CN110363364A - 一种资源的分配方法、装置及其设备 - Google Patents
一种资源的分配方法、装置及其设备 Download PDFInfo
- Publication number
- CN110363364A CN110363364A CN201810251473.7A CN201810251473A CN110363364A CN 110363364 A CN110363364 A CN 110363364A CN 201810251473 A CN201810251473 A CN 201810251473A CN 110363364 A CN110363364 A CN 110363364A
- Authority
- CN
- China
- Prior art keywords
- objects
- resource
- determining
- candidate
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000009826 distribution Methods 0.000 title abstract description 3
- 238000005457 optimization Methods 0.000 claims abstract description 122
- 238000012545 processing Methods 0.000 claims description 45
- 230000002068 genetic effect Effects 0.000 claims description 44
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 19
- 238000005304 joining Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000013468 resource allocation Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000011451 sequencing strategy Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G06Q10/06—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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种资源的分配方法、装置及其设备,该方法包括:获取对象集合,对象集合包括多个对象;根据对象集合获取候选集合,候选集合包括至少一个对象、对象对应的资源;针对对象集合中的对象,在将资源分配给对象后,若利用对象的特征信息与资源的特征信息确定满足约束条件,将该对象与该资源添加到候选集合;根据优化目标对所述候选集合进行处理,得到与优化目标匹配的目标集合,目标集合包括对象、分配给该对象的资源。通过本申请的技术方案,在对象是地块,资源是公共服务设施时,可以为公共服务设施选址出最优地块,保证公共服务设施选择满足多个规划目标。
Description
技术领域
本申请涉及互联网领域,尤其是一种资源的分配方法、装置及其设备。
背景技术
公共服务设施是指为市民提供公共服务产品的公共性、服务性设施,按照具体的项目特点可以划分为:教育、医疗卫生、文化娱乐、交通(如公路、铁路、机场等)、体育、社会福利与保障、行政管理与社区服务、邮政电信和商业金融服务等。其中,公共服务设施可以包括基础设施和附属设施,基础设施是指为社会生产和居民生活提供公共服务的物质工程设施,附属设施是配套设施,使得基础设施得到更好服务、发挥更大作用、实现保值和增值功能的设施。
在现代社会中,完善的公共服务设施对加速社会经济活动,促进空间分布形态演变起着巨大推动作用,对新建、扩建项目,需要优先发展公共服务设施,以便项目建成后尽快发挥效益。因此,对公共服务设施的选址要求越来越高。
发明内容
本申请提供一种资源的分配方法,所述方法包括:
获取对象集合,所述对象集合包括多个对象;
根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;
根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
本申请提供一种公共服务设施的选址方法,所述方法包括:
获取地块集合,所述地块集合包括多个地块;
根据所述地块集合获取候选集合,所述候选集合包括至少一个地块、地块对应的公共服务设施;其中,针对地块集合中的地块,在将公共服务设施分配给该地块后,若利用该地块的特征信息与该公共服务设施的特征信息确定满足约束条件,则将该地块与该公共服务设施添加到候选集合;
根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括地块、选址在该地块的公共服务设施。
本申请提供一种资源的分配装置,所述装置包括:
获取模块,用于获取对象集合,所述对象集合包括多个对象;根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;
处理模块,用于根据优化目标对所述候选集合进行处理,得到与优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
本申请提供一种资源的分配设备,所述设备包括:
处理器,用于获取对象集合,所述对象集合包括多个对象;
根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;
根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
基于上述技术方案,本申请实施例中,可以获取对象集合,并根据对象集合获取候选集合,并根据优化目标对候选集合进行处理,得到与优化目标匹配的目标集合,该目标集合包括对象、分配给该对象的资源。在根据对象集合获取候选集合时,针对对象集合中的每个对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合。基于上述方式,在对象是地块,资源是公共服务设施时,为公共服务设施选址出最优的地块,保证公共服务设施选择满足多个规划目标。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案,下面将对本申请实施例或者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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据本申请实施例的这些附图获得其它的附图。
图1是本申请一种实施方式中的资源的分配方法的流程图;
图2是本申请一种实施方式中的公共服务设施的选址方法的流程图;
图3是本申请一种实施方式中的根据优化目标对候选集合进行处理,得到与该优化目标匹配的目标集合的流程图;
图4是本申请一种实施方式中的资源的分配装置的结构图。
具体实施方式
