CN112836914A - 订单结构的调整方法、装置、存储介质及电子设备 - Google Patents
订单结构的调整方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112836914A CN112836914A CN201911168516.6A CN201911168516A CN112836914A CN 112836914 A CN112836914 A CN 112836914A CN 201911168516 A CN201911168516 A CN 201911168516A CN 112836914 A CN112836914 A CN 112836914A
- Authority
- CN
- China
- Prior art keywords
- order structure
- target
- order
- pareto optimal
- optimal set
- 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 53
- 238000005457 optimization Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 238000006467 substitution reaction Methods 0.000 claims description 14
- 230000006399 behavior Effects 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种订单结构的调整方法、装置、存储介质及电子设备,所述方法包括:响应于订单结构调整指令,确定目标区域当前的订单结构可行域;从所述订单结构可行域中的每一种订单结构中,确定使得指标项达到最优值的目标订单结构;根据所述目标订单结构对所述目标区域当前的订单结构进行调整。
Description
技术领域
本公开涉及信息技术领域,具体地,涉及一种订单结构的调整方法、装 置、存储介质及电子设备。
背景技术
外卖作为一种连接商家与用户的新型餐饮方式,近年来得到了迅猛的发 展。一般来说,外卖订单具有较为明显的时间分布特征和地理空间分布特征, 并且在外卖订单配送过程中,一定区域内的运力也是相对有限的。
相关技术中,通常是依据所处区域的订单分布状态和运力来进行订单的 配送调度,即确定每一订单的配送方式,该配送方式例如可以是配送人员, 配送顺序等。
发明内容
本公开的目的是提供一种订单结构的调整方法、装置、存储介质及电子 设备,用以解决上述技术问题。
为了实现上述目的,第一方面,本公开提供一种订单结构的调整方法, 包括:
响应于订单结构调整指令,确定目标区域当前的订单结构可行域;
从所述订单结构可行域中的每一种订单结构中,确定使得指标项达到最 优值的目标订单结构;
根据所述目标订单结构对所述目标区域当前的订单结构进行调整。
也就是说,能够依据订单结构对指标项的影响关系,调整目标区域的订 单结构,使得在调整后的订单结构下,目标区域的指标项达到最优(该指标 项例如可以是与订单配送效率相关的指标项),实现了对指标项的预先调整, 确保了目标区域的指标项能够得到及时的优化,即无需等到指标项的实际结 果产生之后再对指标项进行优化。
可选地,所述方法还包括:
在确定所述指标项发生变化时,生成所述订单结构调整指令;和/或,
在确定所述目标区域的订单结构可行域发生变化时,生成所述订单结构 调整指令。也就是说,可以根据相应订单指标项的需求对目标区域当前的订 单结构进行调整,从而使得所述目标区域当前的订单结构产生相应的变化, 进而能够改变相关订单处理流程的结果,满足对应的指标项需求(例如提升 订单调度过程的效率,满足相应的配送时长指标需求)。
可选地,所述订单结构可行域包括发件地址、收件地址以及发单时间三 个维度上的可行集;
其中,每一所述订单结构是从所述订单结构可行域各维度上的可行集中 选择出的任一发件地址、任一收件地址以及任一发单时间组合得到的。这样, 可以从订单结构各维度上的可行集中组合得到各所述订单结构,为寻找所述 目标订单结构提供了数据基础。
可选地,所述指标项包括用于代表配送效率的指标项,和用于代表用户 收单体验的指标项;或者,
所述指标项包括以下指标中的至少一者:订单平均配送时长、订单高峰 期配送时长、骑手人均配送效率、骑手平均收入以及订单配送超时率。通过 综合多指标项来选择目标订单结构,并根据所述目标订单结构来调整当前订 单结构的方式,扩大了调整过程中的参考范围,降低了调整风险。
可选地,所述指标项为多个,所述从所述订单结构可行域中的每一种订 单结构中,确定使得指标项达到最优值的目标订单结构,包括:
根据多目标全局优化算法,在所述订单结构可行域中进行搜索,以确定 对应多个指标项的帕累托最优集,所述目标订单结构为帕累托最优集中的订 单结构。在所述订单结构的可行域中寻找对应所述多个指标项的帕累托最优 集的方式,使得所述目标订单结构所对应的指标项之间均达到了帕累托最优。 也就是说,根据所述目标订单结构对所述目标区域当前的订单结构进行调整, 能够更好的满足各所述指标项的需求。
可选地,所述根据多目标全局优化算法,在所述订单结构可行域中进行 搜索,以确定对应多个指标项的帕累托最优集,包括:
迭代执行所述多目标全局优化算法,根据最终次迭代执行所述多目标全 局优化算法的输出结果确定所述帕累托最优集,其中,第一次迭代输入多目 标全局优化算法的订单结构是从所述订单结构可行域中随机选择出的部分 订单结构;
