[发明专利]配送路径预测网络训练、配送资源调度方法及装置

说明书

本申请公开了一种配送路径预测网络训练方法及配送资源调度方法。配送路径预测网络训练方法，包括：获得待处理的订单数据及配送信息；使用旋转矩阵对待处理的订单数据及配送信息进行旋转处理，得到旋转处理后的目标增强数据；使用目标增强数据训练基于多头注意力机制的配送路径预测网络，得到目标配送路径预测网络。配送资源调度方法，包括：将待分派的订单数据及配送资源信息输入配送路径预测网络，预测将所述订单数据分派给配送资源后配送资源的提取配送顺序；根据配送资源的提取配送顺序，将所述订单数据分派给目标配送资源。采用所述方法，提供合理的配送路径规划算法以实现在具有不同分布的数据集上均能得到较优的订单‑配送资源组合结果。

技术领域

本申请涉及计算机技术领域，具体涉及一种配送路径预测网络训练方法、装置及设备。本申请同时涉及一种配送资源调度方法、装置及设备。

背景技术

目前，智能化调度为配送行业的重要解决方法。其中，配送路径规划算法是智能化调度的基础。例如，在外卖场景中采用合理配送路径规划算法，可以提高订单与骑手的匹配度，从而高效的完成订单的配送任务。

现有的路径规划算法一般分为以下两种：一种是以基于树搜索的分支定界算法为代表的精确求解算法，通过建立数学模型精确地描述实际问题，利用优化求解器软件得到问题的解。但是，精确求解算法存在求解问题规模较小以及计算时间较长的问题。另一种是以启发式算法为代表的近似求解算法，比如邻域搜索、禁忌搜索、模拟退火、遗传算法等等。近似求解算法一般需要依赖领域知识，在不同问题和数据之间的迁移能力较弱。当配送环境复杂及取送点的分布变化较大的情况下，上述路径规划算法难以准确地拟合出数据分布的变化。

因此，需要解决的问题是提供合理的配送路径规划算法以准确地拟合数据分布的变化，获得较优的订单-配送资源组合结果。

发明内容

本申请实施例提供的配送路径预测网络训练方法以及配送资源调度方法，提供合理的配送路径规划算法以实现在具有不同分布的数据集上均能得到较优的订单-配送资源组合结果。

本申请实施例提供一种配送路径预测网络训练方法，包括：

获得待处理的订单数据及配送信息；使用旋转矩阵对待处理的订单数据及配送信息进行旋转处理，得到旋转处理后的目标增强数据；使用目标增强数据训练基于多头注意力机制的配送路径预测网络，得到目标配送路径预测网络。

可选的，还包括：获得随机生成的均匀分布矩阵；对所述均匀分布矩阵进行SVD奇异值分解，得到随机的矩阵，作为所述旋转矩阵。

可选的，所述使用旋转矩阵对待处理的订单数据及配送信息进行旋转处理，得到旋转处理后的目标增强数据，包括：对待处理的订单数据及配送信息加入均匀分布的噪声，得到第一增强数据；对第一增强数据进行旋转处理，得到旋转处理后的第二增强数据，将第二增强数据作为目标增强数据。

可选的，所述使用旋转矩阵对待处理的订单数据及配送信息进行旋转处理，包括：根据待处理的订单数据及配送信息，生成输入向量；所述输入向量包括下述信息：订单数据的配送对象的提取位置及目的位置，配送资源的起始位置；使用旋转矩阵对输入向量进行旋转处理。

可选的，所述输入向量还包括下述至少一种信息：配送资源与提取位置之间的距离信息，配送资源与目的位置之间的距离信息，配送对象的配备时间信息。

可选的，所述配送路径预测网络包括：编码网络；以及解码网络；所述使用目标增强数据训练基于多头注意力机制的配送路径预测网络，得到目标配送路径预测网络，包括：将目标增强数据输入所述编码网络，得到嵌入向量；对所述嵌入向量取平均值，得到图嵌入向量；将嵌入向量及图嵌入向量输入所述解码网络，得到订单数据对应的提取配送顺序；根据提取配送顺序训练配送路径预测网络，得到目标配送路径预测网络。

可选的，还包括：在配送路径预测网络的至少一个多头注意力层进行实例归一化处理。