在本申请使用的术语仅仅是出于描述特定实施例的目的,而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其它含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,此外,所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请实施例提出一种资源的分配方法,该方法可以应用于资源的分配设备,如PC(Personal Computer,个人计算机)、笔记本电脑、移动终端、服务器、数据平台、电商平台、业务平台等,对此分配设备的类型不做限制。参见图1所示,为该资源的分配方法的流程图,该方法可以包括:
步骤101,获取对象集合,该对象集合可以包括多个对象。
其中,获取对象集合,可以包括但不限于如下方式:方式一、获取规划文件,该规划文件可以包括多个对象和每个对象的属性标识;然后,可以将具有相同属性标识的对象添加到同一个对象集合。方式二、获取规划文件,该规划文件可以包括多个对象,但是并未包括每个对象的属性标识;然后,确定对象集合的数量K,K为大于等于1的正整数;然后,可以将该规划文件包括的多个对象划分到K个对象集合。
方式二中,将该规划文件包括的多个对象划分到K个对象集合,可以包括:基于对象之间的距离参数和数量K,采用聚类算法(如K-Means算法)对该规划文件包括的多个对象进行聚类,得到K个对象集合。
步骤102,根据对象集合获取候选集合,该候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合。
其中,根据对象集合获取候选集合,可以包括但不限于:根据该对象集合中的对象的位置确定中心位置;然后,可以根据该对象集合中的对象的位置与该中心位置的距离,从对象集合中选取对象(如选取一个或者多个对象),并根据选取的对象获取候选集合。进一步的,在根据选取的对象获取候选集合时,针对选取的每个对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合。
其中,在将资源分配给该对象之前,还可以选择资源(如一个资源),如随机选择资源,并将选择的资源分配给该对象。
在一个例子中,利用该对象的特征信息与该资源的特征信息确定满足约束条件,可以包括但不限于如下方式:方式一、若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,则确定满足约束条件;或者,方式二、若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,并且根据该对象的特征信息确定该对象符合候选集合的加入条件,则确定满足约束条件。
其中,根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,可以包括:根据该对象的特征信息确定该对象能够承载的第一资源;根据该资源的特征信息确定该资源所需要的第二资源;然后,若该第一资源大于等于该第二资源,则确定该对象能够承载该资源。否则,可以确定该对象无法承载该资源。
其中,根据该对象的特征信息确定该对象符合候选集合的加入条件,可以包括:根据该对象的特征信息与候选集合中的其它对象的特征信息,确定该对象与其它对象之间的距离。进一步的,若所述距离小于预设阈值,则可以确定该对象符合候选集合的加入条件;或者,若所述距离小于预设阈值,则通过接受概率(可以根据经验进行配置,如90%等)确定该对象符合候选集合的加入条件、或者不符合候选集合的加入条件。
在上述实施例中,在利用该对象的特征信息与该资源的特征信息确定满足约束条件之前,还可以从数据库中获取与该对象对应的历史数据,然后,可以根据该历史数据获取该对象的特征信息,对此不做限制。
步骤103,根据优化目标对候选集合进行处理,得到与该优化目标匹配的目标集合,该目标集合可以包括对象、分配给该对象的资源。
其中,根据优化目标对候选集合进行处理,得到与该优化目标匹配的目标集合,可以包括:获取优化目标,并将该优化目标确定为遗传算法的输入参数;然后,采用遗传算法对候选集合进行处理,得到与该优化目标匹配的目标集合。而且,遗传算法可以包括带精英策略的快速排序非支配排序遗传算法NSGA-II。
其中,根据优化目标对候选集合进行处理,得到与该优化目标匹配的目标集合,可以包括:根据该优化目标对该候选集合中的对象进行排序,得到满足约束条件的第一代集合;然后,可以将该候选集合确定为父代集合,将该第一代集合确定为子代集合,并根据该父代集合和该子代集合获得满足约束条件的下一代集合。进一步的,判断是否满足终止条件;若未满足终止条件,则将下一代集合确定为子代集合,并将下一代集合的上一代集合确定为父代集合,并返回执行根据该父代集合和该子代集合获得满足约束条件的下一代集合的过程;若满足终止条件,则可以从各代集合中选择与优化目标匹配的目标集合。
其中,根据该优化目标对候选集合中的对象进行排序,得到满足约束条件的第一代集合,可以包括:根据该优化目标对候选集合中的对象进行排序,得到中间集合;通过遗传算子对该中间集合进行操作,得到满足约束条件的第一代集合。根据该父代集合和该子代集合获得满足约束条件的下一代集合,可以包括:根据该父代集合和该子代集合获得中间集合;通过遗传算子对该中间集合进行操作,得到满足约束条件的下一代集合。其中,遗传算子可以包括以下之一或者任意组合:选择遗传算子;交叉遗传算子;变异遗传算子。
其中,根据该优化目标对候选集合中的对象进行排序,可以包括:基于非支配排序算法,根据该优化目标对候选集合中的对象进行非支配排序;其中,优化目标的数量可以为大于1个,即基于多个优化目标进行非支配排序。
其中,根据该父代集合和该子代集合获得中间集合,可以包括:将该父代集合和该子代集合进行合并,得到合并后集合;然后,可以按照对象的等级和拥挤距离,对所述合并后集合中的对象进行排序;然后,可以根据排序结果从合并后集合中选取对象,并将选取的对象组成中间集合。
在一个例子中,上述执行顺序只是为了方便描述给出的一个示例,在实际应用中,还可以改变步骤之间的执行顺序,对此执行顺序不做限制。而且,在其它实施例中,并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其它实施例中可能被分解为多个步骤进行描述;本说明书中所描述的多个步骤,在其它实施例也可能被合并为单个步骤进行描述。
在上述实施例中,对象可以包括但不限于:地块;资源可以包括但不限于:公共服务设施;优化目标可以包括但不限于以下之一或者任意组合:距离优化目标、成本优化目标、服务效用优化目标、性价比优化目标。
基于上述技术方案,本申请实施例中,可以获取对象集合,并根据对象集合获取候选集合,并根据优化目标对候选集合进行处理,得到与优化目标匹配的目标集合,该目标集合包括对象、分配给该对象的资源。其中,在根据对象集合获取候选集合时,针对对象集合中的每个对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合。基于上述方式,在对象是地块,资源是公共服务设施时,可以为公共服务设施选址出最优的地块,保证公共服务设施选择满足多个规划目标。而且,可以结合真实场景,将所有对象划分到多个对象集合,降低后续求解过程中解空间的维度,保障求解质量和求解效率,处理时间相应减少。可以高效快速的生成初始解集合(即候选集合),高质量的初始解集合可以保证后续解的质量,保障求解过程的效率和解的质量,高质量的初始解集合也可以使处理时间相应减少。可以快速输出最终的目标集合,且目标集合具有多样性,输出一组均衡解,供决策者根据实际情况和决策偏好进行选择。
以下结合具体应用场景,对上述方案进行说明,本应用场景下,以对象是地块,资源是公共服务设施(如学校、医院、公交站等,针对每种类型的公共服务设施,处理流程类似,后续以一种公共服务设施“医院”为例进行说明,其它公共服务设施的处理流程类似),优化目标包括距离优化目标和成本优化目标为例。其中,上述资源的分配方法用于实现公共服务设施的选址,参见图2所示,为公共服务设施的选址方法的流程图,该方法可以包括:
