CN110390413B - 组合优化问题的处理方法和装置 - Google Patents
组合优化问题的处理方法和装置 Download PDFInfo
- Publication number
- CN110390413B CN110390413B CN201810344893.XA CN201810344893A CN110390413B CN 110390413 B CN110390413 B CN 110390413B CN 201810344893 A CN201810344893 A CN 201810344893A CN 110390413 B CN110390413 B CN 110390413B
- Authority
- CN
- China
- Prior art keywords
- solution
- solutions
- cluster
- clusters
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000012545 processing Methods 0.000 title claims abstract description 78
- 238000005457 optimization Methods 0.000 title claims abstract description 70
- 238000004364 calculation method Methods 0.000 claims abstract description 117
- 230000006872 improvement Effects 0.000 claims description 43
- 230000000694 effects Effects 0.000 claims description 36
- 238000012217 deletion Methods 0.000 claims description 13
- 230000037430 deletion Effects 0.000 claims description 13
- 238000003672 processing method Methods 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 55
- 238000004422 calculation algorithm Methods 0.000 description 42
- 238000012384 transportation and delivery Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000013439 planning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种组合优化问题的处理方法和组合优化问题的处理装置。所述组合优化问题的处理方法包括:在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;接收多个计算单元依据初始解执行所述计算任务获得的解;针对所述解进行聚类,获取聚类后的解集群;在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。本发明实施例提出的组合优化问题的处理方法可以针对同一个组合优化问题,利用多种搜索策略并行地进行搜索,充分发挥了不同搜索策略对于某一类型问题的求解优势,从而能够快速地获得更好的解。
Description
技术领域
本申请涉及计算机信息处理领域,特别是涉及一种组合优化问题的处理方法和组合优化问题的处理装置。
背景技术
在目前的信息处理领域中,组合优化问题是最优化领域中的一类典型问题,即从组合问题的可行解集(一个整数,一个集合,一个排列,或者一个图)中找出最优解。可定义为:
Θ为有限集合,f为Θ到实数集R上的映射,即f:Θ→R。求θ*∈Θ,使得对于任意的θ′∈Θ,有f(θ*)≤f(θ′),即求解
经典的组合优化问题包括车辆路径优化问题、装箱问题、设施选址问题、计划排程问题等。例如,在车辆路径规划问题中,车辆运输成本是物流系统中配送成本的主要组成部分之一,所以车辆路径规划问题一直是物流业界和学术界的研究热点之一。强大的路径规划算法能够帮助物流企业大幅降低配送成本、提高配送效率。
结合图1所示,车辆路径规划问题中,物流网络中有若干个配送点a1、a2、a3、a4,每个配送点有不同数量的货物需求,需要车辆从仓库W取货并配送到这些配送点,所需要优化的方案为如何将配送任务分配到不同的车辆上,以及安排车辆的配送路线,从而获得最小化使用车辆数、最少的车辆总行驶距离等,减少车辆运输成本。
在解决车辆路径规划问题时,搜索过程中的最优解例如可以包括三个方面,即:需要用车辆的数目n、每辆车应服务哪些配送点(例如一些车辆服务a1、a2配送点、另一些车辆服务a3、a4配送点),以及从仓库出发之后每辆车服务配送点的顺序(例如某一车辆的配送顺序为先a4,再a3,最后a1等)。即,最优解包括上述三个维度,满足最小化使用车辆数、最少的车辆总行驶距离等要求。
在其他组合优化问题的领域中同样存在着上述问题。为了避免大量的计算,业界提出了各种处理方法以解决这一问题。例如基于分解-并行遗传算法的约束优化算法。这一算法首先将所需要优化的原问题分解为多个子问题和一个常规问题,然后对子问题进行迭代进化,从子问题中选择满足约束条件的染色体按照顺序组成多条染色体,作为常规种群的初始种群,然后对常规问题和子问题进行并行遗传算法迭代。此算法的缺点包括:需要对原问题进行合理精心的分解、仅使用单一算法、需要重复搜索才能获得最优解等,造成了计算资源浪费、搜索过程冗长、搜索结果不够优良。
发明内容
鉴于上述问题,本发明一实施例提出一种组合优化问题的处理方法和组合优化问题的处理装置,以解决现有技术存在的问题。
为了解决上述问题,本申请一实施例公开一种组合优化问题的处理方法,包括:
在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;
接收多个计算单元依据初始解执行所述计算任务获得的解;
针对所述解进行聚类,获取聚类后的解集群;
在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
为了解决上述问题,本申请一实施例还公开一种电子装置,该电子装置包括:
存储器,用于存储计算机可读程序;
处理器,当所述处理器读取所述存储器中的计算机可读程序时,所述电子装置执行如下操作:
在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;
接收多个计算单元依据初始解执行所述计算任务获得的解;
针对所述解进行聚类,获取聚类后的解集群;
在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
为了解决上述问题,本申请一实施例公开一种组合优化问题的处理装置,包括:
