[發明專利]資源分配方法與裝置

有效

• 申請號: 201910243900.1
• 申請日: 2019-03-28
• 公開（公告）號: CN109993428B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 王萌
• 申請（專利權）人: 第四范式（北京）技術有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/02
• 代理公司: 北京展翼知識產權代理事務所(特殊普通合伙) 11452
• 代理人: 張陽

本發明公開了一種資源分配方法與裝置。該方法包括：預測分別為目標對象集合中各目標對象分配不同量的資源時的收益率；根據預測出的收益率和資源分配方法，確定分別為各目標對象分配不同量的資源時，單位資源對應的收益率回報；在預設的可分配資源總量的限制條件下，根據分別為各目標對象分配不同量的資源時的單位資源對應的收益率回報，確定目標對象集合中各目標對象對應的資源分配量。由此，本發明通過計算單位收益值，并引入限制規則，求取滿足限制的最大收益，真正實現基于資源分配的收益最大化。

技術領域

本發明涉及數據科學領域，尤其涉及一種基于歷史數據使用機器學習預測模型進行資源分配的方法和裝置。

背景技術

利用有限的資源獲取最大的收益一直是人們的在各個生產經營領域追尋的目標。由于針對不同的目標對象投放資源所獲取的收益不同，因此人們總是期望找到最為合理的資源分配方法以實現收益最大化。在現有的各個領域中，大多根據已有經驗和專家規則進行資源分配，缺乏對海量數據的深度挖掘與定量分析。圖1示出了資源分配的一個例子。如圖所示，假設某大型漁業公司具有2000條捕魚船。該公司需要對現有的2000條捕魚船(及其相應的船員配備)在全球范圍內進行捕撈區域分配，以實現捕魚利潤的最大化。應該理解，圖1僅僅示出了捕魚船分配的一個簡化例子，真正的捕魚船分配需要基于每艘船進行細分，還需考慮各種捕撈許可，因此會是一個比圖示要復雜得多的系統。由于不同海域的可捕魚量不同且會受到氣候都因素影響而實時變化，因此在捕魚船數量有限的情況下，如何進行針對不同海域的漁船分配是難以僅憑經驗獲取最優方案的。

此外，在其他領域中，也存在類似的情況。例如，視頻網站對于忍耐力差的用戶做一些廣告時間減免，由于用戶忍耐力的差異性，希望執行差異化的廣告時間減免，在有限的時間減免總量的前提下達到最高的廣告播放量。又例如，電商平臺或商家在優惠券發放時，期望在有限的優惠券使用量的前提下達到最高的銷售額。

在現有的各個領域中，大多根據已有經驗和專家規則進行資源分配，缺乏對海量數據的深度挖掘與定量分析。例如，不同海域的可捕魚量不同且實時變化，在捕魚船數量有限的情況下，如何進行針對不同海域的漁船分配難以僅憑經驗獲取到最優方案。

為此，需要一種有限資源代價下的資源優化分配方案。

發明內容

有鑒于此，為了解決如上至少一個問題，本發明提出了一種資源分配方案，該方案通過使用機器學習建模從而讓機器自動挖掘實際歷史數據中的規律和模式，避免過度依賴既有經驗和專家規則的缺陷。進一步地，本發明通過計算單位收益值，并引入限制規則，求取滿足限制的最大收益，以真正實現基于資源分配的收益最大化。

根據本發明的一個方面，提出了一種資源分配方法，包括：預測分別為目標對象集合中各目標對象分配不同量的資源時的收益率；根據預測出的收益率和資源分配方法，確定分別為各目標對象分配不同量的資源時，單位資源對應的收益率回報；在預設的可分配資源總量的限制條件下，根據分別為各目標對象分配不同量的資源時的單位資源對應的收益率回報，確定目標對象集合中各目標對象對應的資源分配量。由此，通過對預測收益率的簡單處理，獲取在已有限制下的最優目標。

可選地，收益率預測可以如下進行：使用經訓練的模型預測分別為目標對象集合中各目標對象分配不同量的資源時的收益率；基于規則預測分別為目標對象集合中各目標對象分配不同量的資源時的收益率；基于蒙特卡洛模擬預測分別為目標對象集合中各目標對象分配不同量的資源時的收益率；基于貝葉斯算法預測分別為目標對象集合中各目標對象分配不同量的資源時的收益率。

可選地，該方法在使用經訓練的模型之前，還包括以下訓練模型的步驟：獲取關于資源分配的歷史數據記錄集合；對于所述歷史數據記錄集合中的各數據記錄進行特征抽取處理，得到訓練樣本集合；基于所述訓練樣本集合訓練所述模型。由此，能夠有效挖掘歷史數據中的規律，避免對經驗和規則的過度依賴。