[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

本申請提供了一種組合優化任務的處理方法與處理裝置，屬于人工智能技術領域，處理方法包括：計算設備從存儲器中獲取針對目標問題的第一解集合，目標問題為實現目標組合優化任務所需解決的問題；計算設備對第一解集合中的候選解進行分組，得到多個解集合；計算設備將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，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；計算設備根據多個目標置信度，從多個解集合中選取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；計算設備從第二解集合選取目標解。基于本申請的技術方法，能夠縮短組合優化任務的處理時間，提高組合優化任務的處理效率。

技術領域

本申請涉及人工智能領域，并且更具體地，涉及一種組合優化任務的處理方法以及處理裝置。

背景技術

人工智能(artificial intelligence，AI)是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。換句話說，人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器。人工智能也就是研究各種智能機器的設計原理與實現方法，使機器具有感知、推理與決策的功能。

組合優化任務一直是計算機領域中一類疑難問題，具體需要一種特定的算法從數個備選結果中獲取N個組合優化最優或是近似最優的組合方案。目前，在解決組合優化任務時通常采用分支定界算法，通過預先訓練的神經網絡模型可以模仿學習得到大量類似類型問題的分支定界的路徑特征，從而在新問題的求解過程中，通過預先訓練的排序模型來代替傳統的分支定界法的節點選擇。但是，目前神經網絡模型對于求解包括大規模數據量的組合優化任務時求解時間過長，即對于組合優化任務的處理效率較低。

因此，如何提高組合優化任務的處理效率成為一個亟需解決的技術問題。

發明內容

本申請提供一種組合優化任務的處理方法以及處理裝置，能夠縮短組合優化任務的處理時間，提高組合優化任務的處理效率。

第一方面，提供了一種組合優化任務的處理方法，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。

應理解，組合優化任務可以是指為了解決某一組合優化問題在一個有限的集合內，找到最優解或者近似最優解的任務。一般來講，組合優化任務可以用混合整數規劃問題表示，同時也可以屬于非確定性問題表示。

需要說明的是，目標解可以是指使得目標問題的規劃結果能夠滿足預設約束條件的候選解；其中，目標問題可以是指包括多個變量的函數關系；候選解可以是指函數關系中多個變量中每個變量的候選取值；目標解可以是指多個變量的候選取值中能夠使得多個變量能夠滿足預設約束條件的候選取值；預設約束條件可以是指對每個變量的候選取值的約束限定和/或對多個變量整體的約束限定；比如，預設約束條件可以是指多個變量的候選取值使得多個變量整體能夠達到最大值、最小值或者其它約束限定。