CN109685424A - 配送信息的处理方法、装置、存储介质和电子设备 - Google Patents
配送信息的处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN109685424A CN109685424A CN201811592768.7A CN201811592768A CN109685424A CN 109685424 A CN109685424 A CN 109685424A CN 201811592768 A CN201811592768 A CN 201811592768A CN 109685424 A CN109685424 A CN 109685424A
- Authority
- CN
- China
- Prior art keywords
- dispatching
- classification
- information
- type
- distributed intelligence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
Abstract
本发明公开了一种配送信息的处理方法、装置、存储介质和电子设备,其中,配送信息处理方法包括:获取多个配送资源在预定时期内的历史配送信息,历史配送信息包括与配送类型对应的订单数量,其中,配送类型包括至少两个配送类别;根据历史配送信息确定多个配送资源的类型分布信息,类型分布信息包括各配送类别的类别分布信息;根据配送资源的历史配送信息和类型分布信息确定配送资源各配送类别的类别预期信息;根据类型分布信息和各类别预期信息确定配送资源的类别倾向信息;根据类别倾向信息为配送资源分配订单。通过本发明,可以准确合理地确定配送资源的配送倾向。
Description
技术领域
本发明公开涉及信息处理领域,具体涉及一种配送信息的处理方法、装置、存储介质和电子设备。
背景技术
目前,在订单指派过程中,对订单和配送员相似度的计算,是基于一些显性的特征因素,如配送员位置、配送距离、背单情况等。
以配送员对配送距离的偏好为例,配送距离包括长距离、中距离、短距离,目前的指派过程是根据配送员配送的长、中、短距离订单数量所占比例来确定该配送员对配送距离的偏好,占比越高代表偏好越大。然而,这种配送偏好的确定方式存在如下缺陷:
(1)订单数量所占的比例不同,例如,绝大多数是中、短距离订单,因此,通过订单数量占比来确定配送员偏好是不合理的;
(2)有些配送员历史上配送的订单数量较少,不满足大数定理,例如,某配送员只有2个长距离订单,而没有其他订单,此时认为该配送员偏好长距离订单也是不合理的。
发明内容
有鉴于此,本发明实施例提供一种配送信息的处理方法、装置、存储介质和电子设备,以解决现有技术中根据配送员已配送订单来确定该配送员的配送偏好不够准确的问题。
根据本发明实施例的第一方面,提供一种配送信息的处理方法,该方法包括:获取多个配送资源在预定时期内的历史配送信息,历史配送信息包括与配送类型对应的订单数量,其中,配送类型包括至少两个配送类别;根据历史配送信息确定多个配送资源的类型分布信息,类型分布信息包括各配送类别的类别分布信息;根据配送资源的历史配送信息和类型分布信息确定配送资源各配送类别的类别预期信息;根据类型分布信息和各类别预期信息确定配送资源的类别倾向信息;根据类别倾向信息为配送资源分配订单。
根据本发明实施例的第二方面,提供配送信息的处理装置,该装置包括:信息获取单元,用于获取多个配送资源在预定时期内的历史配送信息,历史配送信息包括与配送类型对应的订单数量,其中,配送类型包括至少两个配送类别;类型分布信息类型分布信息确定单元,用于根据历史配送信息确定多个配送资源的类型分布信息,类型分布信息包括各配送类别的类别分布信息;预期信息确定单元,用于根据配送资源的历史配送信息和类型分布信息确定配送资源各配送类别的类别预期信息;倾向信息确定单元,用于根据类型分布信息和各类别预期信息确定配送资源的类别倾向信息;分配单元,用于根据类别倾向信息为配送资源分配订单。
根据本发明实施例的第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。
根据本发明实施例的第四方面,提供一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。
本发明实施例根据全体配送资源和个体配送资源的配送信息来确定个体配送资源的配送倾向,使得确定结果更准确更合理。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是根据本发明实施例的配送信息的处理方法的流程图;
图2是根据本发明实施例的确定配送员偏好的流程图;
图3是根据本发明实施例的配送信息的处理装置的结构框图;
图4是根据本发明实施例的类型分布信息确定单元302的结构框图;
图5是根据本发明实施例的预期信息确定单元303的结构框图;
图6是根据本发明实施例的倾向信息确定单元304的结构框图;
图7是根据本发明实施例的配送信息处理装置的应用场景图;
图8是根据本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
由于现有技术中的订单指派过程是基于配送员的显性特征、且仅依据该配送员已配送订单来确定其配送偏好,这种方式确定的配送偏好不够合理不够准确,因为未考虑配送员维度的隐性特征,如配送员对订单类型、配送价格区间、出勤日、天气的偏好等。基于此,本发明实施例提供了一种配送信息的处理方案,基于全体配送员订单信息、且通过细化配送员维度的偏好特征来确定每个配送员的配送偏好,通过该方案确定的配送偏好更合理更准确,有利于调度系统对订单进行精确地指派。
本发明实施例提供一种配送信息的处理方法,图1是该方法的流程图,如图1所示,该方法包括:
步骤101,获取多个配送资源在预定时期内的历史配送信息,该历史配送信息包括与配送类型对应的订单数量,这里的配送类型包括至少两个配送类别;
步骤102,根据历史配送信息确定多个配送资源的类型分布信息,该类型分布信息包括各配送类别的类别分布信息;
步骤103,根据配送资源的历史配送信息和类型分布信息确定配送资源各配送类别的类别预期信息;
步骤104,根据类型分布信息和各类别预期信息确定配送资源的类别倾向信息;
步骤105,根据类别倾向信息为配送资源分配订单。
这里的类型分布信息也可以称为配送类型历史总体信息,用于表示多个配送资源的配送类型历史总体信息,体现是全体配送资源在该配送类型上的分布,同样地,各配送类别的类别分布信息体现的是全体配送资源在各配送类别上的分布。
通过根据多个配送资源的历史配送信息来确定这多个配送资源的整体配送类型分布信息(用α表示),之后通过一个配送资源的历史配送消息和配送类型分布信息来确定该配送资源的各配送类别预期信息(用αj'表示,表示配送类型中第j个配送类别预期信息,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数),再通过α和αj'来确定该配送资源的配送类别倾向信息,并据此为该配送资源分配订单,相比于现有技术中仅考虑个体配送资源就确定其配送倾向,本发明实施例根据全体配送资源和个体配送资源的配送信息来确定个体配送资源的配送倾向,确定结果更准确更合理。
在本发明实施例中,配送资源可以是配送员;预定时期可以是一个月、两个月或者更长时间。
配送类型可以包括以下至少之一:配送订单类型、配送距离、配送价格、配送时段、配送天气情况。
其中,配送订单类型可以包括三个配送类别:代买、普通众包和代送;配送距离可以包括三个配送类别:长距离、中距离和短距离,具体距离数值可以按实际操作而定;配送价格可以包括三个配送类别:偏贵、中等和偏低,具体价格可以按实际操作而定;配送时段可以包括六个配送类别:工作日早、工作日中、工作日晚、周末早、周末中和周末晚;配送天气情况可以包括两个配送类别:一般和恶劣(例如,风雨雪天气)。
在步骤102中,根据历史配送信息确定多个配送员的配送类型分布信息具体包括:先根据历史配送信息确定每个配送员的各配送类别订单数量的占比信息;之后再根据每个配送员的各配送类别订单数量的占比信息确定配送类型分布信息。
具体地,设配送员共有N人,对于一个配送类型而言,该配送类型包括K个配送类别,其中,K≥2,且K个配送类别互斥,则每个配送员在该配送类型中各配送类别的订单数量占比可以用如下公式来表示:
R(i)=(p1 (i),p2 (i),...,pK (i)) (1)
其中,p1 (i)+p2 (i)+...+pK (i)=1,R(i)表示第i个配送员在该配送类型中各配送类别订单数量的占比值(p)的集合,表示第i个配送员的第1个配送类别订单数量的占比值,表示第i个配送员的第2个配送类别订单数量的占比值,表示第i个配送员的第K个配送类别订单数量的占比值。
例如,对于配送订单类型而言,预定时间为两个月,配送订单类型包括三个配送类别:代买、普通众包和代送,此时K=3,1≤i≤N,则表示第i个配送员在这两个月内的代买订单数量的占比值,表示第i个配送员在这两个月内的普通众包订单数量的占比值,表示第i个配送员在这两个月内的代送订单数量的占比值,p1 (i)+p2 (i)+p3 (i)=1。
在实际操作中,可以通过如下公式(2)-(4)来确定配送类型历史总体信息(α):
其中,F(α)为似然函数,表示使得函数F(α)取得其最小值的所有自变量α的集合,R(i)表示第i个配送员在某个配送类型中各配送类别订单数量的占比值p的集合,表示第i个配送员的在该配送类型中第j个配送类别订单数量的占比值,Γ(αj)为伽玛函数,αj表示配送类型分布信息(α)中第j个配送类别的类别分布信息,N为多个配送员的数量,K为配送类型中配送类别的数量,i、j、N、K为正整数。
以配送类型为配送订单类型为例,配送类别包括:代买、普通众包和代送,当配送员为2人时,假定配送员1的代买、普通众包和代送订单数量分别为10、60、30,配送员2的代买、普通众包和代送订单数量分别为20、50、30,则这两个配送员的配送类别订单数量的占比如下:
R(1)=(0.1,0.6,0.3)
R(2)=(0.2,0.5,0.3)
即,配送员1的代买、普通众包和代送订单数量占比分别为0.1、0.6、0.3,配送员2的代买、普通众包和代送订单占比数量分别为0.2、0.5、0.3。
则上述公式(3)为:
再根据公式(2)和(4),可以计算得到这两个配送员在两个月内的配送类型分布信息(α)如下:
α=(α1,α2,α3)=(13.45,50.69,27.99)
也就是说,这两个配送员在两个月内的代买订单分布信息为13.45,普通众包订单分布信息为50.69,代送订单分布信息为27.99。
在步骤103中,根据配送员的历史配送信息和配送类型分布信息确定该配送员的各配送类别的类别预期信息具体包括:获取该配送员的各配送类别订单数量;之后根据该配送员的各配送类别订单数量与配送类型分布信息确定该配送员的各类别预期信息(也可以称为配送类别预期信息)。
可以通过如下公式(5)来确定配送员的各类别预期信息:
αj'=αj+Qj (5)
其中,αj'表示在某个配送类型中第j个配送类别的类别预期信息,αj表示配送类型分布信息(α)中第j个配送类别的类别分布信息,Qj表示第j个配送类别订单数量,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
再以上述实例为例,由于配送员1的代买、普通众包和代送订单数量分别为10、60、30,配送员2的代买、普通众包和代送订单数量分别为200、500、300,配送员1和2的代买订单分布信息为13.45,普通众包订单分布信息为50.69,代送订单分布信息为27.99,则配送员1的各配送类别预期信息分别为:23.45(即,10+13.45)、110.69(即,60+50.69)、57.99(即,30+27.99),配送员2的各配送类别预期信息分别为213.45(即,200+13.45)、550.69(即,500+50.69)、327.99(即,300+27.99)。
即,对于配送订单类型而言,配送员1的各配送类别预期信息为(23.45,110.69,57.99),配送员2的各配送类别预期信息为(213.45,550.69,327.99)。
在步骤104中,根据配送类型分布信息和配送员的各配送类别预期信息确定该配送员的配送类别倾向信息具体包括:获取各配送类别的类别分布信息;根据各类别分布信息和各配送类别预期信息确定该配送员的配送类别倾向信息。
具体而言,确定各配送类别预期信息的占比信息mj',以及确定各配送类别分布信息的占比信息mj,之后根据mj'与mj的差值来确定配送员的配送类别倾向信息,其中,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
当mj'与mj的差值大于预定阈值(例如,该预定阈值可以是0.1,具体数值可以由实际情况而定)时,确定该配送员的配送类别倾向信息为第j个配送类别,即,该配送员偏好为喜欢第j个配送类别的订单;当mj'与mj的差值小于零且该差值绝对值大于预定阈值时,确定该配送员的配送类别倾向信息为拒绝第j个配送类别,即,该配送员偏好为不喜欢第j个配送类别的订单。
例如,以配送类型为配送订单类型为例,根据上述公式(2)-(4),得到的全部配送员的各配送类别分布信息例如为(0.40082068836721746,21.93772020017303,0.3407332526540217),假设配送员A在过去两个月内的代买、普通众包、代送的订单数量分别为(20,20,0),配送员B为(20,500,0),则:
各配送类别分布信息的占比m=(0.017673435,0.967302572,0.015023993),
配送员A的各配送类别预期信息分别为(20.40082068836721746,41.93772020017303,0.3407332526540217),各配送类别预期信息的占比信息m'(A)=(0.32547953,0.669084331,0.005436139),则m'(A)-m=(0.307806095,-0.298218241,-0.009587854),根据预定阈值为0.1,可以看出配送员A有明显的代买正向偏好,普通众包负向偏好(即,不喜欢普通众包订单),代送的值太小,可以认为对于代送没有偏好。
配送员B的各配送类别预期信息分别为(20.40082068836721746,521.93772020017303,0.3407332526540217),各配送类别预期信息的占比信息m'(B)=(0.037592777,0.961779351,0.000627872),则m'(B)-m=(0.019919341,-0.00552322,-0.014396121),这些差值绝对值都小于预定阈值0.1,可以认为配送员B没有偏好。
在实际操作中,也可以依据上述实施例来确定不同配送员的其他配送类型的配送类别偏好,据此来为不同配送员分配不同的订单,从而使得订单配送更加合理、效率更高。
图2是根据本发明实施例的确定配送员偏好的流程图,其中,以配送类型为配送距离为例来描述该流程。如图2所示,该流程包括:
步骤201,获取N个配送员在过去两个月内的所有配送信息,在本流程中,以配送类型为配送距离为例,获取N个配送员的长、中、短距离的订单数量;
步骤202,确定全体配送员配送距离的先验分布信息,该先验分布信息即上述的配送类型分布信息,体现了全体配送员在该配送类型(即,配送距离)的历史分布信息;通过统计每个配送员过去两个月内配送的长、中、短订单数量所占比例,根据上述公式(2)-(4)分别计算每个类别的分布信息,这里的先验分布信息不针对某个配送员,反映的是长、中、短订单数量总体的分布;这里的先验分布可以是狄利克雷(Dirichlet)分布;
步骤203,统计每个配送员的个人行为,即,获取每个配送员在过去两个月内的长、中、短订单的数量;
步骤204,通过公式(5)计算每个配送员的偏好,具体地,通过每个配送员的个人行为来修正先验分布信息以得到后验分布信息,即,配送类别倾向信息。
在具体计算过程中,由于后验分布∝先验分布ⅹ似然函数,归一化后的后验分布也是Dirichlet分布,因而,后验分布可以简单的将先验分布中的各参数加上实际计数,即,如公式(5)αj'=αj+Qj所示,第j个配送类别预期信息=第j个配送类别的分布信息+第j个配送类别实际订单数量。
由以上描述可知,通过本发明实施例,可以使得在不同场景不同订单数量等复杂情况下,较好地得到每个配送员的配送偏好,通过本发明实施例,能够较准确地计算出每个配送员的行为偏好,从而使得订单指派更加合理,效率更高。
本发明实施例还提供一种配送信息的处理装置,图3是该装置的结构框图,如图3所示,该装置包括:信息获取单元301、类型分布信息确定单元302、预期信息确定单元303、倾向信息确定单元304和分配单元305,其中:
信息获取单元301,用于获取多个配送资源在预定时期内的历史配送信息,历史配送信息包括与配送类型对应的订单数量,配送类型包括至少两个配送类别;
类型分布信息确定单元302,用于根据历史配送信息确定多个配送资源的类型分布信息,类型分布信息包括各配送类别的类别分布信息;
预期信息确定单元303,用于根据配送资源的历史配送信息和类型分布信息确定配送资源各配送类别的类别预期信息;
倾向信息确定单元304,用于根据类型分布信息和各类别预期信息确定配送资源的类别倾向信息;
分配单元305,用于根据类别倾向信息为配送资源分配订单。
通过类型分布信息确定单元302根据信息获取单元301获取的多个配送资源的历史配送信息来确定这多个配送资源的整体配送类型分布信息(用α表示),之后预期信息确定单元303通过根据一个配送资源的历史配送消息和配送类型分布信息来确定该配送资源的各配送类别预期信息(用αj'表示,表示配送类型中第j个配送类别预期信息,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数),之后倾向信息确定单元304通过α和αj'来确定该配送资源的配送类别倾向信息,分配单元305据此为该配送资源分配订单,相比于现有技术中仅考虑个体配送资源就确定其配送倾向而使得结果不够准确,本发明实施例通过参考全体配送资源和个体配送资源的配送信息来确定个体配送资源的配送倾向,确定的结果更准确更合理,从而可以更合理地为配送资源指派配送任务。
在本发明实施例中,配送资源可以是配送员;预定时期可以是一个月、两个月或者更长时间。配送类型可以包括以下至少之一:配送订单类型、配送距离、配送价格、配送时段、配送天气情况。
如图4所示,类型分布信息确定单元302包括:订单占比信息确定模块3021和类型分布信息确定模块3022,其中:
订单占比信息确定模块3021,用于根据历史配送信息确定每个配送员的各配送类别订单数量的占比信息;
类型分布信息确定模块3022,用于根据每个配送员的各配送类别订单数量的占比信息确定配送类型分布信息。
具体而言,类型分布信息确定模块3022可以通过如下公式来确定配送类型分布信息(α):
其中,F(α)为似然函数,表示使得函数F(α)取得其最小值的所有自变量α的集合,R(i)表示第i个配送员的在某个配送类型中各配送类别订单数量的占比值p的集合,表示第i个配送员的在该配送类型中的第j个配送类别订单数量的占比值,Γ(αj)为伽玛函数,αj表示配送类型分布信息α中第j个配送类别的类别分布信息,N为多个配送员的数量,K为配送类型中配送类别的数量,i、j、N、K为正整数。
如图5所示,预期信息确定单元303包括:订单数量获取模块3031和预期信息确定模块3032,其中:
订单数量获取模块3031,用于获取配送员的各配送类别订单数量;
预期信息确定模块3032,用于根据配送员的各配送类别订单数量与配送类型分布信息确定配送员的各配送类别预期信息。
具体地,预期信息确定模块3032可以通过如下公式来确定配送员的各配送类别预期信息:
αj'=αj+Qj
其中,αj'表示配送类型中第j个配送类别的类别预期信息,αj表示配送类型分布信息α中第j个配送类别的类别分布信息,Qj表示第j个配送类别订单数量,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
如图6所示,倾向信息确定单元304包括:类别分布信息获取模块3041和倾向信息确定模块3042,其中:
类别分布信息获取模块3041,用于获取各配送类别的类别分布信息;
倾向信息确定模块3042,用于根据各配送类别分布信息和各配送类别预期信息确定配送员的配送类别倾向信息。
具体地,上述倾向信息确定模块3042包括:预期占比信息确定子模块30421、类别占比信息确定子模块30422和倾向信息确定子模块30423,其中:
预期占比信息确定子模块30421,用于确定各配送类别预期信息的占比信息mj';
类别占比信息确定子模块30422,用于确定各类别分布信息的占比信息mj;
倾向信息确定子模块30423,用于根据mj'与mj的差值来确定配送员的类别倾向信息,其中,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
上述倾向信息确定子模块30423具体用于:获取mj'与mj的差值,响应于差值大于预定阈值,确定配送员的类别倾向信息为第j个配送类别;以及响应于差值小于零且该差值绝对值大于预定阈值,确定配送员的类别倾向信息为拒绝第j个配送类别。
图7是根据本发明实施例的配送信息处理装置的应用场景图,如图7所示,该装置获取到N个配送员过去三个月内的历史配送信息,以对配送员2的配送时段偏好进行确定为例来描述:
首先,信息获取单元301获取N个配送员的历史配送信息,类型分布信息确定单元302通过公式(2)-(4),根据这N个配送员的历史配送信息确定这N个配送员的整体配送类型分布信息(用α表示),之后预期信息确定单元303通过公式(5),根据配送员2的历史配送消息和整体配送类型分布信息来确定该配送员2的各配送类别(包括六个配送类别:工作日早、工作日中、工作日晚、周末早、周末中和周末晚)的类别预期信息(用αj'表示,表示第j个配送类别的类别预期信息,1<j<=6),之后倾向信息确定单元304通过α和αj'来确定该配送员2的配送类别倾向信息,如图所示,该配送员2倾向的配送类别为工作日晚以及周末早这两个时段的订单,因而,分配单元305据此为该配送员优先分配工作日晚以及周末早这两个时段的订单。
本发明实施例通过参考全体配送员和个体配送员的配送信息来确定个体配送员的配送倾向,使得偏好结果的确定更准确更合理,从而可以更合理地为配送员指派配送任务。
图8是本发明实施例的电子设备的示意图。图8所示的电子设备为通用数据处理装置,其包括通用的计算机硬件结构,其至少包括处理器801和存储器802。处理器801和存储器802通过总线803连接。存储器802适于存储处理器801可执行的一条或多条指令或程序。该一条或多条指令或程序被处理器801执行以实现如下步骤:
获取多个配送资源在预定时期内的历史配送信息,所述历史配送信息包括与配送类型对应的订单数量,其中,所述配送类型包括至少两个配送类别;
根据所述历史配送信息确定所述多个配送资源的类型分布信息,所述类型分布信息包括各配送类别的类别分布信息;
根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息;
根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息;
根据所述类别倾向信息为所述配送资源分配订单。
上述根据所述历史配送信息确定所述多个配送资源的类型分布信息包括:根据所述历史配送信息确定每个配送资源的各配送类别订单数量的占比信息;根据所述每个配送资源的各配送类别订单数量的占比信息确定所述类型分布信息。
具体地,通过如下公式来确定所述类型分布信息α:
其中,F(α)为似然函数,表示使得函数F(α)取得其最小值的所有自变量α的集合,R(i)表示第i个配送资源的配送类型中各配送类别订单数量的占比值p的集合,表示第i个配送资源的配送类型中第j个配送类别订单数量的占比值,Γ(αj)为伽玛函数,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,N为所述多个配送资源的数量,K为配送类型中配送类别的数量,i、j、N、K为正整数。
上述根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息包括:获取所述配送资源的各配送类别订单数量;根据所述配送资源的各配送类别订单数量与所述类型分布信息确定所述各类别预期信息。
具体地,通过如下公式来确定所述各类别预期信息:
αj'=αj+Qj
其中,αj'表示配送类型中第j个配送类别的类别预期信息,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,Qj表示第j个配送类别订单数量,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
上述根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息包括:获取各配送类别的类别分布信息;根据各类别分布信息和所述各类别预期信息确定所述配送资源的类别倾向信息。
根据各类别分布信息和所述各类别预期信息确定所述配送资源的类别倾向信息包括:确定所述各类别预期信息的占比信息mj';确定所述各类别分布信息的占比信息mj;根据mj'与mj的差值来确定所述配送资源的类别倾向信息,其中,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
根据mj'与mj的差值来确定所述配送资源的类别倾向信息包括:获取mj'与mj的差值;响应于所述差值大于预定阈值,确定所述配送资源的类别倾向信息为第j个配送类别。
根据mj'与mj的差值来确定所述配送资源的类别倾向信息还包括:响应于所述差值小于零且该差值绝对值大于预定阈值,确定所述配送资源的类别倾向信息为拒绝第j个配送类别。
上述配送类型包括以下至少之一:配送订单类型、配送距离、配送价格、配送时段、配送天气情况。
上述处理器801可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器801通过执行存储器802所存储的命令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线803将上述多个组件连接在一起,同时将上述组件连接到显示控制器804和显示装置以及输入/输出(I/O)装置805。输入/输出(I/O)装置805可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出(I/O)装置805通过输入/输出(I/O)控制器806与系统相连。
其中,存储器802可以存储软件组件,例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。
综上所述,由于现有技术中对配送员偏好的量化仅考虑了个体配送员使得确定的偏好不够准确进而导致订单派送不够合理,本发明实施例通过参考全体配送员和个体配送员的配送信息来确定个体配送员的配送倾向,使得确定结果更准确更合理,为不同类型不同类别偏好的场景提供了一种通用、可行、高效的偏好量化方法,使得在不同场景不同订单量等复杂情况下,每个配送员行为偏好都得到了很好地量化。本发明实施例的方案能够准确地计算出每个配送员的行为偏好,好的订单指派是依赖于精准地配送员偏好,因此,本方案使得订单的指派更加合理,效率更高。
上述根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应理解,流程图和/或框图的每个块以及流程图图例和/或框图中的块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供至通用计算机、专用计算机或其它可编程数据处理设备的处理器,以产生机器,使得(经由计算机或其它可编程数据处理设备的处理器执行的)指令创建用于实现流程图和/或框图块或块中指定的功能/动作的装置。
同时,如本领域技术人员将意识到的,本发明实施例的各个方面可以被实现为系统、方法或计算机程序产品。因此,本发明实施例的各个方面可以采取如下形式:完全硬件实现方式、完全软件实现方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实现方式。此外,本发明的方面可以采取如下形式:在一个或多个计算机可读介质中实现的计算机程序产品,计算机可读介质具有在其上实现的计算机可读程序代码。
可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置,或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项:具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或前述的任意适当的组合。在本发明实施例的上下文中,计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。
计算机可读信号介质可以包括传播的数据信号,所述传播的数据信号具有在其中如在基带中或作为载波的一部分实现的计算机可读程序代码。这样的传播的信号可以采用多种形式中的任何形式,包括但不限于:电磁的、光学的或其任何适当的组合。计算机可读信号介质可以是以下任意计算机可读介质:不是计算机可读存储介质,并且可以对由指令执行系统、设备或装置使用的或结合指令执行系统、设备或装置使用的程序进行通信、传播或传输。
用于执行针对本发明各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写,所述编程语言包括:面向对象的编程语言如Java、Smalltalk、C++、PHP、Python等;以及常规过程编程语言如“C”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行;部分地在用户计算机上且部分地在远程计算机上执行;或者完全地在远程计算机或服务器上执行。在后一种情况下,可以将远程计算机通过包括局域网(LAN)或广域网(WAN)的任意类型的网络连接至用户计算机,或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本发明实施例提供A1、一种配送信息的处理方法,其中,所述方法包括:
获取多个配送资源在预定时期内的历史配送信息,所述历史配送信息包括与配送类型对应的订单数量,其中,所述配送类型包括至少两个配送类别;
根据所述历史配送信息确定所述多个配送资源的类型分布信息,所述类型分布信息包括各配送类别的类别分布信息;
根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息;
根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息;
根据所述类别倾向信息为所述配送资源分配订单。
A2、根据权利要求A1所述的配送信息的处理方法,其中,根据所述历史配送信息确定所述多个配送资源的类型分布信息包括:
根据所述历史配送信息确定每个配送资源的各配送类别订单数量的占比信息;
根据所述每个配送资源的各配送类别订单数量的占比信息确定所述类型分布信息。
A3、根据权利要求A2所述的配送信息的处理方法,其中,通过如下公式来确定所述类型分布信息α:
其中,F(α)为似然函数,表示使得函数F(α)取得其最小值的所有自变量α的集合,R(i)表示第i个配送资源在配送类型中各配送类别订单数量的占比值p的集合,表示第i个配送资源在配送类型中第j个配送类别订单数量的占比值,Γ(αj)为伽玛函数,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,N为所述多个配送资源的数量,K为配送类型中配送类别的数量,i、j、N、K为正整数。
A4、根据权利要求A1所述的配送信息的处理方法,其中,根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息包括:
获取所述配送资源的各配送类别订单数量;
根据所述配送资源的各配送类别订单数量与所述类型分布信息确定所述各类别预期信息。
A5、根据权利要求A4所述的配送信息的处理方法,其中,通过如下公式来确定所述各类别预期信息:
αj'=αj+Qj
其中,αj'表示配送类型中第j个配送类别的类别预期信息,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,Qj表示第j个配送类别订单数量,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
A6、根据权利要求A1所述的配送信息的处理方法,其中,根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息包括:
获取各配送类别的类别分布信息;
根据各类别分布信息和所述各类别预期信息确定所述配送资源的类别倾向信息。
A7、根据权利要求A6所述的配送信息的处理方法,其中,根据各类别分布信息和所述各类别预期信息确定所述配送资源的类别倾向信息包括:
确定所述各类别预期信息的占比信息mj';
确定所述各类别分布信息的占比信息mj;
根据mj'与mj的差值来确定所述配送资源的类别倾向信息,其中,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
A8、根据权利要求A7所述的配送信息的处理方法,其中,根据mj'与mj的差值来确定所述配送资源的类别倾向信息包括:
获取mj'与mj的差值;
响应于所述差值大于预定阈值,确定所述配送资源的类别倾向信息为第j个配送类别。
A9、根据权利要求A8所述的配送信息的处理方法,其中,根据mj'与mj的差值来确定所述配送资源的类别倾向信息还包括:
响应于所述差值小于零且该差值绝对值大于预定阈值,确定所述配送资源的类别倾向信息为拒绝第j个配送类别。
A10、根据权利要求A1-A9中任一项所述的配送信息的处理方法,其中,所述配送类型包括以下至少之一:
配送订单类型、配送距离、配送价格、配送时段、配送天气情况。
本发明实施例还提供B1、一种配送信息的处理装置,其中,所述装置包括:
信息获取单元,用于获取多个配送资源在预定时期内的历史配送信息,所述历史配送信息包括与配送类型对应的订单数量,其中,所述配送类型包括至少两个配送类别;
类型分布信息类型分布信息确定单元,用于根据所述历史配送信息确定所述多个配送资源的类型分布信息,所述类型分布信息包括各配送类别的类别分布信息;
预期信息确定单元,用于根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息;
倾向信息确定单元,用于根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息;
分配单元,用于根据所述类别倾向信息为所述配送资源分配订单。
B2、根据权利要求B1所述的配送信息的处理装置,其中,所述类型分布信息确定单元包括:
订单占比信息确定模块,用于根据所述历史配送信息确定每个配送资源的各配送类别订单数量的占比信息;
类型分布信息确定模块,用于根据所述每个配送资源的各配送类别订单数量的占比信息确定所述类型分布信息。
B3、根据权利要求B2所述的配送信息的处理装置,其中,所述类型分布信息确定模块通过如下公式来确定所述类型分布信息α:
其中,F(α)为似然函数,表示使得函数F(α)取得其最小值的所有自变量α的集合,R(i)表示第i个配送资源在配送类型中各配送类别订单数量的占比值p的集合,表示第i个配送资源在配送类型中第j个配送类别订单数量的占比值,Γ(αj)为伽玛函数,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,N为所述多个配送资源的数量,K为配送类型中配送类别的数量,i、j、N、K为正整数。
B4、根据权利要求B1所述的配送信息的处理装置,其中,所述预期信息确定单元包括:
订单数量获取模块,用于获取所述配送资源的各配送类别订单数量;
预期信息确定模块,用于根据所述配送资源的各配送类别订单数量与所述类型分布信息确定所述各类别预期信息。
B5、根据权利要求B4所述的配送信息的处理装置,其中,所述预期信息确定模块通过如下公式来确定所述各类别预期信息:
αj'=αj+Qj
其中,αj'表示配送类型中第j个配送类别的类别预期信息,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,Qj表示第j个配送类别订单数量,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
B6、根据权利要求B1所述的配送信息的处理装置,其中,所述倾向信息确定单元包括:
类别分布信息获取模块,用于获取各配送类别的类别分布信息;
倾向信息确定模块,用于根据各类别分布信息和所述各类别预期信息确定所述配送资源的类别倾向信息。
B7、根据权利要求B6所述的配送信息的处理装置,其中,所述倾向信息确定模块包括:
预期占比信息确定子模块,用于确定所述各类别预期信息的占比信息mj';
类别占比信息确定子模块,用于确定所述各类别分布信息的占比信息mj;
倾向信息确定子模块,用于根据mj'与mj的差值来确定所述配送资源的类别倾向信息,其中,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
B8、根据权利要求B7所述的配送信息的处理装置,其中,所述倾向信息确定子模块具体用于:
获取mj'与mj的差值,响应于所述差值大于预定阈值,确定所述配送资源的类别倾向信息为第j个配送类别。
B9、根据权利要求B8所述的配送信息的处理装置,其中,所述倾向信息确定子模块还用于:
响应于所述差值小于零且该差值绝对值大于预定阈值,确定所述配送资源的类别倾向信息为拒绝第j个配送类别。
B10、根据权利要求B1-B9中任一项所述的配送信息的处理装置,其中,信息获取单元获取的历史配送信息中的配送类型包括以下至少之一:
配送订单类型、配送距离、配送价格、配送时段、配送天气情况。
本发明实施例还提供C1、一种计算机可读存储介质,其上存储计算机程序指令,其中,所述计算机程序指令在被处理器执行时实现如权利要求A1-A10中任一项所述的方法。
本发明实施例还提供D1、一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求A1-A10中任一项所述的方法。
Claims (10)
1.一种配送信息的处理方法,其特征在于,所述方法包括:
获取多个配送资源在预定时期内的历史配送信息,所述历史配送信息包括与配送类型对应的订单数量,其中,所述配送类型包括至少两个配送类别;
根据所述历史配送信息确定所述多个配送资源的类型分布信息,所述类型分布信息包括各配送类别的类别分布信息;
根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息;
根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息;
根据所述类别倾向信息为所述配送资源分配订单。
2.根据权利要求1所述的配送信息的处理方法,其特征在于,根据所述历史配送信息确定所述多个配送资源的类型分布信息包括:
根据所述历史配送信息确定每个配送资源的各配送类别订单数量的占比信息;
根据所述每个配送资源的各配送类别订单数量的占比信息确定所述类型分布信息。
3.根据权利要求2所述的配送信息的处理方法,其特征在于,通过如下公式来确定所述类型分布信息α:
其中,F(α)为似然函数,表示使得函数F(α)取得其最小值的所有自变量α的集合,R(i)表示第i个配送资源在配送类型中各配送类别订单数量的占比值p的集合,表示第i个配送资源在配送类型中第j个配送类别订单数量的占比值,Γ(αj)为伽玛函数,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,N为所述多个配送资源的数量,K为配送类型中配送类别的数量,i、j、N、K为正整数。
4.根据权利要求1所述的配送信息的处理方法,其特征在于,根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息包括:
获取所述配送资源的各配送类别订单数量;
根据所述配送资源的各配送类别订单数量与所述类型分布信息确定所述各类别预期信息。
5.根据权利要求4所述的配送信息的处理方法,其特征在于,通过如下公式来确定所述各类别预期信息:
αj'=αj+Qj
其中,αj'表示配送类型中第j个配送类别的类别预期信息,αj表示所述类型分布信息α中第j个配送类别的类别分布信息,Qj表示第j个配送类别订单数量,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
6.根据权利要求1所述的配送信息的处理方法,其特征在于,根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息包括:
获取各配送类别的类别分布信息;
根据各类别分布信息和所述各类别预期信息确定所述配送资源的类别倾向信息。
7.根据权利要求6所述的配送信息的处理方法,其特征在于,根据各类别分布信息和所述各类别预期信息确定所述配送资源的类别倾向信息包括:
确定所述各类别预期信息的占比信息mj';
确定所述各类别分布信息的占比信息mj;
根据mj'与mj的差值来确定所述配送资源的类别倾向信息,其中,1<j<=K,K为配送类型中配送类别的数量,j、K为正整数。
8.一种配送信息的处理装置,其特征在于,所述装置包括:
信息获取单元,用于获取多个配送资源在预定时期内的历史配送信息,所述历史配送信息包括与配送类型对应的订单数量,其中,所述配送类型包括至少两个配送类别;
类型分布信息类型分布信息确定单元,用于根据所述历史配送信息确定所述多个配送资源的类型分布信息,所述类型分布信息包括各配送类别的类别分布信息;
预期信息确定单元,用于根据配送资源的历史配送信息和所述类型分布信息确定所述配送资源各配送类别的类别预期信息;
倾向信息确定单元,用于根据所述类型分布信息和各类别预期信息确定所述配送资源的类别倾向信息;
分配单元,用于根据所述类别倾向信息为所述配送资源分配订单。
9.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811592768.7A CN109685424A (zh) | 2018-12-25 | 2018-12-25 | 配送信息的处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811592768.7A CN109685424A (zh) | 2018-12-25 | 2018-12-25 | 配送信息的处理方法、装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685424A true CN109685424A (zh) | 2019-04-26 |
Family
ID=66188147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811592768.7A Pending CN109685424A (zh) | 2018-12-25 | 2018-12-25 | 配送信息的处理方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685424A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570142A (zh) * | 2019-08-09 | 2019-12-13 | 苏州若依玫信息技术有限公司 | 一种用于电子商务的商品离散信息智能配送系统 |
CN114066375A (zh) * | 2022-01-13 | 2022-02-18 | 北京京东振世信息技术有限公司 | 一种预配送量的确定方法、装置、设备及存储介质 |
TWI793456B (zh) * | 2019-12-13 | 2023-02-21 | 南韓商韓領有限公司 | 用於遞送工作者自動排期的電腦化系統以及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8065172B2 (en) * | 2003-12-24 | 2011-11-22 | Ziti Technologies Limited Liability Company | Method of sourcing orders for optimized logistics |
CN107093041A (zh) * | 2017-03-23 | 2017-08-25 | 北京小度信息科技有限公司 | 一种选择配送模式的方法、装置及服务器 |
CN107437144A (zh) * | 2017-08-01 | 2017-12-05 | 北京闪送科技有限公司 | 一种订单调度方法、系统、计算机设备和存储介质 |
CN108197825A (zh) * | 2018-01-29 | 2018-06-22 | 北京小度信息科技有限公司 | 系统调度方法及装置 |
-
2018
- 2018-12-25 CN CN201811592768.7A patent/CN109685424A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8065172B2 (en) * | 2003-12-24 | 2011-11-22 | Ziti Technologies Limited Liability Company | Method of sourcing orders for optimized logistics |
CN107093041A (zh) * | 2017-03-23 | 2017-08-25 | 北京小度信息科技有限公司 | 一种选择配送模式的方法、装置及服务器 |
CN107437144A (zh) * | 2017-08-01 | 2017-12-05 | 北京闪送科技有限公司 | 一种订单调度方法、系统、计算机设备和存储介质 |
CN108197825A (zh) * | 2018-01-29 | 2018-06-22 | 北京小度信息科技有限公司 | 系统调度方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570142A (zh) * | 2019-08-09 | 2019-12-13 | 苏州若依玫信息技术有限公司 | 一种用于电子商务的商品离散信息智能配送系统 |
TWI793456B (zh) * | 2019-12-13 | 2023-02-21 | 南韓商韓領有限公司 | 用於遞送工作者自動排期的電腦化系統以及方法 |
CN114066375A (zh) * | 2022-01-13 | 2022-02-18 | 北京京东振世信息技术有限公司 | 一种预配送量的确定方法、装置、设备及存储介质 |
WO2023134644A1 (zh) * | 2022-01-13 | 2023-07-20 | 北京京东振世信息技术有限公司 | 预配送量的确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11727370B2 (en) | Systems and methods for allocating resources via information technology infrastructure | |
US11810131B2 (en) | Systems and methods for managing information technology infrastructure to generate a dynamic interface | |
US11170445B2 (en) | Systems and methods for allocating resources using information technology infrastructure | |
CN109685424A (zh) | 配送信息的处理方法、装置、存储介质和电子设备 | |
US20230111785A1 (en) | Machine-learning techniques to generate recommendations for risk mitigation | |
US8943009B2 (en) | Method of adapting an event processing component having a plurality of event processing agents which carry out a plurality of rules complying with at least one correctness requirement to process a plurality of events | |
Cheung et al. | Inventory balancing with online learning | |
CN109583890A (zh) | 异常交易对象的识别方法、装置及设备 | |
WO2020244468A1 (zh) | 金融产品推荐方法、装置、电子设备及计算机存储介质 | |
CN108765134A (zh) | 订单数据处理方法及装置、电子设备、存储介质 | |
Israel et al. | Dynamic proportional rankings | |
CN110598183A (zh) | 一种流量分配方法、装置、设备及存储介质 | |
CN108920183A (zh) | 一种业务决策方法、装置及设备 | |
US20150032613A1 (en) | Payment systems and methods for accelerating debt payoff and reducing interest expense | |
Alaei et al. | Efficient computation of optimal auctions via reduced forms | |
Kocabıyıkoğlu et al. | Pricing and revenue management: The value of coordination | |
Vanmechelen et al. | A comparative analysis of single-unit vickrey auctions and commodity markets for realizing grid economies with dynamic pricing | |
US20130346259A1 (en) | User centric print usage | |
KR102485874B1 (ko) | 전문가 시스템을 이용한 ar 서비스 시스템 및 이를 이용한 서비스 방법 | |
CN108665177A (zh) | 资源分配方法及装置 | |
Deng et al. | Optimal pricing schemes for an impatient buyer | |
CN106780037A (zh) | 提示方法及装置 | |
US11776066B2 (en) | Systems, methods, and apparatuses for implementing user customizable policies for revenue recognition | |
Huh et al. | Adaptive capacity allocation with censored demand data: Application of concave umbrella functions | |
Jain | Efficient market mechanisms and simulation-based learning for multi-agent systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |