数据处理方法、装置、设备、存储介质和计算机程序产品

技术领域

本申请属于数据处理技术领域，尤其涉及一种数据处理方法、装置、设备、存储介质和计算机程序产品。

背景技术

多级仓储网络，是物流领域常见的一种仓储网络。该仓储网络由至少两级货仓组成，在多级仓储网络中，一笔订单可以有多种可选的发货模式。而不同级别的货仓之间，不同级别的货仓和工厂之间存在运输成本的差异。所以，当存在多笔订单时，如何在多级仓储网络中规划每一笔订单的发货模式，从而在总运输成本尽可能低的前提下配送尽可能多的货物，就成为物流领域一项亟待解决的问题。在多级仓储网络下规划每一笔订单的发货模式的过程，就是订单的配货路由过程。

目前针对该问题，一般依赖于针对不同配送路线的运输成本和相关的运输规则的人工分析结果，导致配货路由过程的效率低下，进而影响了订单的发货效率。

发明内容

为此，本申请公开一种数据处理方法、装置、设备、存储介质和计算机程序产品，以解决物流领域配货路由过程效率低下导致订单发货慢的问题。

本申请第一方面提供一种数据处理方法，包括：

获得配货路由约束参数；其中，所述配货路由约束参数包括至少一个待发货订单的货物量和运输费率信息，所述运输费率信息包括仓储网络中不同级别的节点之间以不同车型运输时的运输费率，所述不同级别的节点至少包括工厂、一级仓和二级仓；

根据所述配货路由约束参数和配货路由决策变量，生成混合整数规划MIP模型包含的配货路由约束条件和目标函数；其中，所述配货路由决策变量用于指示所述待发货订单是否按预设发货模式和预设车型发货，所述预设发货模式为多种可选发货模式中任意一者，所述预设车型为多种可选车型中任意一者；所述目标函数用于反映所述配货路由决策变量和总运输成本的关联关系；

利用预设优化求解器对所述MIP模型进行分析处理，获得所述配货路由决策变量的候选变量值；其中，所述候选变量值是所述目标函数的最小值对应的所述配货路由决策变量的变量值；

根据所述候选变量值确定至少一个所述待发货订单适用的最优发货模式和最优车型。

可选的，所述配货路由约束参数还包括两个级别之间的货运量限制区间；

所述配货路由约束条件包括唯一发货状态约束条件和货运量约束条件；

所述唯一发货状态约束条件为，同一发货订单对应的所述配货路由决策变量的变量值之和为1；

所述货运量约束条件为，两个级别的节点之间的实际货运量在所述两个级别的节点的货运量限制区间内。

可选的，所述利用预设优化求解器对所述MIP模型进行分析处理，获得所述配货路由决策变量的候选变量值之前，还包括：

基于大M法将所述货运量约束条件转化为线性货运量约束条件。

可选的，所述根据所述候选变量值确定多笔所述待发货订单适用的最优发货模式和最优车型，包括：

确定多笔所述待发货订单按所述候选变量值发货时的第一发货量和第一运输成本；

确定多笔所述待发货订单按第一发货方案发货时的第二发货量和第二运输成本；

确定多笔所述待发货订单按第二发货方案发货时的第三运输成本；其中，所述第二发货方案的发货量大于所述第一发货方案的发货量，所述第二发货量的运输成本大于所述第一发货方案的运输成本；

根据所述第一发货量、所述第一运输成本、所述第二发货量、所述第二运输成本和所述第三运输成本，确定多笔所述待发货订单适用的最优发货模式和最优车型。

可选的，生成所述目标函数的过程包括：

根据所述配货路由约束参数和所述配货路由决策变量，确定两个级别的节点之间的运输成本；

将两个级别的节点之间的运输成本之和，确定为所述目标函数。

可选的，所述预设优化求解器包括Gurobi、CPLEX、SCIP中至少一者。

本申请第二方面提供一种数据处理装置，包括：

获得单元，用于获得配货路由约束参数；其中，所述配货路由约束参数包括多笔待发货订单的货物量和运输费率信息，所述运输费率信息包括仓储网络中不同级别的节点之间以不同车型运输时的运输费率，所述不同级别的节点至少包括工厂、一级仓和二级仓；

