业务对象推荐方法、装置、计算机设备和可读存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种业务对象推荐方法、装置、计算机设备和可读存储介质。

背景技术

随着计算机技术的发展，出现了智能业务推荐技术，该技术是一种软件工具和技术方法，它可以向用户建议有用的产品，这种建议使用与多种决策过程，例如：购买物品，选择音乐，浏览新闻等。对于智能业务推荐技术，也是建立在海量数据挖掘的基础上的一种高级商务智能平台，向客户提供个性化的信息服务和决策支持。

传统技术中，智能业务推荐技术通过收集多个客户的信息，然后根据大数据进行分类，从中得到相同类型客户的需求，最后根据需求向对应的客户推荐相关的业务。由于大数据分类后只能针对同类型的客户，对于每一位客户并不能做到细致的分析，因此针对细化的客户进行业务推荐的时候往往出现偏差，无法准确推荐客户合适的业务。因此导致对业务的推荐的效果难以满足预设要求。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高对目标资源调配账户的业务推荐准确度的业务对象推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种业务对象推荐方法。所述方法包括：获取资源调配账户集合对应的业务特性数据，并根据所述业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；所述业务选择地图域空间包括至少两个业务对象点；所述业务对象点用于表征待选择的候选业务对象；根据各所述业务对象点，构建至少两条候选业务对象点选择路径；各所述候选业务对象点选择路径具有对应的选择概率；所述选择概率根据相应的所述候选业务对象点选择路径中相邻两个所述业务对象点间的方向概率确定的；所述方向概率用于指示智能体经过相邻两个所述业务对象点组成的路径；在各所述候选业务对象点选择路径中确定目标业务对象点选择路径；所述目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；所述其他业务对象点选择路径为各所述候选业务对象点选择路径中除所述目标业务对象点选择路径以外的候选业务对象点选择路径；推荐所述目标业务对象点选择路径所表征的目标业务对象至所述资源调配账户集合中目标资源调配账户。

第二方面，本申请还提供了一种业务对象推荐装置。所述装置包括：地图域空间构建模块，用于获取资源调配账户集合对应的业务特性数据，并根据所述业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；所述业务选择地图域空间包括至少两个业务对象点；所述业务对象点用于表征待选择的候选业务对象；候选路径构建模块，用于根据各所述业务对象点，构建至少两条候选业务对象点选择路径；各所述候选业务对象点选择路径具有对应的选择概率；所述选择概率根据相应的所述候选业务对象点选择路径中相邻两个所述业务对象点间的方向概率确定的；所述方向概率用于指示智能体经过相邻两个所述业务对象点组成的路径；目标路径确定模块，用于在各所述候选业务对象点选择路径中确定目标业务对象点选择路径；所述目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；所述其他业务对象点选择路径为各所述候选业务对象点选择路径中除所述目标业务对象点选择路径以外的候选业务对象点选择路径；业务推荐模块，用于推荐所述目标业务对象点选择路径所表征的目标业务对象至所述资源调配账户集合中目标资源调配账户。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取资源调配账户集合对应的业务特性数据，并根据所述业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；所述业务选择地图域空间包括至少两个业务对象点；所述业务对象点用于表征待选择的候选业务对象；根据各所述业务对象点，构建至少两条候选业务对象点选择路径；各所述候选业务对象点选择路径具有对应的选择概率；所述选择概率根据相应的所述候选业务对象点选择路径中相邻两个所述业务对象点间的方向概率确定的；所述方向概率用于指示智能体经过相邻两个所述业务对象点组成的路径；在各所述候选业务对象点选择路径中确定目标业务对象点选择路径；所述目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；所述其他业务对象点选择路径为各所述候选业务对象点选择路径中除所述目标业务对象点选择路径以外的候选业务对象点选择路径；推荐所述目标业务对象点选择路径所表征的目标业务对象至所述资源调配账户集合中目标资源调配账户。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取资源调配账户集合对应的业务特性数据，并根据所述业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；所述业务选择地图域空间包括至少两个业务对象点；所述业务对象点用于表征待选择的候选业务对象；根据各所述业务对象点，构建至少两条候选业务对象点选择路径；各所述候选业务对象点选择路径具有对应的选择概率；所述选择概率根据相应的所述候选业务对象点选择路径中相邻两个所述业务对象点间的方向概率确定的；所述方向概率用于指示智能体经过相邻两个所述业务对象点组成的路径；在各所述候选业务对象点选择路径中确定目标业务对象点选择路径；所述目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；所述其他业务对象点选择路径为各所述候选业务对象点选择路径中除所述目标业务对象点选择路径以外的候选业务对象点选择路径；推荐所述目标业务对象点选择路径所表征的目标业务对象至所述资源调配账户集合中目标资源调配账户。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取资源调配账户集合对应的业务特性数据，并根据所述业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；所述业务选择地图域空间包括至少两个业务对象点；所述业务对象点用于表征待选择的候选业务对象；根据各所述业务对象点，构建至少两条候选业务对象点选择路径；各所述候选业务对象点选择路径具有对应的选择概率；所述选择概率根据相应的所述候选业务对象点选择路径中相邻两个所述业务对象点间的方向概率确定的；所述方向概率用于指示智能体经过相邻两个所述业务对象点组成的路径；在各所述候选业务对象点选择路径中确定目标业务对象点选择路径；所述目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；所述其他业务对象点选择路径为各所述候选业务对象点选择路径中除所述目标业务对象点选择路径以外的候选业务对象点选择路径；推荐所述目标业务对象点选择路径所表征的目标业务对象至所述资源调配账户集合中目标资源调配账户。

上述业务对象推荐方法、装置、计算机设备、存储介质和计算机程序产品，通过获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；业务选择地图域空间包括至少两个业务对象点；业务对象点用于表征待选择的候选业务对象；根据各业务对象点，构建至少两条候选业务对象点选择路径；各候选业务对象点选择路径具有对应的选择概率；选择概率根据相应的候选业务对象点选择路径中相邻两个业务对象点间的方向概率确定的；方向概率用于指示智能体经过相邻两个业务对象点组成的路径；在各候选业务对象点选择路径中确定目标业务对象点选择路径；目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；其他业务对象点选择路径为各候选业务对象点选择路径中除目标业务对象点选择路径以外的候选业务对象点选择路径；推荐目标业务对象点选择路径所表征的目标业务对象至资源调配账户集合中目标资源调配账户。

通过对客户信息和资源调配账户信息进行抽象处理，构建抽象环境地图模型，并利用取优算法在地图中进行搜索，改进取优算法中的启发值算法和信息素更新方法，计算转移概率选择更优的信用卡产品，通过不断的迭代搜索，得到现有条件下的选择概率最高的资源调配账户产品，能够有效考虑了客户的相关信息和资源调配账户的多种属性信息，利用改进的取优算法搜索得到选择概率最高的资源调配账户产品，不但节省时间，而且能够为资源调配账户产品的推荐提供有效的依据，提高对业务的推荐的准确率。

附图说明

图1为一个实施例中一种业务对象推荐方法的应用环境图；

图2为一个实施例中一种业务对象推荐方法的流程示意图；

图3为一个实施例中确定目标业务对象选择路径方法的流程示意图；

图4为一个实施例中更新全局信息素方法的流程示意图；

图5为一个实施例中更新局部信息素方法的流程示意图；

图6为一个实施例中构建启发函数方法的流程示意图；

图7为另一个实施例中构建启发函数方法的流程示意图；

图8为一个实施例中设置业务抽象环境模型参数方法的流程示意图；

图9为一个实施例中得到的选择概率最高的资源调配账户产品方法的流程示意图；

图10为另一个实施例中一种业务对象推荐方法的流程示意图；

图11为一个实施例中一种业务对象推荐装置的结构框图；

图12为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的一种业务对象推荐方法，可以应用于如图1所示的应用环境中。终端102获取数据，服务器104响应终端102的指令接收终端102的数据，并且对获取得到的数据进行计算，服务器104将数据的计算结果传输回终端102，并且由终端102进行显示。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104从终端102处获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；业务选择地图域空间包括至少两个业务对象点；业务对象点用于表征待选择的候选业务对象；根据各业务对象点，构建至少两条候选业务对象点选择路径；各候选业务对象点选择路径具有对应的选择概率；选择概率根据相应的候选业务对象点选择路径中相邻两个业务对象点间的方向概率确定的；方向概率用于指示智能体经过相邻两个业务对象点组成的路径；在各候选业务对象点选择路径中确定目标业务对象点选择路径；目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；其他业务对象点选择路径为各候选业务对象点选择路径中除目标业务对象点选择路径以外的候选业务对象点选择路径；推荐目标业务对象点选择路径所表征的目标业务对象至资源调配账户集合中目标资源调配账户。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种业务对象推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤202，获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间。

其中，资源调配账户集合可以是有至少两个资源调配账户组成的群体，其中，资源调配账户可以是表示社会或者自然资源在公共资源平台进行交互的个人账户，账户中记录者交互的信息以及账户拥有人的信息。

其中，业务特征数据可以是与资源交互相关的数据，例如：资源交互所诉需要的个人信息，资源交互所生成的交互信息，资源交互后需要跟踪的计算机报文等。

其中，业务选择地图域空间可以是表示各个业务对象点之间的具体位置，以及各个业务对象点之间的相对位置的抽象地图，该业务选择地图域空间由业务抽象环境模型构成。

其中，业务选择点可以是代表资源调配账户中不同业务的抽象点，用于智能体进行业务寻优的地图的位置点。

具体地，服务器响应终端的指令，从终端处获取资源调配账户集合对应的业务特性数据，并且将获取到的资源调配账户集合对应的业务特性数据存储到存储单元中，当服务器需要对资源调配账户集合对应的业务特性数据中的任意信息对应的数据记录进行处理时，则从存储单元中调取至易失性存储资源以供中央处理器进行计算。其中，业务特性数据可以是单个数据进行输入，也可以为多个数据同时输入。

基于客户信息抽象算法中的智能体相关属性，以及，基于资源调配账户信息抽象算法中的地图环境属性。资源调配账户的属性包括资源调配账户类型、能否分期、优惠活动、消费额度等，资源调配账户属性信息如下表所示。如图9所示，地图中的不同点位置代表具有不同属性的资源调配账户，随机分布于地图中，作为资源调配账户的产品选择的业务选择地图域空间。客户信息包括是否为新客户，年龄、职业、学历、收入、支出等基本信息，可办理的资源调配账户类型和消费额度，主要消费支出特征信息，社会属性信息等，作为智能体移动时的参数和约束。业务选择地图域空间包括至少两个业务对象点；业务对象点用于表征待选择的候选业务对象。

步骤204，根据各业务对象点，构建至少两条候选业务对象点选择路径。

其中，候选业务对象点选择路径可以是根据至少两个业务对象点在业务选择地图域空间中构建的选择路径，不同的候选业务对象点选择路径的起点和终点相同的情况下，构成路径的中间业务选择点可以是不同的。

具体地，确定业务选择地图域空间智能体的起点对应的业务对象点以及终点对应的业务对象点，并根据业务选择地图域空间中的各个业务对象点，对业务选择地图域空间中的候选业务对象点选择路径进行构建，因为起点对应的业务对象点和终点对应的业务对象点之间具有多个不同的业务对象点，因此构建得到的候选业务对象点选择路径进行与业务对象点有密切的关系。其中，各候选业务对象点选择路径具有对应的选择概率；选择概率根据相应的候选业务对象点选择路径中相邻两个业务对象点间的方向概率确定的；方向概率用于指示智能体经过相邻两个业务对象点组成的路径。

其中，针对智能体的位置选择，智能体通过轮盘赌方法选择下一个节点，并重复进行直到获得目标点。选择下一个点的概率公式如下：

其中，τ

智能体从起点找到目标点的每次迭代完成后，信息素将根据路径计划的长度进行更新。由于最开始智能体没有信息素值作为参考，因此路径选择具有随机性。其中，距离稍短的路径由于智能体通过的时间短，当信息素尚未完全挥发时，它将使下一只智能体探索路径上的节点，从而增强路径上的信息素浓度，使后续智能体可以大概率忽略那些不合格的踪迹，并提高其覆盖效率以寻找更短的路径。经过n个时刻，智能体完成一次循环，信息素更新公式如下：

其中，m是各个智能体中智能体数量。ρ是信息素蒸发速率。Δτ

其中，Q

步骤206，在各候选业务对象点选择路径中确定目标业务对象点选择路径。

其中，目标业务对象点选择路径可以是通过智能体的选择后，从各候选业务对象点选择路径确定与业务相关性最大的业务对象点选择路径。

具体地，通过智能体在业务选择地图域空间对各候选业务对象点选择路径的搜索操作，从各候选业务对象点选择路径中确定为资源调配账户进行业务推荐所对应的目标业务对象点选择路径。其中，目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；其他业务对象点选择路径为各候选业务对象点选择路径中除目标业务对象点选择路径以外的候选业务对象点选择路径。

其中，针对各个智能体的搜索策略。启发式功能在指导各个智能体搜索过程中是必不可少的，并且对于算法快速，有效和准确地规划可行路径起着重要作用。当智能体从当前栅格移动到下一栅格时，可以根据启发函数来计算可视区域之内各个备选栅格的选择概率，启发函数可以用F(i，j，k)表示，其计算过程如下所示：

其中，o为当前点，t为待选点，d为任务目标点。M(i，j，k)是当前智能体要选择的点与所在的点之间的资源调配账户收益，提示智能体选择一个收益更高的点；S(i，j，k)为安全性因素，促使智能体选择对于自身可行的点，m为智能体在当前点中可视域中可选点的数量，m′为可视域中不可选点的数量；N(i，j，k)是目标点和候选点之间的资源调配账户收益，促使智能体选择一个更接近目标点的点，而w1，w2，w3是代表每个因素重要性的参数。

其中，资源调配账户概率计算。依据启发值、信息素值以及资源调配账户收益，计算在可视区域内每个备选点(i′，j′，k′)的选择概率p(i′，j′，k′)以此排序使得算法能够优先选择概率高的节点，从而达到高速度搜索的目的。选择概率p(i′，j′，k′)的计算公式如下：

其中，τ为栅格(i′，j′，k′)的信息素值，在第一遍搜索时所设定的初始信息素值，F为栅格(i′，j′，k′)的启发值，N为栅格(i′，j′，k′)通过计算得到的与原来位置相比的资源调配账户收益差判。

其中，局部信息素更新。在每只智能体进行搜索时会利用局部搜索算法在被访问的栅格提取信息素并进行更新，这种行为称作为局部信息素更新。其主要目的是在智能体通过某个网格以将网格信息传递给后续智能体时增加信息素，局部信息素更新公式如下。其中：τ为栅格上所带的信息素值；ξ为信息素的衰减系数，例如，各个智能体在自然界中，各个智能体在寻找路径时一旦找到了一条最优觅食路径，其它的智能体就会沿着这条路线去找食物，并不断地加强气味。反之，如果路径点没有智能体再次通过，信息素就会逐渐消散，信息素则会产生衰减。衰减系数可以是一个人为设定的参数，一般为0-1间的数在本文中设置为0.7。

τ＝(1-ζ)*τ

其中，全局信息素更新。智能体需要通过全局信息素信息而不是仅仅使用局部信息素信息来引导他们选择最符合目标的路径。全局更新是指在一只智能体完成全部搜索后，从中选出最符合目标的路径增加其各个栅格的信息素，从而增强最优路径中各个栅格的信息素浓度，为下一次迭代中的各个智能体搜索做好准备。全局信息素更新公式如下。其中：τ为栅格上所带的信息素值；ρ为信息素更新系数，K为常数，length(n)为第n只智能体所通过的路径长度。

通过局部信息素更新以及全局信息素更新可以使得地图中各栅格的可选取性进行动态的变化。当每轮迭代每只智能体选择栅格时，都可以通过接受其中的信息素使它们了解该栅格是否符合优化目标的路径栅格，以此得到更符合目标的规划路径，如图9所示，通过基于各个智能体算法的资源调配账户产品选择模型得到的选择概率最高的资源调配账户产品。

步骤208，推荐目标业务对象点选择路径所表征的目标业务对象至资源调配账户集合中目标资源调配账户。

具体地，将通过智能体选择得到的目标业务对象点选择路径中对应的目标业务对象推荐至资源调配账户集合中目标资源调配账户，作为目标资源调配账户中的业务对象推荐至客户。总体的业务对象推荐方法的流程图如图10所示。

上述一种业务对象推荐方法中，通过获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；业务选择地图域空间包括至少两个业务对象点；业务对象点用于表征待选择的候选业务对象；根据各业务对象点，构建至少两条候选业务对象点选择路径；各候选业务对象点选择路径具有对应的选择概率；选择概率根据相应的候选业务对象点选择路径中相邻两个业务对象点间的方向概率确定的；方向概率用于指示智能体经过相邻两个业务对象点组成的路径；在各候选业务对象点选择路径中确定目标业务对象点选择路径；目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；其他业务对象点选择路径为各候选业务对象点选择路径中除目标业务对象点选择路径以外的候选业务对象点选择路径；推荐目标业务对象点选择路径所表征的目标业务对象至资源调配账户集合中目标资源调配账户。

通过对客户信息和资源调配账户信息进行抽象处理，构建抽象环境地图模型，并利用取优算法在地图中进行搜索，改进取优算法中的启发值算法和信息素更新方法，计算转移概率选择更优的信用卡产品，通过不断的迭代搜索，得到现有条件下的选择概率最高的资源调配账户产品，能够有效考虑了客户的相关信息和资源调配账户的多种属性信息，利用改进的取优算法搜索得到选择概率最高的资源调配账户产品，不但节省时间，而且能够为资源调配账户产品的推荐提供有效的依据，提高对业务的推荐的准确率。

在一个实施例中，如图3所示，在各候选业务对象点选择路径中确定目标业务对象点选择路径，包括：

步骤302，在各业务对象点中任意一个方向均存在通过性的情况下，控制智能体在业务选择地图域空间进行全局搜索操作，并更新业务选择地图域空间对应的全局信息素。

其中，全局信息素可以是智能体走过业务选择地图域空间并搜索出最佳的路径后，所遗留在业务选择地图域空间中用于指引路径的信息。

具体地，在各业务对象点中任意一个方向均存在通过性的情况下，针对各个智能体的搜索策略。启发式功能在指导各个智能体搜索过程中是必不可少的，并且对于算法快速，有效和准确地规划可行路径起着重要作用。当智能体从当前栅格移动到下一栅格时，可以根据启发函数来计算可视区域之内各个备选栅格的选择概率，启发函数可以用F(i，j，k)表示，其计算过程如下所示：

其中，o为当前点，t为待选点，d为任务目标点。M(i，j，k)是当前智能体要选择的点与所在的点之间的资源调配账户收益，提示智能体选择一个收益更高的点；S(i，j，k)为安全性因素，促使智能体选择对于自身可行的点，m为智能体在当前点中可视域中可选点的数量，m′为可视域中不可选点的数量；N(i，j，k)是目标点和候选点之间的资源调配账户收益，促使智能体选择一个更接近目标点的点，而w1，w2，w3是代表每个因素重要性的参数。

其中，资源调配账户概率计算。依据启发值、信息素值以及资源调配账户收益，计算在可视区域内每个备选点(i′，j′，k′)的选择概率p(i′，j′，k′)以此排序使得算法能够优先选择概率高的节点，从而达到高速度搜索的目的。选择概率p(i′，j′，k′)的计算公式如下：

其中，τ为栅格(i′，j′，k′)的信息素值，在第一遍搜索时所设定的初始信息素值，F为栅格(i′，j′，k′)的启发值，N为栅格(i′，j′，k′)通过计算得到的与原来位置相比的资源调配账户收益差判。

其中，局部信息素更新。在每只智能体进行搜索时会利用局部搜索算法在被访问的栅格提取信息素并进行更新，这种行为称作为局部信息素更新。其主要目的是在智能体通过某个网格以将网格信息传递给后续智能体时增加信息素，局部信息素更新公式如下。其中：τ为栅格上所带的信息素值；ξ为信息素的衰减系数，例如，各个智能体在自然界中，各个智能体在寻找路径时一旦找到了一条最优觅食路径，其它的智能体就会沿着这条路线去找食物，并不断地加强气味。反之，如果路径点没有智能体再次通过，信息素就会逐渐消散，信息素则会产生衰减。衰减系数可以是一个人为设定的参数，一般为0-1间的数在本文中设置为0.7。

τ＝(1-ζ)*τ

其中，全局信息素更新。智能体需要通过全局信息素信息而不是仅仅使用局部信息素信息来引导他们选择最符合目标的路径。全局更新是指在一只智能体完成全部搜索后，从中选出最符合目标的路径增加其各个栅格的信息素，从而增强最优路径中各个栅格的信息素浓度，为下一次迭代中的各个智能体搜索做好准备。全局信息素更新公式如下。其中：τ为栅格上所带的信息素值；ρ为信息素更新系数，K为常数，length(n)为第n只智能体所通过的路径长度。

步骤304，在执行全局搜索操作的次数未达到预设的迭代次数的情况下，返回执行获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间的步骤，直到全局搜索的次数满足预设的迭代次数。

具体地，在执行全局搜索操作的次数未达到预设的迭代次数的情况下，返回执行“服务器响应终端的指令，从终端处获取资源调配账户集合对应的业务特性数据，并且将获取到的资源调配账户集合对应的业务特性数据存储到存储单元中，当服务器需要对资源调配账户集合对应的业务特性数据中的任意信息对应的数据记录进行处理时，则从存储单元中调取至易失性存储资源以供中央处理器进行计算。其中，业务特性数据可以是单个数据进行输入，也可以为多个数据同时输入。

基于客户信息抽象算法中的智能体相关属性，以及，基于资源调配账户信息抽象算法中的地图环境属性。资源调配账户的属性包括资源调配账户类型、能否分期、优惠活动、消费额度等，资源调配账户属性信息如下表所示。如图9所示，地图中的不同点位置代表具有不同属性的资源调配账户，随机分布于地图中，作为资源调配账户的产品选择的业务选择地图域空间。客户信息包括是否为新客户，年龄、职业、学历、收入、支出等基本信息，可办理的资源调配账户类型和消费额度，主要消费支出特征信息，社会属性信息等，作为智能体移动时的参数和约束。业务选择地图域空间包括至少两个业务对象点；业务对象点用于表征待选择的候选业务对象”，直到全局搜索的次数满足预设的迭代次数。

步骤306，在执行全局搜索操作的次数满足预设的迭代次数的情况下，根据更新后的全局信息素，在业务选择地图域空间中确定目标业务对象点选择路径。

具体地，通过局部信息素更新以及全局信息素更新可以使得地图中各栅格的可选取性进行动态的变化。当每轮迭代每只智能体选择栅格时，都可以通过接受其中的信息素使它们了解该栅格是否符合优化目标的路径栅格，以此得到更符合目标的规划路径，如图9所示，通过基于各个智能体算法的资源调配账户产品选择模型得到的选择概率最高的资源调配账户产品。

本实施例中，通过多次控制智能体在业务选择地图域空间中进行全局搜索操作，并更新全局信息素，能够基于全局信息素的提示确定目标业务对象点选择路径，提高对目标资源调配账户的业务推荐的准确率。

在一个实施例中，如图4所示，在各业务对象点中任意一个方向均存在通过性的情况下，控制智能体在业务选择地图域空间进行全局搜索操作，并更新业务选择地图域空间对应的全局信息素，包括：

步骤402，基于各业务对象点中任意一个方向均存在通过性的情况下，获取各业务对象点对应的对象点启发值。

具体地，在各业务对象点中任意一个方向均存在通过性的情况下，可以使用启发函数对启发值进行计算。针对各个智能体的搜索策略。启发式功能在指导各个智能体搜索过程中是必不可少的，并且对于算法快速，有效和准确地规划可行路径起着重要作用。当智能体从当前栅格移动到下一栅格时，可以根据启发函数来计算可视区域之内各个备选栅格的选择概率，启发函数可以用F(i，j，k)表示，其计算过程如下所示：

其中，o为当前点，t为待选点，d为任务目标点。M(i，j，k)是当前智能体要选择的点与所在的点之间的资源调配账户收益，提示智能体选择一个收益更高的点；S(i，j，k)为安全性因素，促使智能体选择对于自身可行的点，m为智能体在当前点中可视域中可选点的数量，m′为可视域中不可选点的数量；N(i，j，k)是目标点和候选点之间的资源调配账户收益，促使智能体选择一个更接近目标点的点，而w1，w2，w3是代表每个因素重要性的参数。

步骤404，基于对象点启发值，控制智能体从当前业务对象点移动至下一个业务对象点，并更新当前业务对象点对应的局部信息素。

其中，当前业务对象点可以是表达某一个智能体目前位于业务选择地图域空间内所处的业务对象点。

其中，下一个业务对象点可以是表达某一个智能体准备在业务选择地图域空间内运动至的业务对象点。

其中，局部信息素可以是智能体在业务选择地图域空间内的业务点中进行任意一步搜索所留下来的信息。

具体地，依据启发值、信息素值以及资源调配账户收益，计算在可视区域内每个备选点(i′，j′，k′)的选择概率p(i′，j′，k′)以此排序使得算法能够优先选择概率高的节点，从而达到高速度搜索的目的。计算在可视区域内各方向选择概率，估算待搜索方向的重要程度并由大到小排序；根据可视区域内各方向选择概率选择下一个移动位置并进行局部信息素值更新。方向选择概率p(i′，j′，k′)的计算公式如下：

其中，τ为栅格(i′，j′，k′)的信息素值，在第一遍搜索时所设定的初始信息素值，F为栅格(i′，j′，k′)的启发值，N为栅格(i′，j′，k′)通过计算得到的与原来位置相比的资源调配账户收益差判。

其中，局部信息素更新。在每只智能体进行搜索时会利用局部搜索算法在被访问的栅格提取信息素并进行更新，这种行为称作为局部信息素更新。其主要目的是在智能体通过某个网格以将网格信息传递给后续智能体时增加信息素，局部信息素更新公式如下。其中：τ为栅格上所带的信息素值；ξ为信息素的衰减系数，例如，各个智能体在自然界中，各个智能体在寻找路径时一旦找到了一条最优觅食路径，其它的智能体就会沿着这条路线去找食物，并不断地加强气味。反之，如果路径点没有智能体再次通过，信息素就会逐渐消散，信息素则会产生衰减。衰减系数可以是一个人为设定的参数，一般为0-1间的数在本文中设置为0.7。

τ＝(1-ζ)*τ

步骤406，在任意一个智能体没有完成一次候选业务对象点选择路径的搜索操作情况下，返回执行在各业务对象点中任意一个方向均存在通过性的情况下，控制智能体在业务选择地图域空间进行全局搜索操作，并更新业务选择地图域空间对应的全局信息素，直到各智能体完成均完成一次候选业务对象点选择路径的搜索操作。

具体地，在任意一个智能体没有完成一次候选业务对象点选择路径的搜索操作情况下，返回执行“步骤302”，详细过程请参见步骤302对应的过程说明，直到各智能体完成均完成一次候选业务对象点选择路径的搜索操作。

步骤408，基于各智能体对候选业务对象点选择路径的搜索操作，更新业务选择地图域空间对应的全局信息素。

具体地，智能体需要通过全局信息素信息而不是仅仅使用局部信息素信息来引导他们选择最符合目标的路径。全局更新是指在一只智能体完成全部搜索后，从中选出最符合目标的路径增加其各个栅格的信息素，从而增强最优路径中各个栅格的信息素浓度，为下一次迭代中的各个智能体搜索做好准备。全局信息素更新公式如下。其中：τ为栅格上所带的信息素值；ρ为信息素更新系数，K为常数，length(n)为第n只智能体所通过的路径长度。

本实施例中，通过控制所有智能体分别在业务选择地图域空间中进行全区搜索操作，并更新全局信息素，能够使得所有智能体都从起始业务对象点走到终止业务对象点，并留下对应的局部信息素，有效地提高全局信息素的强度，对于目标业务对象点选择路径的选择提供证据。

在一个实施例中，如图5所示，控制智能体从当前业务对象点移动至下一个业务对象点，并更新当前业务对象点对应的局部信息素，包括：

步骤502，获取当前业务对象点的各方向对应的方向选择概率，并对各方向选择概率进行排序。

其中，方向选择概率可以是智能体在业务选择地图域空间内的当前业务对象点往各个下一个业务对象点的概率。

具体地，依据启发值、信息素值以及资源调配账户收益，计算在可视区域内每个备选点(i′，j′，k′)的选择概率p(i′，j′，k′)以此排序使得算法能够优先选择概率高的节点，从而达到高速度搜索的目的。计算在可视区域内各方向选择概率，估算待搜索方向的重要程度并由大到小排序；方向选择概率p(i′，j′，k′)的计算公式如下：

其中，τ为栅格(i′，j′，k′)的信息素值，在第一遍搜索时所设定的初始信息素值，F为栅格(i′，j′，k′)的启发值，N为栅格(i′，j′，k′)通过计算得到的与原来位置相比的资源调配账户收益差判。

步骤504，基于各方向选择概率对应的排序结果，控制智能体选择方向选择概率满足预设的概率条件，从当前业务对象点移动至下一个业务对象点，并更新业务对象点对应的局部信息素。

具体地，基于对各个方向选择概率的重要程度并由大到小排序后的结果，控制智能体选择方向选择概率为最大对应的方向，选择下一个移动位置并进行局部信息素值更新。

其中，局部信息素更新。在每只智能体进行搜索时会利用局部搜索算法在被访问的栅格提取信息素并进行更新，这种行为称作为局部信息素更新。其主要目的是在智能体通过某个网格以将网格信息传递给后续智能体时增加信息素，局部信息素更新公式如下。其中：τ为栅格上所带的信息素值；ξ为信息素的衰减系数，例如，各个智能体在自然界中，各个智能体在寻找路径时一旦找到了一条最优觅食路径，其它的智能体就会沿着这条路线去找食物，并不断地加强气味。反之，如果路径点没有智能体再次通过，信息素就会逐渐消散，信息素则会产生衰减。衰减系数可以是一个人为设定的参数，一般为0-1间的数在本文中设置为0.7。

τ＝(1-ζ)*τ

本实施例中，通过对个各方向对应的方向选择概率进行排序，选择方向选择概率满足预设条件的方向控制智能体移动，并更新局部信息素，能够达到每一个智能体进行每一次的移动都留下信息，提高智能体寻找最优路径的效率。

在一个实施例中，如图6所示，在获取各业务对象点对应的对象点启发值之前，还包括：

步骤602，确定当前业务对象点和各下一个业务对象点之间的第一差异值；以及，确定各下一个业务对象点与结束业务对象点确定之间的第二差异值。

其中，第一差异值可以是当前业务对象点和各下一个业务对象点之间的资源调配账户收益。

其中，第二差异值可以是各下一个业务对象点与结束业务对象点确定之间的资源调配账户收益。

具体地，确定当前智能体要选择的点与所在的点之间的资源调配账户收益，提示智能体选择一个收益更高的点；确定目标点和候选点之间的资源调配账户收益，促使智能体选择一个更接近目标点的点。

步骤604，根据业务选择地图域空间中各业务对象点的数量，确定智能体对应的安全性因素。

其中，安全性因素可以是促使智能体选择对于自身可行的点。

具体地，根据业务选择地图域空间中各业务对象点的数量，确定促使智能体选择对于自身可行的点，m为智能体在当前点中可视域中可选点的数量，m′为可视域中不可选点的数量，以满足确定安全性因素。

步骤606，根据第一差异值、第二差异值以及安全性因素，得到各业务对象点分别对应的启发函数。

具体地，在各业务对象点中任意一个方向均存在通过性的情况下，针对各个智能体的搜索策略。启发式功能在指导各个智能体搜索过程中是必不可少的，并且对于算法快速，有效和准确地规划可行路径起着重要作用。当智能体从当前栅格移动到下一栅格时，可以根据启发函数来计算可视区域之内各个备选栅格的选择概率，启发函数可以用F(i，j，k)表示，其计算过程如下所示：

其中，o为当前点，t为待选点，d为任务目标点。M(i，j，k)是当前智能体要选择的点与所在的点之间的资源调配账户收益，提示智能体选择一个收益更高的点；S(i，j，k)为安全性因素，促使智能体选择对于自身可行的点，m为智能体在当前点中可视域中可选点的数量，m′为可视域中不可选点的数量；N(i，j，k)是目标点和候选点之间的资源调配账户收益，促使智能体选择一个更接近目标点的点，而w1，w2，w3是代表每个因素重要性的参数。

本实施例中，通过第一差异值、第二差异值以及安全性因素建立各业务对象点分别对应的启发函数，能够考虑到计算启发值的所有影响因素，达到在智能体运用启发值进行搜索的时候具有更准确的指引，提高最优路径搜索的准确性。

在一个实施例中，如图7所示，根据第一差异值、第二差异值以及安全性因素，得到各业务对象点分别对应的启发函数，包括：

步骤702，将第一差异值作为底数，第一重要性参数作为幂，得到第一幂函数；以及，将第二差异值作为底数，第二重要性参数作为幂，得到第二幂函数；以及，将安全性因素作为底数，第三重要性参数作为幂，得到安全性幂函数。

其中，第一重要性参数、第二重要性参数以及第三重要性参数可以是分别针对第一差异值、第二差异值以及安全性因素对应的权重。

具体地，将第一差异值M(i，j，k)作为底数，第一重要性参数w1作为幂，得到第一幂函数M(i，j，k)

步骤704，根据第一幂函数、第二幂函数以及安全性幂函数，得到各业务对象点分别对应的启发函数。

具体地，启发函数可以用F(i，j，k)表示，其计算过程如下所示：

其中，o为当前点，t为待选点，d为任务目标点。M(i，j，k)是当前智能体要选择的点与所在的点之间的资源调配账户收益，提示智能体选择一个收益更高的点；S(i，j，k)为安全性因素，促使智能体选择对于自身可行的点，m为智能体在当前点中可视域中可选点的数量，m′为可视域中不可选点的数量；N(i，j，k)是目标点和候选点之间的资源调配账户收益，促使智能体选择一个更接近目标点的点，而w1，w2，w3是代表每个因素重要性的参数。

本实施例中，通过细化构建启发函数的过程，引入第一重要性参数、第二重要性参数以及第三重要性参数，能够达到对第一差异值、第二差异值以及安全性因素提供不同的权重，修改启发函数的计算精确度。

在一个实施例中，如图8所示，在获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间之后，还包括：

步骤802，根据业务选择地图域空间对应的业务抽象环境模型，确定业务选择地图域空间中起始业务对象点对应的位置和结束业务对象点对应的位置。

其中，业务抽象环境模型可以是根据资源调配账户集合对应的业务特性数据搭建的取优模型。

具体地，基于客户信息抽象算法中的智能体相关属性，以及，基于资源调配账户信息抽象算法中的地图环境属性。资源调配账户的属性包括资源调配账户类型、能否分期、优惠活动、消费额度等。如图9所示，地图中的不同点位置代表具有不同属性的资源调配账户，随机分布于地图中，作为资源调配账户的产品选择的业务选择地图域空间，根据上述消息确定业务选择地图域空间中起始业务对象点对应的位置和结束业务对象点对应的位置。其中，客户信息包括是否为新客户，年龄、职业、学历、收入、支出等基本信息，可办理的资源调配账户类型和消费额度，主要消费支出特征信息，社会属性信息等。

步骤804，根据起始业务对象点对应的位置和结束业务对象点对应的位置，确定智能体对应的起始运动方向，并设置智能体算法的基本参数以及待更新的全局信息素。

具体地，根据起始业务对象点对应的位置和结束业务对象点对应的位置，以及，客户信息包括是否为新客户，年龄、职业、学历、收入、支出等基本信息，可办理的资源调配账户类型和消费额度，主要消费支出特征信息，社会属性信息等，作为智能体移动时的参数和约束，确定智能体对应的起始运动方向，并设置智能体算法的基本参数以及待更新的全局信息素。

本实施例中，通过使用业务抽象环境模型确定起始业务对象点以及结束业务对象点对应的位置，并进一步设置智能体算法的基本参数和初始全局信息素，能够使得业务抽象模型清除因为运行而导致的参数变化，提高模型运行的准确性。

应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的一种业务对象推荐方法的一种业务对象推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个业务对象推荐装置实施例中的具体限定可以参见上文中对于一种业务对象推荐方法的限定，在此不再赘述。

在一个实施例中，如图11所示，提供了一种业务对象推荐装置，包括：地图域空间构建模块1102、候选路径构建模块1104、目标路径确定模块1106和业务推荐模块1108，其中：

地图域空间构建模块1102，用于获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间；业务选择地图域空间包括至少两个业务对象点；业务对象点用于表征待选择的候选业务对象；

候选路径构建模块1104，用于根据各业务对象点，构建至少两条候选业务对象点选择路径；各候选业务对象点选择路径具有对应的选择概率；选择概率根据相应的候选业务对象点选择路径中相邻两个业务对象点间的方向概率确定的；方向概率用于指示智能体经过相邻两个业务对象点组成的路径；

目标路径确定模块1106，用于在各候选业务对象点选择路径中确定目标业务对象点选择路径；目标业务对象点选择路径对应的选择概率大于其他业务对象点选择路径对应的选择概率；其他业务对象点选择路径为各候选业务对象点选择路径中除目标业务对象点选择路径以外的候选业务对象点选择路径；

业务推荐模块1108，用于推荐目标业务对象点选择路径所表征的目标业务对象至资源调配账户集合中目标资源调配账户。

在一个实施例中，目标路径确定模块1106，还用于：在各业务对象点中任意一个方向均存在通过性的情况下，控制智能体在业务选择地图域空间进行全局搜索操作，并更新业务选择地图域空间对应的全局信息素；全局搜索操作用于在业务选择地图域空间中确定各候选业务对象点选择路径的操作；在执行全局搜索操作的次数未达到预设的迭代次数的情况下，返回执行获取资源调配账户集合对应的业务特性数据，并根据业务特性数据，建立资源调配账户集合对应的业务选择地图域空间的步骤，直到全局搜索的次数满足预设的迭代次数；在执行全局搜索操作的次数满足预设的迭代次数的情况下，根据更新后的全局信息素，在业务选择地图域空间中确定目标业务对象点选择路径。

在一个实施例中，目标路径确定模块1106，还用于：基于各业务对象点中任意一个方向均存在通过性的情况下，获取各业务对象点对应的对象点启发值；基于对象点启发值，控制智能体从当前业务对象点移动至下一个业务对象点，并更新当前业务对象点对应的局部信息素；在任意一个智能体没有完成一次候选业务对象点选择路径的搜索操作情况下，返回执行在各业务对象点中任意一个方向均存在通过性的情况下，控制智能体在业务选择地图域空间进行全局搜索操作，并更新业务选择地图域空间对应的全局信息素，直到各智能体完成均完成一次候选业务对象点选择路径的搜索操作；基于各智能体对候选业务对象点选择路径的搜索操作，更新业务选择地图域空间对应的全局信息素。

在一个实施例中，目标路径确定模块1106，还用于：获取当前业务对象点的各方向对应的方向选择概率，并对各方向选择概率进行排序；基于各方向选择概率对应的排序结果，控制智能体选择方向选择概率满足预设的概率条件，从当前业务对象点移动至下一个业务对象点，并更新业务对象点对应的局部信息素。

在一个实施例中，目标路径确定模块1106，还用于：确定当前业务对象点和各下一个业务对象点之间的第一差异值；以及，确定各下一个业务对象点与结束业务对象点确定之间的第二差异值；根据业务选择地图域空间中各业务对象点的数量，确定智能体对应的安全性因素；根据第一差异值、第二差异值以及安全性因素，得到各业务对象点分别对应的启发函数。

在一个实施例中，目标路径确定模块1106，还用于：将第一差异值作为底数，第一重要性参数作为幂，得到第一幂函数；以及，将第二差异值作为底数，第二重要性参数作为幂，得到第二幂函数；以及，将安全性因素作为底数，第三重要性参数作为幂，得到安全性幂函数；根据第一幂函数、第二幂函数以及安全性幂函数，得到各业务对象点分别对应的启发函数。

在一个实施例中，地图域空间构建模块1102，还用于：根据业务选择地图域空间对应的业务抽象环境模型，确定业务选择地图域空间中起始业务对象点对应的位置和结束业务对象点对应的位置；根据起始业务对象点对应的位置和结束业务对象点对应的位置，确定智能体对应的起始运动方向，并设置智能体算法的基本参数以及待更新的全局信息素。

上述一种业务对象推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储服务器数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种业务对象推荐方法。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。