哪些商品是單獨(dú)補(bǔ)貨的。[0037]進(jìn)一步的，對于任意一對商品，統(tǒng)計它們在相同補(bǔ)貨周期內(nèi)是否共同出現(xiàn)在補(bǔ)貨單中。如果商品A和商品B在同一補(bǔ)貨周期內(nèi)都被補(bǔ)貨，則它們的共現(xiàn)次數(shù)增加1。共現(xiàn)次數(shù)的計算過程是逐個檢查歷史補(bǔ)貨數(shù)據(jù)中每個補(bǔ)貨周期中商品A和商品B是否同時出現(xiàn)在補(bǔ)貨單中，若是，計數(shù)器加1;如果它們沒有在過去100個補(bǔ)貨周期中與商品B同時出現(xiàn)在40個周期中，那么它們的共現(xiàn)次數(shù)為40。[0038]進(jìn)一步的，獨(dú)立補(bǔ)貨次數(shù)指的是每個商品在補(bǔ)貨任務(wù)中的單獨(dú)出現(xiàn)次數(shù)，即某個商品是否單獨(dú)出現(xiàn)在某個補(bǔ)貨周期中，對于商品A,獨(dú)立補(bǔ)貨次數(shù)計算是統(tǒng)計它在所有補(bǔ)貨周期中獨(dú)立出現(xiàn)的次數(shù)，換句話說，就是商品A在沒有其他商品同時補(bǔ)貨時的出現(xiàn)次數(shù)。例11如，如果商品A在100個補(bǔ)貨周期中，50個周期它是單獨(dú)補(bǔ)貨的(沒有其他商品和它一起補(bǔ)貨),那么商品A的獨(dú)立補(bǔ)貨次數(shù)為50。[0039]進(jìn)一步的，關(guān)聯(lián)度系數(shù)是通過共現(xiàn)次數(shù)和獨(dú)立補(bǔ)貨次數(shù)來衡量商品之間的關(guān)系強(qiáng)度。具體來說，它表示兩個商品在歷史補(bǔ)貨中是否有很強(qiáng)的關(guān)聯(lián)，或者它們是否經(jīng)常被一起補(bǔ)貨。如果商品A和商品B經(jīng)常一起出現(xiàn)在補(bǔ)貨單中(即共現(xiàn)次數(shù)較高),并且它們單獨(dú)補(bǔ)貨的次數(shù)較少，那么這兩個商品之間的關(guān)聯(lián)度系數(shù)會較高。相反，如果它們經(jīng)常單獨(dú)補(bǔ)貨，或者它們在補(bǔ)貨單中的共現(xiàn)次數(shù)較低，那么它們的關(guān)聯(lián)度系數(shù)較低。具體的計算方式可由本領(lǐng)域技術(shù)人員通過數(shù)據(jù)分析實驗進(jìn)行設(shè)置，需要注意的是，關(guān)聯(lián)度系數(shù)的計算過程是動態(tài)的，并隨著補(bǔ)貨數(shù)據(jù)的更新而逐步調(diào)整。當(dāng)新的補(bǔ)貨數(shù)據(jù)被錄入時，會對歷史數(shù)據(jù)中的共現(xiàn)模式和獨(dú)立補(bǔ)貨任務(wù)重新進(jìn)行計算，更新每對耗材的關(guān)聯(lián)度系數(shù)。[0040]S2.3.2:對所述關(guān)聯(lián)度系數(shù)進(jìn)行雙重沖突判定，根據(jù)判定結(jié)果生成耗材的二值掩碼矩陣，其中所述雙重沖突判定包括基礎(chǔ)判定和標(biāo)準(zhǔn)判定；在本實施例中，沖突判定的目的是識別那些在補(bǔ)貨過程中可能引起問題的耗材對，如重復(fù)補(bǔ)貨、過度補(bǔ)貨或不合適的補(bǔ)貨順序，通過兩種不同層次的判定方法來實現(xiàn)。[0041]具體而言，基礎(chǔ)判定通過對關(guān)聯(lián)度系數(shù)進(jìn)行直接分析，識別那些可能引起補(bǔ)貨沖突的耗材對。