生成模块,用于在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;
接收模块,用于接收多个计算单元依据初始解执行所述计算任务获得的解;
处理模块,用于针对所述解进行聚类,获取聚类后的解集群;
确定模块,用于在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
本申请一实施例还公开一种终端设备,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述终端设备执行上述的方法。
本申请一实施例还公开一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得终端设备执行上述的方法。
由上述可知,本申请实施例包括以下优点:
本发明实施例提出的组合优化问题的处理方法,利用多个计算单元对同一计算任务进行并行的搜索计算,根据各计算单元所反馈的解对已存在的或者新建的解集群进行优化,并根据优化后的解集群获取最终确定的解,从而针对同一个计算任务能够利用多种搜索计算方法进行搜索,充分发挥了不同算法对于某一类型问题的求解优势,从而能够快速地获得更好的解。
本发明提出的组合优化问题的处理方法,针对每一个计算单元分配的计算任务都是相同的,即,多个计算单元使用不同的搜索策略并行地执行一个计算任务,避免了现有的算法对原问题进行分解带来的计算不准确。中央管理单元能够对多个计算单元获得的解进行处理,进一步整合了多种搜索方式的计算结果,充分探索了解空间,避免了重复搜索,减少了搜索遗漏,节省了计算资源,提高了计算机的处理能力和效率。
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一简单地介绍,显而易见地,下面描述中的附图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。
图1是数据处理领域的一种具体的车辆规划问题的示意图。
图2是本申请第一实施例的组合优化问题的处理方法的流程图。
图3是本申请的中央管理单元和计算单元的架构示意图。
图4是本申请第二实施例的组合优化问题的处理方法的流程图。
图5是图4中步骤S208所包含的子步骤的示意图。
图6是本申请第三实施例的组合优化问题的处理装置的方框图。
图7是本申请第四实施例的组合优化问题的处理装置的方框图。
图8示意性地示出了用于执行根据本发明的方法的电子装置的框图;以及
图9示意性地示出了用于保持或者携带实现根据本发明的方法的程序代码的存储单元。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
本申请的核心思想之一在于,提出一种组合优化问题的处理方法和装置,利用多个计算单元对同一计算任务进行计算,根据各计算单元所反馈的解对已存在的或者新建的解集群进行优化,并根据优化后的解集群获取最终确定的解,从而避免了对原问题进行分解,灵活地配置各个计算单元使用的算法,提高了计算机的处理能力。
第一实施例
本发明第一实施例提出一种组合优化问题的处理方法。图2所示的本发明第一实施例的组合优化问题的处理方法的步骤流程图。如图2所示,本发明提出的组合优化问题的处理方法包括如下步骤:
S101,在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;
在数据处理系统中,可以将服务器、终端计算机等具有计算处理功能的电子装置划分为中央管理单元和计算单元。如图3所示为一个中央管理单元和5个计算单元的示意图。中央管理单元和计算单元是依照其在数据处理系统中的功能的不同进行划分的,例如预先装载有管理程序的服务器为中央管理单元,预先装载有计算内核的计算装置为计算单元。在另一些实施例中,中央管理单元和计算单元可以是同一个装置中的不同软件或者硬件模块,只要能够实现相应的管理和计算功能即可,本发明并不限制。
中央管理单元中存储有多个解集群,例如图3所示的解集群1至解集群4,每个解集群中存储至少一个解。例如在车辆路径规划问题中,一个解包括用车数目、配送点、配送顺序。解集群是由多个结构相似的解聚类形成的集群,例如多个向量维度的相似度较高的解聚类形成解集群。例如,用车数目和配送点相同而配送顺序不同的多个解可以聚类形成一个解集群。
每个解集群对应有针对该解集群中解的质量进行评估获得的评分,该评分可以由中央管理单元根据其中的解的质量评分等计算获得。中央管理单元还用于向多个计算单元提供计算任务,并向每个计算单元提供初始解。初始解是依据解集群的评分从至少一个解集群中选取的解。例如,这些初始解可以为每一轮计算中的获得若干个最优解,或者被搜索次数最少的解等。中央管理单元获取这些最优解作为初始解,供各计算单元进行下一轮搜索计算。
在一实施例中,各初始解可以是依据解集群的评分从至少一个解集群中选取的解;或者初始解还可以是由中央管理单元预先设置的一个或多个解。
在步骤S101中,在没有满足计算终止条件时,在一种情况下,中央管理单元可以分别发送同一个计算任务至多个计算单元,或者由中央管理单元生成计算任务,由多个计算单元分别从中央管理单元的特定存储区域中获取该计算任务。在另一种情况下,在计算过程中计算任务已存在于计算单元中,此时计算单元只需要从中央管理单元获取初始解。初始解可以由中央管理单元向各计算单元发送,或者由各计算单元从中央管理单元的特定存储区域获取,计算单元根据获取的计算任务和初始解之后进行后续搜索计算。
上述的计算终止条件例如为:总体计算时间达到设定值、任意一种或者和每一种算法根据自身内部的终止逻辑停止计算、中央管理单元中的最好的解连续若干步都没有改善等。计算终止条件可以在中央管理单元中设定,由中央管理单元判断计算终止条件是否满足,如未满足,则向各计算单元提供初始解,供计算单元按照各自的算法进行搜索。
在这一步骤中,各个计算单元使用的算法可以不同,例如遗传算法、模拟退火算法、蚁群算法、粒子群算法、自适应大规模邻域搜索算法等,每一个计算单元可以对应不同的初始解。
如上述,解集群是存储在中央管理单元中的多个结构相似的解聚类形成的集群。聚类的原理例如为:每一个解包括多个向量维度,不同的解的结构相似度例如体现为相同的向量维度的个数。结构相似度满足一定要求的多个解可以聚类形成解集群。
在向各计算单元提供了计算任务对应的初始解之后,可以执行如下步骤:
S102,接收多个计算单元依据初始解执行所述计算任务获得的解;
在这一步骤中,多个计算单元在收到计算任务之后并行、独立地进行搜索计算。如上述,各个计算单元使用的算法可以不同,例如遗传算法、模拟退火算法、蚁群算法、粒子群算法、自适应大规模邻域搜索算法等。每一种算法需要基于初始解进行搜索。
