一种电子券选择方法和装置与流程
本发明涉及计算机数据处理技术领域，具体涉及大数据技术，尤其涉及一种电子券选择方法和装置。
背景技术：
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在互联网金融快速发展的时代，电子券是作为拓客、获客、黏客的重要手段。特别是在疫情影响下，经济形势严峻，外需疲软，内需不足，各地政府通过发放大量电子券来刺激消费，带动经济。二维码支付的高速发展，电子券使用越来越普及，电子券的基数增长速度越来越快。
传统的电子券选券算法是先按照电子券面额和消费金额的差额进行排序，根据第一轮排序结果，再按照电子券到期时间由近到远排序，需要两轮排序才能选出电子券。因为电子券基数大，这样处理的效率低，运算速度慢，而且只能串行处理。如何提升系统运算效率，做到快速选择一张最优券，是本领域亟待解决的难题。
因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。
技术实现要素：
本发明实施例提供一种电子券选择方法，利用粒子群算法，实现智能选券，准确而高效，利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券，提高计算速度，做到智能高效选择最优券，该方法包括：
获取所有电子券作为粒子，建立电子券粒子群；
根据粒子群算法，建立适应度函数；
根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；
根据每张电子券的适应度，确定最优电子券。
本发明实施例还提供一种电子券选择装置，包括：
电子券粒子群建立模块，用于获取所有电子券作为粒子，建立电子券粒子群；
适应度函数建立模块，用于根据粒子群算法，建立适应度函数；
电子券适应度并行计算模块，用于根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；
最优电子券确定模块，用于根据每张电子券的适应度，确定最优电子券。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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上述一种电子券选择方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述一种电子券选择方法的计算机程序。
本发明实施例提供的一种电子券选择方法和装置，包括：首先获取所有电子券作为粒子，建立电子券粒子群；然后根据粒子群算法，建立适应度函数；下一步根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；最后根据每张电子券的适应度，确定最优电子券。本发明针对系统中电子券基数大，原先的选券算法效率低，系统处理速度慢的基础上，提供一种优化系统处理效率的方案。运用分布式框架的“分而治之”的思想，将电子券并行处理，结合粒子群算法，建立适应度函数，实现每张电子券并行计算，完善原先处理效率低的问题，做到智能高效选择最优券。本发明在电子券智能选择最优券的过程中，通过粒子群算法，建立适应度函数。利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券。传统的选券，需要经过两轮排序，而且是串行处理，处理效率慢。本发明通过并行计算在处理效率上明显提升。利用粒子群算法，实现智能选券，准确而高效。利用分布式体系，分而治之，并行处理，提高计算速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例一种电子券选择方法示意图。
图2为本发明实施例一种电子券选择方法的系统结构图。
图3为本发明实施例一种电子券选择方法的实例中客户持有的电子券示意图。
图4为本发明实施例一种电子券选择方法的算法流程图。
图5为运行本发明实施的一种电子券选择方法的计算机装置示意图。
图6为本发明实施例一种电子券选择装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
本发明属于大数据技术。图1为本发明实施例一种电子券选择方法示意图，如图1所示，本发明实施例提供一种电子券选择方法，利用粒子群算法，实现智能选券，准确而高效，利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券，提高计算速度，做到智能高效选择最优券，该方法包括：
步骤101：获取所有电子券作为粒子，建立电子券粒子群；
步骤102：根据粒子群算法，建立适应度函数；
步骤103：根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；
步骤104：根据每张电子券的适应度，确定最优电子券。
