CN113888201A - 业务执行方法以及装置 - Google Patents

业务执行方法以及装置 Download PDF

Info

Publication number
CN113888201A
CN113888201A CN202110989939.5A CN202110989939A CN113888201A CN 113888201 A CN113888201 A CN 113888201A CN 202110989939 A CN202110989939 A CN 202110989939A CN 113888201 A CN113888201 A CN 113888201A
Authority
CN
China
Prior art keywords
service
execution
target
data
value
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
Application number
CN202110989939.5A
Other languages
English (en)
Inventor
何悦
吴笛
陈秀君
谭庆
许俭
喻川
朱小强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba China Co Ltd
Original Assignee
Alibaba China Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba China Co Ltd filed Critical Alibaba China Co Ltd
Priority to CN202110989939.5A priority Critical patent/CN113888201A/zh
Publication of CN113888201A publication Critical patent/CN113888201A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0249—Advertisements based upon budgets or funds
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供业务执行方法以及装置，其中所述业务执行方法包括：首先获取目标业务的执行请求，其中，执行请求携带有执行目标业务的预投入数据和业务目标数据；然后以预投入数据和业务目标数据为约束条件，构建符合目标业务执行模型；再利用所述目标业务执行模型，确定执行目标业务的执行策略。通过以目标业务的执行请求携带的预投入数据和业务目标数据为约束条件，建立目标业务执行模型，实现了将业务进行统一规划，一定程度上提高了确定执行策略的效率，使业务执行时可以有统一最优的执行策略。