步骤201,获取地块集合,该地块集合可以包括多个地块。在实际应用中,一个地块集合可以称为一个组团,即组团是由多个地块组成的地块集合。
在一个例子中,获取包括多个地块的地块集合,可以包括但不限于:
方式一、获取待规划城市的规划文件,该规划文件可以包括多个地块、每个地块的属性标识;然后,将具有相同属性标识的地块添加到同一个地块集合。
其中,规划文件可以是Shapefile(形文件)类型,而Shapefile类型的文件是描述空间数据的几何和属性特性的非拓扑实体矢量数据结构的一种格式。
其中,决策者可以将规划文件提供给本设备,由本设备根据规划文件进行公共服务设施的选址。在该规划文件中,可以包括但不限于:决策者提供的与地块有关的信息,决策者提供的与公共服务设施(以医院为例)有关的信息。
例如,地块的信息可以包括:地块数量、每个地块的面积、每个地块的经纬度、每个地块的形状、每个地块的容积率、每个地块的建筑高度上限等,对此地块的信息不做限制,所有与地块有关的信息均在本实施例的保护范围之内。
又例如,医院的信息可以包括:需要建设的医院最少数量、医院的占地面积、医院能够承载的人数、医院与生活区的距离、医院与交通设施(例如公交、地铁等)的距离、医院等级(如1甲、2甲、3甲等)、医院的建筑高度等,对此医院的信息不做限制,所有与医院有关的信息均在本实施例的保护范围之内。
当然,上述只是规划文件的一个示例,对此规划文件的内容不做限制。
在一个例子中,若决策者已经事先根据某种方式对所有地块进行划分,则决策者可以为每个地块设置属性标识,且规划文件还可以包括每个地块的属性标识。基于此,可以将具有相同属性标识的地块添加到同一个地块集合。
例如,规划文件可以包括地块1-地块1000,且地块1-地块100的属性标识为AA,地块101-地块1000的属性标识为BB,则可以将地块1-地块100添加到地块集合AA,并将地块101-地块1000添加到地块集合BB。当然,上述只是一个示例,在实际应用中,地块集合的数量远大于两个,对此不做限制。
方式二、获取待规划城市的规划文件,该规划文件可以包括多个地块,但是并未包括每个地块的属性标识,并确定地块集合的数量K,K为大于等于1的正整数;然后,可以将该规划文件包括的多个地块划分到K个地块集合。
其中,规划文件可以包括与地块有关的信息、与公共服务设施有关的信息,其内容与方式一类似,只是不包括每个地块的属性标识,在此不再赘述。
其中,可以根据经验配置地块集合的数量K,然后,基于地块之间的距离参数和数量K,采用聚类算法(如无监督的聚类算法K-Means算法)对该规划文件包括的所有地块进行聚类,从而可以将所有地块划分到K个地块集合。
进一步的,在得到K个地块集合后,还可以将K个地块集合进行可视化展示。若用户同意所述K个地块集合,则输出这K个地块集合。若用户不同意所述K个地块集合,还可以对K的取值进行调整(如可以增加或者降低K的取值),这样,基于新的数量K’,可以重新采用聚类算法对该规划文件包括的所有地块进行聚类,从而可以将所有地块划分到新的K’个地块集合,以此类推。
其中,基于地块之间的距离参数和数量K,采用K-Means算法对该规划文件包括的所有地块进行聚类时,可以划分K个地块集合,基于地块之间的距离,采用K-Means算法将所有地块聚类到K个地块集合,对此聚类过程不做限制。
例如,规划文件可以包括地块1-地块1000,划分出地块集合AA和地块集合BB。基于此,从所有地块中选择地块1,将地块1添加到地块集合AA;然后选择地块2,若地块2与地块1之间的距离小于阈值,则将地块2添加到地块集合AA,否则将地块2添加到地块集合BB,假设将地块2添加到地块集合AA;然后选择地块3,若地块3与地块1之间的距离小于阈值,且若地块3与地块2之间的距离小于阈值,则将地块3添加到地块集合AA,以此类推。假设将地块1-地块100添加到地块集合AA,将地块101-地块1000添加到地块集合BB。当然,上述只是采用K-Means算法对所有地块进行聚类的示例,对此不做限制。
在上述实施例中,地块与地块之间的距离是指:一个地块的中心位置(即位置坐标)与另一个地块的中心位置之间的距离。而且,由于规划文件包括地块的面积、地块的经纬度、地块的形状,因此可以确定出地块的中心位置。
在步骤201中,可以得到多个地块集合(如地块集合AA和BB),每个地块集合的处理过程相同,因此,后续实施例以一个地块集合AA为例进行说明。
步骤202,根据该地块集合获取候选集合,该候选集合可以包括至少一个地块、该地块对应的公共服务设施;其中,针对该地块集合中的地块,在将公共服务设施分配给该地块后,若利用该地块的特征信息与该公共服务设施的特征信息确定满足约束条件,则将该地块与该公共服务设施添加到该候选集合。
其中,根据该地块集合获取候选集合,可以包括但不限于:根据该地块集合中的每个地块的位置确定中心位置;根据每个地块的位置与该中心位置的距离,从该地块集合中选取多个地块,并根据选取的多个地块获取候选集合。进一步的,在根据选取的多个地块获取候选集合时,针对选取的每个地块,在将公共服务设施分配给该地块后,若利用该地块的特征信息与该公共服务设施的特征信息确定满足约束条件,则将该地块与该公共服务设施添加到候选集合。
例如,地块集合AA包括地块1-地块100,由于规划文件包括每个地块的面积、每个地块的经纬度、每个地块的形状,因此可以确定出每个地块的中心位置(即位置坐标)。而且,可以将地块1-地块100组成一个整体区域,并可以确定该整体区域的中心位置,后续称为中心位置A。然后,可以计算每个地块(如地块1-地块100)的位置(即中心位置)与所述中心位置A之间的距离。
假设从地块集合AA中选取30%的地块,即选取30个地块,则根据地块的位置与中心位置A之间的距离,按照距离从小到大的顺序,对地块1-地块100进行排序,并选取排序靠前的30个地块,假设排序靠前的30个地块为地块1-地块30,则可以将地块1-地块30添加到集合S,并根据集合S获取候选集合。
进一步的,先从集合S中随机选择一个地块1,并随机选择一个公共服务设施,如1甲医院,将1甲医院分配给地块1;若利用地块1的特征信息与1甲医院的特征信息确定满足约束条件,则将地块1与1甲医院的对应关系添加到候选集合,否则,拒绝将地块1添加到候选集合。然后,从集合S中随机选择一个地块20,并随机选择一个公共服务设施,如2甲医院,将2甲医院分配给地块20;若利用地块20的特征信息与2甲医院的特征信息确定满足约束条件,则将地块20与2甲医院的对应关系添加到候选集合。以此类推,一直到满足终止条件时,则可以停止从集合S中选择地块,从而可以得到一个候选集合。
在上述实施例中,上述终止条件可以包括但不限于:从集合S中选择地块的次数已经达到预设次数,或者,从集合S中选择地块的时间已经达到预设时间,或者,集合S中的所有地块均已经被选择过,对此终止条件不做限制。
在上述实施例中,由于规划文件包括医院等级(例如,1甲、2甲、3甲等),因此,表示需要建立1甲医院、2甲医院、3甲医院,也就是说,上述随机选择的公共服务设施,可以是1甲医院、或者2甲医院、或者3甲医院。在实际应用中,考虑到地块上可以不规划医院,因此,上述随机选择的公共服务设施也可以是空,即表示未在地块建设医院。综上所述,公共服务设施在地块上的状态有N+1种,N是公共服务设施的等级分类,1是指该地块上不规划任何设施,也就是说,上述随机选择的公共服务设施,可以是N+1种情况,对此不再赘述。