本发明实施例提供的一种电子券选择方法，包括：首先获取所有电子券作为粒子，建立电子券粒子群；然后根据粒子群算法，建立适应度函数，下一步根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；最后根据每张电子券的适应度，确定最优电子券。本发明针对系统中电子券基数大，原先的选券算法效率低，系统处理速度慢的基础上，提供一种优化系统处理效率的方案。运用分布式框架的“分而治之”的思想，将电子券并行处理，结合粒子群算法，建立适应度函数，实现每张电子券并行计算，完善原先处理效率低的问题，做到智能高效选择最优券。本发明在电子券智能选择最优券的过程中，通过粒子群算法，建立适应度函数。利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券。传统的选券，需要经过两轮排序，而且是串行处理，处理效率慢。本发明通过并行计算在处理效率上明显提升。利用粒子群算法，实现智能选券，准确而高效。利用分布式体系，分而治之，并行处理，提高计算速度。
具体实施本发明实施例提供的一种电子券选择方法时，在一个实施中，可以包括：
获取所有电子券作为粒子，建立电子券粒子群；
根据粒子群算法，建立适应度函数；
根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；
根据每张电子券的适应度，确定最优电子券。
本发明针对系统中电子券基数大，原先的选券算法效率低，系统处理速度慢的基础上，提供一种优化系统处理效率的方案。运用分布式框架的“分而治之”的思想，将电子券并行处理，结合粒子群算法，建立适应度函数，实现每张电子券并行计算，完善原先处理效率低的问题，做到智能高效选择最优券。
具体实施本发明实施例提供的一种电子券选择方法时，在一个实施中，前述的获取所有电子券，建立电子券粒子群，包括：
根据客户编号，查询获取所有电子券；
将所有电子券作为粒子进行初始化，选取一组随机的电子券作为粒子初始群体，建立电子券粒子群。
实施例中，在进行电子券优选时，需要确定电子券的集合，首先，根据客户编号，从电子券服务系统中查询获取该客户的所有电子券，如图3本发明实施例一种电子券选择方法的实例中客户持有的电子券示意图所示，在一个实例中，客户在2020年11月15日支付40元的订单时，可以使用金融机构的一张电子券。客户持有的电子券情况如图3所示，一共查询获取到客户的电子券序号1,2,3,4,5,6的电子券，每个电子券都对应有各自的电子券面值和电子券到期日；接下来，将将所有电子券作为粒子进行初始化，选取一组随机的电子券作为粒子初始群体，建立电子券粒子群，其中，电子券粒子群的规模为6。
在一个实施例中，前述电子券作为粒子，具有两个属性：速度和位置。在本发明中，电子券到期日与系统日期的差值为粒子的速度，电子券面值与订单金额的差值为粒子的位置。
具体实施本发明实施例提供的一种电子券选择方法时，在一个实施中，按照如下方式，建立适应度函数：
f(x,v)＝x2+x+v
其中，f(x,v)为适应度；x为粒子的位置；v为粒子的速度。
前述提到的建立适应度函数的表达式为举例说明，本领域技术人员可以理解，在实施时还可以根据需要对上述公式进行一定形式的变形和添加其它的参数或数据，或者提供其它的具体公式，这些变化例均应落入本发明的保护范围。
实施例中，上述建立的适应度函数在计算时，首先将粒子i的位置和速度(xi,vi)代入适应度函数f(x,v)＝x2+x+v，即可计算得出每一个粒子的适应度。
图2为本发明实施例一种电子券选择方法的系统结构图，如图2所示，具体实施本发明实施例提供的一种电子券选择方法时，在一个实施中，前述的根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度，包括：
将电子券粒子群中不同活动对应的电子券分布在不同的容器上，在各自的容器上部署粒子群微服务处理单元，组成微服务容器群组部署在分布式服务框架中；
根据适应度函数，通过分布式服务框架向微服务容器群组中的每一个容器发起并行调用，通过粒子群微服务处理单元并行调用计算每张电子券的适应度。
实施例中，图2提供了实现一种电子券选择方法的系统，至少包括：最优电子券选择组件和分布式服务框架。在上述系统内部，利用分布式体系的“分而治之”的思想，不同活动对应的电子券分布在不同的容器上，有各自的微服务处理单元，并行计算。运用分布式框架的“分而治之”的思想，将电子券并行处理，结合粒子群算法，建立适应度函数，实现每张电子券并行计算，完善原先处理效率低的问题，做到智能高效选择最优券。
实施例中，利用分布式体系，根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度，包括：
首先，将将电子券粒子群中不同活动对应的电子券分布在不同的容器上，例如将电子券1分布在容器1，将电子券2分布在容器2，将电子券3分布在容器3，…，将电子券n分布在容器n；在上述的容器1、容器2、容器3…容器n中，每一个容器上都部署有粒子群微服务处理单元，用以提供粒子群计算服务，然后，将容器1、容器2、容器3…容器n组成微服务容器群组部署在分布式服务框架中；
在计算每一张电子券的适应度时，根据适应度函数，最优电子券选择组件通过分布式服务框架向微服务容器群组中的每一个容器发起并行调用，通过粒子群微服务处理单元并行调用计算每张电子券的适应度，实现每张电子券并行调用。
本发明在电子券智能选择最优券的过程中，通过粒子群算法，建立适应度函数。利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券。传统的选券，需要经过两轮排序，而且是串行处理，处理效率慢。本发明通过并行计算在处理效率上明显提升。利用粒子群算法，实现智能选券，准确而高效。利用分布式体系，分而治之，并行处理，提高计算速度；本发明用“粒子群算法+分布式服务框架”相结合的思路，智能高效选择面额与订单金额最接近、最早到期的电子券，为电子券领域解决最优券的问题上提供了新方法。
通过并行计算，本发明在处理效率上明显提升。
具体实施本发明实施例提供的一种电子券选择方法时，在一个实施中，前述的计算每张电子券的适应度，包括：
将粒子的速度和粒子的位置输入适应度函数，计算得出每张电子券的适应度；其中，粒子的速度为电子券到期日与系统日期的差值，粒子的位置为电子券面值与订单金额的差值。
实施例中，在计算每张电子券的适应度时，主要过程包括：将每个粒子的速度和位置(xi,vi)输入适应度函数f(x,v)＝x2+x+v，计算即可得出每张电子券的适应度；其中，粒子的速度为电子券到期日与系统日期的差值，粒子的位置为电子券面值与订单金额的差值。
客户持有的电子券粒子群，根据电子券的面值与订单金额接近并且最早到期的电子券优先选择。以电子券到期日与系统日期的差值为粒子的速度，电子券面值与订单金额的差值为粒子的位置。根据适应度函数计算每张电子券的适应度的值。在本发明中，适应度的值越小，则意味着越接近订单金额并且越早到期，因此这张电子券的适应性更强。
参照图3所述的电子券，计算每张电子券的适应度：
计算1号电子券的适应度：
计算2号电子券的适应度：
计算3号电子券的适应度：
计算4号电子券的适应度：
计算5号电子券的适应度：
计算6号电子券的适应度：
具体实施本发明实施例提供的一种电子券选择方法时，在一个实施中，前述的根据每张电子券的适应度，确定最优电子券，包括：
迭代比较每张电子券的适应度，将适应度取值最小的电子券作为最优电子券。
实施例中，在通过并行计算得到每张电子券的适应度后，通过迭代比较每张电子券的适应度，将适应度取值最小的电子券作为最优电子券，例如，在上述实例中计算得到的6张电子券的适应度，其中，3号电子券的适应值最小，适应性更强，所以，它是最优的，因此将3号电子券作为最优电子券，提供给用户支付使用。
本发明针对系统中电子券基数大，原先的选券算法效率低，系统处理速度慢的基础上，提供一种优化系统处理效率的方案。运用分布式框架的“分而治之”的思想，将电子券并行处理，结合粒子群算法，建立适应度函数，实现每张电子券并行计算，完善原先处理效率低的问题，做到智能高效选择最优券。本发明在电子券智能选择最优券的过程中，通过粒子群算法，建立适应度函数。利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券。传统的选券，需要经过两轮排序，而且是串行处理，处理效率慢。本发明通过并行计算在处理效率上明显提升。利用粒子群算法，实现智能选券，准确而高效。利用分布式体系，分而治之，并行处理，提高计算速度。本发明用“粒子群算法+分布式服务框架”相结合的思路，智能高效选择面额与订单金额最接近、最早到期的电子券，为电子券领域解决最优券的问题上提供了新方法。
下面结合具体场景，对本发明实施例提供的一种电子券选择方法进行简要描述：
本发明针对系统中电子券基数大，原先的选券算法效率低，系统处理速度慢的基础上，提供一种优化系统处理效率的方案。运用分布式框架的“分而治之”的思想，并行处理，结合粒子群算法，建立适应函数，实现每张电子券并行计算，完善原先处理效率低的问题，做到智能高效选择最优券。
本发明在电子券智能选择最优券的过程中，通过粒子群算法，建立适应函数。利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券。传统的选券，需要经过两轮排序，而且是串行处理，处理效率慢。本发明在处理效率上明显提升。
如图2所示，发明实施例一种电子券选择方法的系统内部结构，实现本发明实施例的一种电子券选择方法的系统，至少包括：最优电子券选择组件和分布式服务框架。利用分布式体系的“分而治之”的思想，不同活动对应的电子券分布在不同的容器上，有各自的微服务处理单元，并行计算。用粒子群算法给电子券群体建立适应度函数，根据每张电子券的适应度，获取最优的电子券。
粒子群算法求解最优电子券的实现思路如下：
选取一组随机的电子券，称之为“粒子”。粒子具有两个属性：速度和位置。在本发明中，电子券到期日与系统日期的差值为粒子的速度，电子券面值与订单金额的差值为粒子的位置。
建立适应度函数f(x,v)＝x2+x+v，将(xi,vi)代入适应度函数f(x,v)计算每个粒子的适应度。
通过迭代比较找到最优电子券解。
本发明实施还提供一种电子券选择方法的实例，包括：
根据实际的支付场景，结合粒子群算法，说明如何选择一张最优的电子券。例如，客户在2020年11月15日支付40元的订单时，可以使用金融机构的一张电子券。客户持有的电子券情况如图3所示。
在求解客户最优电子券的问题中，用粒子群算法求解最优电子券的步骤如下：
1)电子券的初始化
选取客户的电子券序号1,2,3,4,5,6的电子券作为粒子初始群体，电子券种群的规模为6。
2)评价每个粒子的适应度，即根据适应度函数计算粒子的适应值。
计算1号电子券的适应度：
计算2号电子券的适应度：
计算3号电子券的适应度：
计算4号电子券的适应度：
计算5号电子券的适应度：
计算6号电子券的适应度：
3)找到电子券粒子群的最优值
取适应值最小的电子券就是电子券粒子群的最优值；根据计算值可得出，3号电子券的适应值最小，适应性更强，所以，它是最优的。
客户持有的电子券粒子群，根据电子券的面值与订单金额接近并且最早到期的电子券优先选择。以电子券到期日与系统日期的差值为粒子的速度，电子券面值与订单金额的差值为粒子的位置。根据适应度函数计算每张电子券的适应值。在本发明中，适应值越小，则意味着越接近订单金额并且越早到期，它的适应性更强。
图4为本发明实施例一种电子券选择方法的算法流程图，如图4所示，本发明实施例还提供一种电子券选择方法的算法流程，包括：
初始化电子券；
建立适应度函数；
计算每张电子券的适应度值；
求出电子券粒子群的最优值。
利用粒子群算法，实现智能选券，准确而高效。利用分布式体系，分而治之，并行处理，提高计算速度。本发明用“粒子群算法+分布式服务框架”相结合的思路，智能高效选择面额与订单金额最接近、最早到期的电子券，为电子券领域解决最优券的问题上提供了新方法。
图5为运行本发明实施的一种电子券选择方法的计算机装置示意图，如图5所示，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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上述一种电子券选择方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行实现上述一种电子券选择方法的计算机程序。
本发明实施例中还提供了一种电子券选择装置，如下面的实施例所述。由于该装置解决问题的原理与一种电子券选择方法相似，因此该装置的实施可以参见一种电子券选择方法的实施，重复之处不再赘述。
图6为本发明实施例一种电子券选择装置示意图，如图6所示，本发明实施例还提供一种电子券选择装置，具体实施时可以额包括：
电子券粒子群建立模块601，用于获取所有电子券作为粒子，建立电子券粒子群；
适应度函数建立模块602，用于根据粒子群算法，建立适应度函数；
电子券适应度并行计算模块603，用于根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；
最优电子券确定模块604，用于根据每张电子券的适应度，确定最优电子券。
具体实施本发明实施例提供的一种电子券选择装置时，在一个实施中，前述的电子券粒子群建立模块，具体用于：
根据客户编号，查询获取所有电子券；
将所有电子券作为粒子进行初始化，选取一组随机的电子券作为粒子初始群体，建立电子券粒子群。
具体实施本发明实施例提供的一种电子券选择装置时，在一个实施中，前述的适应度函数建立模块，具体用于：按照如下方式，建立适应度函数：
f(x,v)＝x2+x+v
其中，f(x,v)为适应度；x为粒子的位置；v为粒子的速度。
具体实施本发明实施例提供的一种电子券选择装置时，在一个实施中，前述的最优电子券确定模块，具体用于：
迭代比较每张电子券的适应度，将适应度取值最小的电子券作为最优电子券。
综上，本发明实施例提供的一种电子券选择方法和装置，包括：首先获取所有电子券作为粒子，建立电子券粒子群；然后根据粒子群算法，建立适应度函数，下一步根据适应度函数，将电子券粒子群中每张电子券并行计算，确定每张电子券的适应度；最后根据每张电子券的适应度，确定最优电子券。
本发明针对系统中电子券基数大，原先的选券算法效率低，系统处理速度慢的基础上，提供一种优化系统处理效率的方案。运用分布式框架的“分而治之”的思想，将电子券并行处理，结合粒子群算法，建立适应度函数，实现每张电子券并行计算，完善原先处理效率低的问题，做到智能高效选择最优券。
本发明在电子券智能选择最优券的过程中，通过粒子群算法，建立适应度函数。利用分布式体系，对所有的电子券并行处理，分别计算适应度，根据计算值推荐最优的电子券。传统的选券，需要经过两轮排序，而且是串行处理，处理效率慢。本发明通过并行计算在处理效率上明显提升。
利用粒子群算法，实现智能选券，准确而高效。利用分布式体系，分而治之，并行处理，提高计算速度。本发明用“粒子群算法+分布式服务框架”相结合的思路，智能高效选择面额与订单金额最接近、最早到期的电子券，为电子券领域解决最优券的问题上提供了新方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，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例而已，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之内。
- 还没有人留言评论。精彩留言会获得点赞！