一种运营资源分配与任务调度方法和终端与流程

1.本发明涉及智能资源配置技术领域，尤其是涉及一种运营资源分配与任务调度方法和终端。


背景技术：

2.在业务日益繁重、数据日益增长的环境下，需要进行资源分配和任务调度的业务很多，如机场行业机位、航班、摆渡车、医疗行业床位、康复治疗师、人员排班，物流的车辆人员调用等，都需要进行资源分配和任务的调度，单依靠人去分配调度，已经无法满足实际的业务需要，而且不能合理优化分配调度资源，以维持各行业繁忙业务的正常运转。
3.传统的调度分配往往基于模板，套用以往分配经验，对明日的任务进行分配，对今日的调度根据当时情况进行人工调整，这样就导致分配结果质量差资源利用率低，或采用机器学习方法，而机器学习方法也是基于经验产生，对各种可变参数的考虑不周，导致分配结果不理想，可能导致资源的浪费，不能满足繁忙的业务。
4.发明专利“一种机位分配系统及方法”(cn111739350a)，使用启发式算法结合约束条件进行停机资源的分配，对机位分配结果的安全性、可用性进行验证，保证机位分配结果的有效性，降低了机位分配结果的冲突的安全风险；发明专利“一种三阶段元启发式停机位分配优化方法”(cn202010666353)，解决了现有技术中在多约束条件下，大规模航班分配停机位分配时间过长，分配结果优化指标不理想的问题，并且在机场大规模、多约束条件下能够快速得到高质量的停机位分配方案，靠桥率、廊桥率、分配满意度等核心指标较传统方法有较大提升，且在不断变化的业务场景下有良好的适应性；
5.以上方法仍然有不足之处，第一复杂业务的多变性分配要求需要有规范的数据建模和算法建模，建模过程直接影响了后续资源的分配和调度，第二复杂业务不同场景要求的解决方案和解决时间不同，如：计划分配可以进行长时间运行分配得到最优方案，突发情况需要快速的得到分配方案解决问题，第三优质的分配方案需要完善的评价体系。
6.因此，如何对资源进行合理、实时分配，使资源得到最大利用、如何应对多场景资源需求、灵活调整模型、建立全方位的评价体系，是目前亟待解决的问题。


技术实现要素：

7.本发明的目的是提供一种运营资源分配与任务调度方法和终端，将各实体进行数字化表述，对数字进行属性标记并分类，对各类数据制定相应的规则，设置评价体系，针对不同业务，根据实时数据的属性与规则，采用不同算法，获得至少一种资源分配方案，对资源分配方案进行评价，动态进行调整，在评价达到稳定时，得到最优资源分配方案，实现对资源的合理分配，通过实时调动资源，达到了快速、实时响应。
8.第一方面，本发明的上述发明目的通过以下技术方案得以实现：
9.一种运营资源分配与任务调度方法，获取实体数据，设定评价体系，根据实体数据属性，制定相应规则和评价体系，建立数据模型，针对不同业务，采用不同算法，生成至少一
种资源分配方案；实体数据属性包括固定规则属性、可变规则属性、统计规则属性；针对不同属性，制定相应规则，包括硬冲突规则、弹性规则、统计规则；硬冲突规则对应固定规则属性，弹性规则对应可变规则属性，统计规则对应统计规则属性；根据评价体系对各资源分配方案进行评价，以评价结果罚分最低的方案，为最优资源分配方案。
10.本发明进一步设置为：评价体系是对每个规则设置相应罚分，包括硬性罚分、软性罚分、中性罚分，硬性罚分对应绝对不允许违反的资源分配规则，运算模型：
[0011][0012]
中性罚分对应非强制性、允许违反的资源分配规则，运算模型：
[0013][0014]
软性罚分对应允许违反的资源分配规则，运算模型：
[0015][0016]
式中，i表示分配日编号，且i∈li；j表示资源编号，且j∈lj；k表示属性类别，且k∈lk；m表示任务，且m∈lm；tm表示任务m的工作总时长；p表示时间分段，且p∈l
p
；lj表示资源集合，lk表示属性类别集合，li表示计划视野中的日期集合，lm表示每天中的任务集合，l
p
表示每个工作日的时间分段的集合，l
p
rb1m表示任务m中非可用时间段1，l
p
rb2m表示任务m中非可用时间段2，l
p
rb3m表示任务m中非可用时间段3，l
p
rbm表示任务m中非可用时间段l,且 l＝1,2,3
……
，lm
p
表示与时间分段p发生时间重叠的任务集合。
[0017]
本发明进一步设置为：还包括实体数据更新，产生新最优方案，将新最优方案与最优方案进行对比，得到最终最优方案；针对不同业务，采用不同算法进行运算，算法包括爬山算法、模拟退火算法、分配逻辑算法、后期验收算法；回溯历史分配方案，动态调整计算因子，模拟结果并对比，获得最优因子集合，以最优因子集合生成资源分配方案。