在上述实施例中,利用该地块的特征信息与该医院的特征信息确定满足约束条件,可以包括:若根据该地块的特征信息与该医院的特征信息,确定该地块能够承载该医院,则可以确定满足约束条件;或者,若根据该地块的特征信息与该医院的特征信息,确定该地块能够承载该医院,并且根据该地块的特征信息确定该地块符合候选集合的加入条件,则可以确定满足约束条件。
其中,根据地块的特征信息与医院的特征信息,确定该地块能够承载该医院,可以包括:根据该地块的特征信息确定该地块能够承载的第一资源;根据该医院的特征信息确定该医院所需要的第二资源;若该第一资源大于等于该第二资源,则确定该地块能够承载该医院;否则,确定该地块无法承载该医院。
例如,规划文件可以包括地块的特征信息,如地块的面积、地块的建筑高度上限等,规划文件可以包括医院的特征信息,如医院的占地面积、医院的建筑高度等,基于此,该地块能够承载的第一资源就是该地块的面积、该地块的建筑高度上限,该医院所需要的第二资源就是医院的占地面积、医院的建筑高度等。进一步,若地块的面积大于医院的占地面积,且地块的建筑高度上限大于医院的建筑高度,则表示该地块能够承载该医院,即可以将该医院建设在该地块;若地块的面积小于医院的占地面积,和/或,地块的建筑高度上限小于医院的建筑高度,则表示该地块无法承载该医院,即不能将该医院建设在该地块。
当然,上述只是特征信息的两个示例,在实际应用中,还可以有其它特征信息,如地块的特征信息还可以包括地块与交通设施的距离(即该地块的中心位置与交通设施的实际距离),且医院的特征信息还可以包括医院与交通设施的距离(表示医院与交通设施之间不能超过该距离),因此,若地块与交通设施的距离大于医院与交通设施的距离,则表示该地块无法承载该医院;若地块与交通设施的距离小于医院与交通设施的距离,则表示该地块能够承载该医院。
又例如,地块的特征信息还可以包括地块与生活区的距离,医院的特征信息还可以包括医院与生活区的距离;地块的特征信息还可以包括地块能够承载的人数,医院的特征信息还可以包括医院能够承载的人数;以此类推,基于这些特征信息,就可以分析出该地块是否能够承载该医院,对此过程不再赘述。
其中,在利用该地块的特征信息与该医院的特征信息确定满足约束条件之前,还可以从数据库中获取与该地块对应的历史数据,并根据该历史数据获取该地块的特征信息。例如,从数据库中获取统计周期(如一个月)内,进入该地块的人数、离开该地块的人数,并基于统计周期内的上述信息预测该地块有多少人(即未来某个时间的人数),据此获知该地块能够承载的人数。
当然,上述方式只是根据该历史数据获取该地块的特征信息的示例,针对不同的特征信息,还可以采用不同类型的历史数据,对此过程不做限制。
其中,根据该地块的特征信息确定该地块符合候选集合的加入条件,可以包括:根据该地块的特征信息与候选集合中的每个地块的特征信息,确定该地块与每个地块之间的距离。进一步的,若每个距离均小于预设阈值,则确定该地块符合候选集合的加入条件;或者,若每个距离均小于预设阈值,则通过接受概率确定该地块符合候选集合的加入条件、或者不符合候选集合的加入条件。此外,若任一距离不小于预设阈值,则确定该地块不符合候选集合的加入条件。
例如,假设候选集合中不存在地块,当前的地块为地块1,则以一个接受概率判断地块1是否符合候选集合的加入条件,即可能符合候选集合的加入条件,也可能不符合候选集合的加入条件。假设候选集合中存在地块1,当前的地块为地块2,则先确定地块2(如地块2的中心位置)与候选集合中的地块1(如地块1的中心位置)之间的距离,若该距离小于预设阈值,则以一个接受概率判断地块2是否符合候选集合的加入条件;若地块2与地块1之间的距离大于预设阈值,则地块2不符合候选集合的加入条件。假设候选集合中存在地块1和地块2,当前的地块为地块3,则先确定地块3与地块1之间的距离,若该距离小于预设阈值,则确定地块3与地块2之间的距离,若该距离也小于预设阈值,则以一个接受概率判断地块3是否符合候选集合的加入条件,以此类推。
经过上述处理,就可以得到一个候选集合1,例如,假设候选集合1包括地块1与1甲医院的对应关系、地块2与2甲医院的对应关系、地块3与空设施的对应关系、地块8与3甲医院的对应关系、地块20与1甲医院的对应关系、地块22与空设施的对应关系、地块26与1甲医院的对应关系,以此类推。
进一步的,可以重复步骤202,得到多个候选集合,如得到候选集合2、候选集合3、候选集合4等,对此不做限制。为了方便描述,后续以一个候选集合1为例进行说明,当候选集合的数量是多个时,其处理流程类似,后续不再赘述。
步骤203,根据优化目标对候选集合进行处理,得到与该优化目标匹配的目标集合,该目标集合可以包括地块、选址在该地块的公共服务设施。
其中,根据优化目标对候选集合进行处理,得到与该优化目标匹配的目标集合,可以包括:获取优化目标,并将该优化目标确定为遗传算法的输入参数;然后,采用遗传算法对候选集合进行处理,得到与该优化目标匹配的目标集合。
其中,候选集合可以是遗传算法的初始解,也可以称为第0代集合,通过遗传算法对该候选集合进行处理时,就可以得到与该优化目标匹配的目标集合。
其中,遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法还可以包括但不限于NSGA-II(Non-dominated Sorting Genetic Algorithm II,带精英策略的快速排序非支配排序遗传算法),NSGA-II提出了快速非支配排序策略与拥挤距离排序策略,使近似Pareto优化的前沿更加逼近Pareto优化前沿,同时使搜索到的近似Pareto最优解具有良好的多样性。而且,Pareto最优解即帕累托最优解,是指资源分配的一种理想状态,用于解决多目标规划问题。
在一个例子中,参见图3所示,为根据优化目标对候选集合进行处理,得到与该优化目标匹配的目标集合的流程图,该方法可以包括以下步骤:
步骤301,根据优化目标对候选集合中的地块进行排序,得到中间集合。
其中,根据优化目标对候选集合中的地块进行排序,可以包括:基于非支配排序算法,根据该优化目标对候选集合中的地块进行非支配排序。
在一个例子中,优化目标的数量可以为大于1个,即基于多个优化目标进行非支配排序。例如,优化目标可以包括距离优化目标和成本优化目标,因此,可以根据距离优化目标和成本优化目标对候选集合中的地块进行非支配排序。
其中,非支配排序算法的一个示例可以为:若不存在任何一个个体xi优于xj,则将xj标记为非支配个体,非支配个体集是集合的第一级非支配层,剔除这些已经选择的非支配个体,再重复非支配排序算法,就可以得到第二级非支配层,以此类推,一直到整个集合中的所有个体均被分级,从而完成非支配排序。
例如,在对候选集合中的地块进行非支配排序时,优化目标为距离优化目标和成本优化目标,候选集合包括地块1-地块10,假设地块1的距离优于地块2-地块10的距离(即医院选址在地块1时的平均出行距离,小于医院选址在其它地块的平均出行距离),且地块1的成本优于地块2-地块10的成本(即地块的成本最少),则此时不存在任何一个个体优于地块1,因此,可以将地块1标记为非支配个体,也就是说,地块1排序在第一个,在去除地块1的基础上,假设地块2的距离优于地块3-地块10的距离,且地块2的成本优于地块3-地块10的成本,则地块2排序在第二个,以此类推,一直到完成非支配排序。
此外,在排序过程中,若地块2的距离优于地块3的距离,但地块3的成本优于地块2的成本,则可以从候选集合中去除地块2和地块3,或者,将地块2排在地块3前面,或者,将地块3排在地块2前面,对此不做限制。
步骤302,通过遗传算子对该中间集合进行操作,得到满足约束条件的第一代集合,该遗传算子可以包括:选择遗传算子;交叉遗传算子;变异遗传算子。
其中,候选集合是第0代集合,因此,将当前得到的集合称为第一代集合。
其中,选择遗传算子用于从当前集合中,按照某种方式选择一个或者若干个地块,从而得到新的集合,新集合中的地块的基因(即医院)未变;交叉遗传算子用于将两个集合的部分基因进行替换,重组成新集合,例如将一个集合的某地块的基因(即医院)与另一个集合的某地块的基因(即医院)进行替换;变异遗传算子用于对单个地块的基因(即医院)进行变更,得到新的集合。
其中,对于通过遗传算子对该中间集合进行操作的过程,本实施例中不做限制。在通过遗传算子对该中间集合进行操作后,可以得到一个新集合,然后对该新集合进行可行解判断,若该新集合可行,则将该新集合确定为满足约束条件的第一代集合;若该新集合不可行,重新通过遗传算子对中间集合进行操作,得到一个新集合,以此类推,一直到得到满足约束条件的第一代集合。
其中,在对该新集合进行可行解判断时,可以考虑距离、人口、建筑面积、高度、服务质量、容积率等因素,如果这些因素均满足要求,则说明新集合可行,否则,说明新集合不可行。例如,在新集合中,由于基因已经发生变化,因此,若地块的面积已经大于医院的占地面积,则说明新集合不可行;又例如,若地块的建筑高度上限小于医院的建筑高度,则说明新集合不可行,以此类推。
步骤303,将该候选集合确定为父代集合,将该第一代集合确定为子代集合。
在步骤303之后,可以执行步骤304。此外,在本实施例中,父代集合可以是子代集合的上一代集合,而且,子代集合可以是父代集合的下一代集合。
步骤304,根据该父代集合和该子代集合获得中间集合。
其中,根据该父代集合和该子代集合获得中间集合,可以包括:将该父代集合和该子代集合进行合并,得到合并后集合;然后,可以按照集合等级和拥挤距离,对合并后集合中的各地块进行排序(例如,可以采用非支配排序算法对合并后集合中的各地块进行排序);然后,可以根据排序结果从合并后集合中选取地块(如选取前K个地块),并将选取的地块组成中间集合。
在将父代集合和子代集合进行合并,得到合并后集合后,NSGA-II算法就可以得出父代集合和子代集合的集合等级,并得出拥挤距离,然后可以按照集合等级和拥挤距离,对合并后集合中的各地块进行排序,对此过程不再赘述。
步骤305,通过遗传算子对该中间集合进行操作,得到满足约束条件的下一代集合。其中,步骤305的处理过程与步骤302类似,在此不再重复赘述。
其中,满足约束条件的下一代集合,也就是子代集合的下一代集合。例如,若子代集合是第一代集合,则满足约束条件的下一代集合是第二代集合,若子代集合是第二代集合,则满足约束条件的下一代集合是第三代集合,以此类推。
步骤306,判断是否满足终止条件。若否,则执行步骤307;若是,则执行步骤308。其中,当迭代轮数已经达到预设次数(根据经验配置)时,则确定满足终止条件,否则,确定未满足终止条件。或者,当迭代时间已经达到预设时间(根据经验配置)时,则确定满足终止条件,否则,确定未满足终止条件。
步骤307,将下一代集合(即步骤305中得到的下一代集合)确定为子代集合,并将该下一代集合的上一代集合确定为父代集合,并返回执行步骤304。
例如,若步骤305得到的下一代集合是第二代集合,则将第二代集合确定为子代集合,并将第一代集合确定为父代集合;若下一代集合是第三代集合,则将第三代集合确定为子代集合,并将第二代集合确定为父代集合;以此类推。
步骤308,可以从各代集合中选择与上述优化目标匹配的目标集合。
例如,假设优化目标为距离优化目标和成本优化目标,上述过程得到了第一代集合-第九代集合,则可以从候选集合、第一代集合-第九代集合中选择满足距离优化目标的目标集合1,并选择满足成本优化目标的目标集合2。
其中,基于目标集合1,可以保证平均出行距离最短,基于目标集合2,可以保证成本最少。然后,可以将目标集合1和目标集合2输出给决策者,由决策者从目标集合1和目标集合2中选择一个需要的目标集合,对此不再赘述。
基于上述技术方案,本申请实施例中,可以为公共服务设施选址出最优的地块,保证公共服务设施的顺利建设。可以结合真实业务场景,将所有地块划分到多个地块集合,降低后续求解过程中解空间的维度,保障求解质量和求解效率,处理时间相应减少。可以高效快速的生成初始解集合(即候选集合),高质量的初始解集合可以保证后续解的质量,保障求解过程的效率和解的质量,高质量的初始解集合也可以使处理时间相应减少。可以快速输出最终的目标集合,且目标集合具有多样性,输出一组均衡解,供决策者根据实际情况和决策偏好进行选择。可以利用实时全量的城市数据资源全局优化城市公共资源,对于一些基础设施薄弱或者期望开发新区的城市,也可以实现公共服务设施的选址,将全局优化能力延伸到建设初期,帮助城市在建设初期(或重建初期)就从多个维度全局统筹优化,可以利用互联网数据完成公共服务设施的选址,优化目标可以满足真正的业务场景,基于多目标决策优化的公共服务设施的选址。
基于与上述方法同样的申请构思,本申请实施例还提供一种资源的分配装置,如图4所示,为该资源的分配装置的结构图,该装置可以包括:
获取模块401,用于获取对象集合,所述对象集合包括多个对象;根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;
处理模块402,用于根据优化目标对所述候选集合进行处理,得到与优化目标匹配的目标集合,目标集合包括对象、分配给该对象的资源。
所述获取模块401在获取对象集合时具体用于:获取规划文件,所述规划文件包括多个对象和对象的属性标识;将具有相同属性标识的对象添加到同一个对象集合;或者,获取规划文件,所述规划文件包括多个对象;确定对象集合的数量K,所述K为大于等于1的正整数;将所述规划文件包括的多个对象划分到K个对象集合。
所述获取模块401在利用该对象的特征信息与该资源的特征信息确定满足约束条件时具体用于:若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,则确定满足所述约束条件;或者,若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,并且根据该对象的特征信息确定该对象符合所述候选集合的加入条件,则确定满足所述约束条件。
所述处理模块402在根据优化目标对所述候选集合进行处理,得到与优化目标匹配的目标集合时具体用于:获取优化目标,并将所述优化目标确定为遗传算法的输入参数;采用遗传算法对候选集合进行处理,得到与所述优化目标匹配的目标集合;或者,根据优化目标对所述候选集合中的对象进行排序,得到满足约束条件的第一代集合;将所述候选集合确定为父代集合,将所述第一代集合确定为子代集合,根据所述父代集合和所述子代集合获得满足约束条件的下一代集合;若未满足终止条件,则将所述下一代集合确定为子代集合,并将所述下一代集合的上一代集合确定为父代集合,并返回执行根据所述父代集合和所述子代集合获得满足约束条件的下一代集合的过程;若满足终止条件,则从各代集合中选择与所述优化目标匹配的目标集合。
基于与上述方法同样的申请构思,本申请实施例还提供一种资源的分配设备,所述设备包括:处理器,用于获取对象集合,所述对象集合包括多个对象;根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
基于与上述方法同样的申请构思,本申请实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时进行如下处理:获取对象集合,所述对象集合包括多个对象;根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。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。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且,这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (23)
1.一种资源的分配方法,其特征在于,所述方法包括:
获取对象集合,所述对象集合包括多个对象;
根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;
根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
2.根据权利要求1所述的方法,其特征在于,获取对象集合,包括:
获取规划文件,所述规划文件包括多个对象和对象的属性标识;
将具有相同属性标识的对象添加到同一个对象集合。
3.根据权利要求1所述的方法,其特征在于,获取对象集合,包括:
获取规划文件,所述规划文件包括多个对象;
确定对象集合的数量K,所述K为大于等于1的正整数;
将所述规划文件包括的多个对象划分到K个对象集合。
4.根据权利要求3所述的方法,其特征在于,
将所述规划文件包括的多个对象划分到K个对象集合,包括:
基于对象之间的距离参数和所述数量K,采用聚类算法对所述规划文件包括的多个对象进行聚类,得到K个对象集合。
5.根据权利要求1所述的方法,其特征在于,
所述根据所述对象集合获取候选集合,包括:
根据所述对象集合中的对象的位置确定中心位置;
根据所述对象集合中的对象的位置与所述中心位置的距离,从所述对象集合中选取对象,根据选取的对象获取候选集合。
6.根据权利要求1所述的方法,其特征在于,所述利用该对象的特征信息与该资源的特征信息确定满足约束条件,包括:
若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,则确定满足所述约束条件;或者,若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,并且根据该对象的特征信息确定该对象符合所述候选集合的加入条件,则确定满足所述约束条件。
7.根据权利要求6所述的方法,其特征在于,根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,包括:
根据该对象的特征信息确定该对象能够承载的第一资源;
根据该资源的特征信息确定该资源所需要的第二资源;
若第一资源大于等于第二资源,则确定该对象能够承载该资源。
8.根据权利要求6所述的方法,其特征在于,所述根据该对象的特征信息确定该对象符合所述候选集合的加入条件,包括:
根据该对象的特征信息与所述候选集合中的其它对象的特征信息,确定该对象与所述其它对象之间的距离;
若所述距离小于预设阈值,则确定该对象符合所述候选集合的加入条件;或者,若所述距离小于预设阈值,则通过接受概率确定该对象符合所述候选集合的加入条件、或者不符合所述候选集合的加入条件。
9.根据权利要求6-8任一项所述的方法,其特征在于,所述利用该对象的特征信息与该资源的特征信息确定满足约束条件之前,还包括:
从数据库中获取与该对象对应的历史数据;
根据所述历史数据获取该对象的特征信息。
10.根据权利要求1所述的方法,其特征在于,所述根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,包括:
获取优化目标,并将所述优化目标确定为遗传算法的输入参数;
采用遗传算法对候选集合进行处理,得到与所述优化目标匹配的目标集合。
11.根据权利要求10所述的方法,其特征在于,所述遗传算法,包括:
带精英策略的快速排序非支配排序遗传算法NSGA-II。
12.根据权利要求1所述的方法,其特征在于,所述根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,包括:
根据优化目标对所述候选集合中的对象进行排序,得到满足约束条件的第一代集合;将所述候选集合确定为父代集合,将第一代集合确定为子代集合,根据所述父代集合和所述子代集合获得满足约束条件的下一代集合;
若未满足终止条件,则将所述下一代集合确定为子代集合,并将所述下一代集合的上一代集合确定为父代集合,并返回执行根据所述父代集合和所述子代集合获得满足约束条件的下一代集合的过程;
若满足终止条件,则从各代集合中选择与所述优化目标匹配的目标集合。
13.根据权利要求12所述的方法,其特征在于,所述根据优化目标对所述候选集合中的对象进行排序,得到满足约束条件的第一代集合,包括:
根据优化目标对所述候选集合中的对象进行排序,得到中间集合;
通过遗传算子对所述中间集合进行操作,得到满足约束条件的第一代集合;
根据所述父代集合和所述子代集合获得满足约束条件的下一代集合,包括:
根据所述父代集合和所述子代集合获得中间集合;
通过遗传算子对所述中间集合进行操作,得到满足约束条件的下一代集合。
14.根据权利要求13所述的方法,其特征在于,所述遗传算子包括以下之一或者任意组合:选择遗传算子;交叉遗传算子;变异遗传算子。
15.根据权利要求12或13所述的方法,其特征在于,
所述根据优化目标对所述候选集合中的对象进行排序,包括:
基于非支配排序算法,根据优化目标对所述候选集合中的对象进行非支配排序;其中,所述优化目标的数量为大于1个。
16.根据权利要求13所述的方法,其特征在于,
所述根据所述父代集合和所述子代集合获得中间集合,包括:
将所述父代集合和所述子代集合进行合并,得到合并后集合;
按照对象的等级和拥挤距离,对合并后集合中的对象进行排序;根据排序结果从合并后集合中选取对象,将选取的对象组成中间集合。
17.根据权利要求1所述的方法,其特征在于,所述对象包括:地块;所述资源包括:公共服务设施;所述优化目标包括以下之一或者任意组合:距离优化目标、成本优化目标、服务效用优化目标、性价比优化目标。
18.一种公共服务设施的选址方法,其特征在于,所述方法包括:
获取地块集合,所述地块集合包括多个地块;
根据所述地块集合获取候选集合,所述候选集合包括至少一个地块、地块对应的公共服务设施;其中,针对地块集合中的地块,在将公共服务设施分配给该地块后,若利用该地块的特征信息与该公共服务设施的特征信息确定满足约束条件,则将该地块与该公共服务设施添加到候选集合;
根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括地块、选址在该地块的公共服务设施。
19.一种资源的分配装置,其特征在于,所述装置包括:
获取模块,用于获取对象集合,所述对象集合包括多个对象;根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;
处理模块,用于根据优化目标对所述候选集合进行处理,得到与优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
20.根据权利要求19所述的装置,其特征在于,所述获取模块在获取对象集合时具体用于:获取规划文件,所述规划文件包括多个对象和对象的属性标识;将具有相同属性标识的对象添加到同一个对象集合;或者,获取规划文件,所述规划文件包括多个对象;确定对象集合的数量K,所述K为大于等于1的正整数;将所述规划文件包括的多个对象划分到K个对象集合。
21.根据权利要求19所述的装置,其特征在于,
所述获取模块在利用该对象的特征信息与该资源的特征信息确定满足约束条件时具体用于:若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,则确定满足所述约束条件;或者,
若根据该对象的特征信息与该资源的特征信息,确定该对象能够承载该资源,并且根据该对象的特征信息确定该对象符合所述候选集合的加入条件,则确定满足所述约束条件。
22.根据权利要求19所述的装置,其特征在于,
所述处理模块在根据优化目标对所述候选集合进行处理,得到与优化目标匹配的目标集合时具体用于:获取优化目标,并将所述优化目标确定为遗传算法的输入参数;采用遗传算法对候选集合进行处理,得到与所述优化目标匹配的目标集合;或者,根据优化目标对所述候选集合中的对象进行排序,得到满足约束条件的第一代集合;将所述候选集合确定为父代集合,将所述第一代集合确定为子代集合,根据所述父代集合和所述子代集合获得满足约束条件的下一代集合;若未满足终止条件,则将所述下一代集合确定为子代集合,并将所述下一代集合的上一代集合确定为父代集合,并返回执行根据所述父代集合和所述子代集合获得满足约束条件的下一代集合的过程;若满足终止条件,则从各代集合中选择与所述优化目标匹配的目标集合。
23.一种资源的分配设备,其特征在于,所述设备包括:
处理器,用于获取对象集合,所述对象集合包括多个对象;
根据所述对象集合获取候选集合,所述候选集合包括至少一个对象、对象对应的资源;其中,针对对象集合中的对象,在将资源分配给该对象后,若利用该对象的特征信息与该资源的特征信息确定满足约束条件,则将该对象与该资源添加到候选集合;根据优化目标对所述候选集合进行处理,得到与所述优化目标匹配的目标集合,所述目标集合包括对象、分配给该对象的资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810251473.7A CN110363364A (zh) | 2018-03-26 | 2018-03-26 | 一种资源的分配方法、装置及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810251473.7A CN110363364A (zh) | 2018-03-26 | 2018-03-26 | 一种资源的分配方法、装置及其设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110363364A true CN110363364A (zh) | 2019-10-22 |
Family
ID=68212053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810251473.7A Pending CN110363364A (zh) | 2018-03-26 | 2018-03-26 | 一种资源的分配方法、装置及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110363364A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781354A (zh) * | 2019-10-24 | 2020-02-11 | 北京齐尔布莱特科技有限公司 | 一种对象选择方法、装置、系统及计算设备 |
CN111640493A (zh) * | 2020-05-29 | 2020-09-08 | 扬中市人民医院 | 一种基于冒泡算法的手术通知单自动排班方法 |
CN111935748A (zh) * | 2020-08-18 | 2020-11-13 | 国网河南省电力公司信息通信公司 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
CN112257167A (zh) * | 2020-10-30 | 2021-01-22 | 贝壳技术有限公司 | 基于遗传算法的物品摆放方案确定方法及装置 |
CN115545402A (zh) * | 2022-08-30 | 2022-12-30 | 五八畅生活(北京)信息技术有限公司 | 一种资源适配方法、装置、电子设备及存储介质 |
CN116798592A (zh) * | 2023-08-25 | 2023-09-22 | 北京大也智慧数据科技服务有限公司 | 设施布设位置的确定方法、装置、设备及存储介质 |
CN117252745A (zh) * | 2023-11-20 | 2023-12-19 | 河北省交通规划设计研究院有限公司 | 一种公共服务设施选址方法、装置及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389647A (zh) * | 2015-10-20 | 2016-03-09 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于nsga-ii的电费缴纳点选址方法 |
CN106875045A (zh) * | 2017-01-23 | 2017-06-20 | 杭州电子科技大学 | 考虑地块拓扑关系的流域最佳管理措施优化方法 |
-
2018
- 2018-03-26 CN CN201810251473.7A patent/CN110363364A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389647A (zh) * | 2015-10-20 | 2016-03-09 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于nsga-ii的电费缴纳点选址方法 |
CN106875045A (zh) * | 2017-01-23 | 2017-06-20 | 杭州电子科技大学 | 考虑地块拓扑关系的流域最佳管理措施优化方法 |
Non-Patent Citations (2)
Title |
---|
方传伟等: "基于遗传算法的离散仓库选址研究", 《深圳职业技术学院学报》 * |
王华等: "基于多目标微粒群优化算法的土地利用分区模型", 《农业工程学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781354B (zh) * | 2019-10-24 | 2022-06-10 | 北京齐尔布莱特科技有限公司 | 一种对象选择方法、装置、系统及计算设备 |
CN110781354A (zh) * | 2019-10-24 | 2020-02-11 | 北京齐尔布莱特科技有限公司 | 一种对象选择方法、装置、系统及计算设备 |
CN111640493A (zh) * | 2020-05-29 | 2020-09-08 | 扬中市人民医院 | 一种基于冒泡算法的手术通知单自动排班方法 |
CN111935748B (zh) * | 2020-08-18 | 2023-06-23 | 国网河南省电力公司信息通信公司 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
CN111935748A (zh) * | 2020-08-18 | 2020-11-13 | 国网河南省电力公司信息通信公司 | 一种可靠性高和负载均衡的虚拟网资源分配方法 |
CN112257167A (zh) * | 2020-10-30 | 2021-01-22 | 贝壳技术有限公司 | 基于遗传算法的物品摆放方案确定方法及装置 |
CN112257167B (zh) * | 2020-10-30 | 2022-03-29 | 贝壳找房(北京)科技有限公司 | 基于遗传算法的物品摆放方案确定方法及装置 |
CN115545402A (zh) * | 2022-08-30 | 2022-12-30 | 五八畅生活(北京)信息技术有限公司 | 一种资源适配方法、装置、电子设备及存储介质 |
CN115545402B (zh) * | 2022-08-30 | 2024-03-05 | 五八畅生活(北京)信息技术有限公司 | 一种资源适配方法、装置、电子设备及存储介质 |
CN116798592A (zh) * | 2023-08-25 | 2023-09-22 | 北京大也智慧数据科技服务有限公司 | 设施布设位置的确定方法、装置、设备及存储介质 |
CN116798592B (zh) * | 2023-08-25 | 2024-03-12 | 北京大也智慧数据科技服务有限公司 | 设施布设位置的确定方法、装置、设备及存储介质 |
CN117252745A (zh) * | 2023-11-20 | 2023-12-19 | 河北省交通规划设计研究院有限公司 | 一种公共服务设施选址方法、装置及计算机设备 |
CN117252745B (zh) * | 2023-11-20 | 2024-03-12 | 河北省交通规划设计研究院有限公司 | 一种公共服务设施选址方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363364A (zh) | 一种资源的分配方法、装置及其设备 | |
Li et al. | A multi-period optimization model for the deployment of public electric vehicle charging stations on network | |
Dibene et al. | Optimizing the location of ambulances in Tijuana, Mexico | |
Huang et al. | A genetic-algorithm-based approach to solve carpool service problems in cloud computing | |
Aljohani et al. | A multi-criteria spatial evaluation framework to optimise the siting of freight consolidation facilities in inner-city areas | |
Kachitvichyanukul et al. | Two solution representations for solving multi-depot vehicle routing problem with multiple pickup and delivery requests via PSO | |
CN111428991B (zh) | 用于确定配送车辆的方法和装置 | |
Kaviari et al. | Simulation of urban growth using agent-based modeling and game theory with different temporal resolutions | |
CN111047130B (zh) | 用于交通分析和管理的方法和系统 | |
US20130218789A1 (en) | Systematic Approach to Enforcing Contiguity Constraint in Trajectory-based Methods for Combinatorial Optimization | |
Jiau et al. | Services-oriented computing using the compact genetic algorithm for solving the carpool services problem | |
Díaz-Parra et al. | A vertical transfer algorithm for the school bus routing problem | |
Rodrigues et al. | Measures in sectorization problems | |
Jiau et al. | Optimizing the carpool service problem with genetic algorithm in service-based computing | |
Wang et al. | Improved Genetic Algorithm (VNS‐GA) using polar coordinate classification for workload balanced multiple Traveling Salesman Problem (mTSP) | |
Barbati et al. | A multiple criteria methodology for priority based portfolio selection | |
Dodangeh et al. | Best project selection by using of Group TOPSIS method | |
Önden et al. | A spatial multi-criteria decision-making model for planning new logistic centers in metropolitan areas | |
Elsaid et al. | Optimal placement of drone delivery stations and demand allocation using bio-inspired algorithms | |
TW202309826A (zh) | 配送管理系統、配送管理方法及程式產品 | |
Massobrio et al. | Multiobjective evolutionary algorithms for the taxi sharing problem | |
CN110826753B (zh) | 一种资源处理方法、装置及其设备 | |
Mishra et al. | Survey on models and methodology for emergency relief and staff scheduling | |
Talatahari et al. | Multiobjective charged system search for optimum location of bank branch | |
Azimi et al. | Developing a new bi-objective functions model for a hierarchical location-allocation problem using the queuing theory and mathematical programming |
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 |
Application publication date: 20191022 |