(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211062758.9 (22)申请日 2022.08.31 (71)申请人 南京理工大 学 地址 210094 江苏省南京市玄武区孝陵卫 200号 (72)发明人 刘丽君　马义中　周剑　林成龙　 石雨葳　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 封睿 (51)Int.Cl. G06K 9/62(2022.01) G06N 5/04(2006.01) G06Q 10/08(2012.01) (54)发明名称 一种面向多级供应链库存系统的高效关键 因子筛选方法 (57)摘要 本发明提供一种面向多级供应链库存系统 的高效关键因子筛选方法， 提取多级供应链库存 系统的可控因子， 进行关键因子筛选， 存储到 FIFO筛选队列； 从FIFO筛选队列中提取当前组因 子G， 确定 所需增加的设计点， 并收集相应的系统 绩效响应观测值； 采用Bootstrap方法扩大响应 观测值的样 本量， 并检验当前 组因子的效应显著 性， 如果效应显著， 则判断当前组因子中所包含 的元素个数， 如果当前组因子所包含的数目大于 1， 则将其 分支为两个子组， 并将两个子组按照顺 序放入FIFO筛选队列中； 如果当前组因子仅包含 1个元素， 则将其放入重要因子的集合I中， 否则 删除当前组因子。 本发明仅采用少量样本， 即可 筛选出大规模因子筛选问题中的重要因子， 并具 有良好的稳健 性。 权利要求书3页 说明书11页 附图2页 CN 115510952 A 2022.12.23 CN 115510952 A 1.一种面向多级供应链库存系统的高效关键因子筛选方法， 其特征在于， 包括如下步 骤： 步骤1， 提取多级供应链库存系 统的可控因子， 进行关键因子筛选， 存储到FIFO筛选队 列； 步骤2， 从FIFO筛选队列中提取当前组因子G， 确定所需增加的设计点， 并收集相应的系 统绩效响应观测值； 步骤3， 采用Bootstrap方法扩大响应观测值的样本量， 并检验当前组因子的效应显著 性， 如果效应显著转到步骤4， 如果效应不显著转到步骤5； 步骤4， 判断当前组因子 中所包含的元素个数， 如果当前组因子所包含的数目大于1， 则 将其分支为两个子组， 并将两个子组按照顺序放入FIFO筛选队列中； 如果当前组因子仅包 含1个元素， 则将其 放入重要因子的集 合I中， 转到步骤6； 步骤5， 删除当前组 因子， 转到步骤6； 步骤6， 判断FIFO筛选队列是否非空， 如果FIFO筛选队列非空， 转到步骤2进行下一层循 环过程； 如果FIFO筛选队列为空， 则终止筛选流程， 集合I中包含的元素即为所得到的重要 因子。 2.根据权利要求1所述的面向多级供应链库存系统的关键因子筛选方法， 其特征在于， 步骤1， 提取多 级供应链库存系统的可控因子， 进行关键因子 筛选， 具体方法为： ①提取多级供应链库存系统的可控因子， 确定所有可控因子的取值范围， 对所有可控 因子的试验水平进行编码， 使得编码后的可控因子的低水平和高水平分别为0和1； ②判断每个可控因子从低水平调整到高水平时， 系统绩效变化的方向及量级； ③调整可控因子的试验水平， 使得每个可控因子单独从低水平切换为高水平时， 系统 的响应增大； ④对所有可控因子按照效应值由小到大、 或者由大到小的顺序排列， 得到初始化的组 因子{x1,…,xk}， 并将其 放入先进先 出FIFO筛选队列。 3.根据权利要求1所述的面向多级供应链库存系统的关键因子筛选方法， 其特征在于， 步骤2， 根据当前组 因子确定所需增 加的设计点， 并收集相应的响应观测值， 具体方法为： ①假设当前组因子表示为 则需要新增两个设计点x(k0‑1)及x(k1)， 其中， x (k0‑1)表示前k0‑1个因子设置为高水平， 其余因子设置为低水平， 类似地， x(k1)表示前k1个 因子设置为高水平， 其 余因子设置为低水平； ②在两个设计点x(k0‑1)及x(k1)处分别收集n个响应观测值， 分别记为yi(k0‑1)及yi (k1)， 其中i＝1，…,n。 4.根据权利要求3所述的面向多级供应链库存系统的关键因子筛选方法， 其特征在于， 步骤3， 采用Bo otstrap方法扩大原 始样本量， 并检验当前组 因子的显著性， 具体方法为： ①利用响应观测值yi(k0‑1)及yi(k1)分别构造两个经验分布函数， 表示为 和 ②从两个经验分布函数 和 中分别抽取样本量为n的Bootstrap样本， 并计算 均值作为 位置参数估计， 记为 和 权　利　要　求　书 1/3 页 2 CN 115510952 A 2③重复②中的重抽样参数估计过程B次， 进而得到两组基于Bootstrap样本的组因子位 置参数估计 和 其中r＝1, …,B； ④基于上述中所得到的组因子位置效应估计， 结合稳健统计量以及偏差修正思想构造 检验统计量， 用于检验当前组 因子的显著性， 具体方法如下： 分别对Bootstrap样本的位置参数估计量进 行修正， 位置参数估计量 的偏差修 正表示为： 其中， 且 类似地， 位置参数估计量 的偏差修 正表示为： 其中， 且 然后， 将这两组修正后的统计量成对相减， 并采用稳健统计量中位数和中位数绝对偏 差改进经典的学生t统计量： 其中， 且 由于 即利用TR统计量的渐近性， 检验系统响应在两个设计点下所对应的分布总体的差异， 其 中， 常数 ⑤由于④中检验统计量TR乘以一个常数渐近服从标准正态， 利用响应观测数据计算统 计量TR并与标准正态分布的分位点比较， 或者计算其p 值与显著性水平比较， 以确定当前组 因子的显著性。权　利　要　求　书 2/3 页 3 CN 115510952 A 3