CN112700160A - 任务分配方法、装置及计算机可读存储介质 - Google Patents
任务分配方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112700160A CN112700160A CN202110032968.2A CN202110032968A CN112700160A CN 112700160 A CN112700160 A CN 112700160A CN 202110032968 A CN202110032968 A CN 202110032968A CN 112700160 A CN112700160 A CN 112700160A
- Authority
- CN
- China
- Prior art keywords
- task
- processing
- tasks
- allocated
- processing object
- 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
Images
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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种任务分配方法、装置及计算机可读存储介质,涉及任务分配技术领域,解决了任务分配效率较低的问题。该任务分配方法包括:获取待分配任务的属性信息和待接收任务的处理对象的能力参数,该属性信息包括以下至少一项:类型、做法、标签和领域,该能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的;将属性信息和处理对象的能力参数输入蚁群算法模型,得到待分配任务与处理对象之间的任务分配结果;其中,该蚁群算法模型的节点包括类型、做法、标签和领域,任务数量为待分配任务的数量,蚂蚁数量为待接收任务的处理对象的数量。
Description
技术领域
本申请涉及任务分配技术领域,尤其涉及一种任务分配方法、装置及计算机可读存储介质。
背景技术
通常,当确定一个选题后,会针对选题的内容进行审核,然后由首要编辑一个个把审查完的选题任务分配到小组各个成员手中,或者由小组成员自己去领取任务。然而,通过人工分配的方式不仅过程繁琐,分配效率较低、可能会影响新闻的时效性;而且还会导致误领任务或漏领任务等问题。
因此,本领域的技术人员致力于开发一种可以保证分配效率和分配准确性的任务分配方法、装置及计算机可读存储介质。
发明内容
有鉴于现有技术的上述缺陷,本申请所要解决的技术问题是:如何保证任务分配的效率和准确性。
为实现上述目的,本申请采用如下技术方案:
第一方面,本申请提供了一种任务分配方法,该任务分配方法包括:获取待分配任务的属性信息和待接收任务的处理对象的能力参数,该属性信息包括以下至少一项:类型、做法、标签和领域,该能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的;将属性信息和处理对象的能力参数输入蚁群算法模型,得到待分配任务与处理对象之间的任务分配结果;其中,该蚁群算法模型的节点包括类型、做法、标签和领域,任务数量为待分配任务的数量,蚂蚁数量为待接收任务的处理对象的数量。
在本申请的较佳实施方式中,在得到该待分配任务与该处理对象之间的任务分配结果之后,上述方法还包括:接收用户输入的、对目标处理对象的评价分,该目标处理对象为处理该待分配任务的处理对象中的任一个;确定该目标处理对象处理分配任务的时间评分;将该评价分与该时间评分的平均数确定为该目标处理对象的能力参数。
在本申请的较佳实施方式中,上述蚁群算法模型的任务分配方法为:在处理对象的数量小于或等于临界编号的情况下,根据信息素矩阵每一行中最大信息素下标和处理对象的能力参数确定返回值;在处理对象的数量大于临界编号的情况下,随机确定返回值;其中,该返回值的取值范围为0或1,0表示不分配任务,1表示分配任务。
在本申请的较佳实施方式中,上述类型包括滚动、花边、链接、热点、热搜、深度、视频、时评、要闻;上述做法包括转帖、改变、奇闻、翻译、赐稿、简讯、流量、特稿、推广、约稿、原创;上述领域包括经济、国际、军事、科技、国内时事、娱乐、汽车和产业经济;上述标签包括一个对应的二级标签表。
本申请提供的任务分配方法具有以下技术效果:由于本申请可以通过蚁群算法模型得到待分配任务与处理对象之间的任务分配结果,即蚁群算法模型可以自动根据待分配任务的属性信息和待接收任务的处理对象的能力参数将待分配任务分配给处理对象,因此,可以避免处理对象误领任务或漏领任务的问题,由于减少了分配过程中的人工参与环节,因此可以提高分配效率,保证选题的时效性。
第二方面,本申请提供了一种任务分配装置,包括:获取单元和处理单元;获取单元,用于获取待分配任务的属性信息和待接收任务的处理对象的能力参数,该属性信息包括以下至少一项:类型、做法、标签和领域,该能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的;处理单元,用于将属性信息和处理对象的能力参数输入蚁群算法模型,得到待分配任务与处理对象之间的任务分配结果;其中,该蚁群算法模型的节点包括类型、做法、标签和领域,任务数量为待分配任务的数量,蚂蚁数量为待接收任务的处理对象的数量。