第N次迭代输入的订单结构是通过如下方式选择的:
根据中间帕累托最优集,以及所述中间帕累托最优集对应的指标项结果, 构建由订单结构映射到指标项的替代函数,所述中间帕累托最优集包括第 N-1次迭代得到的第一帕累托最优集,N为大于1的正整数;
根据所述替代函数从所述订单结构可行域中确定第二帕累托最优集,并 根据所述第一帕累托最优集以及所述第二帕累托最优集确定第N次迭代输 入的订单结构。采用这样的方式,能够更快速的确定所述帕累托最优集。
可选地,所述根据所述目标订单结构对所述目标区域当前的订单结构进 行调整,包括:
确定所述目标订单结构相对于所述目标区域当前的订单结构具有的差 异信息,所述差异信息包括发件地址差异信息、发单时间差异信息以及收件 地址差异信息中的一者或多者;
根据所述差异信息引导用户的下单行为,使得所述目标区域当前的订单 结构向所述目标订单结构趋近,所述下单行为包括进行下单的时间和/或下单 选择的发件地址。上述方法通过确定目标订单结构与目标区域当前的订单结 构之间的差异信息以及根据所述差异信息对用户的下单行为进行引导的方 式,能够使得当前的订单结构向所述目标订单结构趋近,最终提升相关指标 项的实际表现。
第二方面,本公开提供一种订单结构的调整装置,包括:
第一确定模块,用于响应订单结构调整指令,确定目标区域当前的订单 结构可行域;
第二确定模块,用于从所述订单结构可行域中的每一种订单结构中,确 定使得指标项达到最优值的目标订单结构;
调整模块,用于根据所述目标订单结构对所述目标区域当前的订单结构 进行调整。
所述装置能够依据订单结构对指标项的影响关系,调整目标区域的订单 结构,使得在调整后的订单结构下,目标区域的指标项达到最优(该指标项 例如可以是与订单配送效率相关的指标项),实现了对指标项的预先调整, 确保了目标区域的指标项能够得到及时的优化,即无需等到指标项的实际结 果产生之后再对指标项进行优化。
可选地,所述装置还包括:
第三确定模块,用于在确定所述指标项发生变化时,生成所述订单结构 调整指令;和/或,
第三确定模块,用于在确定所述目标区域的订单结构可行域发生变化时, 生成所述订单结构调整指令。
可选地,所述订单结构可行域包括发件地址、收件地址以及发单时间三 个维度上的可行集;
其中,每一所述订单结构是从所述订单结构可行域各维度上的可行集中 选择出的任一发件地址、任一收件地址以及任一发单时间组合得到的。
可选地,所述指标项包括用于代表配送效率的指标项,和用于代表用户 收单体验的指标项;或者,
所述指标项包括以下指标中的至少一者:订单平均配送时长、订单高峰 期配送时长、骑手人均配送效率、骑手平均收入以及订单配送超时率。
可选地,所述指标项为多个,所述第二确定模块,包括:
第一确定子模块,用于根据多目标全局优化算法,在所述订单结构可行 域中进行搜索,以确定对应多个指标项的帕累托最优集,所述目标订单结构 为帕累托最优集中的订单结构。
可选地,所述第一确定子模块,包括:
迭代子单元,用于迭代执行所述多目标全局优化算法,根据最终次迭代 执行所述多目标全局优化算法的输出结果确定所述帕累托最优集;
其中,第一次迭代输入多目标全局优化算法的订单结构是从所述订单结 构可行域中随机选择出的部分订单结构;
第N次迭代输入的订单结构是通过如下方式选择的:
根据中间帕累托最优集,以及所述中间帕累托最优集对应的指标项结果, 构建由订单结构映射到指标项的替代函数,所述中间帕累托最优集包括第 N-1次迭代得到的第一帕累托最优集,N为大于1的正整数;
根据所述替代函数从所述订单结构可行域中确定第二帕累托最优集,并 根据所述第一帕累托最优集以及所述第二帕累托最优集确定第N次迭代输 入的订单结构。
可选地,所述调整模块,包括:
第二确定子模块。用于确定所述目标订单结构相对于所述目标区域当前 的订单结构具有的差异信息,所述差异信息包括发件地址差异信息、发单时 间差异信息以及收件地址差异信息中的一者或多者;
执行子模块,用于根据所述差异信息引导用户的下单行为,使得所述目 标区域当前的订单结构向所述目标订单结构趋近,所述下单行为包括进行下 单的时间和/或下单选择的发件地址。
第三方面,本公开提供一种计算机可读存储介质,其上存储有计算机程 序,该程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现上述第一方 面中任一项所述方法的步骤。
上述技术方案至少能够包括如下技术效果:
能够依据订单结构对指标项的影响关系,调整目标区域的订单结构,使 得在调整后的订单结构下,目标区域的指标项达到最优(该指标项例如可以 是与订单配送效率相关的指标项),实现了对指标项的预先调整,确保了目 标区域的指标项能够得到及时的优化,即无需等到指标项的实际结果产生之 后再对指标项进行优化。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与 下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在 附图中:
图1是本公开一示例性实施例所示出的一种订单结构的调整方法的流程 图。
图2是本公开一示例性实施例所示出的一种订单结构的调整方法的迭代 步骤的示意图。
图3是本公开一示例性实施例所示出的一种第一帕累托最优集的示意图。
图4是本公开一示例性实施例所示出的一种替代函数的示意图。
图5是本公开一示例性实施例所示出的一种订单结构的调整装置的框图。
