任务分配方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本公开实施例公开了一种任务分配方法、装置、电子设备及计算机可读存储介质，所述任务分配方法包括：获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型；获取待分配任务相关数据，并将其输入至所述任务执行费用预测模型中，得到所述待分配任务预测执行费用；根据所述待分配任务预测执行费用对于所述待分配任务进行分配。该技术方案不仅能够大大减少人力的投入、提高工作效率，并且能够有效保证任务分配的最优化，最大限度地降低分配风险，同时，由于上述机器学习方法训练数据完备，自适应能力强，因此能够在众多场景中适用。

【技术实现步骤摘要】
任务分配方法、装置、电子设备及计算机可读存储介质
本公开涉及数据处理
，具体涉及一种任务分配方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着互联网技术的发展，越来越多的商家或者服务提供商通过互联网平台来为用户提供服务。为了提高服务质量、提升用户的使用体验，服务提供商通常对于订单等服务任务的分配进行最优化处理。现有技术中，有一种任务分配的最优化处理方法是先使用一些预设规则对于配送员等订单配送资源与订单之间的代价进行打分，将得到的配送资源与订单之间的得分组成二维矩阵，再使用KM算法基于得分二维矩阵进行最大权匹配，即可对于任务分配进行最优化处理。但现有技术中，所述得分二维矩阵通常是借助人工规则、依靠人工经验来产生，这样就需要耗费大量的人力在市场中进行实践，得到反馈后再对于当前评分规则进行修改和调整，然后再投入市场使用。如此不停的迭代不仅导致了人力的浪费和效率的低下，而且每次实验均需要承担一定的风险，另外，上述人工评分规则逻辑相对简单，难以适用所有的场景。
技术实现思路
本公开实施例提供一种任务分配方法、装置、电子设备及计算机可读存储介质。第一方面，本公开实施例中提供了一种任务分配方法。具体的，所述任务分配方法，包括：获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型；获取待分配任务相关数据，并将其输入至所述任务执行费用预测模型中，得到所述待分配任务预测执行费用；根据所述待分配任务预测执行费用对于所述待分配任务进行分配。结合第一方面，本公开在第一方面的第一种实现方式中，所述获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型，包括：获取初始任务相关训练数据；根据执行资源所花费资源与其所得费用之间的关系对于所述初始任务相关训练数据进行筛选，得到任务相关训练数据；根据所述任务相关训练数据训练得到任务执行费用预测模型。结合第一方面和第一方面的第一种实现方式，本专利技术实施例在第一方面的第二种实现方式中，所述根据所述待分配任务预测执行费用对于所述待分配任务进行分配，包括：确定分配规则；基于所述分配规则，根据所述待分配任务预测执行费用对于所述待分配任务进行分配。结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式，本专利技术实施例在第一方面的第三种实现方式中，所述分配规则为待分配任务执行费用最小。结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式和第一方面的第三种实现方式，本专利技术实施例在第一方面的第四种实现方式中，所述基于所述分配规则，根据所述待分配任务预测执行费用对于所述待分配任务进行分配，包括：将所述待分配任务预测执行费用进行预设规则转换，得到待分配任务预测执行费用转换值；将所述待分配任务预测执行费用转换值确定为待分配任务与执行资源之间的匹配分值；基于所述匹配分值，利用KM算法将所述待分配任务分配给执行资源。结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式和第一方面的第四种实现方式，本专利技术实施例在第一方面的第五种实现方式中，所述预设规则为对于所述待分配任务预测执行费用进行取负处理。第二方面，本公开实施例中提供了一种任务分配装置。具体的，所述任务分配装置，包括：训练模块，被配置为获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型；预测模块，被配置为获取待分配任务相关数据，并将其输入至所述任务执行费用预测模型中，得到所述待分配任务预测执行费用；分配模块，被配置为根据所述待分配任务预测执行费用对于所述待分配任务进行分配。第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现以下步骤：获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型；获取待分配任务相关数据，并将其输入至所述任务执行费用预测模型中，得到所述待分配任务预测执行费用；根据所述待分配任务预测执行费用对于所述待分配任务进行分配。结合第三方面，本专利技术实施例在第三方面的第一种实现方式中，所述获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型，包括：获取初始任务相关训练数据；根据执行资源所花费资源与其所得费用之间的关系对于所述初始任务相关训练数据进行筛选，得到任务相关训练数据；根据所述任务相关训练数据训练得到任务执行费用预测模型。结合第三方面和第三方面的第一种实现方式，本专利技术实施例在第三方面的第二种实现方式中，所述根据所述待分配任务预测执行费用对于所述待分配任务进行分配，包括：确定分配规则；基于所述分配规则，根据所述待分配任务预测执行费用对于所述待分配任务进行分配。结合第三方面、第三方面的第一种实现方式和第三方面的第二种实现方式，本专利技术实施例在第三方面的第三种实现方式中，所述分配规则为待分配任务执行费用最小。结合第三方面、第三方面的第一种实现方式、第三方面的第二种实现方式和第三方面的第三种实现方式，本专利技术实施例在第三方面的第四种实现方式中，所述基于所述分配规则，根据所述待分配任务预测执行费用对于所述待分配任务进行分配，包括：将所述待分配任务预测执行费用进行预设规则转换，得到待分配任务预测执行费用转换值；将所述待分配任务预测执行费用转换值确定为待分配任务与执行资源之间的匹配分值；基于所述匹配分值，利用KM算法将所述待分配任务分配给执行资源。结合第三方面、第三方面的第一种实现方式、第三方面的第二种实现方式、第三方面的第三种实现方式和第三方面的第四种实现方式，本专利技术实施例在第三方面的第五种实现方式中，所述预设规则为对于所述待分配任务预测执行费用进行取负处理。第四方面，本公开实施例提供了一种计算机可读存储介质，用于存储任务分配装置所用的计算机指令，其包含用于执行上述第一方面中任务分配方法为任务分配装置所涉及的计算机指令。本公开实施例提供的技术方案可以包括以下有益效果：上述技术方案使用机器学习方法，通过训练任务执行费用预测模型来获取得分二维矩阵中的矩阵元素，并基于所述得分二维矩阵对于所述待分配任务进行最优化分配。该技术方案不仅能够大大减少人力的投入、提高工作效率，并且能够有效保证任务分配的最优化，最大限度地降低分配风险，同时，由于上述机器学习方法训练数据完备，自适应能力强，因此能够在众多场景中适用。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：图1示出根据本公开一实施方式的任务分配方法的流程图；图2示出根据图1所示实施方式的任务分配方法的步骤S101的流程图；图3示出根据图1所示实施方式的任务分配方法的步骤S103的流程图；图4示出根据图3所示实施方式的任务分配方法的步骤S302的流程图；图5示出根据本公开一实施方式的任务分配装置的结构框图；图6示出根据图5所示实施方式的任务分配装置的训练模块501的结构框图；图7示出根据图5所示实施方式的任务分配装置的分配模块503的结构框图；图8示出根据图7所示实施方式的任务分配装置的本文档来自技高网...