生成单元，用于根据所述配货路由约束参数和配货路由决策变量，生成混合整数规划MIP模型包含的配货路由约束条件和目标函数；其中，所述配货路由决策变量包括发运模式信息，所述发运模式信息用于指示所述待发货订单是否按预设发货模式和预设车型发货，所述预设发货模式为多种可选发货模式中任意一者，所述预设车型为多种可选车型中任意一者；所述目标函数用于反映所述配货路由决策变量和总运输成本的关联关系；

分析单元，用于利用预设优化求解器对所述MIP模型进行分析处理，获得所述配货路由决策变量的候选变量值；其中，所述候选变量值是所述目标函数的最小值对应的所述配货路由决策变量的变量值；

确定单元，用于根据所述候选变量值确定多笔所述待发货订单适用的最优发货模式和最优车型。

本申请第三方面提供一种电子设备，包括存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述计算机程序，具体用于实现本申请第一方面任意一项所提供的数据处理方法。

本申请第四方面提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被执行时，具体用于实现本申请第一方面任意一项所提供的数据处理方法。

本申请第五方面提供一种计算机程序产品，包括计算机程序，所述计算机程序被执行时，具体用于实现本申请第一方面任意一项所提供的数据处理方法。

本申请公开一种数据处理方法、装置和电子设备，方法包括，获得配货路由约束参数；根据配货路由约束参数和配货路由决策变量，生成混合整数规划MIP模型包含的配货路由约束条件和目标函数；其中，配货路由决策变量用于指示待发货订单是否按预设发货模式和预设车型发货，预设发货模式为多种可选发货模式中任意一者，预设车型为多种可选车型中任意一者；目标函数用于反映配货路由决策变量和总运输成本的关联关系；利用预设优化求解器对MIP模型进行分析处理，获得目标函数的最小值对应的配货路由决策变量的候选变量值；根据候选变量值确定多笔待发货订单适用的最优发货模式和最优车型。由于本申请从全局角度考虑配货路由约束参数和配货路由决策变量，进而确定MIP模型，基于MIP模型来获得目标函数的最小值对应的配货路由决策变量的变量值，并由此确定待发货订单的最优发货模式和最优车型。因此能够显著提升配货路由规划的效率，进而提高订单发货效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本申请实施例提供的一种多级仓储网络及其发货模式的示意图；

图2是本申请实施例提供的一种数据处理方法的流程图；

图3是本申请实施例提供的一种根据候选变量值确定多笔待发货订单适用的最优发货模式和最优车型的方法流程图；

图4是本申请实施例提供的一种数据处理装置的结构示意图；

图5是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了便于理解本申请实施例的数据处理方法，首先对本实施例可能涉及的术语和符号的定义进行说明。

直发模式和中转模式：

请参见图1，为本申请实施例提供的一种多级仓储网络及其发货模式的示意图。从图1可以看出，在多级仓储网络中，工厂的货物可以通过两种模式中的任意一种向网络中的货仓配送。其中一种是图1的(a)所示的中转模式，在中转模式中，工厂的货物首先发到1级仓，然后再从1级仓分发给多个2级仓，图1的(a)中不同线型表示不同订单的运输路径。

另一种模式是图1的(b)所示的直发模式，在该模式中，针对每一笔订单，根据该订单中指定收货地点的位置，该订单对应的货物将被直接发送到收货地点附近的货仓，例如直接发送到1级仓，然后从1级仓直接发往收货地点，或者直接发往2级仓，从2级仓发往收货地点。