Description

业务执行方法以及装置
技术领域
本说明书实施例涉及计算机技术领域，特别涉及一种业务执行方法。
背景技术
随着计算机技术的快速发展，各种各样广告展示方式层出不穷，在广告展示领域，在线展示广告非常流行。在线展示广告场景下，广告主通常以实时竞价的方式获取曝光机会。大多数广告平台的广告主最常见的需求为，在预算及某些关键绩效指标(KeyPerformance Indicator，KPI)约束下最大化竞得流量的价值，如在预算和点击成本约束下最大化点击量。每个广告主的投放需求在营销目标(如点击、曝光)、KPI约束类型(如点击成本上界、点击率下界)以及KPI约束数量三个维度上都有很大不同。
现有技术中，采用线性插值对参数进行调控，以全天的参竞环境较为平稳为前提，结合根据上一调控时间段的投放结果以及剩余调控时间对参数进行调控。然而上述方法局限于参竞环境较为平稳的投放需求，缺乏通用性，且很难达到最优投放结果。因此亟需一种有效的方案以解决上述问题。
发明内容
有鉴于此，本说明书施例提供了一种业务执行方法。本说明书一个或者多个实施例同时涉及一种业务执行装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种业务执行方法，包括：
获取目标业务的执行请求，执行请求携带有执行目标业务的预投入数据和业务目标数据；
以预投入数据和业务目标数据为约束条件，构建目标业务执行模型；
利用目标业务执行模型，确定执行目标业务的执行策略。
可选地，以预投入数据和业务目标数据为约束条件，构建目标业务执行模型，包括：
以预投入执行数据和业务目标数据为约束条件，构建线性规划模型，线性规划模型表征业务目标数据与预投入数据间的约束关系；
利用线性规划模型，构建初始业务执行模型；
根据预设调整规则，调整初始业务执行模型的至少一个业务执行参数，得到目标业务执行模型。
可选地，利用线性规划模型，构建初始业务执行模型，包括：
识别业务目标数据的数据类型；
根据业务目标数据的数据类型，将业务目标数据划分为第一类数据和第二类数据，第一类数据与预投入数据相关，第二类数据与预投入数据无关；
根据第一类数据和第二类数据，利用线性规划模型，构建初始业务执行模型。
可选地，根据预设调整规则，调整初始业务执行模型的至少一个业务执行参数，得到目标业务执行模型，包括：
获取历史业务的执行状态；
根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值；
根据至少一个业务执行参数的目标值，更新初始业务执行模型，得到所述目标业务执行模型。
可选地，根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值，包括：
根据历史业务的执行状态和至少一个业务执行参数的初始值，利用评价函数，确定至少一个业务执行参数的初始值对应的评价结果；
根据评价结果，利用策略函数，确定至少一个业务执行参数的初始值的调整策略；
根据调整策略，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
可选地，根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值，包括：
计算历史业务的执行状态与预设的历史业务对应的目标执行状态的差异；
基于差异，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
可选地，根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值，包括：
根据历史业务的执行状态，按照预设度量规则，对至少一个业务执行参数的初始值进行度量，得到度量值；
在度量值小于度量阈值的情况下，调整至少一个业务执行参数的初始值，执行根据历史业务的执行状态，按照预设度量规则，对至少一个业务执行参数的初始值进行度量的步骤；
在度量值大于或等于度量阈值的情况下，将至少一个业务执行参数的初始值确定为至少一个业务执行参数的目标值。
可选地，根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值，包括：
获取预设的时间值；
每间隔时间值，根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
可选地，以预投入数据和业务目标数据为约束条件，构建符合线性规划模型，包括：
以预投入数据为第一约束条件，构建符合线性规划的预投入执行算法；
以业务目标数据为第二约束条件，构建符合线性规划的业务目标执行算法；
根据预投入执行算法和业务目标执行算法，构建线性规划模型。
根据本说明书实施例的第二方面，提供了一种业务执行装置，包括：
获取模块，被配置为获取目标业务的执行请求，执行请求携带有执行目标业务的预投入数据和业务目标数据；
构建模块，被配置为以预投入数据和业务目标数据为约束条件，构建目标业务执行模型；
确定模块，被配置为利用目标业务执行模型，确定执行目标业务的执行策略。
可选地，构建模块，还被配置为：
以预投入执行数据和业务目标数据为约束条件，构建线性规划模型，线性规划模型表征业务目标数据与预投入数据间的约束关系；
利用线性规划模型，构建初始业务执行模型；
根据预设调整规则，调整初始业务执行模型的至少一个业务执行参数，得到目标业务执行模型。
可选地，构建模块，还被配置为：
识别业务目标数据的数据类型；
根据业务目标数据的数据类型，将业务目标数据划分为第一类数据和第二类数据，第一类数据与预投入数据相关，第二类数据与预投入数据无关；
根据第一类数据和第二类数据，利用线性规划模型，构建初始业务执行模型。
可选地，构建模块，还被配置为：
获取历史业务的执行状态；
根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值；
根据至少一个业务执行参数的目标值，更新初始业务执行模型，得到目标业务执行模型。
可选地，构建模块，还被配置为：
根据历史业务的执行状态和至少一个业务执行参数的初始值，利用评价函数，确定至少一个业务执行参数的初始值对应的评价结果；
根据评价结果，利用策略函数，确定至少一个业务执行参数的初始值的调整策略；
根据调整策略，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
可选地，构建模块，还被配置为：
计算历史业务的执行状态与预设的历史业务对应的目标执行状态的差异；
基于差异，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
可选地，构建模块，还被配置为：
根据历史业务的执行状态，按照预设度量规则，对至少一个业务执行参数的初始值进行度量，得到度量值；
在度量值小于度量阈值的情况下，调整至少一个业务执行参数的初始值，执行根据历史业务的执行状态，按照预设度量规则，对至少一个业务执行参数的初始值进行度量的步骤；
在度量值大于或等于度量阈值的情况下，将至少一个业务执行参数的初始值确定为至少一个业务执行参数的目标值。
可选地，构建模块，还被配置为：
获取预设的时间值；
每间隔时间值，根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
可选地，构建模块，还被配置为：
以预投入数据为第一约束条件，构建符合线性规划的预投入执行算法；
以业务目标数据为第二约束条件，构建符合线性规划的业务目标执行算法；
根据预投入执行算法和业务目标执行算法，构建线性规划模型。
根据本说明书实施例的第三方面，提供了一种计算设备，包括：
存储器和处理器；
存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令：
获取目标业务的执行请求，执行请求携带有执行目标业务的预投入数据和业务目标数据；
以预投入数据和业务目标数据为约束条件，构建目标业务执行模型；
利用目标业务执行模型，确定执行目标业务的执行策略。
根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现任意一项业务执行方法的步骤。
根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当计算机程序在计算机中执行时，令计算机执行上述业务执行方法的步骤。
本说明书提供的一种业务执行方法：获取目标业务的执行请求，执行请求携带有执行目标业务的预投入数据和业务目标数据；以预投入数据和业务目标数据为约束条件，构建目标业务执行模型；利用目标业务执行模型，确定执行目标业务的执行策略。通过以目标业务的执行请求携带的预投入数据和业务目标数据为约束条件，建立目标业务执行模型，实现了将业务进行统一规划，一定程度上提高了确定执行策略的效率，使业务执行时可以有统一最优的执行策略。
附图说明
图1是本说明书一个实施例提供的一种业务执行方法的流程图；
图2是本说明书一个实施例提供的一种业务执行方法的处理过程流程图；
图3是本说明书一个实施例提供的一种业务执行装置的结构示意图；
图4是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附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他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并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，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，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，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
