[发明专利]资源分配方法与装置

说明书

本发明公开了一种资源分配方法与装置。该方法包括：预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；根据预测出的收益率和资源分配方法，确定分别为各目标对象分配不同量的资源时，单位资源对应的收益率回报；在预设的可分配资源总量的限制条件下，根据分别为各目标对象分配不同量的资源时的单位资源对应的收益率回报，确定目标对象集合中各目标对象对应的资源分配量。由此，本发明通过计算单位收益值，并引入限制规则，求取满足限制的最大收益，真正实现基于资源分配的收益最大化。

技术领域

本发明涉及数据科学领域，尤其涉及一种基于历史数据使用机器学习预测模型进行资源分配的方法和装置。

背景技术

利用有限的资源获取最大的收益一直是人们的在各个生产经营领域追寻的目标。由于针对不同的目标对象投放资源所获取的收益不同，因此人们总是期望找到最为合理的资源分配方法以实现收益最大化。在现有的各个领域中，大多根据已有经验和专家规则进行资源分配，缺乏对海量数据的深度挖掘与定量分析。图1示出了资源分配的一个例子。如图所示，假设某大型渔业公司具有2000条捕鱼船。该公司需要对现有的2000条捕鱼船(及其相应的船员配备)在全球范围内进行捕捞区域分配，以实现捕鱼利润的最大化。应该理解，图1仅仅示出了捕鱼船分配的一个简化例子，真正的捕鱼船分配需要基于每艘船进行细分，还需考虑各种捕捞许可，因此会是一个比图示要复杂得多的系统。由于不同海域的可捕鱼量不同且会受到气候都因素影响而实时变化，因此在捕鱼船数量有限的情况下，如何进行针对不同海域的渔船分配是难以仅凭经验获取最优方案的。

此外，在其他领域中，也存在类似的情况。例如，视频网站对于忍耐力差的用户做一些广告时间减免，由于用户忍耐力的差异性，希望执行差异化的广告时间减免，在有限的时间减免总量的前提下达到最高的广告播放量。又例如，电商平台或商家在优惠券发放时，期望在有限的优惠券使用量的前提下达到最高的销售额。

在现有的各个领域中，大多根据已有经验和专家规则进行资源分配，缺乏对海量数据的深度挖掘与定量分析。例如，不同海域的可捕鱼量不同且实时变化，在捕鱼船数量有限的情况下，如何进行针对不同海域的渔船分配难以仅凭经验获取到最优方案。

为此，需要一种有限资源代价下的资源优化分配方案。

发明内容

有鉴于此，为了解决如上至少一个问题，本发明提出了一种资源分配方案，该方案通过使用机器学习建模从而让机器自动挖掘实际历史数据中的规律和模式，避免过度依赖既有经验和专家规则的缺陷。进一步地，本发明通过计算单位收益值，并引入限制规则，求取满足限制的最大收益，以真正实现基于资源分配的收益最大化。

根据本发明的一个方面，提出了一种资源分配方法，包括：预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；根据预测出的收益率和资源分配方法，确定分别为各目标对象分配不同量的资源时，单位资源对应的收益率回报；在预设的可分配资源总量的限制条件下，根据分别为各目标对象分配不同量的资源时的单位资源对应的收益率回报，确定目标对象集合中各目标对象对应的资源分配量。由此，通过对预测收益率的简单处理，获取在已有限制下的最优目标。

可选地，收益率预测可以如下进行：使用经训练的模型预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；基于规则预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；基于蒙特卡洛模拟预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率；基于贝叶斯算法预测分别为目标对象集合中各目标对象分配不同量的资源时的收益率。

可选地，该方法在使用经训练的模型之前，还包括以下训练模型的步骤：获取关于资源分配的历史数据记录集合；对于所述历史数据记录集合中的各数据记录进行特征抽取处理，得到训练样本集合；基于所述训练样本集合训练所述模型。由此，能够有效挖掘历史数据中的规律，避免对经验和规则的过度依赖。