图6是本公开一示例性实施例所示出的一种电子设备的示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是, 此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公。
介绍本公开所提供的订单结构的调整方法之前,首先对本公开各实施例 的应用场景以及相关用语进行说明,本公开可以应用于各种与订单结构相关 联的场景中,例如订单调度场景、订单配送场景等等。其中,所述订单结构 可以是在一定时间长度区间中某一区域范围内的订单的集合,如一天、一周 或是一月中某一区域范围内的订单的集合。所述区域范围既可以是实际的地 理区域范围也可以指一些逻辑上的分类,所述订单还可以包括不同维度的属 性信息。
示例地,可以将订单用x来表示,所述订单可以包括诸如商家信息、用 户信息、金额信息、时间信息等等不同的维度。以订单包括发件地址u、收 件地址p、发单时间t三个维度为例,则订单i可以表示为xi=(ui,pi,ti)。 其中,ui∈U,U为商家地址的集合;pi∈P,P为收件地址的集合。
进一步举例,已知区域A在指定时间长度区间(例如10点至14点)会 产生5000个订单(例如是基于历史同期数据预测得到),则所述5000个订 单可以表示为X={x1,…,x5000},即所述5000个订单构成所述区域A的一 个订单结构X。应当理解,区域A产生的5000个订单可以是不同的,也就 是说,区域A的订单结构可以存在多种。
值得注意的是,不同的订单结构还可能影响相关订单处理流程的难度和 效率。以配送调度流程为例,一些订单结构例如订单结构中订单的发单时间 较为集中,发件地址与收件地址较为分散等情况可能会对调度系统产生较大 的影响,使得调度系统的订单调度难度加大,增大了订单配送超时的风险。
这样,本公开提供一种订单结构的调整方法,参照图1所示出的一种订 单结构的调整方法的流程图,所述方法包括:
S11,响应于订单结构调整指令,确定目标区域当前的订单结构可行域。
其中,所述订单结构调整指令可以包括需要调整的指标项,所述指标项 例如可以是平均配送时长、订单配送超时率等等。此外,由于订单结构可以 由多个订单组合而成,这样,所述确定目标区域当前的订单结构可行域可以 包括确定目标区域当前的订单的各维度上的可行域(如发件地址的可行域、 收件地址的可行域等等)。
S12,从所述订单结构可行域中的每一种订单结构中,确定使得指标项 达到最优值的目标订单结构。
其中,所述指标项的数量可以是一个或者多个。以订单配送为例,在从 订单结构可行域中的每一种订单结构中确定目标订单结构时,可以将各所述 订单结构输入至配送仿真系统,从而得到各所述订单结构所包括的订单的配 送仿真结果。在一实施例中,所述指标项的数量为一个,则控制端(例如可 以是服务器)可以根据各所述订单结构及其对应的仿真结果中的所述指标项 来确定所述目标订单结构。在另一实施例中,所述指标项的数量为多个,则 控制端可以根据各所述订单结构以及各所述订单结构在所述配送仿真系统的仿真结果,通过相应的多目标优化算法来确定所述目标订单结构,例如, 通过NSGA-ii算法、多目标粒子群算法等方式来确定所述目标订单结构。
S13,根据所述目标订单结构对所述目标区域当前的订单结构进行调整。
采用本实施例中的方式,能够依据订单结构对指标项的影响关系,调整 目标区域的订单结构,使得在调整后的订单结构下,目标区域的指标项达到 最优,实现了对指标项的预先调整,确保了目标区域的指标项能够得到及时 的优化,即无需等到指标项的实际结果产生之后再对指标项进行优化。
举例来讲,所述指标项是配送超时率时,采用上述方法来调整订单结构 能够使得目标区域的订单配送超时率降低;所述指标项是配送员收益时,采 用上述方法来调整订单结构能够使得目标区域的配送员的收益上升。在一实 施例中,所述指标项是配送超时率以及配送员收益,则采用上述方法来调整 订单结构能够使得目标区域的配送超时率以及配送员收益达到综合更优。
此外值得说明的是,所述订单结构调整指令可以是响应于用户的操作产 生的,也可以是控制端根据相应触发条件自动生成的。
这样,在一种可能的实施方式中,所述方法在图1的基础上还包括:
在确定所述指标项发生变化时,生成所述订单结构调整指令。
示例地,所述指标项的变化可以是用户根据相应需求在控制端操作设置 的,控制端通过响应所述用户的操作,生成所述订单结构调整指令。
在另一种可能的实施方式中,所述方法在图1的基础上还包括:
在确定所述目标区域的订单结构可行域发生变化时,生成所述订单调整 指令。
举例来讲,所述方法可以应用于服务器,所述服务器中存储有目标区域 的商家信息、区域地理信息、订单调整指令生成的决策规则等等。在所述服 务器检测到所述目标区域的商家信息和/或区域地理信息出现变化时,可以将 所述变化与所述决策规则进行匹配,进而确定是否生成订单调整指令,或是 生成何种订单调整指令。
除此之外,在具体实施时,控制端也可以综合所述指标项以及所述目标 区域的订单结构可行域的变化来生成所述订单结构调整指令,本公开对此不 作限定。
也就是说,可以根据相应订单指标项的需求对目标区域当前的订单结构 进行调整,从而从订单生成的阶段开始引导所述目标区域当前的订单结构产 生相应的变化,进而能够改变相关订单处理流程的结果,满足对应的指标项 需求(例如提升订单调度过程的效率,满足相应的配送时长指标需求)。
可选地,所述订单结构可行域包括发件地址、收件地址以及发单时间三 个维度上的可行集;