线性规划(LP，Linear programming)，是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。研究线性约束条件下线性目标函数的极值问题的数学理论和方法。
实时竞价：(RTB，Real Time Bidding)，是一种利用第三方技术在数以百万计的网站上针对每一个用户展示行为进行评估以及出价的竞价技术。
关键绩效指标：(KPI，Key Performance Indicator)，是指通过对关键参数进行设置、取样、计算、分析，衡量流程绩效的一种目标式量化管理指标，如展现、点击率、加购成本，点击率最小值等。
约束出价问题：在预算、多个KPI约束情况下，帮助广告主在RTB过程中优化其广告投放效果。
比例积分微分算法：(PID，Proportion Integral Differential)控制算法是结合比例、积分和微分三种环节于一体的控制算法。
参数调控服务：自动出价计划对每个页面浏览量(PV，page view)的出价依赖于出价参数。
接下来，对本说明书提供的业务执行方法的基本构思进行简述。
在线展示广告场景下，广告主通常以实时竞价的方式获取曝光机会。在大多数广告平台，广告主最常见的需求就是在预算及某些KPI约束下最大化竞得流量的价值(如在预算和点击成本约束下最大化点击量)。每个广告主的投放需求在营销目标(如点击、曝光)、KPI约束类型(如点击成本上界、点击率下界)以及KPI约束数量三个维度上都有很大不同。
现有技术中，大多采用线性插值对参数进行调控，以全天的参竞环境较为平稳为前提，结合根据上一调控时间段的投放结果以及剩余调控时间对参数进行调控；或者采用PID算法对参数进行调控，即在计划投放前人工设定每个时间段的消耗及各种指标的目标值，再利用PID算法对参数进行调控。
然而上述方法局限于某个特定的投放需求，缺乏通用性，或者很难达到最优投放结果。因此，在说明书中提出了一个可以解决上述问题的业务执行方法。
在本说明书中，提供了一种业务执行方法，本说明书同时涉及一种业务执行装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
图1示出了根据本说明书一个实施例提供的一种业务执行方法的流程图，具体包括以下步骤。
步骤102：获取目标业务的执行请求，所述执行请求携带有执行所述目标业务的预投入数据和业务目标数据。
具体的，业务可以是广告业务、采购业务、搬运业务等，本申请对此不做限定；目标业务是指需要确定执行策略的业务；预投入数据是指执行目标业务时，用户或者客户预计的投入数据，如预计投入的资源值、预计投入的人力物力等；业务目标数据是指业务执行时预计要达到指标数据，业务目标数据可以包括千人成本(CPM，Cost Per Mille)、每次点击成本(CPC，Cost Per Click)、每次操作成本(CPA，Cost Per Action)、投资回报率(ROI，Return On Investment)、点击率(CTR，Click Through Rate)和每次曝光转换(CPI，Conversion Per Impression)中的至少一个。
实际应用中，用户通过客户端或者平台，对用户需要执行的业务进行填写预投入数据、业务目标数据等内容，并在点击确认按键之后，本地将收到用户需要执行的业务的执行请求，也即目标业务的执行请求，其中，该执行请求中还携带有用户填写预投入数据和业务目标数据等数据。
例如，本地接收到用户针对目标采购业务的执行请求，其中该执行请求中携带有该目标采购业务的预投入数据“100资源值”和业务目标数据“每次操作成本1资源值”。
本实施例中，通过获取携带有执行目标业务的预投入数据和业务目标数据的执行请求，可以快速确定预投入数据和业务目标数据，为后续根据预投入数据和业务目标数据确定目标业务的执行策略奠定了基础，有利于提高确定执行策略的效率，进一步提高业务执行的效率。
步骤104：以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型。
在获取携带有执行目标业务的预投入数据和业务目标数据的执行请求的基础上，进一步地，根据预投入数据和业务目标数据，进行线性规划，构建目标业务执行模型。
具体的，约束条件是指在优化设计中，设计变量的取值范围的各种限制条件，预投入数据和每个业务目标数据都可以作为约束条件；线性规划是业务执行过程中进行科学管理的一种方法；业务执行模型是指以业务目标数据与预投入数据为输入、以执行策略为输出的模型，也即业务执行模型表征业务目标数据和预投入数据与执行策略的关系；目标业务执行模型是指参数为指定值的业务执行模型。
实际应用中，在获取了执行目标业务的预投入数据和业务目标数据后，需要根据将该预投入数据和业务目标数据作为约束条件，进而构建目标业务执行模型：可以以该预投入数据和业务目标数据作为一个约束条件，构建目标业务执行模型；可以以预投入数据作为一个约束条件、以业务目标数据作为另一个约束条件，构建目标业务执行模型；可以预投入数据作为一个约束条件、以预投入数据和业务目标数据作为另一个约束条件，构建目标业务执行模型；还可以以业务目标数据作为一个约束条件、以预投入数据和业务目标数据作为另一个约束条件，构建目标业务执行模型。本申请对此不做限定。
构建目标业务执行模型时，为了目标业务执行模型的有效性和准确度，进一步提高最终确定的执行策略的准确度和有效性，需要确定建立线性规划模型，根据线性规划模型构建初始业务执行模型，然后根据预设调整规则调整初始业务执行模型中的业务执行参数，从而得到目标业务执行模型。也即以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型的具体实现过程可以如下：
以所述预投入执行数据和所述业务目标数据为约束条件，构建线性规划模型，所述线性规划模型表征所述业务目标数据与所述预投入数据间的约束关系；
利用所述线性规划模型，构建初始业务执行模型；
根据预设调整规则，调整所述初始业务执行模型的至少一个业务执行参数，得到所述目标业务执行模型。
具体的，线性规划模型是指表征业务目标数据与预投入数据间的约束关系的模型；业务执行参数是指初始业务执行模型或目标业务执行模型中的参数。
实际应用中，需要先以预投入执行数据和业务目标数据为约束条件，构建表征业务目标数据与预投入数据间的约束关系的线性规划模型；然后根据线性规划模型，构建初始业务执行模型；接着根据预设调整规则，确定初始业务执行模型的至少一个业务执行参数，也即调整初始业务执行模型的至少一个业务执行参数，至少一个业务执行参数调整之后的初始业务执行模型，即为目标业务执行模型。
例如，预投入执行数据为a、业务目标数据为b1、b2，根据预投入执行数据为a和业务目标数据b构建了线性规划模型：max z＝b1+b2且hb1+gb2≤a，其中z表示业务目标数据为b1、b2时的价值，h和g为两个线性规划参数；然后根据线性规划模型，构建初始业务执行模型：s＝e1a+e2h+e2g，其中e1和e2为业务执行参数，s为业务的最优输出值；根据预设调整规则调整e1和e2，将调整后的e1和e2输入初始业务执行模型后，得到目标业务执行模型。
为了提高充分利用预投入数据和业务目标数据，提高目标业务执行模型输出的执行策略与预投入数据和业务目标数据，以及提高执行策略的优异性，同时减少数据的冗余处理，可以分别将预投入数据和业务目标数据作为约束条件，进而构建线性规划模型。也即以所述预投入数据和所述业务目标数据为约束条件，构建符合线性规划模型的具体实现过程可以如下：
以所述预投入数据为第一约束条件，构建符合线性规划的预投入执行算法；
以所述业务目标数据为第二约束条件，构建符合线性规划的业务目标执行算法；
根据所述预投入执行算法和所述业务目标执行算法，构建所述线性规划模型。
具体的，第一约束条件是指以预投入数据为约束的约束条件；预投入执行算法是指以预投入数据为输入为输出的算法；第二约束条件是指以业务目标数据为约束的约束条件；业务目标执行算法是指以业务目标数据为输入的算法。
实际应用中，为了避免超出用户或目标业务的预投入数据，可以将预投入数据作为第一约束条件，也即将预投入数据作为投入数据的上界，构建符合线性规划的预投入执行算法，如式1所示。
Σi ci xi≤B (式1)
式1中，i表示目标业务的效果；ci为达到效果i的需投入数据；xi是表征是否达到效果i的二进制指标；B为预投入数据。
进一步地，为了避免超出用户或目标业务的业务目标数据，可以将业务目标数据作为第二约束条件，也即将业务目标数据作为上界，构建符合线性规划的业务目标执行算法，如式2所示。
(Σi ci ICRj+qij(1-ICRj)xi)/(Σi Pij xi)≤Kj (式2)
式2中，i表示目标业务的效果；ci为达到效果i的需投入数据，qij和Pij可以是任何性能指标或常数，也即参数；ICRj是第j个业务目标数据是否为与预投入数据相关的指标函数；xi是表征是否达到效果i的二进制指标；Kj表示第j个业务目标数据的上界。
在得到预投入执行算法和业务目标执行算法后，进一步地，以目标业务的共同目标——最大化赢得总价值为基础，根据预投入执行算法和业务目标执行算法，构建线性规划模型，如式3所示。
maxΣivixi
s.tΣi ci xi≤B
Figure BDA0003231937570000081
Figure BDA0003231937570000082
Figure BDA0003231937570000083
