一种基于遗传算法的任务处理方法、装置及电子设备制造方法及图纸

本说明书实施例提供一种基于遗传算法的任务处理方法、装置及电子设备。方法包括：以处理代价系数上限为约束，基于候选风险任务集合中各候选风险任务对应的处理代价系数，确定候选风险任务集合中的至少两种风险任务处理安排结果。对至少两种风险任务处理安排结果进行基因编码，得到初始种群。基于遗传算法，对初始种群进行多轮迭代的遗传运算，得到目标种群，每轮遗传运算中，目标个体被选取为亲本个体的概率与目标个体的适应度匹配，目标个体的适应度与目标个体的总处理代价系数呈负相关。按照目标种群中的目标优质个体表征的风险任务处理安排结果，对候选风险任务集合进行处理，优质个体为总处理效益系数达到预设处理效益要求的个体。

A task processing method, device and electronic equipment based on genetic algorithm

【技术实现步骤摘要】
一种基于遗传算法的任务处理方法、装置及电子设备
本文件涉及数据处理
，尤其涉及一种基于遗传算法的任务处理方法、装置及电子设备。
技术介绍
目前的业务系统经常产生出大量的风险任务。在资源有限的情况下，这些风险任务无法得到全部处理，因此会挑选出其中一部分有价值的任务进行处理。目前的挑选方式主要有两种，一种穷尽搜索的挑选，这种方式会遍历每个任务并进行比较，然后计算出最优解，当任务量较多数，执行效率过低。另一种是基于贪心算法的搜索，这种方式始终选择当前点的邻居中离目标最近者的方向搜索，虽然执行效率较高，但往往陷入局部极值，无法精准搜索到全局的最优解。为此，当前亟需一种解决方案，能够提高业务系统挑选待处理风险任务的执行效率以及最优解的概率。
技术实现思路
本说明书实施例目的是提供一种基于遗传算法的任务处理方法、装置及电子设备，能够提高业务系统挑选待处理风险任务的执行效率和最优解概率。为了实现上述目的，本说明书实施例是这样实现的：第一方面，提供一种基于遗传算法的任务处理方法，包括：>以预设的处理代价系本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的任务处理方法，包括：/n以预设的处理代价系数上限为约束，基于候选风险任务集合中各候选风险任务对应的处理代价系数，确定所述候选风险任务集合中的至少两种风险任务处理安排结果，其中，所述候选风险任务集合中的所有候选风险任务的总处理代价系数大于所述处理代价系数上限；/n对所述至少两种风险任务处理安排结果进行基因编码，得到所述至少两种风险任务处理安排结果基因编码后所组成的初始种群；/n基于遗传算法，对所述初始种群进行多轮迭代的遗传运算，得到目标种群，其中，每轮遗传运算中，目标个体被选取为亲本个体的概率与目标个体的适应度相匹配，目标个体的适应度与目标个体的总处理代价系数呈负相关；/n...

【技术特征摘要】
1.一种基于遗传算法的任务处理方法，包括：
以预设的处理代价系数上限为约束，基于候选风险任务集合中各候选风险任务对应的处理代价系数，确定所述候选风险任务集合中的至少两种风险任务处理安排结果，其中，所述候选风险任务集合中的所有候选风险任务的总处理代价系数大于所述处理代价系数上限；
对所述至少两种风险任务处理安排结果进行基因编码，得到所述至少两种风险任务处理安排结果基因编码后所组成的初始种群；
基于遗传算法，对所述初始种群进行多轮迭代的遗传运算，得到目标种群，其中，每轮遗传运算中，目标个体被选取为亲本个体的概率与目标个体的适应度相匹配，目标个体的适应度与目标个体的总处理代价系数呈负相关；
按照目标种群中的目标优质个体表征的风险任务处理安排结果，对所述候选风险任务集合中的候选风险任务进行处理，其中，所述候选风险任务集合中各候选风险任务对应有处理效益系数，优质个体为总处理效益系数达到预设处理效益要求的个体。


2.根据权利要求1所述的方法，
以预设的处理代价系数上限为约束，基于候选风险任务集合中各候选风险任务对应的处理代价系数，确定所述候选风险任务集合中的至少两种风险任务处理安排结果，包括：
以预设的处理代价上限为约束，基于候选风险任务集合中各候选风险任务对应的处理代价系数，按照选取到的需要处理的候选风险任务的总处理效益系数最大化的策略，确定所述候选风险任务集合中的至少两种风险任务处理安排结果。


3.根据权利要求2所述的方法，
所述候选风险任务集合中的各个候选风险任务为金融风险任务，候选风险任务的处理代价系数是基于处理候选风险任务所需要的时间和/或人力确定得到的，候选风险任务的处理效益系数是基于候选风险任务所对应的金融风险等级确定得到的。


4.根据权利要求1-3中任一项所述的方法，
所述目标优质个体是所述目标种群中总处理效益系数最大的优质个体。


5.根据权利要求1-3中任一项所述的方法，
每轮迭代的遗传运算包括：
基于适应度的轮盘赌选择法，从本轮次的种群中选取出亲本个体；基于亲本个体进行交叉运算，得到新生个体；
若目标新生个体的总处理代价系数未超出所述处理代价系数上限，则确定本轮次的种群中是否存在总处理效益系数小于所述目标新生个体的目标原有个体；
若存在，则将本轮次的种群中的目标原有个体换为所述目标新生个体，得到下一轮次的种群；
若不存在，或者，所有新生个体的总处理代价系数均超出所述处理代价系数上限，则将本轮次的种群沿用作为下一轮的种群。


6.根据权利要求1-3中任一项所述的方法，
至少一轮迭代的遗传运算包括：
从本轮次的种群中选取预设比例的个体进行基因变异。


7.根据权利要求1-3中任一项所述的方法，
所述多轮迭代的遗传运算的结束条件包括以下至少一者：
在本轮次的种群的最优个体的适应度达到预设适应度要求；
近预设轮次的种群中的最优个体的适应度不再变化；
迭代轮次达到预设迭代次数。


8.一种基于遗传算法的任务处理装置，包括：
处理安排模块，以预设的处理代价系数上限为约束，基于候选风险任务集合中各候选风险任务对应的处理代价系数，确定所述候选风险任务集合中的至少两种风险任务处理...

【专利技术属性】
技术研发人员：张向阳，沈磊，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33