[发明专利]一种基于按需服务的多对多需求分配方法

权利要求书

1.一种基于按需服务的多对多需求分配方法，其特征在于，包括以下步骤：

S1、确定多个待分配的需求和多个待服务需求的服务提供者；

S2、采用预先建立的需求被响应时间概率分布预估模型，根据需求和服务者的特征获得该需求在一对一情况下的被响应时间概率分布；

所述步骤S2具体为：

S201、确定按需服务平台的需求分配时间间隔；

S202、将需求的被响应时间划分为多个时间段；对于需求被响应时间大于需求分配时间间隔的时间段划分为单独一类，即这类时间段表示服务提供者没有在有效时间段内响应其接收到的需求；对于需求被响应时间小于需求分配时间间隔的时间段，通过在历史数据中需求被响应时间分布的基础上使用聚类算法，获得多个响应时间段；

S203、训练需求被响应时间概率分布预估模型；将历史需求响应数据作为特征数据，采用多分类模型，并设定多分类模型以概率的形式输出多分类结果，进行训练，得到一对一情况下服务提供者对需求响应时间的概率分布；

S204、根据实时获取的需求响应数据，采用机器学习算法，对所述需求被响应时间概率分布预估模型进行优化；即不断在预估模型的训练数据中加入新的训练样本；

所述优化具体为：实时获取的需求响应数据按服务提供者是否出现接受行为进行划分，第一类数据为服务提供者接受了其所收到的需求中的一个，第二类数据为服务提供者没有接受其接收到的任何需求；

对于第一类数据，将服务提供者最终接受的需求的特征和该服务提供者的特征进行组合，将该数据标签置为具体的响应时间在多分类模型中对应的类别，并加入到训练集中；对于服务提供者有接收到但没有接受的需求，不能将该服务提供者对于这些需求的未响应数据添加进训练集中；对于第二类数据，分别将该服务提供者接收到的每个需求的特征和该服务提供者的特征进行组合，得到数量等于其接收到的需求数量的需求响应数据，将这些数据的标签置为多分类模型中的最后一类；最后将这些数据加入到训练集中；根据实时获取的需求响应数据，重新对预估模型进行训练进而得到新的预估模型；

S3、计算各需求在多对多下的被响应时间概率分布；

所述步骤S3具体为：

S301、获取多对一情况下各需求被响应时间概率分布的变化模式；令P_ds(t)表示在多对一情况下服务提供者s对其接收到的需求d响应时间的概率分布，P_ds(T_b＜t≤T_b+1)为在多对一情况下需求d被服务提供者最先在时间段(T_b,T_b+1]内响应的概率；P_ds(T_b＜t≤T_b+1)的计算方式为：

其中，d₀为待计算P_d0s(T_b＜t≤T_b+1)的一个特定需求，即d的一种取值，p_ds(t)为预估模型所输出的一对一情况下服务提供者对需求响应时间的概率分布，T_b为第b个响应时间边界，N为参与需求分配的需求数量，X_ds为服务提供者s是否接收到了需求d；如果接收到了需求，则X_ds＝1；如果没接收到需求，则X_ds＝0；

S302、获取一对多情况下各需求被响应时间概率分布的变化模式：当一个需求被多个服务提供者接收到时，由最早响应该需求的服务提供者获得该需求，即在一对多的情况下，响应时间为接收到该需求的所有服务提供者中最早的响应时间，时间概率分布计算如下：

其中，

M_d(t≤T_b)＝M_d(t≤T_b-1)+M_d(T_b-1＜t≤T_b)，

其中，M_d(T_b＜t≤T_b+1)为在一对多情况下需求d在时间段(T_b,T_b+1]内被响应的概率，M为参与需求分配的M个空闲服务提供者，b₀为b的一种取值；

S303、获取多对多情况下各需求被响应时间概率分布的变化模式；在对多对多情况下各需求被响应时间概率分布建模时，通过将一对多情况下表达式中的一对一情况下需求被响应时间概率分布p_ds(t)替换为多对一情况下需求被响应时间概率分布P_ds(t)，得到多对多情况下各需求被响应时间概率分布：

其中，

S_d(t≤T_b)＝S_d(t≤T_b-1)+S_d(T_b-1＜t≤T_b)，

其中，S_d(T_b＜t≤T_b+1)为多对多情况下需求d在时间段(T_b,T_b+1]内被响应的概率；

S4、基于各需求在多对多下的被响应时间概率分布和组合优化来确定多对多的需求分配方式；

S5、根据所确定的需求分配方式，向多个服务提供者推送所述需求。