式3中，i表示目标业务的效果；vi表示效果i的价值；ci为达到效果i的需投入数据；xi是表征是否达到效果i的二进制指标；qij和Pij可以是任何性能指标或常数，也即参数；ICRj是第j个业务目标数据是否为与预投入数据相关的指标函数；Kj表示第j个业务目标数据的上界；B为预投入数据。
例如，目标业务为广告业务，该广告业务的预投入数据为500、业务目标数据包括每次点击成本20和点击率80，该广告业务的效果为曝光次数，以500为第一约束条件建立投入执行算法；以所述20和80为第二约束条件，构建符合线性规划的业务目标执行算法，根据预投入执行算法和业务目标执行算法，构建的线性规划模型如式4所示。
maxΣivixi
s.tΣi ci xi≤500
(Σi ci ICR1+qi1(1-ICR1)xi)/(Σi Pi1 xi)≤20
(Σi ci ICR2+qi2(1-ICR2)xi)/(Σi Pi2 xi)≤80
Figure BDA0003231937570000084
Figure BDA0003231937570000085
式4中，i表示广告业务的曝光次数；vi表示曝光i次的价值；ci为达到效果i的需投入数据；xi是表征是否能够曝光i次的二进制指标；qi1和Pi1是每次点击成本的参数；qi2和Pi2是点击率的常数；ICR1是第1个业务目标数据是否为与预投入数据相关的指标函数；ICR2是第2个业务目标数据是否为与预投入数据相关的指标函数。
在本实施例的一个或多个实施方式中，为了提高目标业务执行模型的精确度和可靠性，首先需要提高初始业务执行模型的可靠性，可以根据业务目标数据的类型，将业务目标数据进行划分，进而利用所述线性规划模型，构建初始业务执行模型，也即利用所述线性规划模型，构建初始业务执行模型的具体实现过程可以为：
识别所述业务目标数据的数据类型；
根据所述业务目标数据的数据类型，将所述业务目标数据划分为第一类数据和第二类数据，所述第一类数据与所述预投入数据相关，所述第二类数据与所述预投入数据无关；
根据所述第一类数据和所述第二类数据，利用所述线性规划模型，构建所述初始业务执行模型。
具体的，数据类型包括与预投入数据相关的数据类型和与预投入数据无关的数据类型；第一类数据包括与预投入数据相关的业务目标数据；第二类数据包括与预投入数据无关的业务目标数据。
实际应用中，业务目标数据可以有多个，根据每个业务目标数据的数据类型进行分类，也即根据业务目标数据是否与预投入数据相关进行分类，将与预投入数据相关的业务目标数据划分为第一类型数据，将与预投入数据无关的业务目标数据划分为第二类型数据；进一步根据第一类数据和所述第二类数据，结合线性规划模型，构建初始业务执行模型。
例如，有三个业务目标数据D1、D2和D3，其中D1和D3均与预投入数据相关，D2与预投入数据无关，则将D1和D3划分为第一类数据，将D2划分为第二类数据，然后根据第一类数据和第二类数据，构建初始业务执行模型。
优选地，根据所述第一类数据和所述第二类数据，构建所述初始业务执行模型，可以为：根据第一类数据确定第一类数据的系数，根据第二类数据确定第二类数据的系数，将第二类数据的系数除以第一类数据的系数，然后结合线性规划模型确定第二类数据的系数与第一类数据的系数的商，并构建初始业务执行模型，如式5所示。
b* i＝P* NCR/P* CR＝w* 0vi-Σjw* j(qij(1-ICRj)-Kj Pij) (式5)
式5中，b* i为最优投入数据；P* NCR为第二类数据的系数；P* CR为第一类数据的系数；w* 0和w* j为业务执行参数；vi表示效果i的价值；qij和Pij可以是任何性能指标或常数，也即参数；ICRj是第j个业务目标数据是否为与预投入数据相关的指标函数；Kj表示第j个业务目标数据的上界。
由此可见，根据式3可以确定两个常数qij和Pij，然后根据qij和Pij确定第二类数据的系数与第一类数据的系数的商，从而得到初始业务执行模型，也即，将qij和Pij代入式5中，则获得初始业务执行模型。
由于业务的执行环境会随着时间发生变化，即业务执行参数也会随之发生变化。利用目标业务执行模型确定执行策略前，如果使用初始业务执行模型，即业务执行参数保持不变，将导致执行策略的准确度和有效性大大降低，因此，为了提高最终确定的执行策略的准确度和有效性，需要确定当前环境下的业务执行参数。也即需要根据预设调整规则，对初始业务执行模型中的至少一个业务执行参数进行调整，进而根据调整后的至少一个业务执行参数确定目标业务执行模型。也即根据预设调整规则，调整所述初始业务执行模型的至少一个业务执行参数，得到所述目标业务执行模型，具体实现过程如下：
获取历史业务的执行状态；
根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值；
根据所述至少一个业务执行参数的目标值，更新所述初始业务执行模型，得到所述目标业务执行模型。
具体的，历史业务是指已经执行的业务；执行状态包括历史业务的执行效果；业务执行参数是指初始业务执行模型或目标业务执行模型中的参数；业务执行参数的初始值是指未调整前的业务执行参数对应的数值。
实际应用中，为了更好调整地业务执行参数，需要获取历史业务的执行状态，根据历史业务的执行状态，如执行效果等，对至少一个业务执行参数的初始值进行调整，进而得到至少一个业务执行参数的目标值，将初始业务执行模型中的业务执行参数调整为目标值，即得到更新后的初始业务执行模型，也即目标业务执行模型。
例如，初始业务执行模型有两个业务执行参数：PA1和PA2，其中PA1的初始值为pa11，PA2的初始值为pa21。获取历史业务的执行状态，然后基于所述执行状态，将PA1的初始值pa11调整为目标值pa12，将PA2的初始值pa21调整为目标值pa22；然后使用目标值pa12替换初始业务执行模型中的初始值pa11、使用目标值pa22替换初始业务执行模型中的初始值pa21，得到更新后的初始业务执行模型，更新后的初始业务执行模型即为目标业务执行模型。
在本实施例的一个或多个实施方式中，可以根据历史业务C的执行状态，基于强化学习模型，如演员-评论家(AC，Actor-Critic)算法对至少一个业务执行参数的初始值进行调整，如此可以让业务执行参数的数值迅速收敛，从而得到业务执行参数的目标值，进而使执行策略更优。也即根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值的具体实现过程可以是：
根据所述历史业务的执行状态和所述至少一个业务执行参数的初始值，利用评价函数，确定所述至少一个业务执行参数的初始值对应的评价结果；
根据所述评价结果，利用策略函数，确定所述至少一个业务执行参数的初始值的调整策略；
根据所述调整策略，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
具体的，策略函数可以为演员函数，也即Actor函数，负责和历史业务的执行状态交互，并生成动作(Action)，也即策略结果；评价函数可以为评论家函数，也即Critic函数，是一种价值函数，负责评估Actor的表现，也即至少一个业务执行参数的初始值的表现。
实际应用中，在获取到历史业务的执行状态后，可以根据Critic函数，对至少一个业务执行参数的初始值进行评价，得到各业务执行参数的初始值的评价结果。进一步地，分别将各业务执行参数的初始值的评价结果输入至Actor函数中，得到至少一个业务执行参数的初始值的调整策略。进一步地根据调整策略调整各业务执行参数的初始值。然后需要再次根据Critic函数，执行对调整后的至少一个业务执行参数的初始值进行评价的步骤，直至根据调整策略，对至少一个业务执行参数的初始值进行调整，调整后的初始值不再变化或者初始值收敛，将此时的初始值确定为目标值，也即得到所述至少一个业务执行参数的目标值。
示例的，根据历史业务的执行状态，基于演员-评论家(AC，Actor-Critic)算法对至少一个业务执行参数的初始值进行调整可以如下：
初始化一个M+1维的随机过程ε；
初始化容量为N的重放内存M；
初始化权重为θ的演员πθ；
初始化权重为θ的批评家Qη；
设置批量大小为BS；
设
Figure BDA0003231937570000101
为最优业务执行参数向量(w* 0，…，w* M)；
设R*为理论最优结果；
当不收敛时，执行：
随机选择一个广告活动并模拟SPA；
令
Figure BDA0003231937570000111
在时间步为1时用
Figure BDA0003231937570000114
投标，获得奖励r1；
令R＝r1；
当t＝2至T时，执行：
观察状态st；
获得动作向量
Figure BDA0003231937570000115
令
Figure BDA0003231937570000116
在时间步为t时用
Figure BDA0003231937570000117
投标，获得奖励rt；
令R＝R+rt且V＝0；
当τ＝2至T时，执行：
在时间步为τ时用
Figure BDA0003231937570000118
投标，获得奖励rτ；
令V＝V+rτ
结束；
计算KPI约束j的惩罚pj；
令
Figure BDA0003231937570000119
将
Figure BDA00032319375700001110
存入内存M中；
从M中抽取元组BS
Figure BDA00032319375700001111
通过减少损失更新批评家Qη：
Figure BDA0003231937570000112
通过策略梯度更新演员πθ：
Figure BDA0003231937570000113
结束；
结束。
其中，V为奖励rτ的总和，也在时间段2-T内的奖励和；
Figure BDA00032319375700001112
是一个导向性信号，用来区分哪种调整会使业务执行参数更优，R为R*对应的当前结果；
Figure BDA00032319375700001113