其中,每一所述订单结构是从所述订单结构可行域各维度上的可行集中 选择出的任一发件地址、任一收件地址以及任一发单时间组合得到的。此外, 在具体实施时所述订单结构也可以包括其他的维度。例如,在一实施例中, 所述订单结构在包括所述发件地址,收件地址,发单时间三个维度之外,还 可以包括期望送达时间这一维度。在另一实施例中,所述订单结构也可以包 括发件地址,收件地址以及期望送达时间三个维度。也就是说,上述订单结 构的维度可以随具体实施场景进行扩充或更改,本公开对所述订单结构的具体形式及内容不做限定。
这样,通过从订单结构各维度上的可行集中来组合得到各所述订单结构 的方式,为寻找所述目标订单结构提供了数据基础。
可选地,所述指标项包括用于代表配送效率的指标项和用于代表用户收 单体验的指标项,或者,
所述指标项包括以下指标中的至少一者:订单平均配送时长、订单高峰 期配送时长、骑手人均配送效率、骑手平均收入以及订单配送超时率。
这样,通过综合多指标项来选择目标订单结构,并根据所述目标订单结 构来调整当前订单结构调整的方式,扩大了调整过程中的参考范围,降低了 调整风险。
仍参照图1,可选地,所述指标项为多个,所述步骤S12包括:
根据多目标全局优化算法,在所述订单结构可行域中进行搜索,以确定 对应多个指标项的帕累托最优集,所述目标订单结构为帕累托最优集中的订 单结构。
应当理解的是,所述帕累托最优集中包括了多个对应于所述多个指标项 的订单结构,其中每一所述订单结构所对应的指标项之间均达到了帕累托最 优。这样,在需要调整某一指标项时,可以通过查找所述帕累托最优集中的 各订单结构,进而选择出目标订单结构。也就是说,通过确定所述帕累托最 优集,在后续的调整过程中可以将所述帕累托最优集作为一个参照,为订单 结构调整进行指导。并且,根据所述帕累托最优集中选择的目标订单结构来 对所述目标区域当前的订单结构进行调整,也能够更好的满足各所述指标项 的需求。
可选地,所述根据多目标全局优化算法,在所述订单结构可行域中进行 搜索,以确定对应多个指标项的帕累托最优集,包括:
迭代执行所述多目标全局优化算法,根据最终次迭代执行所述多目标全 局优化算法的输出结果确定所述帕累托最优集,其中,第一次迭代输入多目 标全局优化算法的订单结构是从所述订单结构可行域中随机选择出的部分 订单结构;
第N次迭代输入的订单结构是通过如下方式选择的:
根据中间帕累托最优集,以及所述中间帕累托最优集对应的指标项结果, 构建由订单结构映射到指标项的替代函数,所述中间帕累托最优集包括第 N-1次迭代得到的第一帕累托最优集,N为大于1的正整数;
根据所述替代函数从所述订单结构可行域中确定第二帕累托最优集,并 根据所述第一帕累托最优集以及所述第二帕累托最优集确定第N次迭代输 入的订单结构。
示例地,参照图2所示出的一种订单结构的调整方法的迭代步骤的示意 图,所述迭代执行所述多目标全局优化算法,根据最终次迭代执行所述多目 标全局优化算法的输出结果确定所述帕累托最优集,包括:
迭代执行如下步骤直至迭代次数达到预设阈值:
S21,将样本订单结构集合输入到仿真系统,得到对应的配送结果集合; 其中,所述样本订单结构集合是从所述订单结构可行域中随机选择出的部分 订单结构;
S22,根据所述配送结果集合确定指标项仿真值,并根据所述指标项仿 真值从所述样本订单结构集合中确定对应于所述指标项的第一帕累托最优 集;
S23,根据所述样本订单结构集合和所述配送结果集合构建所述仿真系 统的替代函数;
S24,通过所述仿真系统的替代函数,根据所述订单结构的可行域,对 各指标项进行多目标优化,得到第二帕累托最优集;
S25,对所述第一帕累托最优集中的订单结构元素进行变异;
S26,根据所述第一帕累托最优集,所述第二帕累托最优集,以及变异 后的所述第一帕累托最优集,生成新的样本订单结构集合,以根据所述新的 样本订单结构集合进行下一次迭代。
其中,最后一次迭代过程中得到的所述第一帕累托最优集为所述目标帕 累托最优集。
值得注意的是,在进行迭代搜索之前,还可以对所述订单结构进行预处 理。示例地,可以根据发单时间、收件地址、发件地址中的一者或多者,对 所述可行域内的每一可能的订单结构进行聚类分组,从而降低计算复杂度。
在一实施例中,还可以对所述可行域内的每一可能的订单结构进行编码, 从而将所述可行域映射到[0,1]d。其中,每一订单结构编码之后为[0,1]的任 一实数,d为订单结构的数量。也就是说,可以通过编码的方式将包括多个 维度的订单结构转化为一维,从而将可行域映射为一个1×d的矩阵,降低 计算难度。
以下对上述迭代步骤进行详细说明,在步骤S21中,可以采用拉丁超立 方抽样从所述订单结构的可行域中抽取预设数量个订单结构。
通过将包括所述预设数量个订单结构的样本订单结构集合输入到仿真 系统,进而得到对应于所述样本订单结构集合的指标项仿真值集合。根据所 述指标项仿真值集合从所述样本订单结构集合中确定的对应于所述指标项 的第一帕累托最优集如图3所示(以指标项仅包括f1(x)、f2(x)为例)。
在步骤S23中,可以根据所述样本订单结构集合以及仿真得到的所述指 标项仿真值集合通过样条插值、RBF(Radial Basis Function,径向基函数)、 SVM(Support VectorMachines,支持向量机)等方法构建所述仿真系统的 替代函数gm(x)。应当理解的是,所述仿真系统的替代函数gm(x)相对于仿 真系统f(x),在计算订单结构所对应的指标项值的速度上有较大的提升。