在本申请的较佳实施方式中,上述获取单元,还用于在得到该待分配任务与该处理对象之间的任务分配结果之后,接收用户输入的、对目标处理对象的评价分,该目标处理对象为处理该待分配任务的处理对象中的任一个;上述处理单元,还用于确定该目标处理对象处理分配任务的时间评分;并将该评价分与该时间评分的平均数确定为该目标处理对象的能力参数。
在本申请的较佳实施方式中,上述处理单元,具体用于在处理对象的数量小于或等于临界编号的情况下,根据信息素矩阵每一行中最大信息素下标和处理对象的能力参数确定返回值;在处理对象的数量大于临界编号的情况下,随机确定返回值;其中,该返回值的取值范围为0或1,0表示不分配任务,1表示分配任务。
在本申请的较佳实施方式中,上述类型包括滚动、花边、链接、热点、热搜、深度、视频、时评、要闻;上述做法包括转帖、改变、奇闻、翻译、赐稿、简讯、流量、特稿、推广、约稿、原创;上述领域包括经济、国际、军事、科技、国内时事、娱乐、汽车和产业经济;上述标签包括一个对应的二级标签表。
第三方面,本申请提供了一种任务分配装置,包括存储器和处理器。存储器用于存储计算机执行指令,处理器与存储器通过总线连接。当任务分配装置运行时,处理器执行存储器存储的计算机执行指令,以使任务分配装置执行第一方面及其各种可能的实现方式提供的任务分配方法。
第四方面,提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令,当计算机执行指令在计算机上运行时,使得计算机执行如上述第一方面及其各种可能的实现方式提供的任务分配方法。
第五方面,提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在计算机上运行时,使得计算机执行如上述第一方面及其各种可能的实现方式提供的任务分配方法。
需要说明的是,上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中,计算机可读存储介质可以与执行任务分配装置的处理器封装在一起的,也可以与执行任务分配装置的处理器单独封装,本申请实施例对此不作限定。
本申请中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面、第四方面以及第五方面描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
以下将结合附图对本申请的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本申请的目的、特征和效果。
附图说明
图1是本申请实施例提供的蚁群算法示意图;
图2是本申请实施例提供的任务分配方法的流程示意图之一;
图3是本申请实施例提供的任务分配方法的流程示意图之一;
图4是本发明实施例提供的任务分配装置的结构示意图之一;
图5是本发明实施例提供的任务分配装置的结构示意图之二。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
为了便于清楚描述本申请实施例的技术方案,在本申请实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
为了阐释的目的而描述了本申请的一些示例性实施例,需要理解的是,本申请可通过附图中没有具体示出的其他方式来实现。
通常情况下,当确定一个选题后,会针对选题的内容进行审核,然后由首要编辑一个个把审查完的选题任务分配到小组各个成员手中,或者由小组成员自己去领取任务。然而,通过人工分配的方式不仅过程繁琐,分配效率较低、可能会影响选题的时效性;而且还会导致误领任务或漏领任务等问题。
为了解决上述问题,本申请提供了一种任务分配方法,用于解决任务分配的效率和准确性较低的问题。该任务分配方法包括:获取待分配任务的属性信息和待接收任务的处理对象的能力参数,该属性信息包括以下至少一项:类型、做法、标签和领域,该能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的;将属性信息和处理对象的能力参数输入蚁群算法模型,得到待分配任务与处理对象之间的任务分配结果;其中,该蚁群算法模型的节点包括类型、做法、标签和领域,任务数量为待分配任务的数量,蚂蚁数量为待接收任务的处理对象的数量。通过该方案,由于可以通过蚁群算法模型得到待分配任务与处理对象之间的任务分配结果,即蚁群算法模型可以自动根据待分配任务的属性信息和待接收任务的处理对象的能力参数将待分配任务分配给处理对象,因此,可以避免处理对象误领任务或漏领任务的问题,由于减少了分配过程中的人工参与环节,因此可以提高分配效率,保证选题的时效性。
首先对本申请实施例中涉及到的蚁群算法进行说明。