所谓计算任务,即各计算单元根据初始解,利用计算单元对应的特定算法在解空间中搜索满足目标条件的解。例如某一计算单元接收到的初始解为:{用车数目2;车A服务配送点a1、a2,车B服务配送点a3、a4;服务顺序a2、a1,a3、a4},则从这一初始解出发,利用该计算单元内置的算法内核确定的搜索方式,进行搜索。经过一轮搜索获得了优于初始解的解{用车数目2;车A服务配送点a2、a3,车B服务配送点a1、a4;服务顺序a2、a3,a1、a4}。同时,另一计算单元接收到的初始解为{用车数目3;车A服务配送点a1、a2,车B服务配送点a3,车C服务配送点a4;服务顺序a1、a2,a3、a4},经过一轮搜索获得了优于初始解的解{用车数目3;车A服务配送点a1,车B服务配送点a2、a3,车C服务配送点a4;服务顺序a2、a1,a3、a4}。
各计算单元根据不同的搜索策略执行该计算任务。搜索策略包括但不限于四种类型:
强化性搜索:强化性搜索是指对表现较好的解空间进行更深入的搜索,从而充分挖掘此部分解空间的潜力。在生成强化性计算任务时,需要从平均解质量较好的解集群中选取解作为计算任务的初始解,而且需要使用具有较好改善搜索性能的算法;
探索性搜索:探索性搜索是指对其它未经过大量搜索的解空间进行尝试、探索性的搜索,从而对其它解空间进行发掘。在生成探索性计算任务时,需要从被搜索次数较少以及包含解数量较少的集群中选取解;
多样性搜索:多样性搜索是指当算法搜索到的解已经基本稳定时,尝试增加解的多样性,从而增加获得更好的解的概率。在生成多样性计算任务时,可以使用交叉重组算法、变异算法等来保证解的多样性;
局部解空间搜索:局部解空间搜索是通过固定部分质量较高的解结构,从而缩小搜索过程中的解空间,对其它部分的解空间进行深入的搜索。
在获取计算单元的多个解之后,可以执行如下步骤:
S103,针对所述解进行聚类,获取聚类后的解集群;
在这一步骤中,可以根据当前各计算单元计算获得的解,对中央管理单元中的解集群进行更新。例如,如果发现某一个计算单元获得的解与某一个解集群中的解的结构的相似度大于指定阈值,则将这一解加入这一个解集群中。再例如,如果发现某一个计算单元获得的解与任一个解集群中的解的结构都不相同,或者相似性小于阈值时,可以新建一个解集群,将这一个解加入这个新的解集群。在这一步骤中,相似度可以针对具体的组合优化问题进行设计,使得相似度应能够反映解的结构相同或相近的程度。例如,两个解之间的相似度可以通过向量维度的相似性来衡量。例如当两个五维向量中的三个向量维度相同时,则认为其相似度比较高。
可选地,在获取聚类后的解集群的步骤之后,该方法还可以包括如下步骤:
S104,获取聚类后的解集群对应的解集群评分。
在更新了解集群之后,中央管理单元可以针对更新后解集群进行评分,例如对解集群中的多个解分别评分,再通过计算各个解评分的平均值的方式获得解集群的评分。解的评分例如可以将所获得的解与当前解集群中的最优解进行对比,例如当目标优化为“车辆行驶距离最短”时,解集群中的一个解对应的行驶距离经过计算为s1,当前最优解对应的行驶距离为s2,则可以获得s1以s2为基准的百分比,作为该解的评分。由此进一步计算出解集群的评分。
解集群的评分可以包括若干个维度,这些维度包括:解集群中解的数量、解集群的数量、每个解集群内部的解的数量、平均解质量等。将这些维度进行整合,可以获得每个解集群的评分,用于后续选择初始解时作为参考标准。举例来说,在选择初始解时,可以从解集群评分高的解集群中选择较多的初始解,而从解集群评分低的解集群中选择少的初始解。再举例来说,在分配搜索资源时,可以针对解集群评分高的解集群分配较多的搜索资源,而针对解集群评分低的解集群分配较少的搜索资源。
在一实施例中,在更新解集群之后,可以执行如下步骤:
S105,在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
如上述,计算终止条件例如为:总体计算时间达到设定值、任意一种或者和每一种算法根据自身内部的终止逻辑停止计算、中央管理单元中的最优解连续若干步都没有改善等。当满足这些条件中的一个或多个时,则终止计算,从中央管理单元的多个解集群中选取质量最好的解,作为组合优化问题的最终解。
在一个实施例中,总体计算时间例如可以在预先设定,例如为中央管理单元中设定的计时器;当计时器的时间为0时,则触发停止计算的指令。每一种算法中可以内置有停止的逻辑,可以在停止的逻辑成立时停止计算。当经过若干轮计算之发现计算单元每一轮计算返回的解相对于之前的最优解并没有得到优化,则认为该解已无进一步改善的空间,因此可以将当前的最优解作为最终解输出,在这种条件下可以终止计算并返回当前解集群中的最终解。
从所述聚类后的解集群中确定最终解的方式可以是按照预设的选取规则,从更新后的解集群中选择出最优解。例如,可以根据所用车辆最少或者车辆行驶距离最短的原则,从解集群的各个解中选择出最优的解。
由上述可知,本发明第一实施例提出的组合优化问题的处理方法至少具有如下技术效果:
本发明实施例提出的组合优化问题的处理方法,利用多个计算单元对同一计算任务进行搜索计算,根据各计算单元所反馈的解对已存在的或者新建的解集群进行优化,并根据优化后的解集群获取最终确定的解,从而针对同一个计算任务能够利用多种搜索计算方法进行搜索,充分发挥了不同算法对于某一类型问题的求解优势,从而能够快速地获得更好的解。
本发明提出的组合优化问题的处理方法,针对每一个计算单元分配的计算任务都是相同的,即,多个计算单元同时执行一个计算任务,避免了现有的算法对原问题进行分解带来的计算不准确。中央管理单元能够对多个计算单元获得的解进行处理,进一步整合了多种搜索方式的计算结果,充分探索了解空间,避免了重复搜索,减少了搜索遗漏,节省了计算资源,提高了计算机的处理能力和效率。
第二实施例
本发明第二实施例提出一种组合优化问题的处理方法。图4所示为本发明第二实施例的组合优化问题的处理方法的步骤流程图。如图4所示,本发明实施例的组合优化问题的处理方法如下步骤:
S201,在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;
S202,接收多个计算单元依据初始解执行所述计算任务获得的解;
S208,针对所述解进行聚类,获取聚类后的解集群;
S210,在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
可选地,步骤S208之后还可以包括如下步骤:
S209,获取聚类后的解集群对应的解集群评分。
上述步骤S201、S202、S208至S210与上一实施例的步骤S101至步骤S105相同或相似,在此不再赘述。本实施例重点说明与上一实施例的不同之处。
在一可选实施例中,如图5所示,步骤S208,即针对所述解进行聚类,获取聚类后的解集群的步骤可以包括如下子步骤:
S2081,确定解与解集群中的各个解的结构相似度;
在这一步骤中,可以分别计算解与中央管理单元中存在的多个解的结构相似度,这些解可以在不同的解集群中。解的相似度体现于解的维度(或者成为项目)的相似度。例如在车辆路径规划问题中,解为:用车数量为2;车辆A服务站点a1、a2;车辆B服务站点a3、a4;服务顺序为a1、a2;a3;a4;解集群中的两个解分别是:
第一解:用车数量为2;车辆A服务站点a1、a2;车辆B服务站点a3、a4;服务顺序为a2、a1;a3;a4;