是批评家Qη的更新函数；
Figure BDA00032319375700001114
是演员πθ的更新函数，也即策略梯度函数。
由此可见，根据上述方法可以确定业务执行参数w* 0和w* j的目标值，将w* 0和w* j的目标值输入初始业务执行模型，则获得目标业务执行模型。
在本实施例的一个或多个实施方式中，根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值的具体实现过程可以是：
计算所述历史业务的执行状态与预设的所述历史业务对应的目标执行状态的差异；
基于所述差异，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
具体的，历史业务对应的目标执行状态是指根据历史业务的执行策略预设的执行历史业务时所能达到的执行状态。
实际应用中，为了更好地确定目标业务执行模型进而获得业务执行参数的目标值，可以获取预设的历史业务对应的目标执行状态，然后将执行状态与目标执行状态进行比较，计算出执行状态与目标执行状态的差异，进而根据该差异，对至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
优选地，当差异大于差异阈值时，使至少一个业务执行参数的目标值为至少一个业务执行参数的初始值减少第一预设数值；当差异小于或等于差异阈值时，使至少一个业务执行参数的目标值为至少一个业务执行参数的初始值增加第二预设数值。如差异阈值为5，第一预设数值为0.1，第二预设数值为0.2，业务执行参数的初始值为1：若差异为0.6，则业务执行参数的目标值为1-0.1＝0.9；若差异为0.4，则业务执行参数的目标值为1+0.2＝1.2。
在本实施例的一个或多个实施方式中，根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值的具体实现过程还可以是：
根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量，得到度量值；
在所述度量值小于度量阈值的情况下，调整所述至少一个业务执行参数的初始值，执行所述根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量的步骤；
在所述度量值大于或等于所述度量阈值的情况下，将所述至少一个业务执行参数的初始值确定为所述至少一个业务执行参数的目标值。
具体的，预设度量规则是指预先设置的度量方法；度量值是指对业务执行参数的初始值按照预设度量规则进行度量后所得到的数值；度量阈值是指预先设置的用于衡量度量值的数值。
实际应用中，在获取到历史业务的执行状态后，可以按照预设度量规则，基于历史业务的执行状态对至少一个业务执行参数的初始值进行度量，或者评价，得到各业务执行参数的初始值的度量值。进一步地，分别将各业务执行参数的初始值的度量值与度量阈值进行比较，然后调整度量值小于预设阈值的业务执行参数的初始值，需要注意的是，调整后的业务执行参数的初始值并不能直接作为业务执行参数的目标值，需要继续对该调整后的业务执行参数的初始值进行度量，即执行所述根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量的步骤；将度量值大于或等于度量阈值的业务执行参数的初始值确定为业务执行参数的目标值。
例如，有两个业务执行参数PY1和PY2：其中PY1的初始值为“11”，PY2的初始值为“22”。根据历史业务的执行状态，按照预设度量规则对初始值“11”和初始值“22”进行度量，得到初始值“11”的度量值0.5和初始值“22”的度量值0.8，当度量阈值为0.6时，由于0.5小于0.6，需要对PY1的初始值“11”进行调整，此时PY1的初始值调整为“18”，再次根据历史业务的执行状态，按照预设度量规则对PY1的初始值“18”进行度量，得到初始值“18”的度量值为0.7，此时0.7大于0.6，将“18”作为业务执行参数PY1的目标值；由于0.8大于0.6，直接将“22”作为业务执行参数PY2的目标值。
在获取到历史业务的执行状态后，还可以按照预设度量规则，基于历史业务的执行状态对所有业务执行参数的初始值进行度量，得到所有业务执行参数的初始值整体对应的一个度量值。进一步地，将得到的度量值与度量阈值进行比较，在度量值小于预设阈值的情况下，调整各业务执行参数的初始值，需要注意的是，调整后的业务执行参数的初始值并不能直接作为业务执行参数的目标值，需要继续对该调整后的业务执行参数的初始值进行度量，即执行所述根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量的步骤；在度量值大于或等于度量阈值的情况下，将各业务执行参数的初始值确定为业务执行参数的目标值。
例如，有两个业务执行参数PY3和PY4。根据历史业务的执行状态，按照预设度量规则对PY3和PY4的初始值进行度量，得到一个度量值1，当度量阈值为0.9时，由于1大于0.9，各业务执行参数的初始值即为目标值；当度量阈值为1.5时，由于1小于1.5，需要对PY3和PY4的初始值进行调整，再次根据历史业务的执行状态，按照预设度量规则对PY3和PY4的初始值进行度量，得到的度量值为2，此时2大于1.5，将PY3和PY4调整后的初始值作为目标值。
需要说明的是，虽然业务的执行环境在不停地发生变化，但只要业务的执行环境发生变化就对至少一个业务执行参数的初始值进行调整，会极大地增加数据处理量、降低业务执行的效率。此外由于在较短的时间内业务的执行环境虽然发生了变化，但变化程度较小，因此，可以每间隔一段时间，对至少一个业务执行参数的初始值进行调整一次即可。也即根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值的具体实现过程可以为：
获取预设的时间值；
每间隔所述时间值，根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
具体的，时间值为表征时间的数值，如1分钟、1小时、1天等。
示例的，获取的预设的时间值为5分钟，则每间隔5分钟，就会根据历史业务的执行状态，对至少一个业务执行参数的初始值进行调整，从而得到至少一个业务执行参数的目标值。
步骤106：利用所述目标业务执行模型，确定执行所述目标业务的执行策略。
在以预投入数据和业务目标数据为约束条件，构建目标业务执行模型的基础上，进一步地，利用该目标业务执行模型确定执行目标业务的执行策略。
具体的，执行策略是指以预投入数据和业务目标数据为基础、以最优效果或者最佳性价比为目标，确定的执行目标业务的方案，还可以是目标业务的目标投入数据或最佳投入数据。
实际应用中，在确定了目标业务执行模型之后，可以直接利用目标业务执行模型确定执行目标业务的执行策略，进一步根据该执行策略执行目标业务。
例如，在达到目标业务的业务目标数据的情况下，根据目标业务执行模型，可以确定执行目标业务的目标投入数据，其中目标投入数据小于或等于目标业务的预投入数据。
本说明书提供的一种业务执行方法，通过获取目标业务的执行请求，所述执行请求携带有执行所述目标业务的预投入数据和业务目标数据；然后以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型；进而利用所述目标业务执行模型，确定执行所述目标业务的执行策略。以目标业务的执行请求携带的预投入数据和业务目标数据为约束条件，建立目标业务执行模型，实现了将业务进行统一规划，一定程度上提高了确定执行策略的效率，使业务执行时可以有统一最优的执行策略。此外，本申请通过对构建线性规划模型，并根据历史业务的执行状态动态调整业务执行参数的初始值，使目标业务执行模型尽可能接近最优，尽可能地避免环境波动对执行效果的影响，实现了在同一方法中对不同业务进行最优执行策略的确定。
下述结合附图2，以本说明书提供的业务执行方法在在线广告场景中的应用为例，对所述业务执行方法进行进一步说明。其中，图2示出了本说明书一个实施例提供的一种业务执行方法的处理过程流程图，具体包括以下步骤。
步骤202：获取目标广告业务的执行请求，执行请求携带有执行目标业务的预投入数据和业务目标数据。
步骤204：以预投入数据为第一约束条件，构建符合线性规划的预投入执行算法。
步骤206：以业务目标数据为第二约束条件，构建符合线性规划的业务目标执行算法。
需要说明的是，可以同时执行步骤204与步骤206；也可以先执行步骤204，再执行步骤206；还可以先执行步骤206，再执行步骤204。本实施例中，以步骤204与步骤206同时执行为例进行说明。
步骤208：根据预投入执行算法和业务目标执行算法，构建线性规划模型。
其中，线性规划模型表征业务目标数据与预投入数据间的约束关系。
步骤210：识别业务目标数据的数据类型。
步骤212：根据业务目标数据的数据类型，将业务目标数据划分为第一类数据和第二类数据。
其中，第一类数据与预投入数据相关，第二类数据与预投入数据无关。
步骤214：根据第一类数据和第二类数据，利用线性规划模型，构建初始业务执行模型。
步骤216：获取预设的时间值。
步骤218：每间隔时间值，获取历史业务的执行状态。
步骤220：计算历史业务的执行状态与预设的历史业务对应的目标执行状态的差异。
步骤222：基于差异，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
步骤224：每间隔时间值，根据历史业务的执行状态，按照预设度量规则，对至少一个业务执行参数的初始值进行度量，得到度量值。
步骤226：在度量值小于度量阈值的情况下，调整至少一个业务执行参数的初始值，执行步骤224。
步骤228：在度量值大于或等于度量阈值的情况下，将至少一个业务执行参数的初始值确定为至少一个业务执行参数的目标值。
