一种基于改进遗传算法的广告投放方案规划方法技术

本发明专利技术涉及广告投放相关技术领域，具体的说是一种基于改进遗传算法的广告投放方案规划方法，包括以下步骤：构建历史广告投放收益数据表和广告投放收益预测模型；种群初始化；初始化种群广告投放收益评估：进行交叉操作：进行变异操作：新向量广告投放收益评估：选择：从原来的

【技术实现步骤摘要】
一种基于改进遗传算法的广告投放方案规划方法


[0001]本专利技术涉及广告投放相关
，具体的说是一种基于改进遗传算法的广告投放方案规划方法
。

技术介绍

[0002]将广告通过短视频等网络媒体投放广告是增加产品销量的重要途径
。
在广告投放的过程中，需要对广告播放时长
、
投放目标用户的类型等投放标签参数进行设置，每种参数组合构成一种广告投放方案
。
不同的标签参数组合会带来不同的广告投放效果，广告投放方案规划任务就是找到最优的投放方案，使得广告投放达到最大收益
。

技术实现思路

[0003]针对现有技术中的问题，本专利技术提供了一种基于改进遗传算法的广告投放方案规划方法
。
[0004]本专利技术解决其技术问题所采用的技术方案是：一种基于改进遗传算法的广告投放方案规划方法，包括以下步骤：
[0005]步骤
S1
：构建历史广告投放收益数据表和广告投放收益预测模型；
[0006]步骤
S2
：种群初始化：根据广告投放方案参数设置范围，确定广告投放方案规划任务的解空间；
[0007]步骤
S3
：初始化种群广告投放收益评估：基于本专利技术所提出的广告投放收益评估方法评估种群中每个向量所对应的广告投放方案所获得的广告投放收益值；
[0008]步骤
S4
：进行交叉操作：随机从种群中选择两个向量
X
i
和
X
j
，从两个向量中分别取出一个或多个片段，组合成一个新的向量；
[0009]步骤
S5
：进行变异操作：随机从新生成的
m1个向量中选择
m2个向量，对于其中任一一个向量，随机选择向量中的
n
c
个元素，在这些元素对应解空间的取值范围内随机生成
n
c
个值来替换这些元素；
[0010]步骤
S6
：新向量广告投放收益评估：基于广告投放收益评估方法，对经过步骤四和步骤五后的
m1个新向量对应的广告投放方案的广告投放收益进行评估，获得这
m1个新向量的收益值；
[0011]步骤
S7
：选择：从原来的
m
个向量和新生成的
m1个向量中选择出收益值最高的
m
个向量，组成新的种群；
[0012]步骤
S8
：判断算法是否终止：判断是否达到算法终止条件，如果没有，则回到步骤四，否则，进入步骤九；
[0013]步骤
S9
：终止算法，输出结果：将种群中的向量按照收益值排序后输出，根据需要选择排在第一位或者前几位的向量，按照这些向量对应的广告投放方案来进行广告投放
。
[0014]具体的，步骤
S1
包括以下步骤：
[0015]步骤
S11
：收集历史广告投放数据，构建历史广告投放收益数据表；
[0016]步骤
S12
：搭建广告投放收益预测模型，基于历史广告投放收益数据表构建训练数据集，训练广告投放收益预测模型
。
[0017]具体的，步骤
S11
具体为：
[0018]步骤
S111
：收集
n1个用户的历史点击数据，每条用户点击数据用一个向量
Z
＝
(z1,z2,
…
,z
N
,l)
T
表示，其中
z
i
为该用户在第
i
个广告投放标签上的参数值，
N
表示广告投放标签的总数，
l
为该条数据的标签，如果广告在该用户上产生了作用，则标签值赋为1，否则，则赋为0；
[0019]步骤
S112
：将
n1条用户数据进行合并，合并成
n2条数据；
[0020]步骤
S113
：用合并出的
n2条数据构成历史广告投放收益数据表
。
[0021]具体的，步骤
S112
中的合并方式如下：
[0022]对于当前所有用户数据中的第一条数据，遍历剩条数据，找出其中所有与第一条数据的第1位到第
N
位元素相同的数据，假设找到的数据条数为
k
，则将第1条数据与找到的
k
条数据合并成一条数据，记为该中的第1到
N
个元素即为第一条数据中的第1到
N
个元素，为参与合并的
k+1
条数据中的
l
值相加再除以
k+1
；
[0023]将
k+1
个参与合并的数据从用户数据中移除，然后重复上一步的合并过程，直到所有
n1用户数据都完成了合并，合并出
n2条数据
。
[0024]具体的，步骤
S3
中广告投放收益评估方法具体为：
[0025]步骤
S31
：将其对应的参数向量与历史广告投放收益数据表中的每条数据的第1到
N
个元素进行比对，如果参数向量与其中一条数据的第1到
N
个元素内容一致，则表示找到
[0026]匹配数据，将该条匹配数据中的元素作为该广告投放方案对应的收益值，如果在历史广告投放收益数据表中没有找到匹配数据，则进入下一步；
[0027]步骤
S32
：广告投放方案对应的向量输入到广告投放收益预测模型中，用模型的输出值作为该条广告投放方案对应的收益值
。
[0028]具体的，步骤
S2
具体为：在解空间中随机生成
m
个
N
维向量，
X1＝
(x1，1,x1，2,
…
,x1，
N
)
T
，
X2＝
(x2，1,x2，2,
…
,x2，
N
)
T
，
…
，
X
m
＝
(x
m
，1,x
m
，2,
…
,x
m
，
N
)
T
，每个向量对应一个广告投放方案，
m
个向量共同构成初始种群
。
[0029]具体的，步骤
S4
中：
X
i
和
X
j
取出的片段中要符合如下规律，即
X
i
中取出的元素的序号与
X
j
中取出的元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进遗传算法的广告投放方案规划方法，其特征在于，包括以下步骤：步骤
S1
：构建历史广告投放收益数据表和广告投放收益预测模型；步骤
S2
：种群初始化：根据广告投放方案参数设置范围，确定广告投放方案规划任务的解空间；步骤
S3
：初始化种群广告投放收益评估：基于本发明所提出的广告投放收益评估方法评估种群中每个向量所对应的广告投放方案所获得的广告投放收益值；步骤
S4
：进行交叉操作：随机从种群中选择两个向量
X
i
和
X
j
，从两个向量中分别取出一个或多个片段，组合成一个新的向量；步骤
S5
：进行变异操作：随机从新生成的
m1个向量中选择
m2个向量，对于其中任一一个向量，随机选择向量中的
n
c
个元素，在这些元素对应解空间的取值范围内随机生成
n
c
个值来替换这些元素；步骤
S6
：新向量广告投放收益评估：基于广告投放收益评估方法，对经过步骤四和步骤五后的
m1个新向量对应的广告投放方案的广告投放收益进行评估，获得这
m1个新向量的收益值；步骤
S7
：选择：从原来的
m
个向量和新生成的
m1个向量中选择出收益值最高的
m
个向量，组成新的种群；步骤
S8
：判断算法是否终止：判断是否达到算法终止条件，如果没有，则回到步骤四，否则，进入步骤九；步骤
S9
：终止算法，输出结果：将种群中的向量按照收益值排序后输出，根据需要选择排在第一位或者前几位的向量，按照这些向量对应的广告投放方案来进行广告投放
。2.
根据权利要求1所述的一种基于改进遗传算法的广告投放方案规划方法，其特征在于：步骤
S1
包括以下步骤：步骤
S11
：收集历史广告投放数据，构建历史广告投放收益数据表；步骤
S12
：搭建广告投放收益预测模型，基于历史广告投放收益数据表构建训练数据集，训练广告投放收益预测模型
。3.
根据权利要求2所述的一种基于改进遗传算法的广告投放方案规划方法，其特征在于：步骤
S11
具体为：步骤
S111
：收集
n1个用户的历史点击数据，每条用户点击数据用一个向量
Z
＝
(z1,z2,
…
,z
N
,l)
T
表示，其中
z
i
为该用户在第
i
个广告投放标签上的参数值，
N
表示广告投放标签的总数，
l
为该条数据的标签，如果广告在该用户上产生了作用，则标签值赋为1，否则，则赋为0；步骤
S112
：将
n1条用户数据进行合并，合并成
n2条数据；步骤
S113
：用合并出的
n2条数据构成历史广告投放收益数据表
。4.
根据权利要求3所述的一种基于改进遗传算法...

【专利技术属性】
技术研发人员：刘丹华，赵鑫，
申请(专利权)人：天津市滨海新区顺智深算人工智能工作室，
类型：发明
国别省市：