第二解:用车数量为3;车辆A服务站点a1;车辆B服务站点a3;车辆C服务站点a2、a4;服务顺序为a1;a3;a4、a2;
则上述两个解中,第一解与解的相似维度较多,则确定解与第一解相似。
S2082,当所述解与其中一个解集群中的解的结构相似度满足相似度要求时,将所述解加入所述结构相似的解集群;
在这一步骤中,当满足相似度要求时,例如该解与解集群中的各个解或者大部分解的相似度都满足相似度要求时,则可以将该解加入该解集群。该解集群即为结构相似的解构成的解集群。相似度要求例如为至少2/3的维度相同等,可以按照不同的需求来设置,在此并不赘述。
可选地,步骤S209,即获取聚类后的解集群对应的解集群评分的步骤具体可以包括如下子步骤:
S2091,利用所述解集群中的各个解的质量分,计算解集群评分。
在这一步骤中,可以根据将解集群中的各个解的质量分进行相加平均等操作,计算解集群评分。解集群评分可以反映解集群的质量好坏程度。除了利用每个一个解的质量评分计算解集群评分之后,解集群评分还可以包括若干个维度,这些维度例如包括:解集群中解的数量、解集群的数量、每个解集群内部的解的数量、平均解质量等。将这些维度进行整合,可以获得每个解集群评分,用于后续选择初始解时作为参考标准。
在一可选实施例中,步骤S208即针对所述解进行聚类,获取聚类后的解集群的步骤还可以包括如下子步骤:
S2083,当所述解与任一解集群中的解的结构相似度均不满足相似度要求时,新建包含所述解的解集群。
在这一步骤中,当某一个解与其他解的相似度均不同而无法聚类时,表明这一解代表的解空间的方向未经搜索,因此可以将该解加入新建的解集群中,进行后续搜索计算。
如上所述,利用聚类的方法可以减少搜索解空间时遗漏某些重要的解空间,避免陷入局部最优的搜索中,提高了搜索的全面性。
在一可选实施例中,所述组合优化问题的处理方法还包括如下步骤:
S200a,提供中央管理单元对应的第一关键参数和计算单元对应的第二关键参数以初始化中央管理单元和计算单元;
在这一步骤中,可以利用第一关键参数和第二关键参数分别中央管理单元和计算单元进行初始化。如上所述,所述中央管理单元中存储有至少一个解集群,每一个解集群包括至少一个解;对应地,所述第一关键参数可以包括解集群的数量阈值、每个解集群内部的解的数量阈值、解的相似度阈值、解的选取条件;所述第二关键参数可以包括计算单元的数量、每个计算单元的识别ID和所述计算单元对应的计算资源等。
在初始化完成之后,可以执行上述步骤S201,对计算任务进行计算。
此外,在一可选实施例中,步骤S201即分别向多个计算单元提供计算任务对应的初始解的步骤之前,所述方法还包括:
S200b,向多个计算单元提供计算任务。
在本实施例中,计算任务是由中央管理单元提供至各计算单元的,中央管理单元可以同时提供计算任务和初始解给计算单元,也可以分别提供,在此并不限定。在一种情况下,中央管理单元可以分别发送同一个计算任务至多个计算单元,或者由中央管理单元生成计算任务,由多个计算单元分别从中央管理单元的特定存储区域中获取该计算任务。在另一种情况下,在计算过程中计算任务已存在于计算单元中,此时计算单元只需要从中央管理单元获取初始解,而不需要在每轮计算中均获取计算任务。
在一实施例中,如图4所示,在各计算单元返回解之后,所述方法还可以包括如下步骤:
S203a,根据计算单元发出的解,确定该解对应的初始解所在的解集群的改善效果评分;
在这一步骤中,改善效果评分例如可以是:利用该解集群发出的初始解进行搜索,经过搜索之后的获得的解是否针对现有解的质量的改善有贡献。例如,当某一个初始解a是从解集群A中获取的,计算单元利用初始解a执行计算任务,经过一轮或多轮搜索后获得了解b。经过中央处理单元进行处理之后,解b相对于解集群中的解无较大改善空间(例如解b的质量分比解集群中的任一个解的质量分低、解b已存在与解空间中等),因此解b质量较低,相对于解集群中的解并无改善贡献,因此其对应的初始解所在的解集群的改善效果评分也较低。
在实际操作中,改善效果评分例如可以通过改善次数或者无改善次数来衡量。改善次数越多则改善效果评分越高,无改善次数越多则改善效果评分越低。本领域技术人员可以根据需要利用具体的公式进行设置,在此不再赘述。
解集群的改善效果评分可以在一定程度上衡量该解集群中的解是否存在被优化的空间,如果改善效果评分较高则可以后续分配更多的搜索资源。
在获取了改善效果评分之后,本发明还可以包括如下步骤:
S203b,根据所述解集群的改善效果评分,确定计算单元分配比例;和/或
S203c,根据所述解集群的改善效果评分,确定需要删除的解集群。
在上述两个步骤中,利用改善效果评分可以确定需要删除的解集群,以删除无进一步检索必要的解集群,或者按照分配比例,针对评分高的解集群投入更多的计算资源,例如分配更多的计算单元,而针对评分低的解集群分配较少的计算资源。
在一实施例中,在步骤S202即获得搜索单元返回的解的步骤之后,所述方法还可以包括如下步骤:
S204,判断所述解是否满足删除条件;
S205,当所述解满足删除条件时,删除所述解。
在步骤S204中,中央管理单元可以对各计算单元返回的解进行处理,通过预先设定的方式判断解是否满足删除条件。删除条件例如可以包括:该解的质量较差;解集群中已存在与该解相同的解等,在此不再赘述。当解无法达到加入解集群的质量要求时,即解满足删除条件时,在步骤S205中即可以删除解。
在上述步骤中,删除质量不满足要求的解可以保证解集群中的解的质量程度在一定标准之上,避免出现质量较差的解进入解集群拉低解集群的质量。
在一实施例中,所述方法还可以包括下述至少一者:
S206,在解集群数量超出解集群阈值时,根据第一预设规则删除超出的解集群;
S207,在解集群中解的数量超出数量阈值时,根据第二预设规则删除超出的解。
在步骤S206中,如果中央管理单元的解集群的数量已经超过设置的解集群阈值,则删除一部分解集群,第一预设规则可以为优先删除那些平均解质量较差的解集群,即步骤S209中解集群评分较低的解,和选出的解经过搜索之后无改善次数较多的解集群,例如对应于步骤S203a中改善效果评分较低的解集群。
即,可选实施例中,上述第一预设规则包括:
当所述解集群关联的改善效果评分低于改善效果评分阈值时,删除所述解集群;或
当所述解集群关联的解集群评分低于解集群评分阈值时,删除所述解集群。
在步骤S207中,如果一个解加入某个解集群之后,解集群中解的数量已经超过设置的数量阈值,则删除此解集群中的一部分解,第二预设规则可以为优先删除那些已经被充分搜索过的解,和质量较低的解。由于每一个解关联一个被搜索次数和解的质量分,步骤S207中,可以读取该被搜索次数和解的质量分。当被搜索次数超过一定阈值或者质量分低于一定阈值,则可以删除该解。
删除解和解集群的步骤可以限制解集群和其中的解的数目,避免大量的计算,同时可以保留质量较优的解集群和解,保证中央管理单元中的解的质量。
在一实施例中,在步骤S208即更新了解集群及其评分之后,当检测到计算终止条件没有满足的时候,可以回到步骤S201,即提供初始解,开始下一轮计算。在下一轮计算中,可以根据本轮计算后获得的解集群评分,确定初始解,或者由中央管理单元指定初始解。
综上所述,本实施例提出的组合优化问题的处理方法至少具有如下优点:
本发明实施例提出的组合优化问题的处理方法,利用多个计算单元对同一计算任务进行搜索计算,根据各计算单元所反馈的解对已存在的或者新建的解集群进行优化,并根据优化后的解集群获取最终确定的解,从而针对同一个计算任务能够利用多种搜索计算方法进行搜索,充分发挥了不同算法对于某一类型问题的求解优势,从而能够快速地获得更好的解。
本发明提出的组合优化问题的处理方法,针对每一个计算单元分配的计算任务都是相同的,即,多个计算单元同时执行一个计算任务,避免了现有的算法对原问题进行分解带来的计算不准确。
除此之外,本实施例提出的组合优化问题的处理方法至少还包括如下优点:
本发明实施例提出的组合优化问题的处理方法中,中央管理单元能够对多个计算单元获得的解进行处理,将一轮计算之后获取的解集群评分作为依据,来进行下一次初始解的选取,同时从更新后的解集群中选择出最终解,中央管理单元的处理进一步整合了多种搜索方式的计算结果,充分探索了解空间,避免了重复搜索,减少了搜索遗漏,节省了计算资源,提高了计算机的处理能力和效率。
本发明实施例提出的组合优化问题的处理方法中,中央管理单元可以将获得的解进行聚类,利用聚类的方法可以减少搜索解空间时遗漏某些重要的解空间,避免陷入局部最优的搜索中,提高了搜索的全面性。
另外,中央管理单元可以获取每一个解集群的改善效果评分,利用该改善效果评分衡量该解集群中的解是否存在被优化的空间,如被优化的空间不足,可以采取减少搜索资源分配、删除解集群等方式处理该解集群,避免计算资源的浪费。
此外,中央管理单元还可以获取每一个解的质量评分和解集群对应的解集群评分,据此删除质量评分不满足要求的解或者解集群,保证解集群中的解的质量程度在一定标准之上,同时解集群的整体标准在一定标准之上,可以保留质量较优的解集群和解,避免出现质量较差的解进入解集群拉低解集群的质量的问题。
第三实施例
本发明第三实施例提出一种组合优化问题的处理装置,如图6所示,该装置包括:
生成模块601,用于在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;
接收模块602,用于接收多个计算单元依据初始解执行所述计算任务获得的解;
处理模块603,用于针对所述解进行聚类,获取聚类后的解集群;
确定模块604,用于在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
本实施例提出的组合优化问题的处理装置至少具有如下优点:
本发明实施例提出的组合优化问题的处理装置,利用多个计算单元对同一计算任务进行搜索计算,根据各计算单元所反馈的解对已存在的或者新建的解集群进行优化,并根据优化后的解集群获取最终确定的解,从而针对同一个计算任务能够利用多种搜索计算方法进行搜索,充分发挥了不同算法对于某一类型问题的求解优势,从而能够快速地获得更好的解。
本发明提出的组合优化问题的处理装置,针对每一个计算单元分配的计算任务都是相同的,即,多个计算单元同时执行一个计算任务,避免了现有的算法对原问题进行分解带来的计算不准确。中央管理单元能够对多个计算单元获得的解进行处理,进一步整合了多种搜索方式的计算结果,充分探索了解空间,避免了重复搜索,减少了搜索遗漏,节省了计算资源,提高了计算机的处理能力和效率。
第四实施例
本发明第四实施例提出一种组合优化问题的处理装置,如图7所示,该装置包括:
生成模块701,用于在未满足计算终止条件时,分别向多个计算单元提供计算任务对应的初始解;
接收模块702,用于接收多个计算单元依据初始解执行所述计算任务获得的解;
处理模块703,用于针对所述解进行聚类,获取聚类后的解集群;
确定模块704,用于在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
在该组合优化问题的处理装置的一可选实施例中,所述装置还包括:
判断模块705,用于判断所述解是否满足删除条件;
第一删除模块706,用于当所述解满足删除条件时,删除所述解。
在该组合优化问题的处理装置的一可选实施例中,所述删除条件包括如下至少一种:
所述解关联的质量评分低于评分阈值;
所述解与所述解集群中已存在的解相同。
在该组合优化问题的处理装置的一可选实施例中,所述装置还包括:
第二删除模块707,用于在解集群数量超出解集群阈值时,根据第一预设规则删除超出的解集群。
在该组合优化问题的处理装置的一可选实施例中,所述第一预设规则包括:
当所述解集群关联的改善效果评分低于改善效果评分阈值时,删除所述解集群;或
当所述解集群关联的解集群评分低于解集群评分阈值时,删除所述解集群。
在该组合优化问题的处理装置的一可选实施例中,所述装置还包括:
第三删除模块708,用于在解集群中解的数量超出数量阈值时,根据第二预设规则删除超出的解。
在该组合优化问题的处理装置的一可选实施例中,所述第二预设规则包括:
当所述解关联的被搜索次数超出搜索阈值时,删除所述解;或
当所述解关联的质量评分低于质量评分阈值时,删除所述解。
在该组合优化问题的处理装置的一可选实施例中,所述处理模块包括:
相似度确定子模块,用于确定解与解集群中的各个解的结构相似度;
添加子模块,用于当所述解与其中一个解集群中的解的结构相似度满足相似度要求时,将所述解加入所述结构相似的解集群;
计算子模块,用于利用所述解集群中的各个解的质量评分,计算解集群评分。
在该组合优化问题的处理装置的一可选实施例中,所述处理模块703还包括:
新建子模块,用于当所述解与任一解集群中的解的结构相似度均不满足相似度要求时,新建包含所述解的解集群。
在该组合优化问题的处理装置的一可选实施例中,所述最终解为解集群中满足预设条件的最优解。
在该组合优化问题的处理装置的一可选实施例中,所述组合优化问题的处理装置还包括:
评分确定模块709a,用于根据计算单元发出的解,确定该解对应的初始解所在的解集群的改善效果评分。
在该组合优化问题的处理装置的一可选实施例中,所述装置还包括:
比例确定模块709b,用于根据所述解集群的改善效果评分,确定计算单元分配比例;和/或
第四删除模块709c,用于根据所述解集群的改善效果评分,确定需要删除的解集群。
在该组合优化问题的处理装置的一可选实施例中,所述装置还包括:
质量评分计算模块710,用于计算解关联的质量评分。
在该组合优化问题的处理装置的一可选实施例中,所述装置还包括:
解集群评分获取模块711,用于获取聚类后的解集群对应的解集群评分。
综上所述,本实施例提出的组合优化问题的处理装置至少具有如下优点:
本发明实施例提出的组合优化问题的处理装置,利用多个计算单元对同一计算任务进行搜索计算,根据各计算单元所反馈的解对已存在的或者新建的解集群进行优化,并根据优化后的解集群获取最终确定的解,从而针对同一个计算任务能够利用多种搜索计算方法进行搜索,充分发挥了不同算法对于某一类型问题的求解优势,从而能够快速地获得更好的解。
