实体店铺中高级货架空间分配:一种用于高效果商品陈列图设计的多群体差分进化方法

《Chemical Engineering Journal》:Advanced shelf space allocation in brick-and-mortar stores: A multi-population differential evolution approach for high-impact planogram design

【字体: 大 中 小 】 时间:2025年12月22日 来源:Chemical Engineering Journal 13.2

编辑推荐:

  余晓沫|唐玲|聂杰|刘佳佳|龙龙 南宁师范学院物流管理与工程系,中国广西南宁530001 **摘要** 货架空间是零售商最宝贵的资产之一,然而设计出盈利的货架布局仍然是一个高风险、属于NP难问题的挑战。微小的布局变化就能吸引消费者的注意力,引发替代效应,并影响商品类

  余晓沫|唐玲|聂杰|刘佳佳|龙龙
南宁师范学院物流管理与工程系,中国广西南宁530001

**摘要**
货架空间是零售商最宝贵的资产之一,然而设计出盈利的货架布局仍然是一个高风险、属于NP难问题的挑战。微小的布局变化就能吸引消费者的注意力,引发替代效应,并影响商品类别的利润。但传统的启发式方法和单一种群的元启发式方法在严格的空间和需求限制下往往无法有效解决问题。本文提出了一种多种群差分进化(MP-DE)框架,重新定义了零售货架优化方法。该模型结合了二维几何结构、连续的商品展示面以及非线性的空间弹性特性;算法通过设计确保可行性,通过岛屿子群体维持多样性,并触发适应性重启以避免停滞。在六十个基准场景中,MP-DE的表现优于遗传算法、粒子群优化和经典差分进化方法——利润提升超过15%,方差减少超过50%,并且在所有测试中都显示出统计学上的显著优势。这些结果证明了MP-DE作为一种可扩展、可靠且以利润为导向的优化工具,能够将前沿的进化计算技术与实际可行的货架布局设计相结合。

**引言**
在实体商店中,零售货架空间的有效分配是推动销售和盈利能力的关键因素(van der Meer等人,2025年)。商品在货架上的排列方式——通常以货架布局图的形式体现——直接影响产品的可见性、顾客的购买决策以及货架上的库存水平(Silverio等人,2025年)。零售商必须决定如何在有限的货架空间内摆放多种商品,不仅需要确定哪些商品进行陈列,还需要决定每种商品应分配多少展示面(Ishichi等人,2019年)。货架布局问题具有挑战性,因为货架空间是一种稀缺资源:给一种商品更多的展示面必然意味着要减少其他商品的展示空间(Bianchi-Aguiar等人,2021年)。即使是很小的布局变化也会影响消费者的购买行为,这使得货架优化成为零售管理者的一项高风险任务(Fernandez Nogales和Gomez Suarez,2005年)。

在实践中,优化货架布局需要满足许多运营约束和权衡(Murray等人,2010年)。首先,存在空间约束:每个货架的宽度是固定的,不能超出;所有商品的位置都必须符合这些物理限制——例如,商品必须有足够的宽度来展示所有面(Gecili和Parikh,2022年)。其次,展示面约束要求每种商品的展示面在货架上形成一个连续的块(商品通常不会被分散到多个不同的位置),并且通常每种商品在给定的布局中最多只分配到一个货架位置(Turpin & Darrat,2025年)。零售商还可能对某些商品设定最小或最大的展示面数量(例如,畅销商品可能需要最低数量的展示面以防止缺货,而滞销商品则可能被限制展示面数量以避免浪费空间(Czerniachowska等人,2023年)。此外,位置的选择也很重要:并非所有货架位置的价值都相同(Russell和Urban,2010年)。例如,位于视线水平处的商品通常比靠近地面的商品更吸引顾客注意,因此零售商更倾向于将表现最好的商品放在这些位置。所有这些约束和考虑因素都增加了寻找最佳布局的复杂性。

