CN115061786A - 资源调度的方法、装置、电子设备、介质和程序产品 - Google Patents
资源调度的方法、装置、电子设备、介质和程序产品 Download PDFInfo
- Publication number
- CN115061786A CN115061786A CN202210529397.8A CN202210529397A CN115061786A CN 115061786 A CN115061786 A CN 115061786A CN 202210529397 A CN202210529397 A CN 202210529397A CN 115061786 A CN115061786 A CN 115061786A
- Authority
- CN
- China
- Prior art keywords
- demand
- resource scheduling
- service
- supply
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
根据本公开的实施例,提供了一种资源调度的方法、装置、电子设备、计算机存储介质和计算机程序产品。在此描述的方法包括:确定与服务的需求方相关联的第一增长率和与服务的提供方相关联的第二增长率;基于第一增长率和第二增长率,确定供需状态变化信息,供需状态变化信息指示资源调度策略对服务的供需状态的影响;以及基于状态变化信息确定目标资源调度策略,目标资源调度策略指示针对需求方的需求激励和针对提供方的提供激励。基于以上的方式,本公开的实施例能够根据服务的供需方状态,确定针对性的资源调度策略,从而有助于提高服务的成功率。
Description
技术领域
本公开的示例实施例总体涉及计算机领域,特别地涉及资源调度的方法、装置、电子设备、计算机存储介质和计算机程序产品。
背景技术
近年来,随着互联网技术的发展,越来越多的平台通过互联网来提供各式各样的服务。例如,用户可以通过互联网出行平台获得打车、拼车或代驾等服务。
在互联网服务平台中,服务的需求方和供需方之间的需求平衡将极大地影响服务的提供质量。例如,一些情况下,需求方的数目激增可能导致需求方短时间内无法获得服务。一些情况下,需求方的数目减少也可能导致大量的提供方处于空闲状态。
发明内容
本公开的实施例提供了一种资源调度的方案。
在本公开的第一方面,提供了一种资源调度的方法。该方法包括:确定与服务的需求方相关联的第一增长率和与服务的提供方相关联的第二增长率;基于第一增长率和第二增长率,确定供需状态变化信息,供需状态变化信息指示资源调度策略对服务的供需状态的影响;以及基于状态变化信息确定目标资源调度策略,目标资源调度策略指示针对需求方的需求激励和针对提供方的提供激励。
在本公开的第二方面中,提供了一种用于资源调度的装置。该装置包括:增长确定模块,被配置为确定与服务的需求方相关联的第一增长率和与服务的提供方相关联的第二增长率;状态确定模块,被配置为基于第一增长率和第二增长率,确定供需状态变化信息,供需状态变化信息指示资源调度策略对服务的供需状态的影响;以及策略确定模块,被配置为基于状态变化信息确定目标资源调度策略,目标资源调度策略指示针对需求方的需求激励和针对提供方的提供激励。。
在本公开的第三方面,提供了一种电子设备,包括:存储器和处理器;其中存储器用于存储一条或多条计算机指令,其中一条或多条计算机指令被处理器执行以实现根据本公开的第一方面的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。
在本公开的第五方面,提供了一种计算机程序产品,其包括计算机可执行指令,其中计算机可执行指令在被处理器执行时实现根据本公开的第一方面的方法。
根据本公开的各种实施例,本公开能够根据服务的供需方状态,确定针对性的资源调度策略,从而有助于提高服务的成功率。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素,其中:
图1示出了服务中需求方与提供方之间协作的示例过程的示意图;
图2示出了能够在其中实施根据本公开的实施例示例环境的示意图;
图3示出了根据本公开的实施例的供需协作的示例过程的示意图;
图4示出了根据本公开的实施例的状态变化的示意图;
图5示出了根据本公开的实施例的利用MDP模型确定资源调度策略的示意图;
图6示出了根据本公开的多个实施例的资源调度的过程的流程图;
图7示出了根据本公开的一些实施例的用于预测运动轨迹的装置的示意性结构框图;以及
图8示出了能够实施本公开的多个实施例的计算设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
在本公开的实施例的描述中,术语“包括”及其类似用语应当理解为开放性包含,即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
示例场景
如上文所讨论的,随着互联网技术的发展,互联网能够为用户各种类型的服务,以方便人们生活的各个方面。
通常而言,服务的参与主体可以包括需求方和提供方。服务的需求方即为对服务有需求的用户,例如,出行服务中需要打车的用户,快递服务中需要提供递送物品的用户。服务的提供方即为能够提供服务的个人或组织,例如,出行服务中的共享车辆提供方、代驾服务中的代驾司机,快递服务中的快递机构等。
通常,服务的需求方和提供方需要完成匹配,才能开始具体的服务过程。图1示出了服务中需求方与提供方之间协作的示例过程的示意图100。
