[發明專利]任務下發方法、裝置、電子設備及可讀存儲介質

有效

• 申請號: 202110393193.1
• 申請日: 2021-04-13
• 公開（公告）號: CN112801430B
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 馮偉;武曉飛;王文彬
• 申請（專利權）人: 貝殼找房（北京）科技有限公司
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06Q10/04;G06Q10/06;G06K9/62;G06F30/27;G06N7/00;G06F111/04;G06F111/08;G06F119/12
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 楊云云

本發明提供一種任務下發方法、裝置、電子設備及可讀存儲介質，其中方法包括：獲取目標助手的待下發任務列表，待下發任務列表中的每個待下發任務均關聯有備選處理人列表；以備選處理人列表所關聯的處理人為粒度，確定動態環境，并基于動態環境，利用馬爾科夫決策模型，確定待下發任務列表中目標任務將被下發給的目標處理人；其中，馬爾科夫決策模型為通過確定所關聯的處理人的狀態空間和收益，并通過將整體決策時間離散化來擬合強化學習場景獲取的。本發明通過有效定義處理人的狀態和收益來擬合強化學習場景，并通過將連續時間離散化使收益和狀態動態的關聯起來，能夠兼顧處理人的處理能力，從而有效提高任務處理效率和可靠性，最大化整體收益。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種任務下發方法、裝置、電子設備及可讀存儲介質。

背景技術

目前，在給經紀人下發任務時都是孤立下發的。例如，不同的助手在給經紀人下發任務時，都是相互獨立的向經紀人下發。

但是，采用上述處理方式下發任務時，可能出現多個助手都將任務下發到同一個經紀人，甚至在同一時間將任務下發給同一個經紀人的情況。然而，經紀人的精力往往有限，且通常無法同時處理多個任務，這將影響到任務的處理效率，且更容易出現錯誤，可靠性降低。

發明內容

本發明提供一種任務下發方法、裝置、電子設備及可讀存儲介質，用以解決現有技術存在的任務處理效率低、易出錯且可靠性不高等問題的缺陷，實現有效提高任務處理效率和可靠性的目標。

本發明提供一種任務下發方法，包括：

獲取目標助手的待下發任務列表，所述待下發任務列表中的每個待下發任務均關聯有備選處理人列表；

以所述備選處理人列表所關聯的處理人為粒度，確定動態環境，并基于所述動態環境，利用馬爾科夫決策模型，確定所述待下發任務列表中目標任務將被下發給的目標處理人；

其中，所述馬爾科夫決策模型為通過確定所述所關聯的處理人的狀態空間和收益，并通過將任務觸發的整體決策時間離散化來擬合強化學習場景獲取的。

根據本發明一個實施例的任務下發方法，在所述利用馬爾科夫決策模型，確定所述待下發任務列表中目標任務將被下發給的目標處理人之前，還包括：

根據當前時刻和所述所關聯的處理人在所述當前時刻可執行的任務數，確定所述所關聯的處理人的狀態空間，并根據所述待下發任務的被執行情況，確定所述所關聯的處理人的動作集合；

通過將任務觸發的所述整體決策時間離散化，對所述狀態空間和所述動作集合進行降維處理，并基于降維后的狀態空間和降維后的動作集合，確定所述所關聯的處理人的期望收益函數；

根據任務下發的實際應用場景，確定約束條件，并基于所述約束條件，確定約束條件下的決策目標函數；

基于所述降維后的狀態空間、所述降維后的動作集合、所述期望收益函數和所述決策目標函數，構建所述馬爾科夫決策模型。

根據本發明一個實施例的任務下發方法，所述構建所述馬爾科夫決策模型，包括：

構建（time, chance, [任務包中任務特征], [處理人屬性特征]）形式的樣本數據，其中，time表示當前時刻，chance表示所述所關聯的處理人在所述當前時刻可執行的任務數；

根據所述所關聯的處理人歷史已發生的日志數據，計算所述樣本數據的決策收益，并以所述決策收益作為所述樣本數據的標簽；

基于所述降維后的狀態空間、所述降維后的動作集合、所述期望收益函數和所述決策目標函數，通過xgboost模型擬合所述所關聯的處理人執行任務時的收益情況，構建初始馬爾科夫決策模型；

基于所述樣本數據和所述標簽，訓練所述初始馬爾科夫決策模型，構建所述馬爾科夫決策模型。