货架布局问题的另一个关键方面是货架空间与产品销售之间的关系,这通常被称为商品的需求空间弹性(Hübner & Kuhn,2024年)。一般来说,为商品分配更多的展示面会增加其销售额,但收益会逐渐减少。商品的前几个展示面对可见性和可用性的影响最大;超过某个点后,每个额外的展示面带来的销售额增长会逐渐减少(Chandon等人,2009年)。例如,从一个展示面增加到两个展示面通常比从十个展示面增加到十一个展示面的效果要好得多。这种非线性关系意味着每种商品都有一个最佳的空间范围,超过这个范围后,收益就会趋于平稳(Ishichi等人,2019年)。有效的货架优化必须捕捉到这种收益递减的现象,避免在不再有收益的地方过度分配空间。

货架布局优化问题本质上是复杂且组合性的(Czerniachowska等人,2021年)。即使对于单个货架,确定每种商品的最佳展示面数量(以及在空间有限的情况下应包括哪些商品)也是一个NP难问题,因为可能的分配方式数量呈指数级增长。当扩展到多货架(二维)布局时,决策空间会进一步扩大,因为还需要选择每种商品的展示块应放置在哪一个货架上。对于任何实际数量的商品,穷举所有布局都是不可行的。

在实践中,品类经理通常依赖启发式方法或简单的经验法则来构建货架布局图(Hübner和Kuhn,2012年)。一种常见的方法是根据每种商品的历史销售额或利润贡献大致分配货架空间,有时会进行调整以确保每种商品都有展示机会。虽然这些手动方法易于应用,但它们很少能产生真正最优的布局,因为它们难以充分考虑上述的复杂交互和非线性效应(Czerniachowska和Hernes,2021a)。

在不断发展的零售领域,人们越来越关注采用智能、数据驱动的策略来支持不同领域的决策(Cheng等人,2025年;Li等人,2023年;Xu等人,2025年)。为了解决这些挑战,研究人员和实践者研究了多种货架布局设计的优化技术。早期的研究使用精确的数学规划模型(通常是整数或混合整数模型)来解决货架空间分配问题。尽管这些方法严谨,但随着问题的规模扩大,计算难度迅速增加。这一限制促使人们转向启发式和元启发式方法。例如,遗传算法(GAs)将货架布局图编码为染色体,并使用进化操作(选择、交叉和变异)来探索搜索空间。尽管有效,但如果不仔细管理多样性,GAs可能会过早收敛。其他技术,如模拟退火和禁忌搜索,提供了逃离局部最优解的机制,但通常需要大量的参数调整,并且计算成本较高。总体而言,这些方法提高了问题的可解性,但仍难以高效地处理高度组合性和非线性的货架空间分配问题。

在这项工作中,我们提出了一种基于多种群差分进化(DE)的新方法来解决零售货架布局问题。DE是一种最初为连续变量设计的进化算法;我们通过使用自定义的货架布局表示方法和修复规则来适应这个离散问题,以确保满足所有约束。DE通过加权差异和重组组合现有布局来生成新的布局,从而广泛探索搜索空间并优化有前景的解决方案。此外,我们并行维护多个子群体以保持搜索过程中的多样性。如果一个子群体过早收敛到次优布局,其他子群体可能仍能找到替代方案。通过偶尔在这些子群体之间交换优秀解决方案,算法可以传播最佳特性并避免陷入局部最优解。

本研究的核心研究问题是:如何开发先进的优化技术来有效解决在现实空间和需求限制下的二维零售货架布局问题?如何在利润和计算效率方面严格评估这些技术的性能与传统的元启发式方法?为了实现这一目标,我们提出了三个子问题:
1. 如何制定货架空间分配问题,以捕捉展示面、位置效应和空间弹性,同时保持计算可行性?
2. 哪些编码、可行性修复和多样性保持机制在处理混合整数、非凸搜索空间时最有效?
3. 在日益复杂的场景中,先进的优化方法在利润和收敛行为方面能带来多大程度的改进?

本文的主要贡献如下:
- 我们为零售货架布局问题制定了一个全面的优化模型,包括二维货架结构、每种商品的连续展示面以及非线性需求效应(空间弹性)。
- 我们设计了一种针对这一场景的新型多种群差分进化(MP-DE)算法,具有专门的解决方案编码和约束处理方案,以确保可行性并符合空间和商品陈列要求。
- 通过对真实零售数据集进行广泛的计算实验,我们证明了MP-DE在利润最大化和计算效率方面始终优于现有的启发式方法,突显了其实际应用价值。

本文的其余部分结构如下:第2节回顾了货架空间优化的相关工作;第3节阐述了二维分配问题的决策变量、目标和约束;第4节介绍了提出的MP-DE算法,包括编码、基于角色的更新和多样性控制;第5节概述了基准场景、比较方法和评估协议;第6节报告了实证发现和管理见解;最后,第7节总结了主要贡献、局限性以及未来研究的方向。

**文献综述**
关于零售货架空间的研究始于对线性单条模型算法的改进。Lim等人(2004年)提出了一个通过网络流公式并结合局部搜索的方法,证明了其优于传统的经验法则布局图。在此基础上,Ramaseshan等人(2008年)将类似的优化器嵌入到一个面向特许经营者的原型决策支持工具中,证实了其在实践中的可测量利润提升。

**问题表述**
本研究探讨的二维货架空间分配问题(2DSSAP)将产品在零售货架上的摆放任务转化为一个严格定义的混合整数、非线性优化模型。本质上,零售商必须决定每种SKU应获得多少个水平展示面和垂直堆叠,以及这些单元应在多层货架上的什么位置摆放,以使最终的货架布局图实现总预期利润的最大化。利润本身是一个非线性变量。

**方法论:数据驱动的模型辅助差分进化**
鉴于理想化假设与商店实际情况之间的潜在差异,优化架构强调设计时的可行性和鲁棒性:解码生成的布局满足空间规则而无需额外调整;同时,搜索在多个子群体中进行,以减少频繁的空间修复导致的过早收敛。该框架还允许更换需求评估方式(例如,从对数对数响应改为有上限的响应),并允许调整位置因素。

**实验设计**
本节详细介绍了用于验证所提出的多种群差分进化算法(MP-DE)的测试平台。我们的目标有三个:(i)评估从小规模到大规模布局图的可扩展性;(ii)与广泛引用的货架空间文献中的元启发式方法进行基准测试;(iii)使用稳健的非参数分析来证明统计优势。所有运行都在MATLAB R2024a环境下,使用Intel i9-13900 K(32 GB RAM)处理器完成;每次运行固定使用一个物理核心。

**结果**
本节报告了对所提出的多种群差分进化(MP-DE)算法与三种广泛使用的元启发式方法(遗传算法(GA)、粒子群优化(PSO)和经典差分进化(DE)的全面实证评估。比较是在第5节介绍的六个基准场景类别(S1–S6)中进行的。除非另有说明,所有性能指标均基于每种算法实例对的30次运行结果。

**结论与局限性**
本文提出了一种使用多种群差分进化(MP-DE)算法在现实空间和展示限制下优化零售货架布局的全面方法。我们解决了在有限货架空间内分配商品以最大化利润的关键零售挑战,同时满足物理和商品陈列要求。通过建模具有连续展示面的二维货架和非线性空间需求效应,我们捕捉到了货架布局的核心现实。

**作者贡献声明**
余晓沫:撰写——审稿与编辑、初稿撰写、可视化、验证、监督、软件开发、资源管理、方法论研究、资金获取、正式分析、数据整理、概念化。
唐玲:撰写——审稿与编辑、初稿撰写、可视化、验证、监督、软件开发、资源管理、方法论研究、资金获取、正式分析、数据整理、概念化。

**伦理声明**
不适用,因为本研究未涉及人类受试者。

**生成式AI声明**
仅使用AI工具进行语言润色和编辑清晰度提升;它们未参与研究设计、数据生成、算法开发或分析。

**资助**
本研究得到了中国国家自然科学基金(编号62066032)、广西高等教育本科教学改革项目(编号2024JGA258)、广西教育与科学“十四五”计划中的大学创新与创业教育专项项目(编号2022ZJY2727)以及广西教育与科学“十四五”计划2023年度项目(编号2023A028)的支持。本研究得到了国家一流本科专业建设项目的支持。作者声明,他们没有已知的可能会影响本文研究结果的财务利益冲突或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号