具體地，若兩種耗材的關(guān)聯(lián)度系數(shù)低于預(yù)設(shè)的補(bǔ)貨閾值，則這兩種耗材被認(rèn)為在補(bǔ)貨過程中具有較低的關(guān)聯(lián)性，因此它們之間的補(bǔ)貨可能會互相干擾或引起不必要的補(bǔ)貨沖突。此時將兩個耗材的二值掩碼矩陣對應(yīng)位置的矩陣元素設(shè)置為0。[0042]例如，假設(shè)在過去的補(bǔ)貨周期中，某兩個耗材(A和B)經(jīng)常一起出現(xiàn)在同一批次中，且它們的關(guān)聯(lián)度系數(shù)為0.1,低于補(bǔ)貨閾值。這表明這兩個耗材在歷史補(bǔ)貨任務(wù)中有著較低的共現(xiàn)頻率，如果在第一補(bǔ)貨圖中將兩個節(jié)點(diǎn)組合在一起可能會導(dǎo)致補(bǔ)貨操作中的沖突。通過基礎(chǔ)判定，能夠識別出這種潛在的補(bǔ)貨沖突，避免它們同時出現(xiàn)在同一補(bǔ)貨批次中。[0043]進(jìn)一步的，標(biāo)準(zhǔn)判定則結(jié)合了倉庫的實際存儲規(guī)則和產(chǎn)品的特性，進(jìn)一步分析耗材之間的存儲兼容性、時間要求和存儲條件等因素。標(biāo)準(zhǔn)判定不僅僅依賴于關(guān)聯(lián)度系數(shù)，還考慮了每種耗材的實際補(bǔ)貨需求以及倉庫管理中的約束條件。如果判定不通過需要將兩個耗材的二值掩碼矩陣對應(yīng)位置的矩陣元素設(shè)置為0。[0044]例如，在實際的倉儲環(huán)境中，某些高價值的口腔醫(yī)療耗材(如種植體)通常需要特殊的存儲條件(如低溫、干燥環(huán)境等),而低成本的消耗品(如口罩)則可以存儲在常溫環(huán)境下。由于它們的存儲條件完全不同，標(biāo)準(zhǔn)判定通過檢查倉庫中的存儲要求，判斷這兩類耗材是否應(yīng)當(dāng)在同一時間或同一批次內(nèi)補(bǔ)貨。若它們不兼容，則會通過標(biāo)準(zhǔn)判定識別這一沖突。[0045]作為優(yōu)選的，標(biāo)準(zhǔn)判定還會考慮時間因素。例如，在某些場景下，某類商品的效期較短(如過期藥品),其補(bǔ)貨時限和補(bǔ)貨周期可能較為嚴(yán)格，而其他商品可能沒有如此嚴(yán)格的補(bǔ)貨時限。標(biāo)準(zhǔn)判定會根據(jù)商品的效期要求以及倉庫的存儲規(guī)則，自動識別是否需要分別處理這些商品，避免出現(xiàn)由于存儲要求差異導(dǎo)致的混亂補(bǔ)貨。[0046]S2.3.3:將所述節(jié)點(diǎn)特征矩陣與所述二值掩碼矩陣進(jìn)行逐元素點(diǎn)乘，將沖突耗材對的特征向量降維，生成稀疏特征矩陣；具體而言，二值掩碼矩陣的作用是標(biāo)識哪些耗材對存在沖突，掩碼矩陣中的每個元素表示是否需要對特定節(jié)點(diǎn)進(jìn)行沖突處理。傳統(tǒng)方法簡單地將沖突節(jié)點(diǎn)的特征向量置零，然而這種做法存在風(fēng)險，即可能會導(dǎo)致重要的節(jié)點(diǎn)信息丟失，尤其是當(dāng)沖突節(jié)點(diǎn)本身是一個重要的補(bǔ)貨節(jié)點(diǎn)時，過度的屏蔽會影響整體補(bǔ)貨決策的準(zhǔn)確性。因此，本申請通過基于特征加權(quán)降維的策略，在計算過程中，不是直接置零，而是對沖突節(jié)點(diǎn)的特征進(jìn)行加權(quán)處理，通過矩陣降維技術(shù)將這些特征進(jìn)行壓縮，從而減少沖突節(jié)點(diǎn)對補(bǔ)貨決策的影響，同時保留沖突節(jié)點(diǎn)中重要信息的精細(xì)化表示。節(jié)點(diǎn)特征矩陣表示每個耗材的多維特征向量，這些特征向量在補(bǔ)貨決策中起著至關(guān)重要的作用。二值掩碼矩陣則根據(jù)節(jié)點(diǎn)間是否發(fā)生沖突進(jìn)[0047]在本實施例中，將二值掩碼矩陣與節(jié)點(diǎn)特征矩陣進(jìn)行逐元素點(diǎn)乘，意味著如果掩碼矩陣中的某個位置為0(表示沖突),該位置對應(yīng)的節(jié)點(diǎn)特征向量會被加權(quán)處理。掩碼矩陣中的值為0的地方代表需要做降維處理的節(jié)點(diǎn)。相應(yīng)地，掩碼矩陣值為1的地方則不會進(jìn)行[0048]進(jìn)一步的，逐元素點(diǎn)乘是將節(jié)點(diǎn)特征矩陣與二值掩碼矩陣進(jìn)行逐項相乘。在傳統(tǒng)的點(diǎn)乘操作中，掩碼矩陣中的值為0時，會直接將該位置對應(yīng)的節(jié)點(diǎn)特征向量置零，從而剔除沖突節(jié)點(diǎn)的影響。然而，這種做法可能會導(dǎo)致信息的丟失，特別是當(dāng)沖突節(jié)點(diǎn)本身是一個重要補(bǔ)貨節(jié)點(diǎn)時，過度置零會影響整體補(bǔ)貨決策的準(zhǔn)確性。為了避免這種情況，本實施例采用了加權(quán)降維技術(shù)。對于掩碼矩陣中值為0的位置，表示沖突的節(jié)點(diǎn)，其特征向量不會直接被置零，而是通過加權(quán)處理。計算每個沖突節(jié)點(diǎn)與其他節(jié)點(diǎn)之間的相似度，基于相似度的結(jié)果，對沖突節(jié)點(diǎn)特征進(jìn)行加權(quán)處理，而不是簡單地丟棄該節(jié)點(diǎn)的信息。這樣，若沖突節(jié)點(diǎn)和其他節(jié)點(diǎn)具有較高的相似度，它的特征將以較高的權(quán)重保留下來，保持其在補(bǔ)貨決策中的重要性；若沖突節(jié)點(diǎn)的相似度較低，則其特征權(quán)重將較小，減少其對后續(xù)[0049]進(jìn)一步的，在加權(quán)處理后，得到的特征向量會進(jìn)行降維操作。降維不僅有助于壓縮數(shù)據(jù)、減少冗余，還能夠更高效地提取有用信息。通過主成分分析算法，會根據(jù)特征向量的方差和信息量，保留最重要的特征信息，同時去除冗余的、信息量較少的特征。沖突節(jié)點(diǎn)的特征會被壓縮為一個低維的稀疏特征矩陣，減少計算量，并保證補(bǔ)貨決策中的重要信息不[0050]進(jìn)一步的，經(jīng)過加權(quán)和降維處理后，特征矩陣中只保留關(guān)鍵特征，而那些沖突節(jié)點(diǎn)對補(bǔ)貨決策影響較小的部分則被壓縮。生成的稀疏特征矩陣不僅減少了數(shù)據(jù)的維度，還剔除了無關(guān)特征對決策的干擾，能夠更加高效地執(zhí)行后續(xù)計算。稀疏矩陣中的特征表示了每個節(jié)點(diǎn)的重要信息，而沖突節(jié)點(diǎn)的冗余部分被有效去除，確保后續(xù)圖神經(jīng)網(wǎng)絡(luò)處理時的計算效率和準(zhǔn)確性。[0051]S2.3.4:通過圖神經(jīng)網(wǎng)絡(luò)的注意力機(jī)制對所述稀疏特征矩陣進(jìn)行聚合，更新節(jié)點(diǎn)具體而言，圖神經(jīng)網(wǎng)絡(luò)中的注意力機(jī)制能夠根據(jù)節(jié)點(diǎn)間的關(guān)系自動分配不同的權(quán)重，賦予重要節(jié)點(diǎn)更高的權(quán)重，使得補(bǔ)貨路徑更加準(zhǔn)確和高效。[0052]在本實施例中，稀疏特征矩陣通過圖神經(jīng)網(wǎng)絡(luò)的圖卷積層進(jìn)行處理，注意力機(jī)制使得網(wǎng)絡(luò)能夠重點(diǎn)關(guān)注與補(bǔ)貨路徑相關(guān)性強(qiáng)的節(jié)點(diǎn)特征，從而根據(jù)需求動態(tài)更新每個節(jié)點(diǎn)的嵌入。在更新后的節(jié)點(diǎn)嵌入中，每個耗材的補(bǔ)貨順序和優(yōu)先級被自動調(diào)整，生成的第一補(bǔ)貨圖能夠反映當(dāng)前倉庫的最優(yōu)補(bǔ)貨路徑。S3.1:對所述實時需求進(jìn)行時空特征編碼，生成需求特征向量，其中所述時空特征包括需求觸發(fā)時間戳、需求倉儲信息和需求緊迫性評分；具體而言，時空特征編碼的目的是將實時需求轉(zhuǎn)化為一個全面的、可供圖神經(jīng)網(wǎng)絡(luò)處理的特征向量。通過對需求數(shù)據(jù)進(jìn)行編碼，可以在多維度上捕捉需求的時空信息，并為后續(xù)補(bǔ)貨路徑調(diào)整提供科學(xué)依據(jù)。[0054]進(jìn)一步地，需求觸發(fā)時間戳反映了需求產(chǎn)生的時間點(diǎn)。根據(jù)歷史需求模式分析，需求的觸發(fā)時間對補(bǔ)貨路徑的生成有重要影響。例如，某些耗材在特定時間段需求劇增，如口腔醫(yī)療中常見的季節(jié)性需求波動。通過時間戳的編碼，能夠識別出需求的時間敏感性，為補(bǔ)貨決策提供時間上的參考依據(jù)。[0055]進(jìn)一步的，需求倉儲信息提供了需求的具體倉儲位置及狀態(tài)，包括商品的存儲位置、當(dāng)前庫存狀態(tài)以及商品存放區(qū)域的容量情況。通過對倉儲信息的編碼，可以在補(bǔ)貨路徑生成時，確保選擇合理的倉儲區(qū)域進(jìn)行補(bǔ)貨，避免因倉儲空間不足導(dǎo)致的補(bǔ)貨延遲或庫存[0056]進(jìn)一步的，需求緊迫性評分基于實時需求的緊急程度生成，考慮因素包括需求的突發(fā)性、庫存消耗速率及其他外部影響因素(如促銷活動或醫(yī)療急診)。緊迫性評分的作用是幫助系統(tǒng)識別哪些需求需要優(yōu)先處理，從而及時調(diào)整補(bǔ)貨順序和路徑。[0057]S3.2:將所述需求特征向量映射為圖神經(jīng)網(wǎng)絡(luò)中的虛擬需求節(jié)點(diǎn)；具體而言，每個虛擬需求節(jié)點(diǎn)代表一個具體的需求實例，這些節(jié)點(diǎn)通過圖神經(jīng)網(wǎng)絡(luò)中的連接邊與其他節(jié)點(diǎn)(即倉庫中的商品)形成關(guān)系。在這個過程中，虛擬需求節(jié)點(diǎn)的生成并非簡單的節(jié)點(diǎn)添加，而是基于時空特征向量對需求的動態(tài)編碼，從而使得圖神經(jīng)網(wǎng)絡(luò)能夠?qū)π枨笞兓龀鲋悄茼憫?yīng)。[0058]在本實施例中，根據(jù)需求特征向量的時空特征將每個具體的需求實例映射為一個虛擬需求節(jié)點(diǎn)，這些虛擬需求節(jié)點(diǎn)并非圖神經(jīng)網(wǎng)絡(luò)中的實際物理節(jié)點(diǎn)，而是用于表示需求的抽象化節(jié)點(diǎn)，其存在僅用于描述需求的狀態(tài)和屬性，而不直接參與商品存儲或補(bǔ)貨操作。虛擬需求節(jié)點(diǎn)的生成可以被看作是對需求信息的動態(tài)抽象，使得圖神經(jīng)網(wǎng)絡(luò)能夠在進(jìn)行補(bǔ)貨決策時，捕捉到需求與商品之間的關(guān)系。通常虛擬需求節(jié)點(diǎn)設(shè)置于圖神經(jīng)網(wǎng)絡(luò)的頭部位置，如果存在多個虛擬需求節(jié)點(diǎn)，則根據(jù)虛擬需求節(jié)點(diǎn)的緊迫性評分進(jìn)行排序，緊迫性評分越高則排序越靠前。[0059]進(jìn)一步地，由于需求是動態(tài)變化的，虛擬需求節(jié)點(diǎn)的時空特征向量也會隨著需求變化而實時更新。當(dāng)需求觸發(fā)時間、緊急程度或倉儲空間發(fā)生變化時，虛擬需求節(jié)點(diǎn)的特征也會相應(yīng)更新，從而使得圖神經(jīng)網(wǎng)絡(luò)能夠?qū)崟r響應(yīng)這些變化，靈活調(diào)整補(bǔ)貨路徑。通過這種方式，虛擬需求節(jié)點(diǎn)可以在補(bǔ)貨圖中隨時調(diào)整其在圖中的位置和重要性。[0060]S3.3:將所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行雙向圖注意力匹配，獲取候選節(jié)點(diǎn)集合；具體而言，在圖神經(jīng)網(wǎng)絡(luò)中，節(jié)點(diǎn)之間的關(guān)系通過注意力機(jī)制來加權(quán)。對于每個虛擬需求節(jié)點(diǎn)，系統(tǒng)會計算該節(jié)點(diǎn)與所有其他商品節(jié)點(diǎn)之間的關(guān)系，并為每對節(jié)點(diǎn)分配一個注意力分?jǐn)?shù)。這個分?jǐn)?shù)表示虛擬需求節(jié)點(diǎn)與商品節(jié)點(diǎn)之間的相對重要性。雙向匹配意味著需求節(jié)點(diǎn)和商品節(jié)點(diǎn)不僅從需求角度與商品相關(guān)聯(lián)，同時也考慮商品到需求的反向關(guān)系，即商品與需求之間的相互影響。[0061]進(jìn)一步的，通過雙向圖注意力匹配，生成的候選節(jié)點(diǎn)集合包含了與當(dāng)前需求最相關(guān)的商品。這些商品節(jié)點(diǎn)根據(jù)需求的緊迫性、倉儲位置和補(bǔ)貨路徑進(jìn)行篩選，確保最終的補(bǔ)貨路徑能夠針對當(dāng)前倉儲環(huán)境和市場需求做出及時的響應(yīng)。[0062]S3.4:對所述候選節(jié)點(diǎn)集合進(jìn)行歷史關(guān)聯(lián)性驗證，計算歷史協(xié)同系數(shù)；具體而言，歷史協(xié)同系數(shù)衡量的是在過去的補(bǔ)貨任務(wù)中，這些商品是否經(jīng)常一起被補(bǔ)充。通過這一驗證，可以確保在補(bǔ)貨路徑中，緊密相關(guān)的商品能夠同時被考慮，而不是孤立地進(jìn)行補(bǔ)貨。[0063]進(jìn)一步的，該系數(shù)通過計算歷史補(bǔ)貨數(shù)據(jù)中商品對的共現(xiàn)次數(shù)來獲得。如果某兩個商品在多個補(bǔ)貨周期內(nèi)經(jīng)常一起補(bǔ)充，它們之間的歷史協(xié)同系數(shù)將較高，表示這兩個商品在補(bǔ)貨中通常是一起處理的。通過這一方式，系統(tǒng)能夠根據(jù)商品間的歷史關(guān)系進(jìn)一步優(yōu)化補(bǔ)貨路徑。[0064]在本實施例中，首先構(gòu)建候選節(jié)點(diǎn)間的歷史協(xié)同矩陣，其中矩陣元素表示第一候選節(jié)點(diǎn)和第二候選節(jié)點(diǎn)同時觸發(fā)的共現(xiàn)次數(shù)，若無則設(shè)置為零，然后將所述歷史協(xié)同矩陣的特征值作為該候選節(jié)點(diǎn)的歷史協(xié)同系數(shù)。[0065]S3.5:根據(jù)所述候選節(jié)點(diǎn)集合，在所述第一補(bǔ)貨圖中生成觸發(fā)式連接邊；具體而言，候選節(jié)點(diǎn)的歷史協(xié)同關(guān)系和時空特征得到了充分考慮。觸發(fā)式連接邊的生成是基于每個需求節(jié)點(diǎn)與商品節(jié)點(diǎn)之間的時空特征和歷史協(xié)同關(guān)系，生成新的補(bǔ)貨路實時需求變化時，補(bǔ)貨圖會隨著觸發(fā)式連接邊的生成和更新而適應(yīng)這些變化，從而確保補(bǔ)貨任務(wù)能夠根據(jù)實際需求進(jìn)行調(diào)整。S3.3.1:計算所述虛擬需求節(jié)點(diǎn)與所述第一補(bǔ)貨圖中各節(jié)點(diǎn)的余弦相似度，根據(jù)動態(tài)閾值對第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行篩選，生成初始候選集；具體而言，本步驟的核心任務(wù)是通過計算余弦相似度，衡量虛擬需求節(jié)點(diǎn)與第一補(bǔ)貨圖中各節(jié)點(diǎn)之間的相似度。虛擬需求節(jié)點(diǎn)代表了實際需求，而補(bǔ)貨圖中的各節(jié)點(diǎn)則是存儲在倉庫中的商品或耗材以及對應(yīng)的屬性。通過計算余弦相似度，系統(tǒng)能夠量化需求與商品之間的匹配程度。[0067]在本實施例中，虛擬需求節(jié)點(diǎn)與每個商品節(jié)點(diǎn)之間的特征向量被提取并進(jìn)行計算，得出一個相似度值。相似度值接近1表示需求與商品特征高度一致，接近0則表示它們之間幾乎沒有關(guān)聯(lián)。通過這種方式，系統(tǒng)能夠準(zhǔn)確識別哪些商品與當(dāng)前需求最為匹配，確保補(bǔ)貨路徑能夠優(yōu)先考慮高相關(guān)商品。[0068]進(jìn)一步的，根據(jù)計算得到的余弦相似度，系統(tǒng)采用動態(tài)閾值篩選來確定哪些商品應(yīng)當(dāng)作為候選節(jié)點(diǎn)納入補(bǔ)貨路徑。閾值的設(shè)定并不是固定的，而是根據(jù)實時需求變化和補(bǔ)貨環(huán)境的不同動態(tài)調(diào)整。通過動態(tài)閾值，系統(tǒng)能夠確保只有那些真正與需求高度相關(guān)的商品進(jìn)入候選集，避免將不相關(guān)的商品錯誤納入補(bǔ)貨路徑。[0069]S3.3.2:基于歷史補(bǔ)貨數(shù)據(jù)，構(gòu)建時空特征與歷史補(bǔ)貨數(shù)據(jù)的依賴矩陣，根據(jù)所述依賴矩陣計算所述第一補(bǔ)貨圖中各節(jié)點(diǎn)的注意力得分；具體而言，根據(jù)歷史補(bǔ)貨數(shù)據(jù)，系統(tǒng)構(gòu)建一個時空特征與歷史補(bǔ)貨數(shù)據(jù)的依賴矩陣。該矩陣記錄了每個商品節(jié)點(diǎn)與其他商品節(jié)點(diǎn)之間的歷史補(bǔ)貨依賴關(guān)系。通過分析歷史補(bǔ)貨數(shù)據(jù)中的共現(xiàn)模式，矩陣會表示商品之間的相互影響。例如，如果某兩個商品經(jīng)常在補(bǔ)[0070]進(jìn)一步地，通過依賴矩陣，系統(tǒng)能夠計算每個商品節(jié)點(diǎn)在當(dāng)前需求場景下的注意力得分。圖神經(jīng)網(wǎng)絡(luò)中的注意力機(jī)制可以根據(jù)商品節(jié)點(diǎn)與需求節(jié)點(diǎn)之間的相對關(guān)系自動分配不同的權(quán)重。對于與需求節(jié)點(diǎn)具有較高相似度的商品節(jié)點(diǎn)，系統(tǒng)會為其分配較高的注意[0071]S3.3.3:根據(jù)需求閾值對第一補(bǔ)貨圖中各節(jié)點(diǎn)進(jìn)行篩選，生成二次候選集；具體而言，需求閾值的設(shè)定是根據(jù)需求的實際變化來確定的。閾值的大小反映了對某一商品補(bǔ)貨的緊迫性。如果商品的需求量超過了設(shè)定的閾值，系統(tǒng)會認(rèn)為該商品需要優(yōu)先補(bǔ)充。如果商品的需求量較低，且與其他商品的關(guān)系不強(qiáng)，說明該商品庫存不會被經(jīng)常使用，即使在本次需求中被使用后，也不會立即產(chǎn)生其他的需求，因此將其從候選集中剔[0072]進(jìn)一步的，通過需求閾值，系統(tǒng)對第一補(bǔ)貨圖中的所有節(jié)點(diǎn)進(jìn)行篩選，去除那些需確保補(bǔ)貨路徑僅包括最相關(guān)的商品節(jié)點(diǎn)，進(jìn)一步提高補(bǔ)貨決策的精準(zhǔn)性。[0073]S3.3.4:取所述初始候選集和所述二次候選集的交集，生成候選節(jié)點(diǎn)集合；具體而言，交集運(yùn)算的核心是將初始候選集中的商品與二次候選集中的商品進(jìn)行匹配，僅保留兩個集合中都存在的商品。這一過程保證了候選節(jié)點(diǎn)集合中的商品既符合實時需求的匹配要求，又通過歷史數(shù)據(jù)驗證了其補(bǔ)貨的合理性。通過交集操作，系統(tǒng)生成的最終候選節(jié)點(diǎn)集合僅包含那些與當(dāng)前需求高度相關(guān)且具有良好歷史補(bǔ)貨依賴關(guān)系的商品。這些商品在后續(xù)的補(bǔ)貨路徑中將被優(yōu)先補(bǔ)充。[0074]S4的具體步驟如下：S4.1:對于任意一個候選節(jié)點(diǎn)，若其在第一補(bǔ)貨圖中的原始補(bǔ)貨順序位置大于虛擬需求節(jié)點(diǎn)計算的目標(biāo)順序位置，則建立候選節(jié)點(diǎn)到目標(biāo)順序位置的觸發(fā)式連接邊，其中邊權(quán)重根據(jù)時空特征進(jìn)行設(shè)置；在本實施例中，觸發(fā)式連接邊的生成不僅依賴于節(jié)點(diǎn)特征，還基于補(bǔ)貨順序的動態(tài)調(diào)整。對于每個候選節(jié)點(diǎn)，系統(tǒng)首先會分析該節(jié)點(diǎn)在第一補(bǔ)貨圖中的原始補(bǔ)貨順序位置，判斷該節(jié)點(diǎn)是否應(yīng)該提前補(bǔ)貨。[0075]具體而言，每個候選節(jié)點(diǎn)在第一補(bǔ)貨圖中的位置代表了該節(jié)點(diǎn)的默認(rèn)補(bǔ)貨順序。當(dāng)虛擬需求節(jié)點(diǎn)計算出目標(biāo)順序位置時，系統(tǒng)將會根據(jù)候選節(jié)點(diǎn)的原始補(bǔ)貨位置與目標(biāo)位置進(jìn)行比較。如果候選節(jié)點(diǎn)的原始順序位置大于目標(biāo)順序位置，系統(tǒng)會判定該節(jié)點(diǎn)應(yīng)該提[0076]進(jìn)一步的，如果候選節(jié)點(diǎn)需要提前補(bǔ)貨，系統(tǒng)就會在原補(bǔ)貨圖中插入一條新的觸發(fā)式連接邊，該連接邊的作用是調(diào)整補(bǔ)貨順序，使該節(jié)點(diǎn)優(yōu)先于原順序進(jìn)行補(bǔ)貨。生成的觸發(fā)式連接邊將“跳級”現(xiàn)有的補(bǔ)貨順序，將候選節(jié)點(diǎn)移至目標(biāo)位置，并確保補(bǔ)貨路徑的靈活調(diào)整。[0077]S4.2:篩選歷史協(xié)同系數(shù)大于等于預(yù)設(shè)的協(xié)同閾值的候選節(jié)點(diǎn)對，根據(jù)所述候選節(jié)點(diǎn)對的位置在第一補(bǔ)貨圖中建立順序連接邊，以替代第一補(bǔ)貨圖中的原始連接關(guān)