[發明專利]組合優化任務的處理方法以及處理裝置

在審

• 申請號: 202010612243.6
• 申請日: 2020-06-30
• 公開（公告）號: CN111915060A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 甄慧玲;王振坤;李希君;張青富;袁明軒
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京龍雙利達知識產權代理有限公司 11329
• 代理人: 王龍華;王君

1.一種組合優化任務的處理方法，其特征在于，包括：

計算設備從存儲器中獲取針對目標問題的第一解集合，所述目標問題為實現目標組合優化任務所需解決的問題，所述第一解集合包括M個針對所述目標問題的候選解，M為大于1的整數；

所述計算設備對所述第一解集合中的候選解進行分組，得到多個解集合；

所述計算設備將所述多個解集合輸入至預先訓練的神經網絡模型，得到多個目標置信度，所述多個目標置信度與所述多個解集合一一對應，所述多個目標置信度中的每個目標置信度用于表示對應的解集合包括目標解的置信度，所述目標解是指所述第一解集合中使得所述目標問題的規劃結果滿足預設約束條件的候選解；

所述計算設備根據所述多個目標置信度，從所述多個解集合中選取所述多個目標置信度中最大目標置信度對應的解集合，得到第二解集合；

所述計算設備從所述第二解集合選取所述目標解。

2.如權利要求1所述的處理方法，其特征在于，所述計算設備對所述第一解集合中的候選解進行分組，得到多個解集合，包括：

所述計算設備對所述第一解集合中的候選解進行隨機分組，得到所述多個解集合。

3.如權利要求1或2所述的處理方法，其特征在于，所述計算設備從所述第二解集合選取所述目標解，包括：

所述計算設備從所述第二解集合中選取實現所述目標組合優化任務時資源分配率最大或者收益最大的候選解，作為所述目標解。

4.如權利要求1至3中任一項所述的處理方法，其特征在于，所述目標組合優化任務包括生產調度任務、三維裝箱任務、選址任務中任意一項。

5.如權利要求1至4中任一項所述的處理方法，其特征在于，在所述目標組合優化任務為生產調度任務的情況下，所述目標問題是指根據產品需求數量與原材料數量實現最大生產收益，所述第一集合中包括M個規劃結果，所述M個規劃結果中的一個規劃結果用于表示多個生成對象中每個生產對象的目標產能，所述目標解是指所述M個規劃結果中實現所述最大生產收益的規劃結果。

6.如權利要求1至4中任一項所述的處理方法，其特征在于，在所述目標組合優化任務為三維裝箱任務的情況下，所述目標問題是指是根據多個待裝箱物品的尺寸大小以及箱子的尺寸大小實現所述箱子的最大空間利用率，所述第一候解集合中包括M個裝箱結果，所述M個裝箱結果中的一個裝箱結果用于表示從所述多個待裝箱物品中選取部分待裝箱物品裝入所述箱子，所述目標解是指M個裝箱結果中實現所述箱子的最大空間利用率的裝箱結果。

7.如權利要求1至4中任一項所述的處理方法，其特征在于，在所述目標組合優化任務為選址任務的情況下，所述目標問題是指根據多個待建設對象的候選地址以及每個候選地址對應的服務區域實現最大總服務區域，所述第一解集合中包括M個選址結果，所述M個選址結果中的一個選址結果用于表示所述多個待建設對象中每個待建設對象的目標選址以及所述每個待建設對象在所述目標選址對應的服務區域，所述目標解是指所述M個選址結果中實現所述最大總服務區域的選址結果。

8.如權利要求1至7中任一項所述的處理方法，其特征在于，所述神經網絡模型是使用以下訓練方法得到的：

獲取訓練數據，其中，所述訓練數據包括樣本問題、第一樣本解集合、第二樣本解集合以及樣本目標解，所述樣本問題為實現樣本組合優化任務所需解決的問題，所述第一樣本解集合包括K個針對所述樣本問題的候選解，所述第二樣本解集合是從所述第一樣本解集合中選擇L個候選解組成的，所述第二樣本解集合包括所述樣本目標解，所述樣本目標解是指所述第一樣本解集合中使得所述樣本問題的規劃結果滿足預設約束條件的候選解，K為大于1的整數，L為小于K的整數；

通過以所述第一樣本解集合為輸入數據，以得到所述第二樣本解集合為訓練目標對所述神經網絡模型進行訓練。