蚁群算法是受到对真实蚂蚁群觅食行为研究的启发而提出。生物学研究表明:一群相互协作的蚂蚁能够找到食物和巢穴之间的最短路径,而单只蚂蚁则不能。生物学家经过大量细致观察研究发现,蚂蚁个体之间的行为是相互作用相互影响的。蚂蚁在运动过程中,能够在它所经过的路径上留下一种称之为信息素的物质,而此物质恰恰是蚂蚁个体之间信息传递交流的载体。蚂蚁在运动时能够感知这种物质,并且习惯于追踪此物质爬行,当然爬行过程中还会释放信息素。一条路上的信息素踪迹越浓,其它蚂蚁将以越高的概率跟随爬行此路径,从而该路径上的信息素踪迹会被加强,因此,由大量蚂蚁组成的蚁群的集体行为便表现出一种信息正反馈现象。某一路径上走过的蚂蚁越多,则后来者选择该路径的可能性就越大。蚂蚁个体之间就是通过这种间接的通信机制实现协同搜索最短路径的目标的。
如图1所示,图1中的(a)表示原始状态,蚂蚁起始点为A,要到达E,中途有障碍物,要绕过才能到达。BC和BH是绕过障碍物的2条路径(假设只有2条)。各个路径的距离为d。图1中的(b)表示t=0时刻的蚂蚁状态,各个边上具有相等的信息素浓度,例如可以为15。图1中的(c)表示t=1时刻蚂蚁经过后的状态,各个边上的信息素浓度发生了变化。这是因为蚂蚁对每条路径的选择概率是不同的,而选择概率是和路径长度相关的。路径短的信息素浓度会越来越大,经过此短路径达到目的地的蚂蚁也会比其他路径多。这样大量的蚂蚁实践之后就找到了最短路径。
下面结合具体实施例和附图对上述实现方式进行详细的阐述。
如图2所示,本申请实施例提供一种任务分配方法,该任务分配方法可以应用于任务分配装置,该任务分配方法可以包括:S201和S202。
S201、任务分配装置获取待分配任务的属性信息和待接收任务的处理对象的能力参数。
其中,上述属性信息可以包括以下至少一项:类型、做法、标签和领域,该能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的。
需要说明的是,每个待分配任务可以包括多个标识字段,例如,该标识字段可以包括唯一标识(ID)、选题名称(TITLE)、选题内容(DESCRIPTION)、选题类型(TYPE)、选题做法(MAKING)、标签(TAG)、选题领域(FIELD)、参考链接(LINK)和重要性(TOP_LEVEL)。其中,选题名称、选题内容、参考链接为用户创建选题和审核选题时的筛选项。而类型、做法、标签和领域和重要性可以为任务分配装置的自动分配过程提供依据。
可选的,在本申请实施例中,上述类型用于表示选题的新闻形式,可以包括滚动、花边、链接、热点、热搜、深度、视频、时评、要闻;上述做法用于表示处理对象处理任务的手法,可以包括转帖、改变、奇闻、翻译、赐稿、简讯、流量、特稿、推广、约稿、原创;上述领域可以包括经济、国际、军事、科技、国内时事、娱乐、汽车和产业经济;上述标签可以包括一个对应的二级标签表,该二级标签表可以包括多个特征词。上述重要性为整数形式,范围为0至3,用于表示选任务的优先级。数字越大的选题,优先级越大,优先级高的任务会优先显示并分配。
用户可以先根据选题名称、选题内容、参考链接等信息对选题页面进行第一输入,从而触发任务分配装置对现存的选题进行筛选,进而确定待分配任务,并得到待分配任务的属性信息;之后,用户可以对处理对象的页面进行第二输入,从而触发任务分配装置对现存的处理对象进行筛选,进而得到待接收任务的处理对象的能力参数。
S202、任务分配装置将属性信息和处理对象的能力参数输入蚁群算法模型,得到待分配任务与处理对象之间的任务分配结果。
其中,上述蚁群算法模型的节点包括类型、做法、标签和领域,任务数量为待分配任务的数量,蚂蚁数量为待接收任务的处理对象的数量。
可选的,上述蚁群算法模型的任务分配方法可以为:在处理对象的数量小于或等于临界编号的情况下,根据信息素矩阵每一行中最大信息素下标和处理对象的能力参数确定返回值;在处理对象的数量大于临界编号的情况下,随机确定返回值;其中,该返回值的取值范围为0或1,0表示不分配任务,1表示分配任务。
可选的,上述蚁群算法模型的执行过程可以包括以下步骤:
1、初始化任务执行时间矩阵和信息素矩阵。其中,任务执行时间矩阵可以为timeArrMatrix,timeArrMatrix[i][j]表示任务i分配给节点j处理所需要的时间。pheromoneArrMatrix表示信息素矩阵,pheromoneArrMatrix[i][j]表示将任务i分配给节点j这条路径的信息素浓度,初始值均为1。i的取值范围是0–(任务总数-1),j的取值范围为0-3。
2、迭代搜索。进行iteratorCount次循环,每次循环再进行antCount次循环,每次迭代中待接收任务的处理对象从0-antCount递加1,每次循环中再进行任务数量次循环,每次循环通过上述任务分配方法得出一个值,每个值都放入一个路径数组path中。这个数组用来获取任务处理等级。其中,iteratorCount为目前可分配的处理对象的数量,如果人数大于6,则该值设为6;antCount表示每次迭代中蚂蚁的数量,即可分配的处理对象的数量。
3、获取任务处理等级。进行路径数组总数次的循环,每次循环再进行nodeCount(处理节点的数量)节点总数次循环,节点数从0开始,每次+1。每次循环先将任务处理等级(level)设为0,再进行任务次的循环,任务数从0开始,每次+1。每次循环中判断如果该节点数与任务数对应的路径数组中的值等于1,即path[当前任务数][当前节点数]等于1的时候,level加上任务处理等级矩阵levelArrMatrix中的对应值。如果最终得出的level比上次要大(第一次的话则直接取本次循环结果),则将该值放入等级数组(该数组总数对应iteratorCount迭代次数),然后进行更新信息素。
4、更新信息素。首先找出任务处理等级最小的处理对象,通过遍历等级数组得出最小的那个等级对应的minIndex,然后进行任务次数的循环,每次循环当前任务数由0开始+1进行节点数量次数的循环,每次循环当前节点数由0开始+1,并且判断如果当前任务数与节点数对应的处理等级最小的结果等于1,即path[minIndex][当前任务数][当前节点数],则pheromoneArrMatrix[当前任务数][当前节点数]乘以一个默认设定值0.5。然后再通过遍历pheromoneArrMatrix来更新maxPheromoneArrMatrix中每一行的最大值,同时获取到最大的信息素maxData和maxPheromoneArrMatrix中每行最大信息素的总和sumData。
5、确定任务分配结果。最后通过antCount乘以最大信息素maxData除以最大信息素总和sumData,并将结果四舍五入得出新的matrixCriticalPoint。之后将maxPheromoneArrMatrix递减排列取出matrixCriticalPoint个信息素最浓的任务在编号在0到matrixCriticalPoint之间的处理对象中进行随机分配。剩下的待分配任务和处理对象则进行下一次处理。
本申请实施例中,由于本申请可以通过蚁群算法模型得到待分配任务与处理对象之间的任务分配结果,即蚁群算法模型可以自动根据待分配任务的属性信息和待接收任务的处理对象的能力参数将待分配任务分配给处理对象,因此,可以避免处理对象误领任务或漏领任务的问题,由于减少了分配过程中的人工参与环节,因此可以提高分配效率,保证选题的时效性。
可选的,如图3所示,在得到待分配任务与该处理对象之间的任务分配结果之后,上述任务分配方法还可以包括:S203-S205。
S203、任务分配装置接收用户输入的、对目标处理对象的评价分。
其中,上述目标处理对象为处理该待分配任务的处理对象中的任一个。
S204、任务分配装置确定该目标处理对象处理分配任务的时间评分。
当处理对象处理完一个任务后,任务分配装置会对被分配到的任务的完成情况进行评分。具体的,任务分配装置可以根据被分配到任务的时间点到发布的时间点之间的耗时确定时间评分。例如,基础分可以为100,原创做法每超过两小时则分数减5分,滚动类型每超过5分钟减10分,深度类型每超过2两小时减5分,其余每超过2小时可以减10分。
S205、任务分配装置将该评价分与该时间评分的平均数确定为该目标处理对象的能力参数。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例提供的任务分配方法,执行主体可以为任务分配装置,或者该任务分配装置中的用于任务分配的控制模块。本申请实施例中以任务分配装置执行任务分配方法为例,说明本申请实施例提供的任务分配装置。
需要说明的是,本申请实施例可以根据上述方法示例对任务分配装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图4所示,本申请实施例提供一种任务分配装置400。该任务分配装置400包括:获取单元401和处理单元402。该获取单元401,可以用于获取待分配任务的属性信息和待接收任务的处理对象的能力参数,该属性信息包括以下至少一项:类型、做法、标签和领域,该能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的。该处理单元402可以用于将属性信息和处理对象的能力参数输入蚁群算法模型,得到待分配任务与处理对象之间的任务分配结果;其中,该蚁群算法模型的节点包括类型、做法、标签和领域,任务数量为待分配任务的数量,蚂蚁数量为待接收任务的处理对象的数量。
可选的,上述获取单元401,还可以用于在得到该待分配任务与该处理对象之间的任务分配结果之后,接收用户输入的、对目标处理对象的评价分,该目标处理对象为处理该待分配任务的处理对象中的任一个;上述处理单元402,还可以用于确定该目标处理对象处理分配任务的时间评分;并将该评价分与该时间评分的平均数确定为该目标处理对象的能力参数。
可选的,上述处理单元402,具体可以用于在处理对象的数量小于或等于临界编号的情况下,根据信息素矩阵每一行中最大信息素下标和处理对象的能力参数确定返回值;在处理对象的数量大于临界编号的情况下,随机确定返回值;其中,该返回值的取值范围为0或1,0表示不分配任务,1表示分配任务。
可选的,上述类型包括滚动、花边、链接、热点、热搜、深度、视频、时评、要闻;上述做法包括转帖、改变、奇闻、翻译、赐稿、简讯、流量、特稿、推广、约稿、原创;上述领域包括经济、国际、军事、科技、国内时事、娱乐、汽车和产业经济;上述标签包括一个对应的二级标签表。
当然,本申请实施例提供的任务分配装置400包括但不限于上述单元。
本申请实施例中,由于本申请可以通过蚁群算法模型得到待分配任务与处理对象之间的任务分配结果,即蚁群算法模型可以自动根据待分配任务的属性信息和待接收任务的处理对象的能力参数将待分配任务分配给处理对象,因此,可以避免处理对象误领任务或漏领任务的问题,由于减少了分配过程中的人工参与环节,因此可以提高分配效率,保证选题的时效性。
本申请实施例还提供一种如图5所示的任务分配装置,该任务分配装置包括处理器11,存储器12、通信接口13、总线14。处理器11,存储器12以及通信接口13之间可以通过总线14连接。
处理器11是任务分配装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器11可以是一个通用中央处理单元(central processing unit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器11可以包括一个或多个CPU,例如图5中所示的CPU 0和CPU 1。
存储器12可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
一种可能的实现方式中,存储器12可以独立于处理器11存在,存储器12可以通过总线14与处理器11相连接,用于存储指令或者程序代码。处理器11调用并执行存储器12中存储的指令或程序代码时,能够实现本申请实施例提供的服务功能链的部署方法。
另一种可能的实现方式中,存储器12也可以和处理器11集成在一起。
通信接口13,用于与其他设备通过通信网络连接。所述通信网络可以是以太网,无线接入网,无线局域网(wireless local area networks,WLAN)等。通信接口13可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
总线14,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图5示出的结构并不构成对该任务分配装置的限定。除图5所示部件之外,该任务分配装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令。当计算机执行指令在计算机上运行时,使得计算机执行如上述实施例提供的任务分配方法中,执行任务分配装置执行的各个步骤。
本申请实施例还提供一种计算机程序产品,该计算机程序产品可直接加载到存储器中,并含有软件代码,该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的任务分配方法中,执行任务分配装置执行的各个步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端执行本申请各个实施例所述的方法。
上述实施例仅示例性说明本申请的原理及功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种任务分配方法,其特征在于,包括:
获取待分配任务的属性信息和待接收任务的处理对象的能力参数,所述属性信息包括以下至少一项:类型、做法、标签和领域,所述能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的;
将所述属性信息和所述处理对象的能力参数输入蚁群算法模型,得到所述待分配任务与所述处理对象之间的任务分配结果;
其中,所述蚁群算法模型的节点包括所述类型、做法、标签和领域,任务数量为所述待分配任务的数量,蚂蚁数量为所述待接收任务的处理对象的数量。
2.如权利要求1所述的任务分配方法,其特征在于,在得到所述待分配任务与所述处理对象之间的任务分配结果之后,所述方法还包括:
接收用户输入的、对目标处理对象的评价分,所述目标处理对象为处理所述待分配任务的处理对象中的任一个;
确定所述目标处理对象处理分配任务的时间评分;
将所述评价分与所述时间评分的平均数确定为所述目标处理对象的能力参数。
3.如权利要求2所述的任务分配方法,其特征在于,所述蚁群算法模型的任务分配方法为:
在处理对象的数量小于或等于临界编号的情况下,根据信息素矩阵每一行中最大信息素下标和处理对象的能力参数确定返回值;
在处理对象的数量大于临界编号的情况下,随机确定返回值;
其中,所述返回值的取值范围为0或1,0表示不分配任务,1表示分配任务。
4.如权利要求1-3中任一项所述的任务分配方法,其特征在于,所述类型包括滚动、花边、链接、热点、热搜、深度、视频、时评和要闻;所述做法包括转帖、改变、奇闻、翻译、赐稿、简讯、流量、特稿、推广、约稿和原创;所述领域包括经济、国际、军事、科技、国内时事、娱乐、汽车和产业经济;所述标签包括一个对应的二级标签表。
5.一种任务分配装置,其特征在于,包括:获取单元和处理单元;
所述获取单元,用于获取待分配任务的属性信息和待接收任务的处理对象的能力参数,所述属性信息包括以下至少一项:类型、做法、标签和领域,所述能力参数为根据处理对象历史过程中处理分配任务的评价信息得到的;
所述处理单元,用于将所述属性信息和所述处理对象的能力参数输入蚁群算法模型,得到所述待分配任务与所述处理对象之间的任务分配结果;
其中,所述蚁群算法模型的节点包括所述类型、做法、标签和领域,任务数量为所述待分配任务的数量,蚂蚁数量为所述待接收任务的处理对象的数量。
6.如权利要求5所述的任务分配装置,其特征在于,
所述获取单元,还用于在得到所述待分配任务与所述处理对象之间的任务分配结果之后,接收用户输入的、对目标处理对象的评价分,所述目标处理对象为处理所述待分配任务的处理对象中的任一个;
所述处理单元,还用于确定所述目标处理对象处理分配任务的时间评分;并将所述评价分与所述时间评分的平均数确定为所述目标处理对象的能力参数。
7.如权利要求6所述的任务分配装置,其特征在于,所述处理单元,具体用于在处理对象的数量小于或等于临界编号的情况下,根据信息素矩阵每一行中最大信息素下标和处理对象的能力参数确定返回值;在处理对象的数量大于临界编号的情况下,随机确定返回值;其中,所述返回值的取值范围为0或1,0表示不分配任务,1表示分配任务。
8.如权利要求5-7中任一项所述的任务分配装置,其特征在于,所述类型包括滚动、花边、链接、热点、热搜、深度、视频、时评和要闻;所述做法包括转帖、改变、奇闻、翻译、赐稿、简讯、流量、特稿、推广、约稿和原创;所述领域包括经济、国际、军事、科技、国内时事、娱乐、汽车和产业经济;所述标签包括一个对应的二级标签表。
9.一种任务分配装置,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如权利要求1-4中任一项所述的任务分配方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机指令,其特征在于,当所述计算机指令在任务分配装置的处理器中运行时实现如权利要求1-4中任一项所述的任务分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110032968.2A CN112700160A (zh) | 2021-01-12 | 2021-01-12 | 任务分配方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110032968.2A CN112700160A (zh) | 2021-01-12 | 2021-01-12 | 任务分配方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112700160A true CN112700160A (zh) | 2021-04-23 |
Family
ID=75513917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110032968.2A Pending CN112700160A (zh) | 2021-01-12 | 2021-01-12 | 任务分配方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700160A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657759A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
CN114066310A (zh) * | 2021-11-29 | 2022-02-18 | 中国工商银行股份有限公司 | 审批任务分配方法、装置、计算机设备和存储介质 |
CN114091941A (zh) * | 2021-11-26 | 2022-02-25 | 中国建设银行股份有限公司 | 任务分配方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902901A (zh) * | 2017-12-11 | 2019-06-18 | 广东智动力知识产权运营有限公司 | 任务分配方法、装置、存储介质和计算机设备 |
CN110764912A (zh) * | 2019-10-25 | 2020-02-07 | 东北大学 | 一种自适应任务调度器及方法 |
-
2021
- 2021-01-12 CN CN202110032968.2A patent/CN112700160A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902901A (zh) * | 2017-12-11 | 2019-06-18 | 广东智动力知识产权运营有限公司 | 任务分配方法、装置、存储介质和计算机设备 |
CN110764912A (zh) * | 2019-10-25 | 2020-02-07 | 东北大学 | 一种自适应任务调度器及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657759A (zh) * | 2021-08-17 | 2021-11-16 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
CN113657759B (zh) * | 2021-08-17 | 2023-10-31 | 北京百度网讯科技有限公司 | 一种任务处理方法、装置、设备以及存储介质 |
CN114091941A (zh) * | 2021-11-26 | 2022-02-25 | 中国建设银行股份有限公司 | 任务分配方法、装置、电子设备及存储介质 |
CN114066310A (zh) * | 2021-11-29 | 2022-02-18 | 中国工商银行股份有限公司 | 审批任务分配方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700160A (zh) | 任务分配方法、装置及计算机可读存储介质 | |
CN109376012A (zh) | 一种针对异构环境的基于Spark的自适应任务调度方法 | |
Zheng et al. | Station ant colony optimization for the type 2 assembly line balancing problem | |
Vázquez-Rodríguez et al. | On the automatic discovery of variants of the NEH procedure for flow shop scheduling using genetic programming | |
CN112926845A (zh) | 基于大数据的外呼方法、电子装置及计算机可读存储介质 | |
CN111753063A (zh) | 一种应答方法、装置、服务器及存储介质 | |
CN111428133A (zh) | 基于人工智能的推荐方法、装置、电子设备及存储介质 | |
Harris et al. | A memetic algorithm for the quadratic assignment problem with parallel local search | |
Dasari et al. | Multi-start heuristics for the profitable tour problem | |
Reyes et al. | A GRASP-based scheme for the set covering problem | |
CN112487163B (zh) | 自动化流程的执行方法及其接口数据的获取方法、装置 | |
Gümüş et al. | An investigation of F-Race training strategies for cross domain optimisation with memetic algorithms | |
CN116954779A (zh) | 一种页面显示方法、装置、设备及存储介质 | |
CN114676295A (zh) | 基于ai的个性化教学方法、装置、设备及可读存储介质 | |
CN115857923A (zh) | 一种客户端多模块路由跳转方法、装置、终端及介质 | |
CN112363819B (zh) | 大数据任务动态编排调度方法、装置及计算设备 | |
CN116109285A (zh) | 人力资源的调配方法、装置、设备及存储介质 | |
CN114791985A (zh) | 域名匹配方法及装置、前缀树更新方法及装置 | |
Van Der Zee et al. | Family based dispatching in manufacturing networks | |
Roozmand et al. | Parallel ant miner 2 | |
CN114817315B (zh) | 数据处理方法以及系统 | |
Shahzad et al. | Compatibility as a heuristic for construction of rules by artificial ants | |
Wang et al. | Deep Back-Filling: a Split Window Technique for Deep Online Cluster Job Scheduling | |
Fern et al. | Reinforcement learning in relational domains: A policy-language approach | |
CN106708977A (zh) | 一种对网页信息条文排序的方法及装置 |
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: 20210423 |