本发明涉及电商、网约车等含优惠折扣的营销相关领域,具体为一种基于模拟退火算法的优惠券智能发放方法。
背景技术:
目前优惠券已普遍用于商品和服务购买领域,优惠券分不同的发放形式和使用场景。发放形式有主动发放和用户自动领取两种。
使用场景多种多样,有满减券、现金券、折扣券等。如何兼顾高使用率和低补贴成本是一个难题。
当前业界主要是通过精准定位目标用户,对用户分群,进行优惠券的发放,其具有用户分群不准确、优惠券发放金额固定、主要依赖运营人员的尝试发放和效果观察,进行发放策略的调整。具有一定的滞后性,难以满足当前商业智能的发展。
基于此,本发明公开了一种基于sa(模拟退火)算法解决优惠券发放最优化问题,达到在高使用率和低成本补贴间的平衡。
技术实现要素:
本发明的目的在于提供一种基于模拟退火算法的优惠券智能发放方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于模拟退火算法的优惠券智能发放方法,包括发放用户x、发放优惠券补贴成本g(x)和用户使用优惠券概率r(x),所述r(x)与g(x)数量关系为r(x)=f(x,g(x)),所述发放优惠券补贴成本g(x)和用户使用优惠券概率r(x)相乘构成单用户的评价函数c(x),即c(x)=r(x)*g(x)。
优选的,所述发放用户x的总发放数为n,且取值从x1到xn。
优选的,所述单用户的评价函数c(x)可优化为函数l=∑c(x),即优惠券发放问题转化为求该函数l最小值。
优选的,所述使用优惠券概率r(x)根据发放优惠券补贴成本g(x)情况下,由时序人工智能算法求解。
优选的,一种基于模拟退火算法的优惠券智能发放方法,包括以下步骤:
s1、设置约束条件,用户使用优惠券概率r(x)的平均值
s2、算法初始化,执行智能发放优惠券模拟退火算法流程,初始化温度t,每个温度t下的迭代次数m,退火系数为e,初始化解状态s为用户补贴金额最大值β,和此条件下的单用户的评价函数c(x)优化为函数值l;
s3、当k<=m时,重复进行s4~s6;当k>m时,且满足终止条件,则输出当前解,作为最优解,计算结束,其中终止条件为连续d次未接受新解,则默认已收敛,
s4、按随机选择操作对当前解变换得到新解s′,具体过程为:随机选择发放用户x,进行发放优惠券补贴成本g(x)随机变换(加减),并得到用户的评价函数c(x)优化为函数值l′,此时需满足s1中约束条件;
s5、计算δl′=l′-l,若δl′<0则接受新解,否则以exp(-δl′/(kt)接受新解,k为玻尔兹曼常数;
s6、根据退火系数e降低温度t,转s3。
与现有技术相比,本发明的有益效果是:本发明提供了一种基于sa(模拟退火)算法解决优惠券发放最优化问题,该方法使用模拟退火算法,通过随机变换补贴力度,以概率接受或者不接受此次变换,一开始温度t很高,接受大部分请求,到后面逐步温度降低退火,很难接受变换,直至算法收敛。
此算法的优势是初始可以设置补贴上限、用户使用率,来求得此约束条件下,对于每个用户进行个性补贴,使得补贴力度不同;同时,该算法能估算补贴总使用成本;并且若补贴成本过高,还可以人工重新调整补贴上限和用户使用率,进行二次计算。
综上,和传统的人工通过收集使用效果以及人工调整补贴对比,具有千人千面、智能补贴、自动计算等优势,降低了营销难度和成本。
附图说明
图1为本发明的系统流程框图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种基于模拟退火算法的优惠券智能发放方法,包括发放用户x、发放优惠券补贴成本g(x)和用户使用优惠券概率r(x),r(x)与g(x)数量关系为r(x)=f(x,g(x)),发放优惠券补贴成本g(x)和用户使用优惠券概率r(x)相乘构成单用户的评价函数c(x),即c(x)=r(x)*g(x)。
进一步的,发放用户x的总发放数为n,且取值从x1到xn。
进一步的,单用户的评价函数c(x)可优化为函数l=∑c(x),即优惠券发放问题转化为求该函数l最小值。
进一步的,使用优惠券概率r(x)根据发放优惠券补贴成本g(x)情况下,由时序人工智能算法求解。
进一步的,一种基于模拟退火算法的优惠券智能发放方法,其特征在于:包括以下步骤:
s1、设置约束条件,用户使用优惠券概率r(x)的平均值
s2、算法初始化,执行智能发放优惠券模拟退火算法流程,初始化温度t,每个温度t下的迭代次数m,退火系数为e,初始化解状态s为用户补贴金额最大值β,和此条件下的单用户的评价函数c(x)优化为函数值l;
s3、当k<=m时,重复进行s4~s6;当k>m时,且满足终止条件,则输出当前解,作为最优解,计算结束,其中终止条件为连续d次未接受新解,则默认已收敛,
s4、按随机选择操作对当前解变换得到新解s′,具体过程为:随机选择发放用户x,进行发放优惠券补贴成本g(x)随机变换(加减),并得到用户的评价函数c(x)优化为函数值l′,此时需满足s1中约束条件;
s5、计算δl′=l′-l,若δl′<0则接受新解,否则以exp(-δl′/(kt)接受新解,k为玻尔兹曼常数;
s6、根据退火系数e降低温度t,转s3。
本发明提供了一种基于sa(模拟退火)算法解决优惠券发放最优化问题,该方法使用模拟退火算法,通过随机变换补贴力度,以概率接受或者不接受此次变换,一开始温度t很高,接受大部分请求,到后面逐步温度降低退火,很难接受变换,直至算法收敛。
此算法的优势是初始可以设置补贴上限、用户使用率,来求得此约束条件下,对于每个用户进行个性补贴,使得补贴力度不同;同时,该算法能估算补贴总使用成本;并且若补贴成本过高,还可以人工重新调整补贴上限和用户使用率,进行二次计算。
综上,和传统的人工通过收集使用效果以及人工调整补贴对比,具有千人千面、智能补贴、自动计算等优势,降低了营销难度和成本。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。