如图1所示,需求方110最开始可以处于服务意愿状态115,即其具有获取服务的初始意愿。这样的需求方也可以被称为潜在需求方。潜在需求方例如可以通过应用执行各种的查询过程125,以获取与获取服务有关的初步信息。以代驾服务作为示例,这样的潜在需求方例如可以包括已经点击了查看代驾报价,但暂未下单的用户。
一些用户在获得初步信息后,可以进入到确定服务需求状态120,即用户可以正式提交服务请求135。这样的需求方也可以被称为真实需求方,即已经提交订单。在一些场景中,这样的需求方例如可以是已经完成了支付。
类似地,对于服务的提供方160而言,其例如也可以存在两种状态。首先,提供方160例如可以处于空闲状态165,即其还未接受任何需求方110所提交的订单。此外,提供方160还可以接受服务请求170。相应地,服务可以进入到开始服务过程145,并在一段时间后服务结束150。
在一些情况下,服务的供需平衡可能处理一个不合理的状态。例如,可能有过多的需求方110提交了服务请求,但没有足够的提供方160能够及时地提供服务。作为另一示例,也可能较少的需求方110提交了服务请求,这可能导致大量的提供方160处于空闲状态。
这样的供需失衡状态都将极大地影响服务的效率,可能会导致生产力的浪费,或者导致用户无法及时获得服务,影响用户体验。
一些方案尝试通过对资源调度以协调供需平衡来提高服务的效率。例如,在从查询过程125到提交服务请求135的过程130中,可以通过调整对需求方110的激励来提高或降低服务请求的量。或者,在提交服务请求135到开始服务145的过程140中,可以通过调整对提供方160的激励来提交或降低提供方160接受订单的概率。
然而,服务过程中,供需的状态随时间变换显著。如何有效地对资源进行调度来达到服务中合理的供需状态,是目前所面临的难点。
根据本公开的实现,提出了一种用于资源调度的方案。在该方案中,首先,可以确定与服务的需求方相关联的第一增长率和与服务的提供方相关联的第二增长率。进一步地,可以基于第一增长率和第二增长率来确定供需状态变化信息,其中供需状态变化信息指示资源调度策略对服务的供需状态的影响。
相应地,可以基于状态变化信息确定目标资源调度策略,以确定针对需求方的需求激励和针对提供方的提供激励。
根据本公开的各种实施例,本公开能够在资源调度的过程中考虑当前供需状态和未来的变化来确定更为有效的资源调度策略,从而使得服务的供需状态能够更加合理。由此,本公开的实施例能够避免生产力的浪费。此外,本公开的实施还能够提高用户及时获得服务的概率,从而提升用户体验。
以下进一步详细描述该方案的各种示例实现。
示例环境
参见图2,其示意性示出了其中可以实施根据本公开的示例性实现方式的环境200的示意图。如图2所示,环境200包括计算设备230。
如图2所示,计算设备230可以根据服务的需求方210和服务的提供方220的状态,来确定目标资源调度策略240。
目标资源调度策略240可以包括针对需求方210的需求激励。在一些实施例中,需求激励可以为需求方210在提交服务请求能够获得的激励,其可以包括任何适当类型的激励,例如物质激励、精神激励或其他方面的激励。
目标资源调度策略240还可以包括针对提供方的提供激励。在一些实施例中,提供激励可以为提供方220在接受服务请求能够获得的激励,其可以包括任何适当类型的激励,例如物质激励、精神激励或其他方面的激励。
在一些实施例中,服务例如可以包括物品递送服务,其中服务的需求方210可以是待递送物品的发送方。例如,以同城货运为例,这样的需求方210可以包括待将货物递送到特定位置的发货方。相应地,服务的提供方220可以是能够提供递送服务的递送方。例如,提供方220可以是货运司机或货运组织。
在一些实施例中,服务例如可以包括车辆代驾服务,其中服务的需求方210例如可以包括需要代驾服务的用户,提供方220可以包括提供代驾服务的代驾方。
状态建模
对于服务而言,服务的需求方210和提供方220是用于描述服务供需状态的主要因素。由此,服务的供需状态可以表示为不同状态之间的切换。
图3示出了根据本公开的实施例的供需协作的示例过程的示意图300。如图3所示,对于需求方210而言,当有新的订单310被提交时,该订单可以进入两种状态。
第一种状态为未匹配状态320,即没有提供方接受该新的订单310。第二种状态为匹配状态370,即暂未匹配有订单的提供方220接受了该新的订单310。
类似地,对于提供方220而言,当出现新的提供方350时,其可以进入两种状态。第一种状态为未匹配状态360,即该新的提供方350未接受已有的订单。第二种状态为匹配状态330,即该新的提供方350接受了已有的订单。
由此,服务的需求状态变化可以总结为五种情况。图4示出了根据本公开的实施例的状态变化的示意图400。
如图4所示,供需状态410表示当前状态(NS,NC),其中Ns表示需求方的需求信息。例如,需求信息可以表示需求方已经下的订单数目。Nc表示可用提供方信息。例如,提供方信息可以表示空闲的提供方的数目。
在服务过程中,从供需状态410出发,可以发展到以下五种供需状态中的一种:
供需状态420,其例如可以表示为(NS-1,NC),指示相对于当前供需状态410:需求方的需求减少、且可用提供方不变。例如,当新的提供方350出现,并接受了已有订单时,供需状态410可以变化425到该供需状态420。
