[发明专利]一种资源分配方法及装置

说明书

本发明实施例提供的一种资源分配方法及装置，基于待处理种群包含的个体，分别计算各目标函数的函数值，作为第一函数值，判断待处理种群的遗传代数是否大于预设阈值，如果大于，基于各第一函数值和非支配排序算法，从待处理种群中确定各目标函数的最优解，按照最优解确定为每一需求点分配的每一种资源的数目，如果不大于，基于各第一函数值和非支配排序算法，确定待处理种群中的目标个体；基于目标个体，生成子代种群，作为当前的待处理种群，并执行判断待处理种群的遗传代数是否大于预设阈值步骤。基于上述处理，可以较快的确定各目标函数的最优解，可以在一定程度上避免现有技术中无法及时确定为每一需求点分配的每一种资源的数目的问题。

技术领域

本发明涉及计算机技术领域，特别是涉及一种资源分配方法及装置。

背景技术

在事故援助活动中，为了合理分配资源(例如，水、食物、通讯设备和援助人员等)，需要对基于为每一需求点分配的每一种资源的数目，构建的多个目标函数进行优化。例如，对表示对各需求点进行援助所需的总时间的目标函数(可以称为第一目标函数)进行优化，当第一目标函数达到最小值时，表示对各需求点进行援助所需的总时间最短。对表示调度所有资源的调度成本的目标函数(可以称为第二目标函数)进行优化，当第二目标函数达到最小值时，表示调度所有资源的调度成本最小，资源的调度成本表示调度资源需要的人力资源。对表示各需求点的事故总损失的目标函数(可以称为第三目标函数)进行优化，当第三目标函数达到最小值时，表示各需求点的事故总损失最小。

现有技术中，可以基于多目标优化算法，确定各目标函数对应的最优解，使得各目标函数基于最优解的函数值较小，即，基于最优解为各需求点分配资源，能够使各目标函数的函数值较小。基于多目标优化算法，确定各目标函数的最优解的过程可以包括以下步骤：生成包含m个个体的初代种群P0，P0包含的m个体为各目标函数的m个解。基于P0包含的个体，计算各目标函数的函数值(可以称为初始函数值)。然后，判断P0的遗传代数(即0)是否大于预设阈值，如果大于，基于初始函数值和非支配排序算法，从P0包含的m个个体中确定各目标函数的最优解。如果不大于，对P0包含的每一个体进行多项式变异，生成个体数目为m的新的种群P0’，并基于非支配排序算法从P0和P0’中选取m个个体，得到P0的子代种群P1。然后，基于P1包含的个体，计算各目标函数的函数值，并判断P1的遗传代数(即1)是否大于预设阈值，如果不大于，对P1包含的每一个体进行多项式变异，生成个体数目为m的新的种群P1’，并基于非支配排序算法从P1和P1’中选取m个个体，得到P1的子代种群P2。然后，基于P2包含的个体，计算各目标函数的函数值，并判断P2的遗传代数(即2)是否大于预设阈值，以此类推，直至种群(Pt)的遗传代数(即t)大于预设阈值，基于非支配排序算法，以及基于Pt包含的个体计算得到的各目标函数的函数值，从Pt包含的个体中选取各目标函数的最优解。

然而，由于上一代种群包含的个体中，存在使得各目标函数的取值较大的个体，对上一代种群的所有个体进行多项式变异生成的新的种群包含的个体，也会使各目标函数的函数值较大，进而，基于上一代种群和新的种群生成的子代种群包含的个体使得各目标函数的函数值仍较大。当子代种群的遗传代数达到预设阈值时，确定出的最优解，使得各目标函数的函数值仍较大，需要再次对子代种群中的所有个体进行多项式变异，生成新的子代种群，并重新确定各目标函数的最优解，导致目标函数的函数值收敛至最小值的速度较慢，进而，会导致无法及时确定为每一需求点分配的每一种资源的数目。

发明内容

本发明实施例的目的在于提供一种资源分配方法及装置，可以较快的确定各目标函数的最优解，进而，可以在一定程度上避免现有技术中无法及时确定为每一需求点分配的每一种资源的数目的问题。具体技术方案如下：

第一方面，为了达到上述目的，本发明实施例提供了一种资源分配方法，所述方法包括：

基于待处理种群包含的第一数目个个体，分别计算各目标函数的函数值，作为第一函数值，其中，所述待处理种群包含的个体为所述各目标函数的解，每一所述目标函数的自变量表示为每一需求点分配的每一种资源的数目；