除了上述实施例,所述步骤S23中,在构建仿真系统的替代函数时,还 可以根据历史迭代过程中每一次迭代(或是根据需要确定的某些次迭代)得 到的所述第一帕累托最优集、该第一帕累托最优集中的订单结构所对应的仿 真指标项结果来构建所述仿真系统的替代函数。在另一实施例中,也可以根 据历史迭代过程中所有输入到仿真系统中的订单结构,以及该订单结构所对 应的仿真指标项结果来构建所述替代函数,从而能够提升所述替代函数的精 确度。
在步骤S24中,可以利用所述仿真系统的替代函数gm(x)能够快速计算 订单结构所对应的指标项值的特点,针对订单结构的可行域,在gm(x)上采 用NSGA-ii等多目标搜索算法对各指标项进行多目标优化,得到所述第二帕 累托最优集如图4所示(Dm)。
在步骤S25中,示例地,针对所述第一帕累托最优集中的每一订单结构, 可以通过随机生成0均值高斯分布的随机向量为噪声项,将所述噪声项与待 变异的订单结构信息所对应的向量相加从而实现变异的效果,得到变异后的 所述第一帕累托最优集(Em)如图4所示。
在步骤S26中,可以通过计算所述第二帕累托最优集,以及变异后的所 述第一帕累托最优集中各个订单结构信息的拥挤度,从而根据所述拥挤度的 排序选择出若干数量的订单结构信息,将所述若干数量的订单结构信息添加 至所述第一帕累托最优集,从而生成新的样本订单结构集合。
在一种可能的实施方式中,所述步骤S26包括:
根据所述第二帕累托最优集的集合分布属性从所述第二帕累托最优集 中选择第一集合;
根据变异后所述第一帕累托最优集的集合分布属性从变异后的所述第 一帕累托最优集中选择第二集合;
将所述第一帕累托最优集,所述第一集合,所述第二集合组合为新的样 本订单结构集合;
其中,所述集合分布属性包括拥挤度、超体积hypervolum、完整性中的 至少一者。
示例地,可以通过计算所述第二帕累托最优集,以及变异后的所述第一 帕累托最优集中的每一订单结构的所述拥挤度、hypervolum以及完整性值, 并通过对所述拥挤度、hypervolum以及完整性分别设置相应的权重值,从而 能够计算出各订单结构的综合分数值。通过对所述综合分数值进行排序,从 而能够依据所述综合分数值分别从所述第二帕累托最优集,以及变异后的所 述第一帕累托最优集中选择出预设数量的订单结构,即所述第一集合和第二 集合。
值得说明的是,每次迭代过程中,也可以根据当前的第二帕累托最优集, 以及变异后的第一帕累托最优集中的每一订单结构信息的拥挤度、 hypervolum以及完整性值,以及历史迭代过程中的第一帕累托最优集,第二 帕累托最优集中的每一订单结构信息的拥挤度、hypervolum以及完整性值, 更改所述拥挤度、hypervolum以及完整性的权重值。
示例地,若通过计算当前迭代过程中的第二帕累托最优集,以及变异后 的第一帕累托最优集中的订单结构的所述拥挤度、hypervolum以及完整性值, 确定本次迭代过程相比于前一次,所述hypervolume提高5%,拥挤度提高 10%,完整性提高15%,则本次迭代中在计算各订单结构的综合分数值时可 以将完整性的权重值进行提升。
上述实施例中,所述拥挤度、hypervolum以及完整性的含义以及计算方 式均有现有定义,本申请在此不做赘述。
采用上述订单结构的调整方法,能够根据目标区域内的订单结构的可行 集以及仿真系统输出的各订单结构所对应的指标项值,对各指标项进行多目 标优化,从而找到对应于各指标项的帕累托前沿,起到为相关决策提供支撑 的效果。
可选地,所述根据所述目标订单结构对所述目标区域当前的订单结构进 行调整,包括:
确定所述目标订单结构相对于所述目标区域当前的订单结构具有的差 异信息,所述差异信息包括发件地址差异信息、发单时间差异信息以及收件 地址差异信息中的一者或多者;
根据所述差异信息引导用户的下单行为,使得所述目标区域当前的订单 结构向所述目标订单结构趋近,所述下单行为包括进行下单的时间和/或下单 选择的发件地址。
值得说明的是,对于用户的订单需求,其收件地址往往是确定的,但发 件地址可以有相应的变化空间(例如某连锁店在不同地理区域均有分布的情 况,或是同一网上超市的不同发货仓库等等)。此外,订单的发单时间也可 以存在一定的变化区间。也就是说,目标区域的订单结构具有一定的引导调 整空间。
示例地,在需要将目标区域的平均订单配送时长更改至30分钟时,可 以根据所述平均订单配送时长指标项通过上述实施例中的方法确定目标订 单结构。并根据所述目标区域近期的订单数据与目标订单结构中的订单数据 的差异,确定有助于订单指标项优化的调整目标。从而通过调整商家排序的 方式引导订单结构中的发货地址改变,以及通过推送优惠信息、更改不同时 段的配送费用等方式来引导订单生成时间的变化。最终使得目标区域的实际 订单结构趋向于所述目标订单结构,摆脱了相关技术中被动接收订单进行配送的局限性,为运力调度提供更大的空间。
图5是本公开一示例性实施例所示出的一种订单结构的调整装置的框图, 参照图5,所述装置包括:
第一确定模块501,用于响应订单结构调整指令,确定目标区域当前的 订单结构可行域;
第二确定模块502,用于从所述订单结构可行域中的每一种订单结构中, 确定使得指标项达到最优值的目标订单结构;
调整模块503,用于根据所述目标订单结构对所述目标区域当前的订单 结构进行调整。
所述装置能够依据订单结构对指标项的影响关系,调整目标区域的订单 结构,使得在调整后的订单结构下,目标区域的指标项达到最优,实现了对 指标项的预先调整,确保了目标区域的指标项能够得到及时的优化,即无需 等到指标项的实际结果产生之后再对指标项进行优化。
可选地,所述装置还包括:
第三确定模块,用于在确定所述指标项发生变化时,生成所述订单结构 调整指令;和/或,
第三确定模块,用于在确定所述目标区域的订单结构可行域发生变化时, 生成所述订单结构调整指令。
可选地,所述订单结构可行域包括发件地址、收件地址以及发单时间三 个维度上的可行集;
其中,每一所述订单结构是从所述订单结构可行域各维度上的可行集中 选择出的任一发件地址、任一收件地址以及任一发单时间组合得到的。
可选地,所述指标项包括用于代表配送效率的指标项,和用于代表用户 收单体验的指标项;或者,
所述指标项包括以下指标中的至少一者:订单平均配送时长、订单高峰 期配送时长、骑手人均配送效率、骑手平均收入以及订单配送超时率。
可选地,所述指标项为多个,所述第二确定模块,包括:
第一确定子模块,用于根据多目标全局优化算法,在所述订单结构可行 域中进行搜索,以确定对应多个指标项的帕累托最优集,所述目标订单结构 为帕累托最优集中的订单结构。
可选地,所述第一确定子模块,包括:
迭代子单元,用于迭代执行所述多目标全局优化算法,根据最终次迭代 执行所述多目标全局优化算法的输出结果确定所述帕累托最优集;
其中,第一次迭代输入多目标全局优化算法的订单结构是从所述订单结 构可行域中随机选择出的部分订单结构;
第N次迭代输入的订单结构是通过如下方式选择的:
根据中间帕累托最优集,以及所述中间帕累托最优集对应的指标项结果, 构建由订单结构映射到指标项的替代函数,所述中间帕累托最优集包括第 N-1次迭代得到的第一帕累托最优集,N为大于1的正整数;
根据所述替代函数从所述订单结构可行域中确定第二帕累托最优集,并 根据所述第一帕累托最优集以及所述第二帕累托最优集确定第N次迭代输 入的订单结构。
可选地,所述调整模块,包括:
第二确定子模块。用于确定所述目标订单结构相对于所述目标区域当前 的订单结构具有的差异信息,所述差异信息包括发件地址差异信息、发单时 间差异信息以及收件地址差异信息中的一者或多者;
执行子模块,用于根据所述差异信息引导用户的下单行为,使得所述目 标区域当前的订单结构向所述目标订单结构趋近,所述下单行为包括进行下 单的时间和/或下单选择的发件地址。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该程 序被处理器执行时实现如图1所示的订单结构的调整方法的步骤。
本公开还提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现如图1所示 的订单结构的调整方法的步骤。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有 关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种电子设备600的框图。例如,电 子设备600可以被提供为一服务器。参照图6,电子设备600包括处理器622, 其数量可以为一个或多个,以及存储器632,用于存储可由处理器622执行 的计算机程序。存储器632中存储的计算机程序可以包括一个或一个以上的 每一个对应于一组指令的模块。此外,处理器622可以被配置为执行该计算 机程序,以执行上述的订单结构的调整方法。
另外,电子设备600还可以包括电源组件626和通信组件650,该电源 组件626可以被配置为执行电子设备600的电源管理,该通信组件650可以 被配置为实现电子设备600的通信,例如,有线或无线通信。此外,该电子 设备600还可以包括输入/输出(I/O)接口658。电子设备600可以操作基 于存储在存储器632的操作系统,例如Windows ServerTM,Mac OSXTM, UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储 介质,该程序指令被处理器执行时实现上述的订单结构的调整方法的步骤。 例如,该计算机可读存储介质可以为上述包括程序指令的存储器632,上述 程序指令可由电子设备600的处理器622执行以完成上述的订单结构的调整 方法。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产 品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可 编程的装置执行时用于执行上述的订单结构的调整方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限 于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开 的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征, 在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的 重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其 不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (10)
1.一种订单结构的调整方法,其特征在于,包括:
响应于订单结构调整指令,确定目标区域当前的订单结构可行域;
从所述订单结构可行域中的每一种订单结构中,确定使得指标项达到最优值的目标订单结构;
根据所述目标订单结构对所述目标区域当前的订单结构进行调整。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在确定所述指标项发生变化时,生成所述订单结构调整指令;和/或,
在确定所述目标区域的订单结构可行域发生变化时,生成所述订单结构调整指令。
3.根据权利要求1所述的方法,其特征在于,所述订单结构可行域包括发件地址、收件地址以及发单时间三个维度上的可行集;
其中,每一所述订单结构是从所述订单结构可行域各维度上的可行集中选择出的任一发件地址、任一收件地址以及任一发单时间组合得到的。
4.根据权利要求1所述的方法,其特征在于,所述指标项包括用于代表配送效率的指标项,和用于代表用户收单体验的指标项;或者,
所述指标项包括以下指标中的至少一者:订单平均配送时长、订单高峰期配送时长、骑手人均配送效率、骑手平均收入以及订单配送超时率。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述指标项为多个,所述从所述订单结构可行域中的每一种订单结构中,确定使得指标项达到最优值的目标订单结构,包括:
根据多目标全局优化算法,在所述订单结构可行域中进行搜索,以确定对应多个指标项的帕累托最优集,所述目标订单结构为帕累托最优集中的订单结构。
6.根据权利要求5所述的方法,其特征在于,所述根据多目标全局优化算法,在所述订单结构可行域中进行搜索,以确定对应多个指标项的帕累托最优集,包括:
迭代执行所述多目标全局优化算法,根据最终次迭代执行所述多目标全局优化算法的输出结果确定所述帕累托最优集,其中,第一次迭代输入多目标全局优化算法的订单结构是从所述订单结构可行域中随机选择出的部分订单结构;
第N次迭代输入的订单结构是通过如下方式选择的:
根据中间帕累托最优集,以及所述中间帕累托最优集对应的指标项结果,构建由订单结构映射到指标项的替代函数,所述中间帕累托最优集包括第N-1次迭代得到的第一帕累托最优集,N为大于1的正整数;
根据所述替代函数从所述订单结构可行域中确定第二帕累托最优集,并根据所述第一帕累托最优集以及所述第二帕累托最优集确定第N次迭代输入的订单结构。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标订单结构对所述目标区域当前的订单结构进行调整,包括:
确定所述目标订单结构相对于所述目标区域当前的订单结构具有的差异信息,所述差异信息包括发件地址差异信息、发单时间差异信息以及收件地址差异信息中的一者或多者;
根据所述差异信息引导用户的下单行为,使得所述目标区域当前的订单结构向所述目标订单结构趋近,所述下单行为包括进行下单的时间和/或下单选择的发件地址。
8.一种订单结构的调整装置,其特征在于,包括:
第一确定模块,用于响应订单结构调整指令,确定目标区域当前的订单结构可行域;
第二确定模块,用于从所述订单结构可行域中的每一种订单结构中,确定使得指标项达到最优值的目标订单结构;
调整模块,用于根据所述目标订单结构对所述目标区域当前的订单结构进行调整。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168516.6A CN112836914A (zh) | 2019-11-25 | 2019-11-25 | 订单结构的调整方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168516.6A CN112836914A (zh) | 2019-11-25 | 2019-11-25 | 订单结构的调整方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112836914A true CN112836914A (zh) | 2021-05-25 |
Family
ID=75923021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911168516.6A Pending CN112836914A (zh) | 2019-11-25 | 2019-11-25 | 订单结构的调整方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836914A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180012153A1 (en) * | 2015-01-29 | 2018-01-11 | Beijing Didi Infinity Technology And Development C O., Ltd. | Order allocation system and method |
CN108229864A (zh) * | 2018-03-05 | 2018-06-29 | 北京三快在线科技有限公司 | 订单的分配方法、装置及电子设备 |
CN108932566A (zh) * | 2018-07-19 | 2018-12-04 | 重庆邮电大学 | 基于改进蝙蝠算法求解电力系统多目标有功调度的方法 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN109426896A (zh) * | 2017-08-23 | 2019-03-05 | 北京三快在线科技有限公司 | 一种确定区域运力状态的方法及装置、电子设备 |
CN109508862A (zh) * | 2018-10-10 | 2019-03-22 | 达疆网络科技(上海)有限公司 | 一种配送方法和装置 |
CN110119847A (zh) * | 2019-05-14 | 2019-08-13 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法、装置、存储介质和电子设备 |
-
2019
- 2019-11-25 CN CN201911168516.6A patent/CN112836914A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180012153A1 (en) * | 2015-01-29 | 2018-01-11 | Beijing Didi Infinity Technology And Development C O., Ltd. | Order allocation system and method |
CN109426896A (zh) * | 2017-08-23 | 2019-03-05 | 北京三快在线科技有限公司 | 一种确定区域运力状态的方法及装置、电子设备 |
CN108229864A (zh) * | 2018-03-05 | 2018-06-29 | 北京三快在线科技有限公司 | 订单的分配方法、装置及电子设备 |
CN108932566A (zh) * | 2018-07-19 | 2018-12-04 | 重庆邮电大学 | 基于改进蝙蝠算法求解电力系统多目标有功调度的方法 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN109508862A (zh) * | 2018-10-10 | 2019-03-22 | 达疆网络科技(上海)有限公司 | 一种配送方法和装置 |
CN110119847A (zh) * | 2019-05-14 | 2019-08-13 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法、装置、存储介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3893154A1 (en) | Recommendation model training method and related apparatus | |
JP5755822B1 (ja) | 類似度算出システム、類似度算出方法およびプログラム | |
CN105574025A (zh) | 用于计算排序分及建立模型的方法、装置及商品推荐系统 | |
CN113869801B (zh) | 一种企业数字中台的成熟状态评估方法和装置 | |
CN104331411A (zh) | 推荐项目的方法和装置 | |
CN110909182A (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
US11450042B2 (en) | Data processing for generating a random walk sequence | |
CN113687780B (zh) | 分布式存储服务端QoS优化方法、系统、终端及存储介质 | |
CN112654003A (zh) | 一种发送消息的方法、装置、存储介质及电子设备 | |
CN112328865B (zh) | 信息处理和推荐方法、装置、设备及存储介质 | |
CN112231466A (zh) | 撮合活动中的企业匹配方法及装置 | |
CN111798167A (zh) | 一种仓库补货的方法和装置 | |
CN113963248A (zh) | 神经网络训练、场景决策的方法及装置、设备及存储介质 | |
CN112218114B (zh) | 视频缓存控制方法、装置和计算机可读存储介质 | |
CN112232605A (zh) | 派送资源的处理方法、装置、设备及计算机可读存储介质 | |
CN112836914A (zh) | 订单结构的调整方法、装置、存储介质及电子设备 | |
CN109450684B (zh) | 一种网络切片系统物理节点容量扩充方法及装置 | |
US20150310330A1 (en) | Computer-implemented method and system for digitizing decision-making processes | |
CN115185606A (zh) | 业务配置参数的获得方法、装置、设备及存储介质 | |
CN112579246B (zh) | 虚拟机迁移处理方法及装置 | |
CN114648666A (zh) | 分类模型训练和数据分类方法、装置和电子设备 | |
CN113704251A (zh) | 分布式存储数据库一体机的首页布局方法及装置 | |
Al Moaiad et al. | Prioritization tool of Cloud Computing service provider based on user requirement | |
CN111080393A (zh) | 一种交易撮合方法及装置 | |
CN118232352B (zh) | 一种配电网自适应潮流优化方法及系统 |
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: 20210525 |