供需状态430,其例如可以表示为(NS,NC+1),指示相对于当前供需状态410:需求方的需求不变、且可用提供方增加。例如,当新的提供方350出现,并暂未接受已有订单时,供需状态410可以变化435到该供需状态430。
供需状态440,其例如可以表示为(NS,NC-1),指示相对于当前供需状态410:需求方的需求不变、且可用提供方减少。例如,当新的订单310出现,并且被已有的提供方接受时,供需状态410可以变化445到该供需状态440。
供需状态450,其例如可以表示为(NS+1,NC),指示相对于当前供需状态410:需求方的需求增加、且可用提供方不变。例如,当新的订单310出现,并且未被已有的提供方接受时,供需状态410可以变化455到该供需状态450。
供需状态410,其例如可以表示为(NS,NC),指示相对于当前供需状态410:需求方的需求和可用提供方不变。例如,当新的需求方出现,但并未提交新的订单时,供需状态410可以变化415到供需状态410。
进一步地,为了对供需状态进行建模,还可以确定各供需状态之间切换的概率。在一些实施例中,为了描述供需状态之间切换的概率,可以首先确定与服务的需求方相关联的第一增长率λs和与服务的提供方相关联的第二增长率λc。
在一些实施例中,第一增长率λs也可以称为需求方冒泡率。在一些实施例中,第一增长率λs基于第一时间段内新增的潜在需求方的数目而被确定,其中潜在需求方提出了针对服务的意愿,但未提交分配提供方的请求。示例性地,第一增长率λs可以描述单位时间内在平台输入服务需求且未下单的顾客数。
在一些实施例中,第二增长率λc也可以称为提供方冒泡率。在一些实施例中,第二增长率λc基于第二时间段内的可用提供方的数目而被确定,可用提供方处于能够提供服务的空闲状态。示例性地,第二增长率λc可以描述单位时间内处于可提供服务状态且未接受订单的提供方的数目。
应当理解,计算设备230可以根据需求方210和提供方220的信息来确定第一增长率λs和第二增长率λc。
此外,还可以考虑不同激励对提交订单和接受订单的影响。例如,针对需求方的需求激励可以表示为Cs,针对提供方的提供激励可以表示为Cc。
进一步地,计算设备230可以确定第一影响信息,其指示不同需求激励对于所述需求方的影响。例如,计算设备230可以确定需求弹性曲线,其表示在给定需求激励下,需求方提交订单的概率。该概率例如可以表示为:
Ps=f(Cs) (1)
在一些实施例中,计算设备230还可以确定第二影响信息,其指示不同提供激励对于所述提供方的影响。例如,计算设备230可以确定提供弹性曲线,其表示在给定需求激励下,提供方接受订单的概率。该概率例如可以表示为:
Pc=f(Cc) (2)
进一步地,计算设备230可以基于第一增长率λs、第二增长率λc、概率Ps和概率Pc来确定状态变化信息,以指示变化到不同供需状态的概率。
示例性地,变化415的概率可以表示为:
λs/(λs+λc)*(1-Ps) (3)
示例性地,变化425的概率可以表示为:
λc/(λs+λc)*Pc (4)
示例性地,变化435的概率可以表示为:
λc/(λs+λc)*(1-Pc) (5)
示例性地,变化445的概率可以表示为:
λs/(λs+λc)*Ps*Pc (6)
示例性地,变化455的概率可以表示为:
λs/(λs+λc)*Ps*(1-Pc) (7)
在一些实施例中,以上状态变化信息也称为状态变化概率,其可以进一步用于确定状态变化矩阵(STM,State Transition Matrix),以指示从一个状态变化到另一个状态的概率。
MDP模型
在一些实施例中,计算设备230可以基于状态变化信息,确定资源调度策略对长期期望收益的影响。进一步地,计算设备230可以确定目标资源调度策略,以最大化长期期望收益。
在一些实施例中,考虑到服务的供需状态可以通过有限的状态数目来表示,计算设备230可以利用马尔科夫决策过程(MDP,Markov decision process)模型来确定资源调度策略。应当理解,计算设备230还可以利用其它适当的状态变化模型来确定目标资源调度策略,以最大化长期期望收益。
图5示出了根据本公开的实施例的利用MDP模型确定资源调度策略的示意图500。在一些实施例中,MDP模型可以包括动态模型510其通过价值迭代算法来确定第一资源调度策略536。
在一些实施例中,计算设备230可以基于第一增长率和第二增长率来构建MDP模型。具体地,计算设备230可以基于服务的需求和可用提供方信息来构建MDP模型的状态空间,其例如可以表示为(NS,NC)。考虑到平台对最大服务需求和最大提供方数目通常有限定,因此,这样的状态空间可以包括有限的状态。
如图5所示,MDP模型中的动作524可以指示应用相应的资源调度策略,即对需求方应用对应的需求激励,并对提供方应用对应的提供激励。由此,状态522可以基于动作524而变化到下一状态526。
该变化过程的状态变化概率528可以基于公式(3)到公式(7)而被确定。进一步地,计算设备230可以基于实时收益530和资源调度策略532来确定长期预期收益,其例如可以表示为:
其中,γ表示折扣系数,以用于控制未来收益对长期预期收益的影响,其例如可以被设置为0到1之间的值。此外,实时收益R(s)基于不同以下收益的和而被确定:
进一步地,计算设备230可以基于价值迭代算法来动态地确定第一资源调度策略536,以作为目标资源调度策略。具体地,计算设备230可以基于MDP模型,确定一组候选资源调度策略的收益信息,收益信息指示与一组候选资源调度策略对应的长期期望收益。进一步地,计算设备230可以基于收益信息,从一组候选资源调度策略中确定目标资源调度策略。
具体地,价值迭代过程可以包括:首先,对每个状态s,初始化收益为零。进一步地,重复以下过程直到收敛:对每个状态,更新其最优价值函数。3.当最终这个价值函数收敛(即所有状态的价值函数收敛)时,根据策略的关系,计算出最优策略,以作为第一资源调度策略536。
在一些实施例中,如图5所示,MDP模型还可以包括静态模型520。与动态模型510不同,静态模型520可以基于贝尔曼优化来求解确定第二资源调度策略542。
具体地,计算设备230可以基于状态转移矩阵,确定MDP模型的状态概率矩阵540。进一步地,计算设备230可以基于状态概率矩阵540和基于贝尔曼优化过程所确定的状态收益矩阵538来确定MDP模型的目标价值函数。示例性地,该目标价值函数可以表示为状态收益矩阵与状态概率矩阵的乘积,其中状态收益矩阵538可以表征不同状态所对应的收益,状态概率矩阵540表征不同状态之间切换的概率。
附加地,计算设备230可以基于目标函数,确定目标资源调度策略,以最大化目标价值函数。
动态模型510和静态模型520的区别在于:静态模型的最优结果对于不同的供需场景保持不变。相比之下,动态模型更看重资源调度策略的灵活性,因此资源调度策略的选择根据动态模型中的供需动态而变化。
在一些实施例中,计算设备230可以将第一资源调度策略536或第二资源调度策略542确定作为目标资源调度策略240。
备选地,计算设备230也可以基于第一资源调度策略536和第二资源调度策略542二者来确定目标资源调度策略240。例如,目标资源调度策略240可以是第一资源调度策略536和第二资源调度策略542二者的加权和。
在一些实施例中,计算设备230还可以应用所确定的目标资源调度策略240,以对需求方210应用目标资源调度策略240所指示的需求激励,并对提供方220应用目标资源调度策略240所指示的提供激励。
由此,根据本公开的各种实施例,本公开能够在资源调度的过程中考虑当前供需状态和未来的变化来确定更为有效的资源调度策略,从而使得服务的供需状态能够更加合理。由此,本公开的实施例能够避免生产力的浪费。此外,本公开的实施还能够提高用户及时获得服务的概率,从而提升用户体验。
示例过程
图6示出了根据本公开的多个实施例的资源调度的过程600的流程图。过程600可以由如图2所示的计算设备230来实施。
如图6所示,在框602,计算设备230确定与服务的需求方相关联的第一增长率和与服务的提供方相关联的第二增长率。
在框604,计算设备230基于第一增长率和第二增长率,确定供需状态变化信息,供需状态变化信息指示资源调度策略对服务的供需状态的影响。
在框606,计算设备230基于状态变化信息确定目标资源调度策略,目标资源调度策略指示针对需求方的需求激励和针对提供方的提供激励。
在一些实施例中,第一增长率基于第一时间段内新增的潜在需求方的数目而被确定,潜在需求方提出了针对服务的意愿,但未提交分配提供方的请求。
在一些实施例中,第二增长率基于第二时间段内的可用提供方的数目而被确定,可用提供方处于能够提供服务的空闲状态。
在一些实施例中,供需状态变化信息指示从服务的当前供需状态切换到未来供需状态的概率,其中未来供需状态包括以下中的至少一项:第一供需状态,指示相对于当前供需状态:需求方的需求不变、且可用提供方减少;第二供需状态,指示相对于当前供需状态:需求方的需求减少、且可用提供方不变;第三供需状态,指示相对于当前供需状态:需求方的需求不变、且可用提供方增加;第四供需状态,指示相对于当前供需状态:需求方的需求增加、且可用提供方不变;或第五供需状态,指示相对于当前供需状态:需求方的需求和可用提供方不变。
在一些实施例中,确定供需状态变化信息包括:确定第一影响信息,第一影响信息指示不同需求激励对于需求方的影响;确定第二影响信息,第二影响信息指示不同提供激励对于提供方的影响;以及基于第一影响信息、第二影响信息、第一增长率和第二增长率,确定供需状态变化信息。
在一些实施例中,基于状态变化信息确定目标资源调度策略包括:基于状态变化信息,确定资源调度策略对长期期望收益的影响;以及确定目标资源调度策略,以最大化长期期望收益。
在一些实施例中,基于状态变化信息确定目标资源调度策略包括:根据状态变化信息,构建基于马尔科夫决策过程MDP模型;以及利用MDP模型,确定目标资源调度策略,其中,MDP模型的状态空间基于服务的需求和可用提供方而被确定,状态变化信息对应于MDP模型的状态转移矩阵。
在一些实施例中,利用MDP模型确定目标资源调度策略包括:基于MDP模型,确定一组候选资源调度策略的收益信息,收益信息指示与一组候选资源调度策略对应的长期期望收益;以及基于收益信息,从一组候选资源调度策略中确定目标资源调度策略。
在一些实施例中,利用MDP模型确定目标资源调度策略包括:基于状态转移矩阵,确定MDP模型的状态概率矩阵;基于状态概率矩阵,确定MDP模型的目标价值函数;以及基于目标函数,确定目标资源调度策略,以最大化目标价值函数。
在一些实施例中,服务为物品递送服务,需求方包括待递送物品的发送方,提供方包括负责递送物品的递送方。
在一些实施例中,服务的车辆代驾服务,需求方包括需要代驾服务的用户,提供方包括提供代驾服务的代驾方。
示例装置和设备
本公开的实施例还提供了用于实现上述方法或过程的相应装置。图7示出了根据本公开的一些实施例的用于资源调度的装置700的示意性结构框图。
如图7所示,装置700包括增长确定模块710,被配置为确定与服务的需求方相关联的第一增长率和与服务的提供方相关联的第二增长率。
