[发明专利]一种订单分配方法及装置

说明书

本申请涉及人工智能领域中的订单分配方法及装置，其中，该方法包括：获取第一时刻的待分配订单信息和约束信息，约束信息用于对待分配订单信息对应的分配方案进行约束；其中，第一时刻的待分配订单信息包括上一时刻未分配的订单信息，及上一时刻与第一时刻之间的新增订单信息；通过第一强化学习模型，根据待分配订单信息和约束信息，确定是否对待分配订单信息进行分配；在确定对待分配订单信息进行分配的情况下，根据约束信息，确定待分配订单信息对应的分配方案。通过本申请，从长期视角对动态生成的订单进行自适应分割，从而保证动态生成的订单对应的整体分配方案更加合理。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种智能化的订单分配方法及装置。

背景技术

现实生活中很多场景(例如园区物流投递运输、外卖配送、打车订单分配等等)，都可以看作动态取送货问题(Dynamic Pickup and Delivery Problem,DPDP)。求解DPDP问题是指针对动态生成的订单，按照订单需求分配合适的人员或车辆，以便以尽可能低的成本完成订单的取货和送货。

在现有技术中，以固定时间间隔将动态生成的订单分割为多个局部时间段内的订单，各局部时间段的时长相同，进而为每个局部时间段内的订单分配合适的人员或车辆；然而，各局部时间段对应的较优订单分配方案，并不能保证长期动态生成的订单对应的整体分配方案较优。

发明内容

有鉴于此，提出了一种订单分配方法、装置、存储介质及计算机程序产品。

第一方面，本申请的实施例提供了一种订单分配方法，包括：获取第一时刻的待分配订单信息和约束信息，所述约束信息用于对所述待分配订单信息对应的分配方案进行约束；其中，所述第一时刻的待分配订单信息包括上一时刻未分配的订单信息，及所述第一时刻与所述上一时刻之间的新增订单信息；通过第一强化学习模型，根据所述待分配订单信息和所述约束信息，确定是否对所述待分配订单信息进行分配；在确定对所述待分配订单信息进行分配的情况下，根据所述约束信息，确定所述待分配订单信息对应的分配方案。

基于上述技术方案，获取第一时刻的待分配订单信息和约束信息；通过第一强化学习模型，根据待分配订单信息和约束信息，确定是否对待分配订单信息进行分配；在确定对待分配订单信息进行分配的情况下，根据约束信息，确定待分配订单信息对应的分配方案。在一些示例中，第一时刻可以为预设时间段中的任一时刻，第一时刻的待分配订单信息包括上一时刻未分配的订单信息、及上一时刻与第一时刻之间的新增订单信息，这样，通过第一强化学习模型决策是否对第一时刻的待分配订单信息进行分配，从而从长期视角对预设时间段内动态生成的订单进行自适应分割，得到多个局部时间段内的订单，其中，局部时间段可以包括预设时间段中的一个或多个时刻，各局部时间段的时长可以不同，进而确定各局部时间段内订单对应的分配方案，从而保证预设时间段内动态生成的订单对应的整体分配方案更加合理。

根据第一方面，在所述第一方面的第一种可能的实现方式中，所述根据所述约束信息，确定所述待分配订单信息对应的分配方案，包括:通过第二强化学习模型，对所述待分配订单信息及所述约束信息进行迭代处理，确定所述待分配订单信息对应的分配方案。

基于上述技术方案，通过第二强化学习模型对第一时刻的待分配订单信息及约束信息进行迭代处理，确定第一时刻的待分配订单信息对应的分配方案；从而实现融合迭代算法与强化学习求解静态子问题，有效地加速迭代算法收敛，提高了求解效率，满足订单分配的时效性要求。

根据第一方面的第一种可能的实现方式，在所述第一方面的第二种可能的实现方式中，所述第二强化学习模型对应的策略网络为图神经网络。

基于上述技术方案，将图神经网络作为第二强化学习模型对应的策略网络，能够迁移从先前解决的静态子问题(即第一时刻的待分配订单信息及约束信息)中学习到的知识，并且不需要微调即可以推广到大规模的静态子问题，从而有效解决大规模的动态取送货问题。