[0018]
本发明进一步设置为：爬山算法包括以上步骤：
[0019]
s1、开始；
[0020]
s2、标记即将要使用的开始和结束层级；
[0021]
s3、判断是否满足预定罚分，若否，进入下一步，若是，转s10；
[0022]
s4、判断是否为局部最优，若否，进入下一步，若是，转s9；
[0023]
s5、对分类器限制条件配置类型进行优化；
[0024]
s6、从顶层逐级穿越到指导当前层级；
[0025]
s7、选择分类器；
[0026]
s8、对分类器中限制条件进行优化，转s4；
[0027]
s9、将当前层级降低一级，转s3；
[0028]
s10、结束。
[0029]
本发明进一步设置为：模拟退火算法包括以下步骤：
[0030]
a1、开始；
[0031]
a2、初始化解决方案；
[0032]
a3、计算初始罚分目标；
[0033]
a4、判断方案是否达到预期，若是，转a8，若否，进入下一步；
[0034]
a5、降温指数降一级；
[0035]
a6、采用后续方案；
[0036]
a7、计算罚分，转a4；
[0037]
a8、得到最佳方案；
[0038]
a9、结束。
[0039]
本发明进一步设置为：后期验收算法包括以下步骤：
[0040]
b1、开始；
[0041]
b2、生成初始解决方案；
[0042]
b3、计算初始方案目标罚分；
[0043]
b4、判断是否满足终止条件，若否，进入下一步，若是，转b10；
[0044]
b5、建立候选解决方案，作为当前方案；
[0045]
b6、计算当前方案的目标罚分；
[0046]
b7、判断当前方案罚分是否小于初始方案罚分，若是，进入下一步，若否，则丢弃当前方案，转b4；
[0047]
b8、保存当前方案到后期验收表中；
[0048]
b9、提示迭代数，转b4；
[0049]
b10、结束。
[0050]
本发明进一步设置为：分配逻辑算法包括以下步骤：
[0051]
d1、开始；
[0052]
d2、判断是否满足罚分限制，若是，转d13，若否，进入下一步；
[0053]
d3、随机选择班次；
[0054]
d4、随机交互启发动作；
[0055]
d5、交互启发动作是否降低罚分，若是，进入下一步，若否，转 d9；
[0056]
d6、选择合适班次与随机班次交互；
[0057]
d7、判断员工交换班次是否可降低罚分，若是，进入下一步，若否，转d2；
[0058]
d8、交换班次，转d2；
[0059]
d9、判断合适员工随机班次是否降低罚分，若是，进入下一步，若否，转d11；
[0060]
d10、选择合适的员工随机比较好班次；
[0061]
d11、判断加入其他时间合适的员工是否会降低罚分，若是，进入下一步，若否，转d11；
[0062]
d12、分配随机选择班次给新员工，转d2；
[0063]
d11、判断完成替换或交互启发动作是否可降低罚分，若是，进入下一步，若否，转d2；
[0064]
d12、贪心启发分配，转d2；
[0065]
d13、结束。
[0066]
第二方面，本发明的上述发明目的通过以下技术方案得以实现：
[0067]
一种运营资源分配与任务调度终端，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本技术所述方法。
[0068]
与现有技术相比，本技术的有益技术效果为：
[0069]
1.本技术通过对实体数据进行分类，制定评价体系，并建立数据模型，将数据整理归纳，以后续处理提供了基础；
[0070]
2.进一步地，本技术基于实体数据模型，根据业务类型采用不同算法，获得资源分配方案，为资源分配提供依据；
[0071]
3.进一步地，本技术基于评价体系对资源分配方案进行评价，动态优化，在评价稳定后获得最优分配方案，实现了对资源的最优实时分配。
附图说明
[0072]
图1是本技术的一个具体实施例的资源分配方案框架结构示意图；
[0073]
图2是本技术的一个具体实施例的爬山算法流程示意图；
[0074]
图3是本技术的一个具体实施例的模拟退火算法流程示意图；
[0075]
图4是本技术的一个具体实施例的后期验收算法流程示意图；
[0076]
图5是本技术的一个具体实施例的分配方案算法流程示意图；
[0077]
图6是本技术的一个具体实施例的数据模型结构示意图。
具体实施方式
[0078]
以下结合附图对本发明作进一步详细说明。
[0079]
本技术的一种运营资源分配与任务调度方法，如图1所示，包括获取实体数据，根据实体数据属性进行数据分类，对不同属性数据制定对应的规则，建立评价体系，构建数据模型；对不同业务，基于算法库采用不同算法，获得至少一种资源分配方案，对各分配方案按照评价体系进行评估，对比各方案罚分，动态调整方案，对罚分的规则进行调整，消除硬罚分，减少其他罚分，调整完毕后，重新生成大量方案，再次进行评估，经过多次评估后，罚分稳定，将此时的方案作为最优分配方案。
[0080]
回溯历史分配方案，动态调整计算因子，模拟各种分配方案结果，并对结果进行对比，获得最优计算因子，以便于在下次实时资源分配时调用。
[0081]
将业务中各实体数据化，采集实体的数据信息，根据数据信息所对应的实体属性，对数据按照属性进行标记，确定各个实体数据之间的关联关系。
[0082]
从实体数据中，抽取与分配有关的数据，进行标识，并根据属性进行分类。
[0083]
实体数据根据属性分几下类型：固定规则属性、可变规则数据、统计规则属性。其中，
[0084]
固定规则属性，用于表示不可更改数据，包括基础数据，如机位号、机位长宽、飞机翼宽、飞机容量等。
[0085]
可变规则数据，用于表示随着实际情况变化的，包括飞机计划到达时间、飞机预计到达时间、飞机乘客数量、摆渡车维护情况等。
[0086]
统计规则属性：用于进行统计的数据，包括：靠桥率、机位使用率、全场车辆行驶总里程等，这类数据用于提高分配质量实现特定业务。
[0087]
针对不同属性的数据，制定规则如下：
[0088]
硬冲突规则：对应固定规则属性，由时间、空间矛盾引发的硬性不可违反规则；如容量超限等；
[0089]
统计规则：对应统计规则属性，为保证固定统计目标的实现而需要遵守的相关规则；如节能降碳、平均分配资源、确保部分资源优先占用使用等；
[0090]
弹性规则：对应可变规则属性，为统一管理、提升效率而制定并支持更改的建议规则；如资源分配属性、优先占用等。
[0091]
基于数据属性与规则，为了评价规则的合理性，制定评价体系，对每个规则设置相应罚分，制定优先级。
[0092]
对应地，罚分分以下类型：
[0093]
硬性罚分：针对绝对不允许违反的资源分配规则，映射为硬性罚分对应硬性规则，如资源属性规则中，根据m求和(a
jimk
)》sk，即s任务的所有k属性条件需要被在j日分配的所有i资源的a
jimk
属性满足，或如资源限制规则中，根据m求和(x
imk
)≤1),即i资源在 j日被分配的所有任务数不应大于1，如不满足以上规则，对整体方案扣除硬性罚分,其他业务实例包括：超大货不可放置、时间占用冲突等，运算模型：
[0094][0095]
软性罚分：用于允许违反的资源分配规则，违反规则依然为可行解决方案,从而优化分配方案性价比:成本最小化求和(c*tm*x
jim
)，其中c为每小时成本，tm为任务总时长，x
jim
为i资源在j日被分配了m 任务，如不满足成本最小化，软性规则对应罚分增加，从而使得模型趋于避免软性罚分增加的趋势，其他业务实例包括：平均分配资源、确保部分资源优先占用使用等，运算模型：
[0096][0097]
中性罚分：用于非强制性、允许违反的资源分配规则，违反规则依然为可行解决方案，如rb1
jimp
,rb2
jimp
,rb3
jimp
,lb
jimp
，通过降低以上非可用时间段的优先级，尽量满足任务其他需求，包括为资源分配属性、优先占用等，运算模型：
[0098][0099]
将与资源分配相关的数据进行上述处理，建立数据模型。
[0100]
基于数据模型，根据不同业务类型，采用不同算法，计算资源分配方案。
[0101]
业务类型包括机位分配、摆渡车分配等。
[0102]
对于更新后的数据，进行运算，将运算结果与当前方案进行对比，选择其中最优方案进行。
[0103]
在本技术中，建立数据索引如下：
[0104]
i表示分配日编号，且i∈li；j表示资源编号，且j∈lj；k表示属性类别，且k∈lk；m表示任务，且m∈lm；p表示时间分段，且p∈l
p
。
[0105]
数据集合包括：
[0106]
lj表示资源集合，lk表示属性类别集合，li表示计划视野中的日期集合，lm表示每天中的任务集合，l
p
表示每个工作日的时间分段的集合，l
p
rb1m表示任务m中非可用时间段1，l
p
rb2m表示任务m中非可用时间段2，l
p
rb3m表示任务m中非可用时间段3，l
p
rbm表示任务m中非可用时间段l,且l＝1,2,3
……
，lm
p
表示与时间分段p发生时间重叠的任务集合。
[0107]
数据参数包括：tm表示任务m的工作总时长，m表示每小时成本， ak表示资源属性，sk表示任务需求属性，d表示计划视野中的总工作天数，mpp
ip
表示在第i工作日时间分段p内所需的资源数量。
[0108]
决策变量包括：
[0109][0110][0111][0112]
[0113][0114]
决策表达式包括：
[0115]
在第i日被分配了第m任务的资源数量按如下计算：
[0116][0117]
在第i日时间分段p被分配了非可用时间段1的资源数量按如下计算：
[0118][0119]
在第i日时间分段p被分配了非可用时间段2的资源数量按如下计算：
[0120][0121]
在第i日时间分段p被分配了非可用时间段3的资源数量按如下计算：
[0122][0123]
在第i日时间分段p被分配了非可用时间段l的资源数量按如下计算：
[0124][0125]
作为模型评价体系的指标，最优化模型运算建模方式如下：
[0126][0127]
同时需服从以下业务规则抽象后的模型条件，根据业务需求进行组合从而满足不同业务需求：
[0128]
资源限制类规则：
[0129][0130]
资源属性类规则：
[0131][0132]
任务限制类规则：
[0133][0134][0135][0136]
[0137][0138]
资源任务匹配类规则：
[0139][0140]
针对不同业务，采用不同算法，生成至少一种资源分配方案，根据评价体系对各资源分配方案进行评价，以评价结果罚分最低的方案，为最优资源分配方案。
[0141]
算法包括爬山算法、模拟退火算法、后期验收算法、分配逻辑算法。
[0142]
如图2所示，爬山算法包括如下步骤：
[0143]
s1、开始；
[0144]
s2、标记即将要使用的开始和结束层级；
[0145]
s3、判断是否满足预定罚分，若否，进入下一步，若是，转s10；
[0146]
s4、判断是否为局部最优，若否，进入下一步，若是，转s9；
[0147]
s5、对分类器限制条件配置类型进行优化；
[0148]
s6、从顶层逐级穿越到指导当前层级；
[0149]
s7、选择分类器；
[0150]
s8、对分类器中限制条件进行优化，转s4；
[0151]
s9、将当前层级降低一级，转s3；
[0152]
s10、结束。
[0153]
如图3所示，模拟退火算法包括以下步骤：
[0154]
a1、开始；
[0155]
a2、初始化解决方案；
[0156]
a3、计算初始罚分目标；
[0157]
a4、判断方案是否达到预期，若是，转a8，若否，进入下一步；
[0158]
a5、降温指数降一级；
[0159]
a6、采用后续方案；
[0160]
a7、计算罚分，转a4；
[0161]
a8、得到最佳方案；
[0162]
a9、结束。
[0163]
如图4所示，后期验收算法包括以下步骤：
[0164]
b1、开始；
[0165]
b2、生成初始解决方案；
[0166]
b3、计算初始方案目标罚分；
[0167]
b4、判断是否满足终止条件，若否，进入下一步，若是，转b10；
[0168]
b5、建立候选解决方案，作为当前方案；
[0169]
b6、计算当前方案的目标罚分；
[0170]
b7、判断当前方案罚分是否小于初始方案罚分，若是，进入下一步，若否，则丢弃当前方案，转b4；
[0171]
b8、保存当前方案到后期验收表中；
[0172]
b9、提示迭代数，转b4；
[0173]
b10、结束。
[0174]
如图5所示，分配逻辑算法包括以下步骤：
[0175]
d1、开始；
[0176]
d2、判断是否满足罚分限制，若是，转d13，若否，进入下一步；
[0177]
d3、随机选择班次；
[0178]
d4、随机交互启发动作；
[0179]
d5、交互启发动作是否降低罚分，若是，进入下一步，若否，转 d9；
[0180]
d6、选择合适班次与随机班次交互；
[0181]
d7、判断员工交换班次是否可降低罚分，若是，进入下一步，若否，转d2；
[0182]
d8、交换班次，转d2；
[0183]
d9、判断合适员工随机班次是否降低罚分，若是，进入下一步，若否，转d11；
[0184]
d10、选择合适的员工随机比较好班次；
[0185]
d11、判断加入其他时间合适的员工是否会降低罚分，若是，进入下一步，若否，转d11；
[0186]
d12、分配随机选择班次给新员工，转d2；
[0187]
d11、判断完成替换或交互启发动作是否可降低罚分，若是，进入下一步，若否，转d2；
[0188]
d12、贪心启发分配，转d2；
[0189]
d13、结束。
[0190]
对实时数据进行检验，每次的检验数据更新都会触发规则运算，运算结果与现有方案进行对比，以更优方案替换次优方案。
[0191]
在本技术的一个具体实施例中，如图6所示，与资源分配相关的数据包括：行李服务相关数据、登记口相关数据、值机柜台相关数据、航班相关数据、任务相关数据、员工相关数据、车辆相关数据等。
[0192]
行李服务相关数据包括：行李编号、类型、状态、数量等。
[0193]
登记口相关数据包括：登机口编号、类型、状态、地点等。
[0194]
值机柜台相关数据包括：柜台号、类型、状态、地点等。
[0195]
航班相关数据包括：航班号、机型、状态、到港时间、离港时间、载客量等。
[0196]
任务相关数据包括：任务地点、任务状态、任务节点、任务时间、需求车种、需求资质等。
[0197]
员工相关数据包括：工号、部门、轮班班制、定位、休假时段、任务资质或岗位、车辆资质等。
[0198]
车辆相关数据包括：车辆编号、车辆数据、车辆状态、车辆定位、车种、保养时段等。
[0199]
其中，任务时间—休假时段—保养时段是相关数据，需求车种、车种是相关数据，任务需要资质与员工任务资质/岗位是相关数据，车辆车种与车辆资质是相关数据。
[0200]
将以上与资源分配相关的数据，针对不同业务进行运算处理，得到资源分配方案。
[0201]
随机给飞机分配上机位，基于评价体系，验证每一条规则，满足规则不罚分，不满足规则则扣分，对每个规则的得分进行汇总，对扣分规则根据算法进行调整，调整完毕后再次进行验证；如此反复，罚分稳定后的资源分配方案为较优方案。
[0202]
针对不同业务场景，采用不同算法。
[0203]
在本技术的一个具体实施例中，针对不同场景分配引擎选择不同的算法，如有天气变化，大量飞机晚点造成大规模延误，需要摆渡车转移乘客，需要机位分配给降落航班，此时采用爬山算法，以便快速产生结果，针对次日的摆渡车调用生成调动计划，就先采用爬山算法生成分配结果，再采用模拟退火算法对分配结果进行优化。
[0204]
爬山算法在于：随机选取一点,以此为基础，寻找比当前更好的方案，能够快速生成解决方案。主要应用在以下场景：早晚高峰造成值机柜台、行李转盘等资源拥堵；异常天气航班备降、返航造成资源冲突；对部分数据进行快速分配、资源优化。
[0205]
模拟退火算法在于：随机选取一点，试探周围方案是否到达预订阈值，到达则跳下一步，也接受比当前差的结果，最终找到全局最优结果。主要应用在以下场景：针对航班计划，生成机位、转盘、值机柜台等资源的最合适的分配方案；规划不同型号、不同类型摆渡车的调度方案。
[0206]
在本技术的一个具体实施例中，摆渡车派工分配方案，对各实体数据进行属性分类、制定规则、建立评价体系如下：
[0207]
轮班规则：为固定属性，班制；属于硬冲突规则，符合硬罚分100 评价；规则内容为上五休二的班制下，系统可按照航班任务需求曲线灵活安排每周的上班日与休息日。
[0208]
工时利用率：为固定属性，班时利用率；属于硬冲突规则，符合硬罚分100评价；
[0209]
单次在岗时间：为可变属性，单次在岗时间1.5～3h；属于弹性规则，符合中性罚分50评价；
[0210]
休息时间：为可变属性，休息时间15～30min；属于弹性规则，符合中性罚分60评价；
[0211]
工时利用率、单次在岗时间、休息时间的规则内容为：在不影响航班任务覆盖率及有效工时利用率(70％)的前提下，各岗位可自行配置员工的休息频次及时长，例如值机岗位单次在岗时间最长3小时，最短1.5小时，中间的休息时间控制在15-30分钟左右
[0212]
最小行驶里程：为统计属性，总体运行时间最短；属于统计规则，符合软性罚分50评价；规则内容为：节能规则，方案保证车辆行驶里程趋于最小，表1《摆渡车岗位机坪运行时间》描述了站坪间运行时长，时长短则距离短。
[0213]
载客规则：为固定属性，工时利用率；属于硬冲突规则，符合硬罚分100评价；规则内容为不同类型车辆可以容纳的人数不同大摆渡车：80，大v：23。
[0214]
车总数量规则：固定属性：大摆渡车数量，大v数量；属于硬冲突规则，符合硬罚分100评价；规则内容为在车固定数量分配摆渡车10、大v5。
[0215]
计算摆渡车岗位机坪运行时间。
[0216]
根据以上摆渡车数据模型，计算摆渡车资源分配方案。
[0217]
e1、分配开始加载7天的航班数据，计算未来7天每天需要摆渡车的旅客计算方案：查找航班对应的机型，机型对应的人数，然后按天分组进行累加。设：需要摆渡车的航班，2022-01-01同一时间有2 个航班：ca123航班a321机型容量为200人，停3站坪，ca6542航班b738 机型容量为100人，停5站坪,那么当日有300人需要摆渡车；
[0218]
e2、随机生成分配方案：方案一、4*大摆渡；方案二、13*大v；方案三、3*大摆渡 3*大v；等等。
[0219]
e3、根据载客规则，大摆渡车为80，大v为23，设置方案有：方案一、4*大摆渡；方案二、13*大v；方案三、3*大摆渡 3*大v；等等。
[0220]
e4、需要的司机数量分别为：4、13、6，根据轮班规则，找出今天上班的司机；
[0221]
e5、根据车总数量规则：因为次规则是硬性的不能违背，只能选择方案1和方案3；
[0222]
e6、最小行驶里程规则：方案1路径用时肯定小；
[0223]
e7、工时利用率：满足；
[0224]
e8、单次在岗时间：满足；
[0225]
e9、休息时间：满足；
[0226]
e10、计算罚分，方案一中，无罚分，方案二中，最小行驶里程罚分50，车总数量规则罚分100；方案三中，最小行驶里程罚分50；
[0227]
由此可见，方案一为最优分配方案。
[0228]
本实施例为一个模拟获取方案的过程。
[0229]
对于大量航班，会出现成千上万的分配方案，根据算法要求进行分配方案的比对、调整，生成罚分最低的方案，作为最优分配方案。
[0230]
具体实施例二
[0231]
本技术的一种运营资源分配与任务调度装置，包括全时资源分配引擎、信息接收装置，全时资源分配引擎用于根据具体实施例一的方法，全时段对实体数据进行融合与转换，根据业务特征，采用不同的计算因子集合、算法和规则，计算最优解，获得资源分配最优方案，并动态调整计算因子集合。
[0232]
全时资源分配引擎将运算出的最优资源分配方案，通过音视频传输方式，实时传输到信息接收装置，信息接收装置根据最优资源分配方案，进行实施，并与全时资源分配引擎进行信息交互。
[0233]
具体实施例三
[0234]
本发明一实施例提供的一种运营资源分配与任务调度终端设备，该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如资源分配方案计算程序，所述处理器执行所述计算机程序时实现实施例1中的方法。
[0235]
或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如：数据模块、资源分配计算模块。
[0236]
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述
计算机程序在所述运营资源分配与任务调度终端设备中的执行过程。例如，所述计算机程序可以被分割成多个模块，各模块具体功能如下：
[0237]
1.数据模块，用于获取实体数据并建立数据模型；
[0238]
2.资源分配计算模块，用于计算资源分配方案。
[0239]
所述运营资源分配与任务调度终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述运营资源分配与任务调度终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述上述示例仅仅是所述运营资源分配与任务调度终端设备的示例，并不构成对所述运营资源分配与任务调度终端设备的限定，可以包括更多或更少的部件，或组合某些部件，或不同的部件，例如所述运营资源分配与任务调度终端设备还可以包括输入输出设备、网络接入设备、总线等。
[0240]
所述处理器可以是中央处理单元(central processing unit， cpu),还可以是其他通用处理器、数据信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种运营资源分配与任务调度终端设备的控制中心，利用各种接口和线路连接整个所述一种运营资源分配与任务调度终端设备的各个部分。
[0241]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种运营资源分配与任务调度终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(securedigital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0242]
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。