本发明涉及计算机技术领域，更具体地，涉及一种基于多背包问题的派单优化方法。
背景技术：
随着网络系统管理平台领域的快速发展，租房交易在网络管理平台领域越来越频繁，随之，租房交易在网络管理平台中出现越来越多的问题，现有技术存在的问题如下：
1、网络系统派单算法简单，仅依靠距离最优进行派单，无法获取全局最优的派单方案；
2、用户看房仅靠房屋中介人员线下人工制定，优先带看性价比高的房源，导致性价比低的房源出房速度较慢，造成损失。
针对上述问题，亟需开发一个能够获取全局最优派单的网络系统，在解决解放劳动力、节省时间的基础上，获取最优的全局派单方案，提高成交率，降低损失。
技术实现要素：
有鉴于此，本发明提供了一种基于多背包问题的派单优化方法，通过获取用户租房需求信息和可出租房间匹配信息，构建两者之间的最大化整体出房速度函数，基于多背包问题mkp的求解原理获取目标函数的最优解，高效应用于租房派单体系中，很大程度上解决了房间空置造成的浪费。
本发明的一种基于多背包问题的派单优化方法，包括：
获取n个用户的租房需求信息，获取与用户租房需求信息匹配的房间匹配度集合q；
获取匹配房间信息，获取可出租房间集合r；
获取最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到可出租房间集合r中；
利用最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到可出租房间集合r中，得到与用户租房需求信息对应的可出租房间信息，即为分配结果；
将分配结果传入派单系统，派单系统将分配结果输出，完成派单。
可选地，房间匹配度集合q＝{q1,q2,...,qi,...,qn}，其中，qi为第i个用户的房间匹配列表，i∈(1,2,...,n)；n为用户数量，房间匹配度集合q＝{q1,q2,...,qi,...,qn}的展开项为
可选地，第i个用户的房间匹配列表中的值p按照大小进行降级排序。
可选地，可出租房间集合r＝{r1,r2,...,rj,...,rm}，其中，rj为第j个房间的信息，j∈(1,2,...,m)，m为可出租房间的数量，房间信息rj＝[fjy,fjx,fjk]，其中，fjy为第j个房源的优先级，fjx为第j个房源的性价比，fjk为第j个房源的需客量。
可选地，还包括：将房间信息中的fjy、fjx和fjk进行优先级排序且与用户匹配。
可选地，将房间信息中的fjy、fjx和fjk进行优先级排序，包括：第j个房源的优先级fjy内的子项按照值的大小进行降级排序，其中，fjy＞f(j 1)y；第j个房源的性价比fjx内的子项按照值的大小进行降级排序，其中，fjx＞f(j 1)x；第j个房源的需客量fjk内的子项按照值的大小进行降级排序，其中，fjk＞f(j 1)k。
可选地，最大化整体出房目标函数为
可选地，利用最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到可出租房间集合r中，得到与用户租房需求信息对应的可出租房间信息，即为分配结果包括：将最大化整体出房目标函数模拟为多背包问题，根据多背包问题mkp的求解原理，求解最大化整体出房目标函数，得到将n个用户的用户租房需求信息分配到可出租房间集合r的分配结果，分配结果即为与用户租房需求信息对应的可出租房间信息。
可选地，根据多背包问题mkp的求解原理，求解最大化整体出房目标函数的过程为：分配结果为：
与现有技术相比，本发明提供的基于多背包问题的派单优化方法，至少实现了如下的有益效果：
1、本发明的基于多背包问题的派单优化方法，通过获取用户租房需求信息和可出租房间匹配信息，构建两者之间的最大化整体出房速度函数，对最大化整体出房速度函数进行求解，根据用户租房需求信息，将用户与可出租房屋进行匹配，节省时间，提高效率。
2、本发明的基于多背包问题的派单优化方法，将构建的最大化整体出房速度目标函数作为多背包问题进行求解，求解目标函数的过程即为的派单优化过程，能够高效应用于租房派单体系中，很大程度上解决了房间空置造成的浪费。
3、本发明的基于多背包问题的派单优化方法，获取的用户租房需求信息包括多维信息，能够更详细的获取用户需求，准确匹配房间。
当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是实施例1中基于多背包问题的派单优化方法的方法流程图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
以下将结合附图和具体实施例进行详细说明。
图1为本实施例中基于多背包问题的派单优化方法的方法流程图，请参见图1，本实施例提供了一种基于多背包问题的派单优化方法，包括：
s1、收集n个用户的租房需求信息，获取与用户租房需求信息匹配的房间匹配度集合q。
该步骤中，确定n个用户作为研究对象，获取n个用户租房需求信息，其中，n个用户租房需求信息为多维矩阵，通过获取用户的详细需求，能够更准确地挖掘用户的需求，能够更准确的将房间匹配给更需要的用户。
在具体实施时，选择一定区域，选取一定数量的用户，并获取用户对于可出租房间的需求，确定区域内可出租房间的数量与相对应的特征，将用户租房需求信息与房间特征作为用户出租房匹配模型的输入值进行模型的训练，基于已训练的用户租房匹配模型，获取与用户租房需求信息匹配的房间匹配度集。用户租房需求信息通过系统设置的问题以及对用户信息详细了解确定，此外，用户租房需求信息还可以通过中介人员对注册系统的用户进行询问和交流获取。
需要说明的是，本发明的基于多背包问题的派单优化方法，获取的用户租房需求信息包括多维信息，能够更详细的获取用户需求。
s2、收集匹配房间信息，获取可出租房间集合r。
该步骤中，与用户租房需求信息匹配的房间信息包括多维的信息，例如：房源优先级，房源性价比，房源需客量，房源安全级，房租优先级，房源环境优先级等。具体地，房间信息根据国家政策法规、周边环境基础设施改变、城市建设发展和地区性政策发展变化而变化，因此，房间信息需要不断更新。
s3、获取最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到可出租房间集合r中。
该步骤中，根据最大化整体出房速度准则，获取的n个用户的用户租房需求信息与可出租房间集合作为目标函数的变量，求取目标函数的最大值，构建最大化整体出房目标函数。
s4、利用最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到所述可出租房间集合r中，得到与用户租房需求信息对应的可出租房间信息，即为分配结果。
该步骤中，对最大化整体出房目标函数求解，获取最大化整体出房结果，获取分配结果。
s5、将分配结果传入派单系统，派单系统将分配结果输出，完成派单。
该步骤中，将获取的最大化整体出房分配结果传入派单系统，派单系统将分配结果通过显示器显示，将与用户最匹配的房屋显示。
具体地，本发明的基于多背包问题的派单优化方法，通过获取用户租房需求信息和可出租房间匹配信息，构建两者之间的最大化整体出房速度函数，对最大化整体出房速度函数进行求解，根据用户租房需求信息，将用户与可出租房屋进行匹配，节省时间，提高效率。而且，将构建的最大化整体出房速度目标函数作为多背包问题进行求解，求解目标函数的过程即为的派单优化过程，能够高效应用于租房派单体系中，很大程度上解决了房间空置造成的浪费。此外，本发明的基于多背包问题的派单优化方法，获取的用户租房需求信息包括多维信息，能够更详细的获取用户需求，准确匹配房间。
可选地，房间匹配度集合q＝{q1,q2,...,qi,...,qn}，其中，qi为第i个用户的房间匹配列表，i∈(1,2,...,n)；n为用户数量，房间匹配度集合q＝{q1,q2,...,qi,...,qn}的展开项为
具体地，房间匹配度集合包括通过收集的n个用户的房间匹配度集，每个用户的房间匹配度集包括房间匹配列表，每个房间匹配列表包括多个值。房间匹配度集合包含多列房间匹配列表，每位用户根据自身的租房需求信息均可获得一列房间匹配列表，每个列表中均包括多个p值，每个p值表示用户租房需求信息与房间的匹配度，每位用户均可匹配多个房间，因此房间匹配列表包括pi1～pim。
可选地，第i个用户的房间匹配列表中的值p按照大小进行降级排序。
具体地，按照房间匹配列表中的匹配度值p按照由大到小的级别进行排序，能够优先选择值较大的房间匹配度。与每位用户的租房需求信息对应的房间匹配列表中包含多个匹配度值p，根据p值由大到小进行排序，每位用户对应的房间选择多样且全面，在选择最优的房间时，能够进行全局选择，避免局部选择的误差性。
可选地，所述可出租房间集合r＝{r1,r2,...,rj,...,rm}，其中，rj为第j个房间的信息，j∈(1,2,...,m)，m为可出租房间的数量，房间信息rj＝[fjy,fjx,fjk]，其中，fjy为第j个房源的优先级，fjx为第j个房源的性价比，fjk为第j个房源的需客量。
具体地，通过对房间信息的筛选，将房源优先级、房源性价比和房源需客量作为房源主要信息进行与用户匹配。房源优先级通过房间具体的地理位置、房间周边的环境设施，房间周边公共交通状况、房间附近学校和就医状况的权重进行优先选择。房源需客量为房间具体位置的人流量以及附近房间人流量的大小。本申请将房源优先级、房源性价比和房源需客量与用户匹配，不同用户可结合自身信息，综合考虑源优先级、房源性价比和房源需客量，直观地筛选出符合自身要求的房源信息，有利于提升用户的使用体验效果。
可选地，本申请所提供的基于多背包问题的派单优化方法还包括：将房间信息中的fjy、fjx和fjk进行优先级排序且与用户匹配。
具体地，房间信息中将房源优先级、房源性价比和房源需客量进行优先排序，将房源优先级作为首先考虑的房间信息。房间信息中包含的房源优先级、房源性价比和房源需客量根据用户在选择房间时优先考虑的因素综合而定，比如，用户在输入系统中优先选择房源的地理位置即具有优先级的房间会被推荐，其次，用户选择价格较合适的房源时，具有性价比高的小区房间被推荐，然后，用户选择需客量大的房源时，房源较多的区域被推荐，通过大量用户的选择，将房间信息中按照房源优先级、房源性价比和房源需客量进行优先排序。
可选地，本申请所提供的基于多背包问题的派单优化方法中，将所述房间信息中的fjy、fjx和fjk进行优先级排序，包括：第j个房源的优先级fjy内的子项按照值的大小进行降级排序，其中，fjy＞f(j 1)y；第j个房源的性价比fjx内的子项按照值的大小进行降级排序，其中，fjx＞f(j 1)x；第j个房源的需客量fjk内的子项按照值的大小进行降级排序，其中，fjk＞f(j 1)k。
具体地，房源优先级降级排列，具有较高优先级的房源排在前面，具有较低优先级的房源排在后面，这样排布能够全局优选较高优先级的房源；房源性价比降级排序，具有高性价比的房源排在前面，具有低性价比房源排在后面，这样排布能够全局优选较高性价比的房源；房源需客量降级排序，具有较大需客量的房源排在前面，具有较少需客量的房源排在后面，这样排布能够全局优先较大需客量的房源。
可选地，本申请实施例所提供的基于多背包问题的派单优化方法中，最大化整体出房目标函数为
具体地，将收集到的n个用户的用户租房需求信息分配到可出租房间集合r中，获取上述目标函数的表述，其中，目标函数
最大化整体出房目标函数表示将n个用户最优的分配到m个房间中，使得整体的出房速度最快，其中，最大化整体出房目标函数的值越大，表示整体的出房速度越快。
可选地，
可选地，
具体地，基于动态规划方法求解
可选地，本申请实施例所提供的基于多背包问题的派单优化方法中，所述利用最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到所述可出租房间集合r中，得到与用户租房需求信息对应的可出租房间信息，即为分配结果包括：将最大化整体出房目标函数模拟为多背包问题，根据多背包问题mkp的求解原理，求解最大化整体出房目标函数，得到将n个用户的用户租房需求信息分配到所述可出租房间集合r的分配结果，分配结果即为与用户租房需求信息对应的可出租房间信息。
具体地，mkp为多维背包问题，是整数规划问题，对一个属性进行不超过限制条件的选择，最后求多个属性的交集，要求从多个限制条件中选出满足所有条件的最佳组合，并计算出最优价值。将最大化整体出房目标函数模拟为mkp为多维背包问题，采用mkp为多维背包问题求解原理获取目标函数的最优解，通过解决相应的多背包问题，可以对房间资源进行最优或次优分配，进行全局求解，有效地提升了房间的利用率。
可选地，本申请实施例所提供的基于多背包问题的派单优化方法中，根据多背包问题mkp的求解原理，求解最大化整体出房目标函数的过程为：分配结果为：
具体地，多背包问题mkp的求解原理为：创建输入文本且输入数据，输入数据为用户的房间匹配列表和房间信息，输出结果为计算出的最优价值，即输出最优出房结果。在实际应用时，分配得到的整体出房速度值越大，表示出房速度越快。
与现有技术相比，本发明提供的基于多背包问题的派单优化方法，至少实现了如下的有益效果：
1、本发明的基于多背包问题的派单优化方法，通过获取用户租房需求信息和可出租房间匹配信息，构建两者之间的最大化整体出房速度函数，对最大化整体出房速度函数进行求解，根据用户租房需求信息，将用户与可出租房屋进行匹配，节省时间，提高效率；
2、本发明的基于多背包问题的派单优化方法，将构建的最大化整体出房速度目标函数作为多背包问题进行求解，求解目标函数的过程即为的派单优化过程，能够高效应用于租房派单体系中，很大程度上解决了房间空置造成的浪费。
3、本发明的基于多背包问题的派单优化方法，获取的用户租房需求信息包括多维信息，能够更详细的获取用户需求。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。
1.一种基于多背包问题的派单优化方法，其特征在于，包括：
获取n个用户的租房需求信息，获取与所述用户租房需求信息匹配的房间匹配度集合q；
获取匹配房间信息，获取可出租房间集合r；
获取最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到所述可出租房间集合r中；
利用最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到所述可出租房间集合r中，得到与用户租房需求信息对应的可出租房间信息，即为分配结果；
将所述分配结果传入派单系统，派单系统将所述分配结果输出，完成派单。
2.根据权利要求1所述的基于多背包问题的派单优化方法，其特征在于，所述房间匹配度集合q＝{q1,q2,...,qi,...,qn}，其中，qi为第i个用户的房间匹配列表，i∈(1,2,...,n)；n为用户数量，所述房间匹配度集合q＝{q1,q2,...,qi,...,qn}的展开项为
3.根据权利要求2所述的基于多背包问题的派单优化方法，其特征在于，所述第i个用户的房间匹配列表中的值p按照大小进行降级排序。
4.根据权利要求1所述的基于多背包问题的派单优化方法，其特征在于，所述可出租房间集合r＝{r1,r2,...,rj,...,rm}，其中，rj为第j个房间的信息，j∈(1,2,...,m)，m为可出租房间的数量，所述房间信息rj＝[fjy,fjx,fjk]，其中，fjy为第j个房源的优先级，fjx为第j个房源的性价比，fjk为第j个房源的需客量。
5.根据权利要求4所述的基于多背包问题的派单优化方法，其特征在于，还包括：将所述房间信息中的fjy、fjx和fjk进行优先级排序且与用户匹配。
6.根据权利要求4所述的基于多背包问题的派单优化方法，其特征在于，将所述房间信息中的fjy、fjx和fjk进行优先级排序，包括：所述第j个房源的优先级fjy内的子项按照值的大小进行降级排序，其中，fjy＞f(j 1)y；所述第j个房源的性价比fjx内的子项按照值的大小进行降级排序，其中，fjx＞f(j 1)x；所述第j个房源的需客量fjk内的子项按照值的大小进行降级排序，其中，fjk＞f(j 1)k。
7.根据权利要求1所述的基于多背包问题的派单优化方法，其特征在于，所述最大化整体出房目标函数为
8.根据权利要求1所述的基于多背包问题的派单优化方法，其特征在于，所述利用最大化整体出房目标函数，将收集到的n个用户的用户租房需求信息分配到所述可出租房间集合r中，得到与用户租房需求信息对应的可出租房间信息，即为分配结果包括：将最大化整体出房目标函数模拟为多背包问题，根据多背包问题mkp的求解原理，求解最大化整体出房目标函数，得到将n个用户的用户租房需求信息分配到所述可出租房间集合r的分配结果，分配结果即为与用户租房需求信息对应的可出租房间信息。
9.根据权利要求8所述的基于多背包问题的派单优化方法，其特征在于，根据多背包问题mkp的求解原理，求解最大化整体出房目标函数的过程为：所述分配结果为：