图1是二级仓储网络的示例，可以理解的，本申请实施例提供的数据处理方法，可以适用于包括但不限于二级仓储网络在内的多级仓储网络，例如三级，四级仓储网络等。为了便于说明，以下均以二级仓储网络为示例介绍本实施例的方法。

k，表示待发货订单(以下简称订单)的订单编号，需要在某个多级仓储网络配送的所有订单编号的集合记为K，其中包括目的地为1级仓的订单集合K

i，表示发货模式，发货模式可以是多种可选发货模式中的任意一者，本实施例中可选发货模式包括中转和直发，这两种可选发货模式构成的集合记为I。

可选的，本实施例中，可以将每一个目的地为1级仓的订单的发货模式都设置为中转。

e，表示车型，具体可以是多种可选车型中的任意一者，本实施例中，可选车型可以包括零担、小车和大车三种，三种可选车型的集合用E表示。

l，表示二级仓的编号，当有多个二级仓时，这些二级仓可以依次编号为仓01，仓02，仓03，以此类推，l可以是其中任意一个编号，这些编号组成的集合记为L。

V

示例性的，甲经销商向乙供应商下发的订单k中，甲经销商预定的货物装车后所占体积为100立方米，则订单k的方数V

表示按使用车型e，按中转模式将货物从工厂运输到1级仓的费率，对于不同车型，将货物从工厂运输到1级仓的费率可以不同。

本实施例中，费率表示每运输一单位的货物所需支付的运输费用，当用立方米作为单位表示货物量时，费率可以理解为，每运输一立方米的货物所需支付的运输费用。

R

表示从工厂按直发模式配送到2级仓的费率，根据2级仓编号l和所用车型的不同，费率有所不同。

s(k，i，e)，发运状态变量，该变量为布尔(bool)型变量，其变量值为1或者0，变量值为1，说明订单k按照发货模式i和车型e进行配送，变量值为0，说明订单k未按照发货模式i和车型e配送，示例性的，若s(1，中转，小车)的值为1，说明1号订单对应的货物按中转模式发出，且运输车型为小车，若该变量的值为0，说明1号订单不满足按中转模式发出和运输车型为小车两项条件中至少一者。

p(k)，表示订单k的延单状态变量，该变量为布尔型变量，变量值为1说明订单k处于延单状态，变量值为0说明订单k不处于延单状态。延单状态，是指订单对应的货物延迟发送的状态。

表示按直发模式配送到二级仓l，且所用车型为e的订单的货物总量，当货物量用立方米表示时，/>

表示按中转模式配送到1级仓且所用车型为e的订单的货物总量，当货物量用立方米表示时，/>

v

以上部分变量可以按照下述公式计算。

可以用如下公式(1)计算。

v

可以用如下公式(3)计算。

表示发货模式为中转，且目的地为2级仓l的订单编号的集合。

本申请实施例提供一种数据处理方法，请参见图2，为该方法的流程图，该方法可以包括如下步骤。

S201，获得配货路由约束参数。

其中，配货路由约束参数包括至少一个待发货订单的货物量和运输费率信息，运输费率信息包括多级仓储网络中不同级别的节点之间以不同车型运输时的运输费率，不同级别的节点至少包括工厂、一级仓和二级仓。

续接前述示例，在二级仓储网络中，配货路由约束参数可以包括工厂到一级仓的运输费率

以上费率信息可以用表格的形式表示，示例性的，在二级仓储网络中获得的配货路由约束参数，可以包括如下表1所示的不同级别节点之间用不同车型运输时的费率。

一般在一个多级仓储网络中，同方量的货物从工厂配送到1级仓的费率低于从工厂配送到2级仓的费率，但从1级仓中转到2级仓的费率相对较高。

表1

一般的，零担车型适用于运输方数小于50的货物，小车车型适用于运输方数在50至170之间的货物，大车车型适用于运输方数超过170的货物。

进一步可选的，配货路由约束参数还可以包括两个级别的节点之间的货运量限制区间，该货运量限制区间表示，多级仓储网络中不同级别的两个节点之间，为了节约运输成本，计划要运输的货物量应当不小于该区间的下限，受运输能力的限制，计划要运输的货物量应当不大于该区间的上限。

需要说明的，在多级仓储网络中，可以仅在部分节点之间设置货运量限制区间，在另一部分节点之间不设置货运量限制区间，具体是否设置可以根据两个节点之间的实际运输成本和运输能力决定。