步骤230：每间隔时间值，根据历史业务的执行状态和至少一个业务执行参数的初始值，利用评价函数，确定至少一个业务执行参数的初始值对应的评价结果。
步骤232：根据评价结果，利用策略函数，确定至少一个业务执行参数的初始值的调整策略；
步骤234：根据调整策略，对至少一个业务执行参数的初始值进行调整，得到至少一个业务执行参数的目标值。
需要说明的是，步骤218至步骤222、步骤224至步骤228与步骤230至步骤234为三个并列方案，都是根据历史业务的执行状态对至少一个业务执行参数的初始值进行调整，进而确定至少一个业务执行参数的目标值，根据需求选择不同方案即可。
步骤236：根据至少一个业务执行参数的目标值，更新初始业务执行模型，得到目标业务执行模型。
步骤228：利用目标业务执行模型，确定执行目标业务的执行策略。
本说明书提供的一种业务执行方法，通过获取目标业务的执行请求，所述执行请求携带有执行所述目标业务的预投入数据和业务目标数据；然后以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型；进而利用所述目标业务执行模型，确定执行所述目标业务的执行策略。以目标业务的执行请求携带的预投入数据和业务目标数据为约束条件，建立目标业务执行模型，实现了将业务进行统一规划，一定程度上提高了确定执行策略的效率，使业务执行时可以有统一最优的执行策略。此外，本申请通过对构建线性规划模型，并根据历史业务的执行状态动态调整业务执行参数的初始值，使其目标业务执行模型可能接近最优，尽可能地避免环境波动对执行效果的影响，实现了在同一方法中对不同业务进行最优执行策略的确定。
与上述方法实施例相对应，本说明书还提供了业务执行装置实施例，图3示出了本说明书一个实施例提供的一种业务执行装置的结构示意图。如图3所示，该装置包括：
获取模块302，被配置为获取目标业务的执行请求，所述执行请求携带有执行所述目标业务的预投入数据和业务目标数据；
构建模块304，被配置为以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型；
确定模块306，被配置为利用所述目标业务执行模型，确定执行所述目标业务的执行策略。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
以所述预投入执行数据和所述业务目标数据为约束条件，构建线性规划模型，所述线性规划模型表征所述业务目标数据与所述预投入数据间的约束关系；
利用所述线性规划模型，构建初始业务执行模型；
根据预设调整规则，调整所述初始业务执行模型的至少一个业务执行参数，得到所述目标业务执行模型。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
识别所述业务目标数据的数据类型；
根据所述业务目标数据的数据类型，将所述业务目标数据划分为第一类数据和第二类数据，所述第一类数据与所述预投入数据相关，所述第二类数据与所述预投入数据无关；
根据所述第一类数据和所述第二类数据，利用所述线性规划模型，构建所述初始业务执行模型。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
获取历史业务的执行状态；
根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值；
根据所述至少一个业务执行参数的目标值，更新所述初始业务执行模型，得到所述目标业务执行模型。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
根据所述历史业务的执行状态和所述至少一个业务执行参数的初始值，利用评价函数，确定所述至少一个业务执行参数的初始值对应的评价结果；
根据所述评价结果，利用策略函数，确定所述至少一个业务执行参数的初始值的调整策略；
根据所述调整策略，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
计算所述历史业务的执行状态与预设的所述历史业务对应的目标执行状态的差异；
基于所述差异，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量，得到度量值；
在所述度量值小于度量阈值的情况下，调整所述至少一个业务执行参数的初始值，执行所述根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量的步骤；
在所述度量值大于或等于所述度量阈值的情况下，将所述至少一个业务执行参数的初始值确定为所述至少一个业务执行参数的目标值。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
获取预设的时间值；
每间隔所述时间值，根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
在本实施例的一个或多个实施方式中，所述构建模块304，还被配置为：
以所述预投入数据为第一约束条件，构建符合线性规划的预投入执行算法；
以所述业务目标数据为第二约束条件，构建符合线性规划的业务目标执行算法；
根据所述预投入执行算法和所述业务目标执行算法，构建所述线性规划模型。
本说明书提供的一种业务执行装置，通过获取目标业务的执行请求，所述执行请求携带有执行所述目标业务的预投入数据和业务目标数据；然后以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型；进而利用所述目标业务执行模型，确定执行所述目标业务的执行策略。以目标业务的执行请求携带的预投入数据和业务目标数据为约束条件，建立目标业务执行模型，实现了将业务进行统一规划，一定程度上提高了确定执行策略的效率，使业务执行时可以有统一最优的执行策略。此外，本申请通过对构建线性规划模型，并根据历史业务的执行状态动态调整业务执行参数的初始值，使目标业务执行模型尽可能接近最优，尽可能地避免环境波动对执行效果的影响，实现了在同一方法中对不同业务进行最优执行策略的确定。
上述为本实施例的一种业务执行装置的示意性方案。需要说明的是，该业务执行装置的技术方案与上述的业务执行方法的技术方案属于同一构思，业务执行装置的技术方案未详细描述的细节内容，均可以参见上述业务执行方法的技术方案的描述。
图4示出了根据本说明书一个实施例提供的一种计算设备400的结构框图。该计算设备400的部件包括但不限于存储器410和处理器420。处理器420与存储器410通过总线430相连接，数据库450用于保存数据。
计算设备400还包括接入设备440，接入设备440使得计算设备400能够经由一个或多个网络460通信。这些网络的示例包括公用交换电话网(PSTN，Public SwitchedTelephone Network)、局域网(LAN，Local Area Network)、广域网(WAN，Wide AreaNetwork)、个域网(PAN，Personal Area Network)或诸如因特网的通信网络的组合。接入设备440可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC，NetworkInterface Controller))中的一个或多个，诸如IEEE802.11无线局域网(WLAN，WirelessLocal Area Network)无线接口、全球微波互联接入(Wi-MAX，WorldwideInteroperability for Microwave Acess)接口、以太网接口、通用串行总线(USB，Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC，Near FieldCommunication)接口，等等。
在本说明书的一个实施例中，计算设备400的上述部件以及图4中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图4所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备400可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备400还可以是移动式或静止式的服务器。
其中，处理器420用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现上述业务执行方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的业务执行方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述业务执行方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述业务执行方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的业务执行方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述业务执行方法的技术方案的描述。
本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述业务执行方法的步骤。
上述为本实施例的一种计算机程序的示意性方案。需要说明的是，该计算机程序的技术方案与上述的业务执行方法的技术方案属于同一构思，计算机程序的技术方案未详细描述的细节内容，均可以参见上述业务执行方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

Claims (13)

1.一种业务执行方法，包括：
获取目标业务的执行请求，所述执行请求携带有执行所述目标业务的预投入数据和业务目标数据；
以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型；
利用所述目标业务执行模型，确定执行所述目标业务的执行策略。
2.根据权利要求1所述的方法，所述以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型，包括：
以所述预投入执行数据和所述业务目标数据为约束条件，构建线性规划模型，所述线性规划模型表征所述业务目标数据与所述预投入数据间的约束关系；
利用所述线性规划模型，构建初始业务执行模型；
根据预设调整规则，调整所述初始业务执行模型的至少一个业务执行参数，得到所述目标业务执行模型。
3.根据权利要求2所述的方法，所述利用所述线性规划模型，构建初始业务执行模型，包括：
识别所述业务目标数据的数据类型；
根据所述业务目标数据的数据类型，将所述业务目标数据划分为第一类数据和第二类数据，所述第一类数据与所述预投入数据相关，所述第二类数据与所述预投入数据无关；
根据所述第一类数据和所述第二类数据，利用所述线性规划模型，构建所述初始业务执行模型。
4.根据权利要求2所述的方法，所述根据预设调整规则，调整所述初始业务执行模型的至少一个业务执行参数，得到所述目标业务执行模型，包括：
获取历史业务的执行状态；
根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值；
根据所述至少一个业务执行参数的目标值，更新所述初始业务执行模型，得到所述目标业务执行模型。
5.根据权利要求4所述的方法，所述根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值，包括：
根据所述历史业务的执行状态和所述至少一个业务执行参数的初始值，利用评价函数，确定所述至少一个业务执行参数的初始值对应的评价结果；
根据所述评价结果，利用策略函数，确定所述至少一个业务执行参数的初始值的调整策略；
根据所述调整策略，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
6.根据权利要求4所述的方法，所述根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值，包括：
计算所述历史业务的执行状态与预设的所述历史业务对应的目标执行状态的差异；
基于所述差异，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
7.根据权利要求4所述的方法，所述根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值，包括：
根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量，得到度量值；
在所述度量值小于度量阈值的情况下，调整所述至少一个业务执行参数的初始值，执行所述根据所述历史业务的执行状态，按照预设度量规则，对所述至少一个业务执行参数的初始值进行度量的步骤；
在所述度量值大于或等于所述度量阈值的情况下，将所述至少一个业务执行参数的初始值确定为所述至少一个业务执行参数的目标值。
8.根据权利要求4-7任意一项所述的方法，所述根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值，包括：
获取预设的时间值；
每间隔所述时间值，根据所述历史业务的执行状态，对所述至少一个业务执行参数的初始值进行调整，得到所述至少一个业务执行参数的目标值。
9.根据权利要求2所述的方法，所述以所述预投入数据和所述业务目标数据为约束条件，构建线性规划模型，包括：
以所述预投入数据为第一约束条件，构建符合线性规划的预投入执行算法；
以所述业务目标数据为第二约束条件，构建符合线性规划的业务目标执行算法；
根据所述预投入执行算法和所述业务目标执行算法，构建所述线性规划模型。
10.一种业务执行装置，包括：
获取模块，被配置为获取目标业务的执行请求，所述执行请求携带有执行所述目标业务的预投入数据和业务目标数据；
构建模块，被配置为以所述预投入数据和所述业务目标数据为约束条件，构建目标业务执行模型；
确定模块，被配置为利用所述目标业务执行模型，确定执行所述目标业务的执行策略。
11.一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至9任意一项所述业务执行方法的步骤。
12.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至9任意一项所述业务执行方法的步骤。
13.一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行权利要求1至9任意一项所述业务执行方法的步骤。
CN202110989939.5A 2021-08-26 2021-08-26 业务执行方法以及装置 Pending CN113888201A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110989939.5A CN113888201A (zh) 2021-08-26 2021-08-26 业务执行方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110989939.5A CN113888201A (zh) 2021-08-26 2021-08-26 业务执行方法以及装置

Publications (1)

Publication Number Publication Date
CN113888201A true CN113888201A (zh) 2022-01-04

Family

ID=79011123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110989939.5A Pending CN113888201A (zh) 2021-08-26 2021-08-26 业务执行方法以及装置

Country Status (1)

Country Link
CN (1) CN113888201A (zh)

Similar Documents

Publication Publication Date Title
Zhou et al. A truthful online mechanism for location-aware tasks in mobile crowd sensing
Schramm et al. An agent-based diffusion model with consumer and brand agents
Miralles-Pechuán et al. A novel methodology for optimizing display advertising campaigns using genetic algorithms
Michalakelis et al. Innovation diffusion with generation substitution effects
WO2019055065A1 (en) EVALUATION OF MODELS BASED ON AGGREGATED HISTORICAL DATA
Ye et al. Cold start to improve market thickness on online advertising platforms: Data-driven algorithms and field experiments
JP6994872B2 (ja) 補正装置、補正方法及び補正プログラム
CN116911962B (zh) 一种基于数据模型的选品装置及方法
Chica et al. Identimod: Modeling and managing brand value using soft computing
Paraskevas et al. Optimal management for EV charging stations: A win–win strategy for different stakeholders using constrained Deep Q-learning
Salazar et al. Reinforcement learning-based pricing and incentive strategy for demand response in smart grids
Song et al. Day ahead bidding of a load aggregator considering residential consumers demand response uncertainty modeling
CN114581119A (zh) 流量预测方法以及装置
Karlsson Adaptive control using Heisenberg bidding
Chang et al. Research on the impact of digital economy on manufacturing total factor productivity
Zhang et al. Optimal reconciliation with immutable forecasts
Becker et al. Optimisation approach to target costing under uncertainty with application to ICT-service
Gu et al. QoI-aware incentive for multimedia crowdsensing enabled learning system
CN109190040A (zh) 基于协同演化的个性化推荐方法及装置
Liu et al. Evolutionary analysis for residential consumer participating in demand response considering irrational behavior
CN113888201A (zh) 业务执行方法以及装置
CN116578400A (zh) 多任务数据处理方法和装置
KR102383509B1 (ko) 공간 및 기업 간 행사 매칭 시스템
Vardanyan et al. Stochastic bilevel program for optimal coordinated energy trading of an EV aggregator
CN112561554B (zh) 确定待展示的多媒体资源方法、装置、服务器及存储介质

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