装置700包括状态确定模块720,被配置为基于第一增长率和第二增长率,确定供需状态变化信息,供需状态变化信息指示资源调度策略对服务的供需状态的影响。
此外,装置700还包括策略确定模块730,被配置为基于状态变化信息确定目标资源调度策略,目标资源调度策略指示针对需求方的需求激励和针对提供方的提供激励。
在一些实施例中,第一增长率基于第一时间段内新增的潜在需求方的数目而被确定,潜在需求方提出了针对服务的意愿,但未提交分配提供方的请求。
在一些实施例中,第二增长率基于第二时间段内的可用提供方的数目而被确定,可用提供方处于能够提供服务的空闲状态。
在一些实施例中,供需状态变化信息指示从服务的当前供需状态切换到未来供需状态的概率,其中未来供需状态包括以下中的至少一项:第一供需状态,指示相对于当前供需状态:需求方的需求不变、且可用提供方减少;第二供需状态,指示相对于当前供需状态:需求方的需求减少、且可用提供方不变;第三供需状态,指示相对于当前供需状态:需求方的需求不变、且可用提供方增加;第四供需状态,指示相对于当前供需状态:需求方的需求增加、且可用提供方不变;或第五供需状态,指示相对于当前供需状态:需求方的需求和可用提供方不变。
在一些实施例中,状态确定模块720还被配置为:确定第一影响信息,第一影响信息指示不同需求激励对于需求方的影响;确定第二影响信息,第二影响信息指示不同提供激励对于提供方的影响;以及基于第一影响信息、第二影响信息、第一增长率和第二增长率,确定供需状态变化信息。
在一些实施例中,策略确定模块730被配置为:基于状态变化信息,确定资源调度策略对长期期望收益的影响;以及确定目标资源调度策略,以最大化长期期望收益。
在一些实施例中,策略确定模块730被配置为:根据状态变化信息,构建基于马尔科夫决策过程MDP模型;以及利用MDP模型,确定目标资源调度策略,其中,MDP模型的状态空间基于服务的需求和可用提供方而被确定,状态变化信息对应于MDP模型的状态转移矩阵。
在一些实施例中,策略确定模块730被配置为:基于MDP模型,确定一组候选资源调度策略的收益信息,收益信息指示与一组候选资源调度策略对应的长期期望收益;以及基于收益信息,从一组候选资源调度策略中确定目标资源调度策略。
在一些实施例中,策略确定模块730被配置为:基于状态转移矩阵,确定MDP模型的状态概率矩阵;基于状态概率矩阵,确定MDP模型的目标价值函数;以及基于目标函数,确定目标资源调度策略,以最大化目标价值函数。
在一些实施例中,服务为物品递送服务,需求方包括待递送物品的发送方,提供方包括负责递送物品的递送方。
在一些实施例中,服务的车辆代驾服务,需求方包括需要代驾服务的用户,提供方包括提供代驾服务的代驾方。
装置700中所包括的单元可以利用各种方式来实现,包括软件、硬件、固件或其任意组合。在一些实施例中,一个或多个单元可以使用软件和/或固件来实现,例如存储在存储介质上的机器可执行指令。除了机器可执行指令之外或者作为替代,装置700中的部分或者全部单元可以至少部分地由一个或多个硬件逻辑组件来实现。作为示例而非限制,可以使用的示范类型的硬件逻辑组件包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准品(ASSP)、片上***(SOC)、复杂可编程逻辑器件(CPLD),等等。
图8示出了其中可以实施本公开的一个或多个实施例的计算设备/服务器800的框图。应当理解,图8所示出的计算设备/服务器800仅仅是示例性的,而不应当构成对本文所描述的实施例的功能和范围的任何限制。
如图8所示,计算设备/服务器800是通用计算设备的形式。计算设备/服务器800的组件可以包括但不限于一个或多个处理器或处理单元810、存储器820、存储设备830、一个或多个通信单元840、一个或多个输入设备850以及一个或多个输出设备860。处理单元810可以是实际或虚拟处理器并且能够根据存储器820中存储的程序来执行各种处理。在多处理器***中,多个处理单元并行执行计算机可执行指令,以提高计算设备/服务器800的并行处理能力。
计算设备/服务器800通常包括多个计算机存储介质。这样的介质可以是计算设备/服务器800可访问的任何可以获得的介质,包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器820可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如,只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备830可以是可拆卸或不可拆卸的介质,并且可以包括机器可读介质,诸如闪存驱动、磁盘或者任何其他介质,其可以能够用于存储信息和/或数据(例如用于训练的训练数据)并且可以在计算设备/服务器800内被访问。
计算设备/服务器800可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图8中示出,可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中,每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器820可以包括计算机程序产品825,其具有一个或多个程序模块,这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。
通信单元840实现通过通信介质与其他计算设备进行通信。附加地,计算设备/服务器800的组件的功能可以以单个计算集群或多个计算机器来实现,这些计算机器能够通过通信连接进行通信。因此,计算设备/服务器800可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。
输入设备850可以是一个或多个输入设备,例如鼠标、键盘、追踪球等。输出设备870可以是一个或多个输出设备,例如显示器、扬声器、打印机等。计算设备/服务器800还可以根据需要通过通信单元840与一个或多个外部设备(未示出)进行通信,外部设备诸如存储设备、显示设备等,与一个或多个使得用户与计算设备/服务器800交互的设备进行通信,或者与使得计算设备/服务器800与一个或多个其他计算设备通信的任何设备(例如,网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。
根据本公开的示例性实现方式,提供了一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中一条或多条计算机指令被处理器执行以实现上文描述的方法。
这里参照根据本公开实现的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实现的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实现,上述说明是示例性的,并非穷尽性的,并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文公开的各实现。
Claims (15)
1.一种资源调度的方法,包括:
确定与服务的需求方相关联的第一增长率和与所述服务的提供方相关联的第二增长率;
基于所述第一增长率和所述第二增长率,确定供需状态变化信息,所述供需状态变化信息指示资源调度策略对所述服务的供需状态的影响;以及
基于所述状态变化信息确定目标资源调度策略,所述目标资源调度策略指示针对需求方的需求激励和针对提供方的提供激励。
2.根据权利要求1所述的方法,其中所述第一增长率基于第一时间段内新增的潜在需求方的数目而被确定,所述潜在需求方提出了针对所述服务的意愿,但未提交分配提供方的请求。
3.根据权利要求1所述的方法,其中所述第二增长率基于第二时间段内的可用提供方的数目而被确定,所述可用提供方处于能够提供所述服务的空闲状态。
4.根据权利要求1所述的方法,其中所述供需状态变化信息指示从所述服务的当前供需状态切换到未来供需状态的概率,其中所述未来供需状态包括以下中的至少一项:
第一供需状态,指示相对于所述当前供需状态:需求方的需求不变、且可用提供方减少;
第二供需状态,指示相对于所述当前供需状态:需求方的需求减少、且可用提供方不变;
第三供需状态,指示相对于所述当前供需状态:需求方的需求不变、且可用提供方增加;
第四供需状态,指示相对于所述当前供需状态:需求方的需求增加、且可用提供方不变;或
第五供需状态,指示相对于所述当前供需状态:需求方的需求和可用提供方不变。
5.根据权利要求1所述的方法,其中确定供需状态变化信息包括:
确定第一影响信息,所述第一影响信息指示不同需求激励对于所述需求方的影响;
确定第二影响信息,所述第二影响信息指示不同提供激励对于所述提供方的影响;以及
基于所述第一影响信息、所述第二影响信息、所述第一增长率和所述第二增长率,确定所述供需状态变化信息。
6.根据权利要求1所述的方法,其中基于所述状态变化信息确定目标资源调度策略包括:
基于所述状态变化信息,确定资源调度策略对长期期望收益的影响;以及
确定所述目标资源调度策略,以最大化所述长期期望收益。
7.根据权利要求1所述的方法,其中基于所述状态变化信息确定目标资源调度策略包括:
根据所述状态变化信息,构建基于马尔科夫决策过程MDP模型;以及
利用所述MDP模型,确定所述目标资源调度策略,
其中,所述MDP模型的状态空间基于所述服务的需求和可用提供方而被确定,所述状态变化信息对应于所述MDP模型的状态转移矩阵。
8.根据权利要求7所述的方法,其中利用所述MDP模型确定所述目标资源调度策略包括:
基于所述MDP模型,确定一组候选资源调度策略的收益信息,所述收益信息指示与所述一组候选资源调度策略对应的长期期望收益;以及
基于所述收益信息,从所述一组候选资源调度策略中确定所述目标资源调度策略。
9.根据权利要求7所述的方法,其中利用所述MDP模型确定所述目标资源调度策略包括:
基于所述状态转移矩阵,确定所述MDP模型的状态概率矩阵;
基于所述状态概率矩阵,确定所述MDP模型的目标价值函数;以及
基于所述目标函数,确定所述目标资源调度策略,以最大化所述目标价值函数。
10.根据权利要求1至9中任一项所述的方法,其中所述服务为物品递送服务,所述需求方包括待递送物品的发送方,所述提供方包括负责递送物品的递送方。
11.根据权利要求1至9中任一项所述的方法,其中所述服务的车辆代驾服务,所述需求方包括需要所述代驾服务的用户,所述提供方包括提供所述代驾服务的代驾方。
12.一种用于资源调度的装置,包括:
增长确定模块,被配置为确定与服务的需求方相关联的第一增长率和与所述服务的提供方相关联的第二增长率;
状态确定模块,被配置为基于所述第一增长率和所述第二增长率,确定供需状态变化信息,所述供需状态变化信息指示资源调度策略对所述服务的供需状态的影响;以及
