CN107239853B - 一种基于云计算的智慧管家***及其工作方法 - Google Patents

Abstract

本发明公开了一种基于云计算的智慧管家***及其工作方法，所述的***包括企业级用户端和普通个人用户端；所述的企业级用户端包括产品配置模块、产品注册模块、产品详情管理模块、产品关联配置模块、门户管理模块、销售财务管理模块和快递管理员管理模块。所述的普通个人用户端包括结算模块、用户信息模块、管家服务模块、数据报表查询模块和数据导航模块。本发明采用基本云自适应遗传算法交叉算子，实现了管家管理***运行成本最小化以及对不确定信息的及时准确处理。本发明所提出的基于云计算的方法提高了最优解收敛的速度，增加了全局最优解搜索范围，降低了智慧管家***的运行时间和成本，提高了该***的运行效率和缩短了响应时间。

Description

一种基于云计算的智慧管家***及其工作方法

技术领域

本发明涉及一种智慧管家***平台和方法，尤其是一种基于云计算技术及智能量子算法相结合的智慧管家***平台及方法，属于云计算技术与互联网应用管理技术领域。

背景技术

随着云计算和互联网技术的发展，出现了越来越多的基于云平台和互联网的O2O平台和APP***，这为人们的生活带来便利。例如，基于APP的商品采购管理、社保缴费管理以及物业费、水电费管理***等。在这些应用***中，由于各种不同类型的数据是分散无序的，如何对用户的数据进行有效采集并进行合理分类、并根据分类结果向用户推送需要及时管理得数据信息和对数据进行跟踪导航并更新是此类***亟需解决的主要问题。

现有技术中常用的管家管理***平台设计大多是基于一般启发式算法进行设计，这类设计方式搜索数据速度慢、聚类分析结果不彻底，难于获取最优解，而且由于数据的分散管理难于通过数据提取规律性信息对未来行为进行有效预测和提供参考。这降低了数据管理效率，减弱了数据管理的预测性功能。

在基于云计算环境下的信息管理平台应用中，有些数据是冗余和无效的，必须采用适当的手段进行处理，如数据清洗、数据去噪、数据聚类分析等，根据数据的类型、规模、获取渠道等信息，对数据信息进行可回溯性设计。现有技术中常见的数据处理算法有：Dijkstra算法、遗传算法、蚁群算法、模拟退火算法和禁忌搜索算法等，现有的管家***有如下问题：

1、现有***中采用的智能计算预约时刻、费用的提示功能算法步骤冗杂；

2、需要过多的运行时间和运行成本，结果不够准确；

3、难于通过数据提取规律性信息对未来行为进行有效预测和提供参考，缺乏科学的预测能力。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种收敛速度快、能最小化运行时间和运行成本、能够对数据进行实时处理预测、能够为用户提供准确度高和高效率的基于云计算的智慧管家***及方法。

为了实现上述目的，本发明的技术方案如下：

一种基于云计算的智慧管家***，包括企业级用户端和普通个人用户端；

所述的企业级用户端包括：

产品配置模块：用于产品管理和购买协议管理，负责对不同模块进行配置管理；

产品注册模块：用于注册不同时限、不同级别的产品，产品注册代码前缀为3位大类拼音首字母，后面为自由编码；

产品详情管理模块：用于显示已经配置过的产品详情管理，并按条件进行查询；

产品关联配置模块：用于设置一批与此产品相关联的其他产品；

门户管理模块：用于公告管理、资讯百科、焦点图管理、专利产品关系管理和企业动态管理；

销售财务管理模块：用于客服查看自己的订单进展情况；用于全国性财务管理者查看到全部的订单和财务数据，数据根据订单地区进行划分；用于销售支付管理者查看微信支付、支付宝支付、退款三类日志；

快递管理员管理模块：用于全国性快递管理员查看到全部的订单和快递数据；用于地区性快递管理员查看到本地区的数据，数据根据订单地区进行划分；用于全国性订单分配员分配所有的订单；用于地区性订单分配员分配本地区的订单，订单的初始地区取自用户地区，由管理员进行更改；

所述的普通个人用户端包括：

结算模块：用于及时提醒用户以及提供自结算功能；

用户信息模块：用于完善用户信息、完善收信人信息；

管家服务模块：用于查看购买的产品、查询数据报表、上传资料、下载资料；

数据报表查询模块：用于对用户的收入、购买、支出的数据进行汇总和查询；

数据导航模块：用于提供快速获取相关数据的导航路径导引功能。

一种基于云计算的智慧管家***的工作方法，包括如下步骤：

A、建立智慧管家***的效率和稳定性统一数学模型；

所述的稳效率和稳定性统一数学模型的设计是引入基于双链云量子方法生成“事件链”和“时间链”种群，其数值越小，表明重调度效率和稳定性越高，设计效率和稳定性统一数学模型如下：

式中：F_n表示待管理的事件n的管理完成时间；b_n表示响应待管理的事件n的时间；DL_n表示待管理的事件n的完成时间窗；t'_nm和t_nm分别表示重调度和初始调度中智慧管家***的模块m开始管理待管理的事件n的时间；PF()表示偏离度惩罚值函数；RT表示当前管理时间；n_i表示在当前时刻用户需要完成的事件总数；m表示模块的序号，即依次用自然序号分别代表***中的各个模块；

B、对智慧管家***中已经存储的数据进行实时更新，并根据数据规模和类型进行数据清洗和聚类分析处理，在销售财务模块、结算模块和数据报表查询模块中，为了获取数据清洗和数据聚类分析的最优解，提高获取解的收敛速度、最优化成本变量，基于云自适应遗传算法的交叉算子获取步骤如下：

B1、将参与交叉操作的两个个体分别表示为父体I^F和母体I^M；

B2、从[1，10]范围内选取两个随机整数q₁和q₂，在此基础上生成两个子个体；

B3、生成I^D，对于I^D的产品列表λ^D，其前q₁个位置由母个体I^M的前q₁个位置决定，其他位置由父个体的λ^F决定；

B4、对于I^D的服务资源分配列表N^D，其前q₂个位置由母个体I^M的前q₂个位置决定，其他位置由父个体的N^F决定；同理，父体和母体交互生成另外子个体I^T；

B5、对于产品的列表采用交换式和***式：交换式是指交换产品列表的不同产品，若交换后不满足关系约束条件，则换回原来的位置，进入下一次交换；***式是指首先计算变异算子的所有前置产品在列表中的最后位置lc₁和所有后继产品在列表中的最前面位置lc₂，其次在lc₁和lc₂中随机选取位置lc，将此算子***lc的位置；***式变异是使用比较多的变异方式，个体变异步骤为先对个体I中的产品列表λ的每个产品j_i按照概率进行变异，按***式变异方式进行算子的位置变换；然后对个体I中的服务资源列表的每个管理员分配

为该位置对应的产品随机从N_i中分配满足需求的服务；通过Y条件云发生器和正向云发生器产生云交叉概率和变异概率，通过X条件云发生器生成交叉算子和变异算子；λ为满足时序约束全部管理任务排列的事件列表；N为管理模块分配列表，表示事件列表的每一个事件对应的配送模式组成的向量，i表示被管理事件的序号，l_c表示算子***的位置；

C、通过分析对处理结果进行反馈和存储并提供给客户可预测的参考信息：可预测参考信息包括开支流量、采购及消费兴趣点预测以及缴费类别倾向度，并实现对搜索最优解的选择，结算模块及快递管理员响应模块中通过上述云计算获得非支配最优解，对于在此两个模块获得的最优解采用AHP的层次法，即自上而下包括总目标层、子目标层以及方案层；总目标层是解决实时管理问题的总体目标，子目标层包括最小化总成本、最小化运行时间和最大化客户满意度子目标，方案层基于云计算方法取的一组非支配解集设计；基于AHP策略的云自适应遗传算法求解“智慧管家***”最优解的步骤如下，每个个体对应上述结算模块和快递管理员响应模块的一组解：

C1、随机产生x个个体组成初始种群，并初始化p_cr和p_ct；p_cr表示云交叉算子，p_ct表示云变异算子；

C2、对每个个体的适应度进行求解，自适应调整p_cr和p_ct；

C3、采用最优保留策略进行选择操作；

C4、进行适应度值的搜索，并判断是否有个体更新，如果连续30代内没有更新，则使种群数目增加一倍；

C5、判断是否获得了最优解，如果获得，则输出最佳个体，否则执行步骤C2；

D、用户的数据管理和倾向性度判断趋于稳定后，完成对数据的管理和预测功能，在结算模块和快递管理员响应模块中，为了最优化智慧管家***的实时预测响应时间，采用基于云计算的方法获取最优解，具体步骤如下：

D1、初始化种群，并进行云遗传算法的染色体编码以表示队列中待响应的事件；所述的种群为用户的待管理事件集合；

D2、设计表达式为fit(x)＝1/Z(x)的适应度评价函数，Z(x)表示个体目标函数值，函数值越小个体越优秀；

D3、利用最佳个体保留策略和适应度比例选择对种群进行个体选择，以确定进入下一代种群个体的范围；

D4、利用云模型的X条件发生器生成交叉算子p_cr，并对父代个体进行交叉操作；采用双交叉方式，将交叉点间的基因区域置于子代个体的首位，同时去除父代个体中相同的编码，并将其他编码按照顺序复制到子代中；若子代个体超出约束条件，则移动位置0进行调整；

D5、利用云模型的X条件发生器生成变异算子p_ct，并对个体进行互换变异操作；从变异个体的基因编码中随机选取r₁和r₂两个编码，r₁和r₂为非0自然数，对选取的编码进行交换，从而产生新个体；

D6、通过选取父代种群的k个优秀个体和子代种群的k个个体组合后重新构建新种群，从而扩大种群规模并增加搜索空间；通过遗传算法的相关操作，重新得到k个下一代种群；这一步的操作可以使种群的优秀基因得到更好的保存，并得到更好的可行解和最优解；

D7、对量子门进行更新；

D8、判断是否满足停止条件，若没满足跳至步骤D3，否则停止算法运行。

与现有技术相比，本发明具有以下有益效果：

1、由于本发明采用基本云自适应遗传算法交叉算子，实现了管家管理***运行成本最小化以及对不确定信息的及时准确处理。

2、由于本发明采用基于AHP策略的云自适应遗传算法求解“智慧管家***”最优解策略，实现了在获取的一组非支配解中获取最优决策方案。

3、由于本发明设计的数据清洗、去噪和聚类分析算法，实现了对用户未来行为的预测和提供了最优管家***管理参考方案。

4、本发明所提出的基于云计算的方法提高了最优解收敛的速度，增加了全局最优解搜索范围，降低了智慧管家***的运行时间和成本，提高了该***的运行效率和缩短了响应时间。

5、综上所述，本发明为解决现有***中预约和费用结算功能算法步骤冗杂、需要过多时间和运行成本，结果不准确以及缺少预测功能的问题，设计了一种基于云计算的智慧管家***和方法，可以实现管家***中获取合理调度方案最优解的收敛速度快；最小化算法运行时间和减少运行成本；采用云计算的方法实现对数据的清洗和聚类分析，实现实时预测处理功能；能够为用户提供准确度高、效率高的管家***管理调度方案。

附图说明

图1为本发明的***结构示意图。

图2为本发明的方法流程图。

具体实施方式

下面结合附图对本发明进行进一步地描述。一种基于云计算的智慧管家***，包括企业级用户端和普通个人用户端；具体组成如图1所示。一种基于云计算的智慧管家***的工作方法，具体步骤如图2所示，步骤A中模块序号m编制示例如下：如1代表产品配置模块，2代表产品注册模块；直至用所有的自然数代表所有的模块。

本发明方法可以用嵌入式芯片、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围。

Claims (1)

1.一种基于云计算的智慧管家***，包括企业级用户端和普通个人用户端；

所述的企业级用户端包括：

产品配置模块：用于产品管理和购买协议管理，负责对不同模块进行配置管理；

产品注册模块：用于注册不同时限、不同级别的产品，产品注册代码前缀为3位大类拼音首字母，后面为自由编码；

产品详情管理模块：用于显示已经配置过的产品详情管理，并按条件进行查询；

产品关联配置模块：用于设置一批与此产品相关联的其他产品；

门户管理模块：用于公告管理、资讯百科、焦点图管理、专利产品关系管理和企业动态管理；

销售财务管理模块：用于客服查看自己的订单进展情况；用于全国性财务管理者查看到全部的订单和财务数据，数据根据订单地区进行划分；用于销售支付管理者查看微信支付、支付宝支付、退款三类日志；

快递管理员管理模块：用于全国性快递管理员查看到全部的订单和快递数据；用于地区性快递管理员查看到本地区的数据，数据根据订单地区进行划分；用于全国性订单分配员分配所有的订单；用于地区性订单分配员分配本地区的订单，订单的初始地区取自用户地区，由管理员进行更改；

所述的普通个人用户端包括：

结算模块：用于及时提醒用户以及提供自结算功能；

用户信息模块：用于完善用户信息、完善收信人信息；

管家服务模块：用于查看购买的产品、查询数据报表、上传资料、下载资料；

数据报表查询模块：用于对用户的收入、购买、支出的数据进行汇总和查询；

数据导航模块：用于提供快速获取相关数据的导航路径导引功能；

其特征在于：所述的基于云计算的智慧管家***的工作方法，包括如下步骤：

A、建立智慧管家***的效率和稳定性统一数学模型；

所述的效率和稳定性统一数学模型的设计是引入基于双链云量子方法生成“事件链”和“时间链”种群，其数值越小，表明重调度效率和稳定性越高，设计效率和稳定性统一数学模型如下：

式中：F_n表示待管理的事件n的管理完成时间；b_n表示响应待管理的事件n的时间；DL_n表示待管理的事件n的完成时间窗；t'_nm和t_nm分别表示重调度和初始调度中智慧管家***的模块m开始管理待管理的事件n的时间；PF()表示偏离度惩罚值函数；RT表示当前管理时间；n_i表示在当前时刻用户需要完成的事件总数；m表示模块的序号，即依次用自然序号分别代表***中的各个模块；

B、对智慧管家***中已经存储的数据进行实时更新，并根据数据规模和类型进行数据清洗和聚类分析处理，在销售财务模块、结算模块和数据报表查询模块中，为了获取数据清洗和数据聚类分析的最优解，提高最优解的收敛速度、最优化成本变量，基于云自适应遗传算法的交叉算子获取步骤如下：

B1、将参与交叉操作的两个个体分别表示为父体I^F和母体I^M；

B2、从[1，10]范围内选取两个随机整数q₁和q₂，在此基础上生成两个子个体；

B3、生成I^D，对于I^D的产品列表λ^D，其前q₁个位置由母个体I^M的前q₁个位置决定，其他位置由父个体的λ^F决定；

B4、对于I^D的服务资源分配列表N^D，其前q₂个位置由母个体I^M的前q₂个位置决定，其他位置由父个体的N^F决定；同理，父体和母体交互生成另外子个体I^T；

B5、对于产品的列表采用交换式和***式：交换式是指交换产品列表的不同产品，若交换后不满足关系约束条件，则换回原来的位置，进入下一次交换；***式是指首先计算变异算子的所有前置产品在列表中的最后位置lc₁和所有后继产品在列表中的最前面位置lc₂，其次在lc₁和lc₂中随机选取位置lc，将此算子***lc的位置；个体变异步骤为先对个体I中的产品列表λ的每个产品j_i按照概率进行变异，按***式变异方式进行算子的位置变换；然后对个体I中的服务资源列表的每个管理员分配

为该位置对应的产品随机从N_i中分配满足需求的服务；通过Y条件云发生器和正向云发生器产生云交叉概率和变异概率，通过X条件云发生器生成交叉算子和变异算子；λ为满足时序约束全部管理任务排列的事件列表；N为管理模块分配列表，表示事件列表的每一个事件对应的配送模式组成的向量，i表示被管理事件的序号，l_c表示算子***的位置；

C、通过分析对处理结果进行反馈和存储并提供给客户可预测的参考信息：可预测参考信息包括开支流量、采购及消费兴趣点预测以及缴费类别倾向度，并实现对搜索最优解的选择，结算模块及快递管理员响应模块中通过上述云计算获得非支配最优解，对于在此两个模块获得的最优解采用AHP的层次法，即自上而下包括总目标层、子目标层以及方案层；总目标层是解决实时管理问题的总体目标，子目标层包括最小化总成本、最小化运行时间和最大化客户满意度子目标，方案层基于云计算方法取的一组非支配解集设计；基于AHP策略的云自适应遗传算法求解“智慧管家***”最优解的步骤如下，每个个体对应上述结算模块和快递管理员响应模块的一组解：

C1、随机产生x个个体组成初始种群，并初始化p_cr和p_ct；p_cr表示云交叉算子，p_ct表示云变异算子；

C2、对每个个体的适应度进行求解，自适应调整p_cr和p_ct；

C3、采用最优保留策略进行选择操作；

C4、进行适应度值的搜索，并判断是否有个体更新，如果连续30代内没有更新，则使种群数目增加一倍；

C5、判断是否获得了最优解，如果获得，则输出最佳个体，否则执行

步骤C2；

D、用户的数据管理和倾向性度判断趋于稳定后，完成对数据的管理和预测功能，在结算模块和快递管理员响应模块中，为了最优化智慧管家***的实时预测响应时间，采用基于云计算的方法获取最优解，具体步骤如下：

D1、初始化种群，并进行云遗传算法的染色体编码以表示队列中待响应的事件；所述的种群为用户的待管理事件集合；

D2、设计表达式为fit(x)＝1/Z(x)的适应度评价函数，Z(x)表示个体目标函数值，函数值越小个体越优秀；

D3、利用最佳个体保留策略和适应度比例选择对种群进行个体选择，以确定进入下一代种群个体的范围；

D4、利用云模型的X条件发生器生成交叉算子p_cr，并对父代个体进行交叉操作；采用双交叉方式，将交叉点间的基因区域置于子代个体的首位，同时去除父代个体中相同的编码，并将其他编码按照顺序复制到子代中；若子代个体超出约束条件，则移动位置0进行调整；

D5、利用云模型的X条件发生器生成变异算子p_ct，并对个体进行互换变异操作；从变异个体的基因编码中随机选取r₁和r₂两个编码，r₁和r₂为非0自然数，对选取的编码进行交换，从而产生新个体；

D6、通过选取父代种群的k个优秀个体和子代种群的k个个体组合后重新构建新种群，从而扩大种群规模并增加搜索空间；通过遗传算法的相关操作，重新得到k个下一代种群；这一步的操作可以使种群的优秀基因得到更好的保存，并得到更好的可行解和最优解；

D7、对量子门进行更新；

D8、判断是否满足停止条件，若没满足跳至步骤D3，否则停止算法运行。

Images