例如，本实施例中，可以仅在工厂和1级仓之间，以及工厂和2级仓之间设置货运量限制区间，1级仓和2级仓之间则无此限制。

当货物量用立方米表示时，货运量限制区间的上限和下限可以分别记为方量段上限和方量段下限。

本实施例中，工厂运输到1级仓的方量段下限记为A

工厂运输到2级仓l的方量段下限记为

S202，根据配货路由约束参数和配货路由决策变量，生成混合整数规划MIP模型包含的配货路由约束条件和目标函数。

其中，配货路由决策变量用于指示待发货订单是否按预设发货模式和预设车型发货，预设发货模式为多种可选发货模式中任意一者，预设车型为多种可选车型中任意一者；目标函数用于反映配货路由决策变量和总运输成本的关联关系。

可选的，配货路由约束条件包括唯一发货状态约束条件和货运量约束条件。

唯一发货状态约束条件为，同一发货订单对应的配货路由决策变量的变量值之和为1。

唯一发货状态约束条件，可以用如下公式(4)表示。

货运量约束条件为，两个级别的节点之间的实际货运量在两个级别的节点的货运量限制区间内。

在一些可选的实施例中，为了方便后续优化求解器的分析处理，可以在确定货运量约束条件之后，基于大M法将货运量约束条件进行线性转化，获得对应的线性货运量约束条件。大M法的具体实施过程可以参见相关的现有技术文献，不再赘述。

