- name
- warehouse-network-optimizer
- description
- 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。
- allowed-tools
- Bash(python3:*), read, write
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 | 2026-04-08 | RDC数量改为上限（<=N）, 新增参数引导流程, 支持必选/禁止仓库 |
| 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
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：
设置 RDC=5 → 必须恰好选择5个RDC变更后：
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：
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
pip install pulp pandas openpyxl2. 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
# 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
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
最小化：Σ(门店数 × 线路时效) 加权和2. 约束条件
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
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
python3 run_optimization.py \
--store-file 门店数据.xlsx \
--rdc-count 5 \
--required 成都仓 广州仓 \
--forbidden 北京仓 \
--output result.xlsx参数说明：
| 参数 | 说明 | 示例 |
|---|---|---|
--store-file | 门店数据Excel | 必填 |
--rdc-count | RDC数量上限（默认3） | 5 |
--required | 必选仓库（空格分隔） | 成都仓 广州仓 |
--forbidden | 禁止仓库（空格分隔） | 北京仓 上海仓 |
--output | 输出文件 | result.xlsx |
方式2：Python调用
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
- [x] RDC数量改为上限（<= N）
- [x] 参数引导流程
- [x] 智能单位检测
- [x] 加权平均时效指标
- [x] 时效计算（含等待时间）
- [x] 链路类型判断
- [x] 供应关系展示到区县级别
- [x] 门店匹配逻辑（城市优先，省份备选）
📁 文件结构
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