[发明专利]订单处理方法、装置、计算机设备及存储介质

说明书

本发明公开了一种订单处理方法、装置、计算机设备及存储介质，属于机器学习领域。所述方法包括：将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源；根据该特征数据，获取该多个目标运力资源对该至少一个订单进行派送的多个预计派送路径，得到与该多个预计派送路径对应的多个目标函数增量；根据该多个目标函数增量，对该至少一个订单进行处理。本发明通过推荐模型，先对该目标区域内的所有运力资源进行一轮筛选，避免了对目标区域内的所有运力资源进行目标函数增量获取，降低了找到最优解的计算难度，减小了订单处理过程的计算量和处理时长，有利于达到最优的调度效果。

技术领域

本发明涉及机器学习领域，特别涉及一种订单处理方法、装置、计算机设备及存储介质。

背景技术

随着网络技术的发展，用户可以通过终端上的应用客户端(application，APP)向服务器提交订单，由服务器进行订单处理，为各个订单分配运力资源，从而由运力资源根据订单进行派送。例如，该应用客户端可以是网络购物客户端、外卖客户端等。

目前，服务器在处理订单时，通常以地理区域为单位，获取该区域内的至少一个订单的特征数据，该特征数据用于表示至少一个订单的特征，例如运力资源信息、订单信息、区域信息或者距离信息中的至少一项，服务器根据该特征数据对该区域内可用的所有运力资源进行路径规划，从而得到假设将每个订单添加到运力资源的待处理订单中时，该运力资源的派送路径，从而根据各个派送路径添加该订单后的增加成本，对各个订单进行调度处理，例如为订单分配运力资源(也即是派单)、暂时不为该订单分配运力资源(也即是压单)或者对已分配订单更改运力资源(也即是改派)等，以保证增加的成本最小，也即是调度效果达到最优。

在上述过程中，随着订单和运力资源的增加，对每一个订单，服务器都需要对所有的运力资源进行路径规划，导致寻找调度效果最优解时的解空间不断增大，不仅增加了找到最优解的计算难度，而且使得计算量呈指数级增长，会延长计算所用的时间，从而不利于达到最优的调度效果。

发明内容

本发明实施例提供了一种订单处理方法、装置、计算机设备及存储介质,能够解决随着订单和运力资源的增加，解空间不断增大、计算量呈指数级增长、不利于达到最优的调度效果的问题。该技术方案如下：

一方面，提供了一种订单处理方法，该方法包括：

将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源，该推荐模型用于为该至少一个订单推荐派单概率符合预设条件的运力资源；

根据该特征数据，获取该多个目标运力资源对该至少一个订单进行派送的多个预计派送路径，得到与该多个预计派送路径对应的多个目标函数增量，该目标函数增量用于指示运力资源基于所规划的派送路径派送该至少一个订单时预计增加的目标函数损失；

根据该多个目标函数增量，对该至少一个订单进行处理。

在一种可能实施方式中，将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源包括：

该推荐模型为多个弱学习器所集成的强学习器，将该特征数据输入该多个弱学习器，通过对该多个弱学习器的输出进行加权处理，得到多个运力资源对该至少一个订单进行派送的派单概率；

将派单概率大于第一目标阈值的运力资源获取为该多个目标运力资源。

在一种可能实施方式中，将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源之前，该方法还包括：

获取该目标区域内的至少一个历史订单的历史特征数据，该历史特征数据为距离当前时刻之前预设时长内的至少一个特征数据；

根据该历史特征数据，对初始模型进行训练，得到该推荐模型。