本发明提出的组合优化问题的处理装置,针对每一个计算单元分配的计算任务都是相同的,即,多个计算单元同时执行一个计算任务,避免了现有的算法对原问题进行分解带来的计算不准确。
除此之外,本实施例提出的组合优化问题的处理装置至少还包括如下优点:
本发明实施例提出的装置中,中央管理单元能够对多个计算单元获得的解进行处理,将一轮计算之后获取的解集群评分作为依据,来进行下一次初始解的选取,同时从更新后的解集群中选择出最终解,中央管理单元的处理进一步整合了多种搜索方式的计算结果,充分探索了解空间,避免了重复搜索,减少了搜索遗漏,提高了计算机的处理能力。
本发明实施例提出的组合优化问题的处理装置中,中央管理单元可以将获得的解进行聚类,利用聚类的方法可以减少搜索解空间时遗漏某些重要的解空间,避免陷入局部最优的搜索中,提高了搜索的全面性。
另外,中央管理单元可以获取每一个解集群的改善效果评分,利用该改善效果评分衡量该解集群中的解是否存在被优化的空间,如被优化的空间不足,可以采取减少搜索资源分配、删除解集群等方式处理该解集群,避免计算资源的浪费。
此外,中央管理单元还可以获取每一个解的质量评分和解集群对应的解集群评分,据此删除质量评分不满足要求的解或者解集群,保证解集群中的解的质量程度在一定标准之上,同时解集群的整体标准在一定标准之上,可以保留质量较优的解集群和解,避免出现质量较差的解进入解集群拉低解集群的质量的问题。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
图8为本申请一实施例提供的终端设备的硬件结构示意图。如图8所示,该终端设备可以包括输入设备90、处理器91、输出设备92、存储器93和至少一个通信总线94。通信总线94用于实现元件之间的通信连接。存储器93可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,存储器93中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述处理器91例如可以为中央处理器(Central Processing Unit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该处理器91通过有线或无线连接耦合到上述输入设备90和输出设备92。
可选的,上述输入设备90可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;可选的,上述收发信机可以是具有通信功能的射频收发芯片、基带处理芯片以及收发天线等。麦克风等音频输入设备可以接收语音数据。输出设备92可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中组合优化问题的处理装置各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图9为本申请另一实施例提供的终端设备的硬件结构示意图。图9是对图8在实现过程中的一个具体的实施例。如图9所示,本实施例的终端设备包括处理器101以及存储器102。
处理器101执行存储器102所存放的计算机程序代码,实现上述实施例中图2至图5的组合优化问题的处理方法。
存储器102被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。存储器102可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,处理器101设置在处理组件100中。该终端设备还可以包括:通信组件103,电源组件104,多媒体组件105,音频组件106,输入/输出接口107和/或传感器组件108。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件100通常控制终端设备的整体操作。处理组件100可以包括一个或多个处理器101来执行指令,以完成上述图2至图5方法的全部或部分步骤。此外,处理组件100可以包括一个或多个模块,便于处理组件100和其他组件之间的交互。例如,处理组件100可以包括多媒体模块,以方便多媒体组件105和处理组件100之间的交互。
电源组件104为终端设备的各种组件提供电力。电源组件104可以包括电源管理系统,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件105包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
音频组件106被配置为输出和/或输入音频信号。例如,音频组件106包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器102或经由通信组件103发送。在一些实施例中,音频组件106还包括一个扬声器,用于输出音频信号。
输入/输出接口107为处理组件100和外围接口模块之间提供接口,上述外围接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件108包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件108可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件108可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件108还可以包括摄像头等。
通信组件103被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于插入SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务端建立通信。
由上可知,在图9实施例中所涉及的通信组件103、音频组件106以及输入/输出接口107、传感器组件108均可以作为图8实施例中的输入设备的实现方式。
本申请实施例提供了一种终端设备,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述终端设备执行如本申请实施例中一个或多个所述的视频摘要的生成方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种组合优化问题的处理方法和组合优化问题的处理装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (32)
1.一种组合优化问题的处理方法,应用于服务器,其特征在于,包括:
在未满足计算终止条件时,分别向多个终端计算机提供计算任务对应的初始解;
接收多个所述终端计算机依据初始解执行所述计算任务获得的解;所述多个所述终端计算机通过多种搜索方式获得所述解;
针对所述接收的解进行聚类,获取聚类后的解集群;
在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
2.根据权利要求1所述的方法,其特征在于,所述各初始解是依据解集群的评分从至少一个解集群中选取的解;
所述针对所述接收的解进行聚类,获取聚类后的解集群的步骤之后,所述方法还包括:
获取聚类后的解集群对应的解集群评分。
3.根据权利要求1所述的方法,其特征在于,所述初始解是由所述服务器预先设置的一个或多个解。
4.根据权利要求1所述的方法,其特征在于,接收多个所述终端计算机依据初始解执行所述计算任务获得的解的步骤之后,所述方法还包括:
判断所述接收的解是否满足删除条件;
当所述解满足删除条件时,删除所述解。
5.根据权利要求4所述的方法,其特征在于,所述删除条件包括如下至少一种:
所述解关联的质量评分低于评分阈值;
所述解与所述解集群中已存在的解相同。
6.根据权利要求1所述的方法,其特征在于,所述针对所述解进行聚类,获取聚类后的解集群的步骤之前,方法还包括:
在解集群数量超出解集群阈值时,根据第一预设规则删除超出的解集群。
7.根据权利要求6所述的方法,其特征在于,所述第一预设规则包括:
当所述解集群关联的改善效果评分低于改善效果评分阈值时,删除所述解集群;或
当所述解集群关联的解集群评分低于解集群评分阈值时,删除所述解集群。
8.根据权利要求1所述的方法,其特征在于,所述针对所述解进行聚类,获取聚类后的解集群的步骤之前,方法还包括:
在解集群中解的数量超出数量阈值时,根据第二预设规则删除超出的解。
9.根据权利要求8所述的方法,其特征在于,所述第二预设规则包括:
当所述解关联的被搜索次数超出搜索阈值时,删除所述解;或
当所述解关联的质量评分低于质量评分阈值时,删除所述解。
10.根据权利要求2所述的方法,其特征在于,所述针对所述解进行聚类,获取聚类后的解集群的步骤包括:
确定解与解集群中的各个解的结构相似度;
当所述解与其中一个解集群中的解的结构相似度满足相似度要求时,将所述解加入所述结构相似的解集群;
所述获取聚类后的解集群对应的解集群评分的步骤包括:
利用所述解集群中的各个解的质量评分,计算解集群评分。
11.根据权利要求10所述的方法,其特征在于,所述针对所述解进行聚类,获取聚类后的解集群的步骤还包括:
当所述解与任一解集群中的解的结构相似度均不满足相似度要求时,新建包含所述解的解集群。
12.根据权利要求1所述的方法,其特征在于,所述最终解为解集群中满足预设条件的最优解。
13.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述终端计算机发出的解,确定该解对应的初始解所在的解集群的改善效果评分。
14.根据权利要求13所述的方法,其特征在于,所述方法还包括:
根据所述解集群的改善效果评分,确定所述终端计算机分配比例;和/或
根据所述解集群的改善效果评分,确定需要删除的解集群。
15.根据权利要求1所述的方法,其特征在于,针对所述解进行聚类,获取聚类后的解集群的步骤之前,所述方法还包括:
计算解关联的质量评分。
16.一种组合优化问题的处理装置,应用于服务器,其特征在于,包括:
生成模块,用于在未满足计算终止条件时,分别向多个终端计算机提供计算任务对应的初始解;
接收模块,用于接收多个所述终端计算机依据初始解执行所述计算任务获得的解;所述多个所述终端计算机通过多种搜索方式获得所述解;
处理模块,用于针对所述解进行聚类,获取聚类后的解集群;
确定模块,用于在确定满足计算终止条件之后,从所述聚类后的解集群中确定最终解。
17.根据权利要求16所述的装置,其特征在于,所述各初始解是依据解集群的评分从至少一个解集群中选取的解;
所述装置还包括:
解集群评分获取模块,用于获取聚类后的解集群对应的解集群评分。
18.根据权利要求16所述的装置,其特征在于,所述初始解是由所述服务器预先设置的一个或多个解。
19.根据权利要求16所述的装置,其特征在于,所述装置还包括:
判断模块,用于判断所述解是否满足删除条件;
第一删除模块,用于当所述解满足删除条件时,删除所述解。
20.根据权利要求19所述的装置,其特征在于,所述删除条件包括如下至少一种:
所述解关联的质量评分低于评分阈值;
所述解与所述解集群中已存在的解相同。
21.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第二删除模块,用于在解集群数量超出解集群阈值时,根据第一预设规则删除超出的解集群。
22.根据权利要求21所述的装置,其特征在于,所述第一预设规则包括:
当所述解集群关联的改善效果评分低于改善效果评分阈值时,删除所述解集群;或
当所述解集群关联的解集群评分低于解集群评分阈值时,删除所述解集群。
23.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第三删除模块,用于在解集群中解的数量超出数量阈值时,根据第二预设规则删除超出的解。
24.根据权利要求23所述的装置,其特征在于,所述第二预设规则包括:
当所述解关联的被搜索次数超出搜索阈值时,删除所述解;或
当所述解关联的质量评分低于质量评分阈值时,删除所述解。
25.根据权利要求16所述的装置,其特征在于,所述处理模块包括:
相似度确定子模块,用于确定解与解集群中的各个解的结构相似度;
添加子模块,用于当所述解与其中一个解集群中的解的结构相似度满足相似度要求时,将所述解加入所述结构相似的解集群;
所述解集群获取模块包括:
计算子模块,用于利用所述解集群中的各个解的质量评分,计算解集群评分。
26.根据权利要求25所述的装置,其特征在于,所述处理模块还包括:
新建子模块,用于当所述解与任一解集群中的解的结构相似度均不满足相似度要求时,新建包含所述解的解集群。
27.根据权利要求16所述的装置,其特征在于,所述最终解为解集群中满足预设条件的最优解。
28.根据权利要求16所述的装置,其特征在于,所述装置还包括:
评分确定模块,用于根据所述终端计算机发出的解,确定该解对应的初始解所在的解集群的改善效果评分。
29.根据权利要求28所述的装置,其特征在于,所述装置还包括:
比例确定模块,用于根据所述解集群的改善效果评分,确定所述终端计算机分配比例;和/或
第四删除模块,用于根据所述解集群的改善效果评分,确定需要删除的解集群。
30.根据权利要求16所述的装置,其特征在于,所述装置还包括:
质量评分计算模块,用于计算解关联的质量评分。
31.一种电子装置,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述电子装置执行如权利要求1-15中一个或多个所述的方法。
32.一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得电子装置执行如权利要求1-15中一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810344893.XA CN110390413B (zh) | 2018-04-17 | 2018-04-17 | 组合优化问题的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810344893.XA CN110390413B (zh) | 2018-04-17 | 2018-04-17 | 组合优化问题的处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110390413A CN110390413A (zh) | 2019-10-29 |
CN110390413B true CN110390413B (zh) | 2024-04-16 |
Family
ID=68282687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810344893.XA Active CN110390413B (zh) | 2018-04-17 | 2018-04-17 | 组合优化问题的处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390413B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114418772A (zh) * | 2022-03-30 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 策略组合的优化方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1185720A (ja) * | 1997-09-05 | 1999-03-30 | Toshiba Corp | 最適解探索方法及び最適解探索装置 |
JP2002358201A (ja) * | 2001-06-01 | 2002-12-13 | Hitachi Eng Co Ltd | 最適化問題の並列探索方法および装置 |
WO2009099283A2 (ko) * | 2008-02-04 | 2009-08-13 | Yeongchae Hong | 물류비용 예측을 기반으로 하는 최적 허브 입지 검색 방법 |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
CN107851024A (zh) * | 2015-05-15 | 2018-03-27 | 考科斯汽车有限公司 | 用于解空间分割的并行处理 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131656B2 (en) * | 2006-01-31 | 2012-03-06 | The Board Of Trustees Of The University Of Illinois | Adaptive optimization methods |
-
2018
- 2018-04-17 CN CN201810344893.XA patent/CN110390413B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1185720A (ja) * | 1997-09-05 | 1999-03-30 | Toshiba Corp | 最適解探索方法及び最適解探索装置 |
JP2002358201A (ja) * | 2001-06-01 | 2002-12-13 | Hitachi Eng Co Ltd | 最適化問題の並列探索方法および装置 |
WO2009099283A2 (ko) * | 2008-02-04 | 2009-08-13 | Yeongchae Hong | 물류비용 예측을 기반으로 하는 최적 허브 입지 검색 방법 |
CN107851024A (zh) * | 2015-05-15 | 2018-03-27 | 考科斯汽车有限公司 | 用于解空间分割的并行处理 |
CN107194513A (zh) * | 2017-05-26 | 2017-09-22 | 中南大学 | 一种解决全渠道物流配送问题的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110390413A (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110880057B (zh) | 组单方法和装置 | |
CN111221643A (zh) | 任务处理方法和任务处理装置 | |
CN103885990A (zh) | 搜索方法及系统 | |
CN108960955A (zh) | 一种基于网络购物销售方的虚拟库存自动补货方法及装置 | |
CN112565342A (zh) | 一种基于权重计算的消息推送方法、装置、设备及存储介质 | |
WO2019062416A1 (zh) | 应用清理方法、装置、存储介质及电子设备 | |
WO2020005600A1 (en) | Planning for goods allocation | |
CN115098257A (zh) | 一种资源调度方法、装置、设备以及存储介质 | |
CN110390413B (zh) | 组合优化问题的处理方法和装置 | |
CN110766348A (zh) | 一种组合拣货任务的方法和装置 | |
CN114817657A (zh) | 待检索数据处理方法、数据检索方法、电子设备及介质 | |
US20210357553A1 (en) | Apparatus and method for option data object performance prediction and modeling | |
CN116628049B (zh) | 一种基于大数据的信息系统维护管理系统及方法 | |
CN111144796A (zh) | 用于生成理货信息的方法和装置 | |
CN111044062A (zh) | 路径规划、推荐方法和装置 | |
CN110688223B (zh) | 数据处理方法及相关产品 | |
CN112966992A (zh) | 一种订单生产方法和装置 | |
CN112785213B (zh) | 一种仓库拣货单的组建方法和装置 | |
CN111746992B (zh) | 基于agv的自动化仓库中货物储位确定方法及装置 | |
CN111842167B (zh) | 物品分拣的方法和装置 | |
CN113760550A (zh) | 资源分配方法和资源分配装置 | |
CN113849285A (zh) | 延时任务处理方法、装置、电子设备及存储介质 | |
CN112764923A (zh) | 计算资源分配方法、装置、计算机设备及存储介质 | |
CN107797831B (zh) | 后台应用清理方法、装置、存储介质及电子设备 | |
CN113705850A (zh) | 订单分配方法、装置、可读存储介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |