一种基于双边匹配模型的资源分配方法及设备与流程

本技术涉及双边匹配，尤其涉及一种基于双边匹配模型的资源分配方法及设备。

背景技术：

1、针对资源分配,现有技术中产生了一系列精准资源分配的算法模型类的解决技术,比如：从研究资源接收方层面,主要聚焦于采用决策树或随机森林等算法,建立精准识别资源接收方模型,提升资源匹配的效率；从研究对口资源分配层面,基于双边匹配理论,采用g-s递延接受算法,构建对口资源分配区域匹配模型,提升资源提供方与资源接收方的精准匹配度。

2、但是现有技术中的资源匹配模型一般都是从个体层面出发，没有考虑到双向(即资源提供方和资源接收方)满意，这使得得到的均衡匹配结果相较于资源接收方，更加有利于资源提供方，并且没有定量计算，虽然得到的匹配组合的匹配度可能相对较高，但是没有对资源进行合理规划和利用。

技术实现思路

1、为至少在一定程度上克服相关技术中资源匹配模型从个体层面出发，没有考虑到双向满意，得到的均衡匹配结果相较于资源接收方，更加有利于资源提供方，并且没有定量计算，虽然得到的匹配组合的匹配度可能相对较高，但是没有对资源进行合理规划和利用的问题，本技术提供一种基于双边匹配模型的资源分配方法及设备。

2、本技术的方案如下：

3、根据本技术实施例的第一方面，提供一种基于双边匹配模型的资源分配方法，包括：

4、确定区域内资源提供方和资源接收方的基础数据和关联数据；所述基础数据至少包括：区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级；所述关联数据至少包括：各资源提供方与各资源接收方的实际距离和种植品种交集情况；

5、根据所述基础数据和关联数据，确定各资源提供方和各资源接收方的资源匹配度；

6、将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型，得到区域内资源提供方和资源接收方的平均资源匹配度；所述双边匹配模型以所述平均资源匹配度最大为目标。

7、优选地，确定各资源提供方的资源提供能力等级，包括：

8、确定各资源提供方的资源提供能力得分；

9、对全部资源提供方的资源提供能力得分进行聚类，得到各资源提供方的资源提供能力等级；

10、确定各资源接收方的资源接收意愿等级，包括：

11、确定各资源接收方的资源接收意愿得分；

12、对全部资源接收方的资源接收意愿得分进行聚类，得到各资源接收方的资源接收意愿等级。

13、优选地，确定各资源提供方的资源提供能力得分，包括：

14、确定资源提供方对应的第一评价指标，并获取各第一评价指标对应的第一指标数据；

15、对所述第一指标数据进行处理；

16、根据处理后的第一指标数据计算各第一评价指标在对应样本数据下的比值；

17、根据各第一评价指标在对应样本数据下的比值计算各第一评价指标对应的信息熵；

18、根据各第一评价指标对应的信息熵计算各第一评价指标对应的权熵；

19、根据各第一评价指标对应的权熵计算各第一评价指标对应的权重；

20、根据处理后的第一指标数据和各第一评价指标对应的权重，得到各资源提供方的资源提供能力得分；

21、确定各资源接收方的资源接收意愿得分，包括：

22、确定资源接收方对应的第二评价指标，并获取各第二评价指标对应的第二指标数据；

23、对所述第二指标数据进行处理；

24、根据处理后的第二指标数据计算各第二评价指标在对应样本数据下的比值；

25、根据各第二评价指标在对应样本数据下的比值计算各第二评价指标对应的信息熵；

26、根据各第二评价指标对应的信息熵计算各第二评价指标对应的权熵；

27、根据各第二评价指标对应的权熵计算各第二评价指标对应的权重；

28、根据处理后的第二指标数据和各第二评价指标对应的权重，得到各资源接收方的资源接收意愿得分。

29、优选地，对全部资源提供方的资源提供能力得分进行聚类，得到各资源提供方的资源提供能力等级，包括：

30、在资源提供方的资源提供能力得分数据集中随机选取多个初始聚类中心；

31、根据资源提供能力得分数据集中各数据到各初始聚类中心的距离，对资源提供能力得分数据集中各数据进行类别划分；

32、对于每个类别，重新计算聚类中心，并重新对资源提供能力得分数据集中各数据进行类别划分，直到聚类中心不再变化；

33、输出聚类中心以及各类别的子数据集；

34、根据各类别的子数据集的资源提供能力得分，对各类别的子数据集进行资源提供能力等级划分；

35、对全部资源接收方的资源接收意愿得分进行聚类，得到各资源接收方的资源接收意愿等级，包括：

36、在资源接收方的资源接收意愿得分数据集中随机选取多个初始聚类中心；

37、根据资源接收意愿得分数据集中各数据到各初始聚类中心的距离，对资源接收意愿得分数据集中各数据进行类别划分；

38、对于每个类别，重新计算聚类中心，并重新对资源接收意愿得分数据集中各数据进行类别划分，直到聚类中心不再变化；

39、输出聚类中心以及各类别的子数据集；

40、根据各类别的子数据集的资源接收意愿得分，对各类别的子数据集进行资源接收意愿等级划分。

41、优选地，根据所述基础数据和关联数据，确定各资源提供方和各资源接收方的资源匹配度，包括：

42、基于欧式距离，根据所述基础数据和关联数据，确定各资源提供方和各资源接收方的资源匹配度；包括：

43、资源提供方与资源接收方的实际距离越小，则欧式距离越小，资源匹配度越大；

44、资源提供方与资源接收方的种植品种交集越多，则欧式距离越小，资源匹配度越大；

45、资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值越小，则欧式距离越小，资源匹配度越大。

46、优选地，所述方法还包括：

47、构建双边匹配模型：

48、

49、其中，表示区域内资源提供方和资源接收方的平均资源匹配度，xi表示资源接收方，yj表示资源提供方，m表示资源提供方的户数，n表示资源接收方的户数，且m＜n，表示预设决策变量，表示资源提供方yj与资源接收方xi的资源匹配度。

50、优选地，所述双边匹配模型的约束条件为：

51、

52、其中，第一约束条件表示资源提供方yj与资源接收方xi是否形成资源匹配，第二约束条件表示形成n对资源匹配，第三约束条件表示全部资源提供方均需与至少一个资源接收方形成资源匹配。

53、优选地，对所述第一指标数据进行处理，包括：

54、对所述第一指标数据进行归一标准化处理，并将归一标准化处理后的第一指标数据向右平移预设个单位；

55、对所述第二指标数据进行处理，包括：

56、对所述第二指标数据进行归一标准化处理，并将归一标准化处理后的第二指标数据向右平移预设个单位。

57、优选地，基于欧式距离，根据所述基础数据和关联数据，确定各资源提供方和各资源接收方的资源匹配度前，所述方法还包括：

58、将资源提供方与资源接收方的实际距离进行归一标准化处理，并将归一标准化处理后的实际距离向右平移预设个单位；

59、将资源提供方的资源提供能力等级与资源接收方的资源接收意愿等级差值的绝对值进行归一标准化处理，并将归一标准化处理后的绝对值向右平移预设个单位。

60、根据本技术实施例的第二方面，提供一种基于双边匹配模型的资源分配设备，包括：

61、处理器和存储器；

62、所述处理器与存储器通过通信总线相连接：

63、其中，所述处理器，用于调用并执行所述存储器中存储的程序；

64、所述存储器，用于存储程序，所述程序至少用于执行如以上任一项所述的一种基于双边匹配模型的资源分配方法。

65、本技术提供的技术方案可以包括以下有益效果：本技术中的基于双边匹配模型的资源分配方法，包括：确定区域内资源提供方和资源接收方的基础数据和关联数据；基础数据至少包括：区域内的资源提供方户数集合、资源接收方户数集合、各资源提供方的资源提供能力等级和各资源接收方的资源接收意愿等级；关联数据至少包括：各资源提供方与各资源接收方的实际距离和种植品种交集情况。根据基础数据和关联数据，确定各资源提供方和各资源接收方的资源匹配度；将各资源提供方和各资源接收方的资源匹配度输入预先构建的双边匹配模型，得到区域内资源提供方和资源接收方的平均资源匹配度；双边匹配模型以平均资源匹配度最大为目标。本技术中的技术方案，不仅从个体层面出发，考虑了个体层面的资源提供方与资源接收方的资源匹配度，还以区域内的平均资源匹配度最大为目标，通过双边匹配模型求解区域内均衡、稳定的双边匹配结果，且均衡匹配结果有利于双方，通过提升区域内整体的资源分配精准度，实现对资源的合理规划和利用。

66、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。