也就是说在S203之前，还可以包括如下步骤：

基于大M法将货运量约束条件转化为线性货运量约束条件。

结合前述示例，本实施例中货运量限制区间可以仅适用于工厂到1级仓，以及工厂到2级仓之间。对应的，货运量约束条件也可以仅针对这两种情况进行约束。

具体的，针对工厂到1级仓的货运量约束条件可以用如下公式(5)表示。

其中，

基于上述定义，

公式(5)所示的货运量约束条件经过大M法转化后，可以得到如下公式(6)所示的线性货运量约束条件。

其中

针对工厂到2级仓l的货运量约束条件，可以用如下公式(7)表示。

其中，

基于上述定义，

公式(7)所示的货运量约束条件经过大M法转化后，可以得到如下公式(8)所示的线性货运量约束条件。

为布尔型变量，其值为0或1，值为1时，说明多笔待发货订单中，存在直发到二级仓l且运输车型为e的订单，反之，值为0时说明不存在前述类型的订单。

以上线性货运量约束条件中，M为预设的大整数。

可选的，以上约束条件中的小于或等于号均可以通过增减0.001的方式转化为小于号。

可选的，配货路由约束条件还可以包括中转模式约束条件，该约束条件可以将目的地为1级仓的订单的发货模式设定为中转模式，该约束条件可以用如下公式(8)表示。

配货路由决策变量，具体可以包括所有的发运状态变量，也就是包括每一个订单k，每一种发货模式i和每一种车型e对应的发运状态变量。

可选的，生成目标函数的过程包括：

根据配货路由约束参数和配货路由决策变量，确定两个级别的节点之间的运输成本；

将两个级别的节点之间的运输成本之和，确定为目标函数。

以前述二级仓储网络作为示例，上述两个级别的节点之间的运输成本，可以包括直发及中转到1级仓成本c

c

获得以上各项成本后，将这些成本相加就可以得到如下的目标函数。

c

S203，利用预设优化求解器对MIP模型进行分析处理，获得配货路由决策变量的候选变量值。

其中，候选变量值是目标函数的最小值对应的配货路由决策变量的变量值。

执行S203时，可以用任意一种现有的优化求解器对MIP模型进行分析处理，本实施例对具体应用的优化求解器不做限定。

示例性的，预设优化求解器可以包括Gurobi、CPLEX、SCIP中至少一者。

在S203中，可以利用优化求解器，以目标函数最小化为目标，也就是min(c

具体求解过程可以参见现有技术中关于相关的优化求解器的说明，不再赘述。

S204，根据候选变量值确定多笔待发货订单适用的最优发货模式和最优车型。

步骤S204的一种可选实施方式如下。

根据所述第一发货量、所述第一运输成本、所述第二发货量、所述第二运输成本和所述第三运输成本，确定多笔所述待发货订单适用的最优发货模式和最优车型。

请参见图3，为一种确定最优发货模式和最优车型的流程图。

S301，确定常规直发方案的第二运输成本和第二发货量，以及强制直发方案的第三运输成本。

发货量，是指按照特定方案配送订单时，预期能够正常配送(即无延迟地配送)的订单的货物总量，具体可以用这些货物的体积表示。

常规直发方案，是指，在满足货运量约束条件的前提下将尽可能多的订单按直发模式配送的发货方案，此时按方量段计算运输成本。常规直发方案下，可能存在部分订单因为不满足货运量约束条件而延迟配送的情况，也就是说，该模式可能无法满足所有订单的配送需求。常规直发方案，也可以称为第一发货方案。

强制直发方案，是指，无论是否满足货运量约束条件，将所有订单均按直发模式配送的发货方案，这种情况下，由于可能不满足货运量约束条件，运输成本一般比常规直发方案大。强制直发方案，也可以称为第二发货方案。

可以理解，按强制直发方案发货时，发货量和运输成本都会大于按常规直发方案发货。

本实施例中，发货方案可以理解为每一笔待发货订单的发货模式和所用车型的集合，确定了发货方案，就相当于确定了每一笔待发货订单的发货模式和所用车型。

S301相当于：

确定多笔待发货订单按常规直发方案发货时的第二发货量和第二运输成本；

确定多笔待发货订单按强制直发方案发货时的第三运输成本。

S302，确定候选发货方案的发货量和运输成本。

候选发货方案的运输成本，相当于S204中分析求解结束后获得的，目标函数的最小值。

候选发货方案，是根据S302中确定的配货路由决策变量的候选变量值确定的发货方案。

配货路由决策变量涵盖所有订单的发运状态变量，再结合唯一发货状态约束条件，通过步骤S203获得的候选变量值中，同一个订单k对应的多个发运状态变量中，有且仅有一个发运状态变量的值为1，该订单的其他发运状态变量的值均为0。

根据配货路由决策变量的候选变量值，对于每一个订单k，将该订单的值为1的发运状态变量对应的发货模式和车型，确定为订单k的候选发货模式和候选车型。将每一个订单k按照其候选发货模式和候选车型进行配送的方案，就是候选发货方案。

S302相当于，确定多笔待发货订单按候选变量值发货时的第一发货量和第一运输成本。

S303，判断第一发货量大于或等于第二发货量。

若第一发货量等于第二发货量，执行步骤S304，若第一发货量大于第二发货量，执行步骤S305。

S304，判断第一运输成本是否小于第二运输成本。

若第一运输成本小于第二运输成本，执行步骤S306，若第一运输成本不小于第二运输成本，执行步骤S307。

S305，判断第一运输成本是否小于第三运输成本。

若第一运输成本小于第三运输成本，执行步骤S306，若第一运输成本不小于第三运输成本，执行步骤S308。

S306，将候选发货方案确定为最佳发货方案。

S307，将常规直发方案确定为最佳发货方案。

S308，将强制直发方案确定为最佳发货方案。

确定最佳发货方案后，就可以将最佳发货方案中针对每一笔订单指定的发货模式确定为该订单的最优发货模式，指定的车型确定为该订单运输用的最优车型。

请参见表2，为本实施例确定的最佳发货方案的一种示例。

表2

本申请公开一种数据处理方法、装置和电子设备，方法包括，获得配货路由约束参数；根据配货路由约束参数和配货路由决策变量，生成混合整数规划MIP模型包含的配货路由约束条件和目标函数；其中，配货路由决策变量用于指示待发货订单是否按预设发货模式和预设车型发货，预设发货模式为多种可选发货模式中任意一者，预设车型为多种可选车型中任意一者；目标函数用于反映配货路由决策变量和总运输成本的关联关系；利用预设优化求解器对MIP模型进行分析处理，获得目标函数的最小值对应的配货路由决策变量的候选变量值；根据候选变量值确定多笔待发货订单适用的最优发货模式和最优车型。由于本申请从全局角度考虑配货路由约束参数和配货路由决策变量，进而确定MIP模型，基于MIP模型来获得目标函数的最小值对应的配货路由决策变量的变量值，并由此确定待发货订单的最优发货模式和最优车型。因此能够显著提升配货路由规划的效率，进而提高订单发货效率。

进一步的，在本实施例提供的方法中，费率被设定为优化过程中的常量，而车型和发货模式则作为优化过程中的变量，这样的设置，可以使车型、发货模式和费率解耦，从而提高优化求解器分析处理的效率，更快地完成配货路由规划。

根据本申请实施例提供的数据处理方法，本申请实施例还提供一种数据处理装置，请参见图4，为该装置的结构示意图，该装置可以包括如下单元。

获得单元401，用于获得配货路由约束参数；其中，配货路由约束参数包括至少一个待发货订单的货物量和运输费率信息，运输费率信息包括多级仓储网络中不同级别的节点之间以不同车型运输时的运输费率，不同级别的节点至少包括工厂、一级仓和二级仓；

生成单元402，用于根据配货路由约束参数和配货路由决策变量，生成混合整数规划MIP模型包含的配货路由约束条件和目标函数；其中，配货路由决策变量包括发运模式信息，发运模式信息用于指示待发货订单是否按预设发货模式和预设车型发货，预设发货模式为多种可选发货模式中任意一者，预设车型为多种可选车型中任意一者；目标函数用于反映配货路由决策变量和总运输成本的关联关系；

分析单元403，用于利用预设优化求解器对MIP模型进行分析处理，获得配货路由决策变量的候选变量值；其中，候选变量值是目标函数的最小值对应的配货路由决策变量的变量值；

确定单元404，用于根据候选变量值确定至少一个待发货订单适用的最优发货模式和最优车型。

可选的，配货路由约束参数还包括两个级别的节点之间的货运量限制区间；

配货路由约束条件包括唯一发货状态约束条件和货运量约束条件；

唯一发货状态约束条件为，同一发货订单对应的配货路由决策变量的变量值之和为1；

货运量约束条件为，两个级别的节点之间的实际货运量在两个级别的节点的货运量限制区间内。

可选的，生成单元402还用于：

基于大M法将货运量约束条件转化为线性货运量约束条件。

可选的，确定单元404根据候选变量值确定多笔待发货订单适用的最优发货模式和最优车型时，具体用于：

确定多笔待发货订单按候选变量值发货时的第一发货量和第一运输成本；

确定多笔待发货订单按第一发货方案发货时的第二发货量和第二运输成本；

确定多笔待发货订单按第二发货方案发货时的第三运输成本；其中，第二发货方案的发货量大于第一发货方案的发货量，第二发货方案的运输成本大于第一发货方案的运输成本；

根据第一发货量、第一运输成本、第二发货量、第二运输成本和第三运输成本，确定多笔待发货订单适用的最优发货模式和最优车型。

可选的，生成单元402生成目标函数的过程包括：

根据配货路由约束参数和配货路由决策变量，确定两个级别的节点之间的运输成本；

将两个级别的节点之间的运输成本之和，确定为目标函数。

可选的，预设优化求解器包括Gurobi、CPLEX、SCIP中至少一者。

本申请实施例所提供的数据处理装置，其具体工作原理可以参见本申请任一实施例提供的数据处理方法的相关步骤，此处不再赘述。

本申请实施例还提供一种电子设备，请参见图5，为该电子设备的结构示意图，该电子设备可以包括存储器501和处理器502。

存储器501用于存储计算机程序；

处理器502用于执行计算机程序，具体用于实现本申请任一实施例所提供的数据处理方法。

本申请实施例还提供一种计算机可读存储介质，用于存储计算机程序，计算机程序被执行时，具体用于实现本申请任一实施例所提供的数据处理方法。

本申请实施例还提供一种计算机程序产品，包括计算机程序，计算机程序被执行时，具体用于实现本申请任一实施例所提供的数据处理方法。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

为了描述的方便，描述以上系统或装置时以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。