【技术保护点】
1.一种任务分配方法，其特征在于，包括：获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型；获取待分配任务相关数据，并将其输入至所述任务执行费用预测模型中，得到所述待分配任务预测执行费用；根据所述待分配任务预测执行费用对于所述待分配任务进行分配。

【技术特征摘要】
1.一种任务分配方法，其特征在于，包括：获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型；获取待分配任务相关数据，并将其输入至所述任务执行费用预测模型中，得到所述待分配任务预测执行费用；根据所述待分配任务预测执行费用对于所述待分配任务进行分配。2.根据权利要求1所述的方法，其特征在于，所述获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型，包括：获取初始任务相关训练数据；根据执行资源所花费资源与其所得费用之间的关系对于所述初始任务相关训练数据进行筛选，得到任务相关训练数据；根据所述任务相关训练数据训练得到任务执行费用预测模型。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述待分配任务预测执行费用对于所述待分配任务进行分配，包括：确定分配规则；基于所述分配规则，根据所述待分配任务预测执行费用对于所述待分配任务进行分配。4.根据权利要求3所述的方法，其特征在于，所述分配规则为待分配任务执行费用最小。5.一种任务分配装置，其特征在于，包括：训练模块，被配置为获取任务相关训练数据，并根据所述任务相关训练数据训练得到任务执行费用预测模型；预测模块，被配置为获取待分配任务相关数据，并将其输入至所述任务执行费用预测模型中，得到所述待分配任务预测执行费用；分配模块，被配置为根据所述待分配任务预测执...

【专利技术属性】
技术研发人员：沈诚轩，
申请(专利权)人：拉扎斯网络科技上海有限公司，
类型：发明
国别省市：上海,31