買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江輝驛網絡科技有限公司申請的專利基于動態協同優化的供應鏈智能管理系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120410460B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510903092.2，技術領域涉及：G06Q10/10；該發明授權基于動態協同優化的供應鏈智能管理系統是由單海洋;李丹瑛;曾重龍設計研發完成，并于2025-07-01向國家知識產權局提交的專利申請。

本基于動態協同優化的供應鏈智能管理系統在說明書摘要公布了：本發明公開了基于動態協同優化的供應鏈智能管理系統，涉及酒店供應鏈管理技術領域，包括供應鏈智能管理平臺，所述供應鏈智能管理平臺通信連接有如下模塊，其中：多模態數據感知模塊，用于通過LoRaWAN+BLE混合傳感器網絡采集酒店內部的多模態數據，并接入外部數據源，通過API接口獲取實時信息；動態需求預測模塊，基于ASTGNN模型，通過雙向LSTM捕捉時間序列趨勢。本發明通過融合社交媒體輿情、天氣等外部動態數據，結合多模態數據分析技術，顯著提高需求預測的準確性，利用ASTGNN模型，結合雙向LSTM和GCN分析時間序列趨勢和分店間需求關聯，動態調整特征權重，使得需求預測誤差率大幅降低，為企業提供了更可靠的需求預測依據，有助于優化庫存管理和生產計劃。

本發明授權基于動態協同優化的供應鏈智能管理系統在權利要求書中公布了：1.基于動態協同優化的供應鏈智能管理系統，包括供應鏈智能管理平臺，其特征在于，所述供應鏈智能管理平臺通信連接有如下模塊，其中： 多模態數據感知模塊，用于通過LoRaWAN+BLE混合傳感器網絡采集酒店內部的多模態數據，并接入外部數據源，通過API接口獲取實時信息； 動態需求預測模塊，基于ASTGNN模型，通過雙向LSTM捕捉時間序列趨勢，結合GCN分析分店間需求關聯，進行未來7天分時段需求預測； 多目標協同優化模塊，用于采用APSO算法平衡庫存成本、物流時效與碳排放，自動解析供應商產能、物流路線的約束條件，并動態調整慣性權重與學習因子，在10分鐘內生成帕累托最優解集； 區塊鏈協同執行模塊，用于將最優方案轉化為智能合約部署至區塊鏈，并使供應商與物流商通過HyperledgerFabric進行跨鏈數據同步； 執行反饋與模型修正模塊，用于通過物聯網傳感器實時反饋庫存消耗與物流時效，計算預測誤差并觸發模型修正，若誤差超過預設閾值，自動重新訓練模型并更新事件標簽庫； 所述多目標協同優化模塊具體包括： 多目標協同優化模塊解析供應商產能限制和物流商車輛調度約束的約束條件，并進行初始化操作，生成一定數量的粒子，即為候選方案，每個粒子代表一組采購計劃、供應商選擇及運輸路線的組合； 初始化完成后，多目標協同優化模塊執行APSO算法，通過模擬粒子群的行為計算每個粒子的適應度值，以尋找最優解，其中，每個粒子根據其個體最優和全局最優位置更新自己的速度和位置，并在迭代過程中，動態調整慣性權重和學習因子，以平衡全局搜索和局部搜索的能力； 在多目標協同優化過程中，引入碳排放約束算法，通過自適應懲罰機制處理碳排放約束，并在物流路徑規劃上，預設物流路徑優化約束，使運輸路線滿足約束條件； 經過一系列迭代后，當連續50代適應度無顯著提升時，算法終止，生成帕累托最優解集，代表在不同目標下達到最優或近似最優的方案組合，包含多個在庫存成本、物流時效和碳排放之間取得平衡的多種可選方案，保留前3個最優方案供人工決策，最終在10分鐘內完成整個優化過程，并輸出最優的采購計劃、物流調度方案； 碳排放約束算法的公式為： ； 式中，為調整后的適應度值，用于粒子群算法的選擇機制，為原始多目標優化函數，為懲罰系數，通過自適應機制動態調整，為實際碳排放強度（單位：kgkm·t），為碳排放強度上限，當時，觸發懲罰項，否則，懲罰項為0，不影響原始目標函數，優化目標為最小化，即同時優化庫存成本、物流時間，并確保碳排放不超限，隨著迭代次數增加，指數級增長，早期允許一定程度的約束違反，后期強制滿足約束。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江輝驛網絡科技有限公司，其通訊地址為：310000 浙江省杭州市余杭區良渚街道金家渡路112號6號樓301室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。