策略确定模块,被配置为基于所述状态变化信息确定目标资源调度策略,所述目标资源调度策略指示针对需求方的需求激励和针对提供方的提供激励。
13.一种电子设备,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根据权利要求1至11中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有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处理器执行以实现根据权利要求1至11中任一项所述的方法。
15.一种计算机程序产品,包括计算机可执行指令,其中所述计算机可执行指令在被处理器执行时实现根据权利要求1至11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210529397.8A CN115061786A (zh) | 2022-05-16 | 2022-05-16 | 资源调度的方法、装置、电子设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210529397.8A CN115061786A (zh) | 2022-05-16 | 2022-05-16 | 资源调度的方法、装置、电子设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115061786A true CN115061786A (zh) | 2022-09-16 |
Family
ID=83198107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210529397.8A Pending CN115061786A (zh) | 2022-05-16 | 2022-05-16 | 资源调度的方法、装置、电子设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115061786A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391359A (zh) * | 2023-10-19 | 2024-01-12 | 北京嘀嘀无限科技发展有限公司 | 用于资源调度的方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105453362A (zh) * | 2013-07-31 | 2016-03-30 | 日本电气株式会社 | 电力供需调整***和电力供需调整方法 |
CN106936883A (zh) * | 2015-12-31 | 2017-07-07 | 伊姆西公司 | 用于云***的方法和装置 |
CN111310956A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 调度策略的确定方法、装置及电子设备 |
US11010697B1 (en) * | 2018-02-14 | 2021-05-18 | Amazon Technologies, Inc. | On-demand resource scheduling |
CN113407347A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 资源调度方法、装置、设备和计算机存储介质 |
CN114140033A (zh) * | 2022-01-29 | 2022-03-04 | 北京新唐思创教育科技有限公司 | 一种服务人员的分配方法、装置、电子设备及存储介质 |
-
2022
- 2022-05-16 CN CN202210529397.8A patent/CN115061786A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105453362A (zh) * | 2013-07-31 | 2016-03-30 | 日本电气株式会社 | 电力供需调整***和电力供需调整方法 |
CN106936883A (zh) * | 2015-12-31 | 2017-07-07 | 伊姆西公司 | 用于云***的方法和装置 |
US11010697B1 (en) * | 2018-02-14 | 2021-05-18 | Amazon Technologies, Inc. | On-demand resource scheduling |
CN111310956A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 调度策略的确定方法、装置及电子设备 |
CN113407347A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 资源调度方法、装置、设备和计算机存储介质 |
CN114140033A (zh) * | 2022-01-29 | 2022-03-04 | 北京新唐思创教育科技有限公司 | 一种服务人员的分配方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391359A (zh) * | 2023-10-19 | 2024-01-12 | 北京嘀嘀无限科技发展有限公司 | 用于资源调度的方法、装置、电子设备和存储介质 |
CN117391359B (zh) * | 2023-10-19 | 2024-04-16 | 北京嘀嘀无限科技发展有限公司 | 用于资源调度的方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Devanur et al. | Near optimal online algorithms and fast approximation algorithms for resource allocation problems | |
Baranwal et al. | A fair multi-attribute combinatorial double auction model for resource allocation in cloud computing | |
Gill et al. | BULLET: particle swarm optimization based scheduling technique for provisioned cloud resources | |
Popovici et al. | Profitable services in an uncertain world | |
CN106020927B (zh) | 一种云计算***中任务调度与资源配置的通用方法 | |
Volling et al. | Modeling and simulation of order-driven planning policies in build-to-order automobile production | |
US9009318B2 (en) | Offline resource allocation algorithms | |
Goyal et al. | Asymptotically optimal competitive ratio for online allocation of reusable resources | |
Stößer et al. | Market-based pricing in grids: On strategic manipulation and computational cost | |
US20060122927A1 (en) | System and method for allocating resources in a distributed computational system using proportional share auctions | |
Gao et al. | First-order methods for large-scale market equilibrium computation | |
US20130117062A1 (en) | Online resource allocation algorithms | |
Chen et al. | The complexity of pacing for second-price auctions | |
CN115061786A (zh) | 资源调度的方法、装置、电子设备、介质和程序产品 | |
Sabyasachi et al. | A resilient auction framework for deadline-aware jobs in cloud spot market | |
US10678192B1 (en) | Optimization of production systems | |
Li et al. | Resource pricing and demand allocation for revenue maximization in IaaS clouds: A market-oriented approach | |
US10346868B2 (en) | Gift exchange platform | |
US9582536B2 (en) | Long-term validity of pre-computed request results | |
Zhu et al. | Truthful online auction toward maximized instance utilization in the cloud | |
Vanmechelen et al. | A comparative analysis of single-unit vickrey auctions and commodity markets for realizing grid economies with dynamic pricing | |
CN111260281A (zh) | 任务处理方法、装置、电子设备及计算机可读存储介质 | |
Irugurala et al. | Various scheduling algorithms for resource allocation in cloud computing | |
WO2013133789A1 (en) | Automated job assignment to service providers | |
CN117391359B (zh) | 用于资源调度的方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |