JP2000293501A - Optimizing device and method provided with learning function - Google Patents
Optimizing device and method provided with learning functionInfo
- Publication number
- JP2000293501A JP2000293501A JP9759299A JP9759299A JP2000293501A JP 2000293501 A JP2000293501 A JP 2000293501A JP 9759299 A JP9759299 A JP 9759299A JP 9759299 A JP9759299 A JP 9759299A JP 2000293501 A JP2000293501 A JP 2000293501A
- Authority
- JP
- Japan
- Prior art keywords
- optimization
- user
- weighting coefficient
- result
- evaluation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000006870 function Effects 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 225
- 238000011156 evaluation Methods 0.000 claims abstract description 170
- 238000012937 correction Methods 0.000 claims abstract description 79
- 230000008859 change Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000000474 nursing effect Effects 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】この発明は、複数の項目を最
適化する場合に、最適化結果に対してそれぞれの項目を
独立して評価し、それぞれの項目に重み付け係数を掛け
て総和を取ることにより、１つの評価値として処理する
スケジューリングシステムのような最適化装置、特に学
習機能を備えた最適化装置および最適化方法に関するも
のである。The present invention relates to a method of optimizing a plurality of items, independently evaluating each item with respect to an optimization result, and multiplying each item by a weighting coefficient to obtain a sum. The present invention relates to an optimization device such as a scheduling system for processing as one evaluation value, and particularly to an optimization device having a learning function and an optimization method.
【０００２】[0002]
【従来の技術】スケジューリング・システムのような最
適化装置において、複数の項目を最適化する場合、最適
化結果に対してそれぞれの項目を独立して評価し、それ
ぞれの項目に重み付け係数を掛けて総和を取ることによ
り、１つの評価値とすることがよくある。この重み付け
係数は、最適化の際に複数の評価項目の内、どの評価項
目を重視するかによって、通常、最適化装置の使用者が
決めるものである。2. Description of the Related Art When optimizing a plurality of items in an optimizing device such as a scheduling system, each item is independently evaluated with respect to an optimization result, and each item is multiplied by a weighting coefficient. It is often the case that one evaluation value is obtained by taking the sum. The weighting factor is usually determined by the user of the optimization device depending on which evaluation item of a plurality of evaluation items is emphasized during optimization.
【０００３】例えば、最適化された結果の全体の評価値
をＥとして、各評価項目毎の評価値をｅi(ｉ＝１〜ｎ、
ｎは評価項目の数)とし、各評価項目の重み付け係数を
ｋiとすると、For example, assuming that the overall evaluation value of the optimized result is E, the evaluation value of each evaluation item is e i (i = 1 to n,
n is the number of evaluation items) and the weighting coefficient of each evaluation item is k i ,
【０００４】 Ｅ ＝ ｋ1ｅ1 ＋ ｋ2ｅ2 ＋ … ｋnｅn [0004] E = k 1 e 1 + k 2 e 2 + ... k n e n
【０００５】となる。ここで、各評価値ｅは、０〜１の
値を取り、その値が大きいほど良い評価であるとする。
また、各係数ｋiは、０〜１００の値を取るものとし、
その値が大きいほどその評価項目を重視することにな
る。[0005] Here, each evaluation value e takes a value of 0 to 1, and the larger the value, the better the evaluation.
Also, each coefficient k i has a value of 0 to 100,
The larger the value, the more the evaluation item is emphasized.
【０００６】最適化装置の使用者は、各評価項目の重み
付け係数を図４に示すようなグラフィカルなインターフ
ェースを用いて調整する。７−２〜７−７が、各評価項
目に対応し、７−１のボタンを左右に動かすことで各評
価項目の重み付け係数を変更し、右に動かすほどその評
価項目を他の評価項目より相対的に重視するという意味
となる。従って、例えば、全ての項目を５０としても、
１００としても、意味としては同じになる。[0006] The user of the optimization device adjusts the weighting factors of each evaluation item using a graphical interface as shown in FIG. 7-2 to 7-7 correspond to the respective evaluation items, and the weighting coefficient of each evaluation item is changed by moving the button of 7-1 left and right, and moving the button to the right causes the evaluation item to be different from other evaluation items. This means that the emphasis is on relative importance. Therefore, for example, even if all the items are set to 50,
Even if it is 100, the meaning is the same.
【０００７】このように最適化装置の使用者は、重み付
け係数を調整することにより、好みの結果が得られるよ
うにするが、重み付け係数の調整がどのように結果に反
映されるのかが、直感的に判断し難いという問題点があ
った。すなわち、最適化装置の使用者にとっては、各評
価項目の重要度の比率や差が明確になっていないため、
重み付け係数を修正することで、使用者が思った通りの
最適化結果を得るというのが困難であった。このような
重み付け係数を自動的に修正する技術が、特開平６−３
３２８８３号公報に開示されている。As described above, the user of the optimization apparatus adjusts the weighting coefficient to obtain a desired result. However, it is intuitive how the adjustment of the weighting coefficient is reflected in the result. There is a problem that it is difficult to judge it. In other words, for the user of the optimization device, the importance ratio and difference of each evaluation item are not clear,
It has been difficult to obtain the optimization result as expected by the user by modifying the weighting coefficient. A technique for automatically correcting such weighting coefficients is disclosed in Japanese Unexamined Patent Publication No. 6-3 / 1994.
No. 32883 discloses this.
【０００８】特開平６−３３２８８３号公報では、複数
の評価項目を持った組合せ最適化における重み付け係数
の決め方や重み付け係数の変え方などの自動化を目的と
する発明で、重み付け係数を少しずつ変えながら最適化
の過程を何度も繰り返していくが、改善度が最も高い項
目の重み付け係数を最も大きく変えることで、より良い
重み付け係数を求めることを特徴とする技術であった。
しかし、この技術においては、各評価項目の重み付け係
数を変えていく過程に、使用者が全く介在しないので、
重み付け係数に対して、使用者の意図が全く反映されな
いという問題点があった。Japanese Patent Laid-Open Publication No. Hei 6-332883 discloses an invention for the purpose of automation such as how to determine weighting coefficients and how to change weighting coefficients in combination optimization having a plurality of evaluation items. Although the optimization process is repeated many times, the technique is characterized in that a better weighting coefficient is obtained by changing the weighting coefficient of the item having the highest degree of improvement to the greatest degree.
However, in this technique, since the user does not intervene in the process of changing the weighting coefficient of each evaluation item,
There is a problem that the weighting coefficient does not reflect the user's intention at all.
【０００９】最適化結果に使用者の意図を最も容易に反
映する方法として、最適化結果を直接修正するという方
法がある。図５は、訪問看護の訪問スケジュールを立案
する訪問看護スケジューラの立案結果を表示している画
面の一部である。この画面において、縦軸が訪問を行う
各ナースに対応し、横軸が時間となっており、各矩形が
１つの訪問に対応する。８の矩形は、川上ナースが１月
２５日(月)の１３時３０分から１５時に石倉さんを訪問
することを表している。As a method of most easily reflecting the user's intention in the optimization result, there is a method of directly modifying the optimization result. FIG. 5 is a part of a screen displaying a planning result of a home-visit nursing scheduler for planning a home-visit nursing home visit schedule. In this screen, the vertical axis corresponds to each nurse who makes a visit, the horizontal axis represents time, and each rectangle corresponds to one visit. The rectangle 8 indicates that Kawakami Nurse will visit Mr. Ishikura from 13:30 to 15:00 on January 25 (Monday).
【００１０】ここで、各訪問に対応する矩形をマウスで
ドラッグし移動することにより、スケジューリング結果
を修正することができる。図６の８’は、８の川上ナー
スの石倉さんへの訪問を吉田ナースが１３時から訪問す
るように移動した結果である。このように、最適化され
た結果を直接使用者が修正することにより、使用者の好
みに合った最適化結果を容易に得ることができる。[0010] Here, the scheduling result can be corrected by dragging and moving the rectangle corresponding to each visit with the mouse. 8 'of FIG. 6 is the result of the 8th Kawakami Nurse's visit to Mr. Ishikura as if Nurse Yoshida visited from 13:00. As described above, by directly correcting the optimized result by the user, it is possible to easily obtain the optimized result according to the user's preference.
【００１１】しかし、この修正は、その結果に対しての
み有効であり、後日新たにその最適化装置を使用した際
には、修正した効果が最適化結果に反映されず、修正操
作はその場限りのものであるという問題点があった。こ
のような最適化結果の手修正をその場限りのものとしな
いための技術が、特開平７−２８８８５号公報において
開示されている。However, this correction is effective only for the result. When the optimization device is newly used at a later date, the corrected effect is not reflected in the optimization result, and the correction operation is not performed immediately. There was a problem that it was limited. Japanese Patent Application Laid-Open No. 7-28885 discloses a technique for preventing such manual correction of the optimization result from being performed on an ad hoc basis.
【００１２】特開平７−２８８８５号公報には、生産ス
ケジューリングシステムのような最適化装置において、
学習機能を設けて、より適切なスケジューリングを行う
ための技術が開示され、スケジュール案を修正した履歴
を事例として保存し、事例ベースから学習事例抽出した
事例と背景知識を用いて一般化を行い、推論して修正案
を得るというものであった。しかし、事例の汎用化や事
例の適用可能性の検証など、単純な数値では表せない不
確定の技術要素が多く、幅広い分野の最適化装置に適用
することが困難であった。Japanese Patent Application Laid-Open No. Hei 7-28885 discloses an optimization apparatus such as a production scheduling system.
A learning function is provided, a technique for performing more appropriate scheduling is disclosed, a history of correcting the schedule plan is stored as a case, and a generalization is performed using the learning case extracted from the case base and the background knowledge, It was to make inferences and get a revised proposal. However, there are many uncertain technical elements that cannot be represented by simple numerical values, such as generalization of cases and verification of the applicability of cases, and it has been difficult to apply them to optimization devices in a wide range of fields.
【００１３】[0013]
【発明が解決しようとする課題】従来の学習機能を備え
た最適化装置は、以上のような方法で重み付けの変更や
最適化結果の修正を学習するので、使用者の意図を反映
した効率的な学習が困難である等の課題があった。Since the conventional optimization device having the learning function learns the change of the weight and the correction of the optimization result in the above-described manner, the optimization device reflects the intention of the user efficiently. There were problems such as difficult learning.
【００１４】この発明は上記のような課題を解決するた
めになされたもので、使用者の意図を反映した効率的な
学習機能を備えた最適化装置および最適化方法を提供す
ることを目的とする。SUMMARY OF THE INVENTION The present invention has been made to solve the above problems, and has as its object to provide an optimizing device and an optimizing method having an efficient learning function reflecting a user's intention. I do.
【００１５】[0015]
【課題を解決するための手段】上記目的に鑑み、この発
明は、コンピュータシステムを用いて複数の評価項目を
最適化する学習機能を備えた最適化装置であって、与え
られた各評価項目の最適化を行う最適化手段と、各評価
項目の重要度を示す重み付け係数を保存する重み保存手
段と、この重み保存手段に保存された各評価項目の重み
付け係数を用いて上記最適化手段により最適化された結
果の評価を行う最適化結果評価手段と、最適化された結
果を使用者に表示しその修正を可能にする最適化結果表
示・修正手段と、上記最適化結果表示・修正手段におい
て使用者により修正された最適化結果を基に、上記各評
価項目の重み付け係数を変更する重み変更手段と、を備
え、最適化時に使用者による修正意図を反映した最適化
結果を生成することを特徴とする学習機能を備えた最適
化装置にある。SUMMARY OF THE INVENTION In view of the above-mentioned object, the present invention relates to an optimizing apparatus having a learning function of optimizing a plurality of evaluation items using a computer system. Optimization means for performing optimization, weight storage means for storing weighting coefficients indicating the importance of each evaluation item, and optimization by the optimization means using the weighting coefficients for each evaluation item stored in the weight storage means Optimization result evaluation means for evaluating the optimized result, optimization result display / correction means for displaying the optimized result to the user and enabling the correction, and optimization result display / correction means. Weight changing means for changing the weighting coefficient of each of the evaluation items based on the optimization result corrected by the user, and generating an optimization result reflecting the user's correction intention at the time of optimization. Optimization apparatus having a learning function, wherein certain.
【００１６】またこの発明は、上記重み変更手段が、使
用者により修正された最適化結果を基に各評価項目の重
み付け係数を変更する際に、現在の重み付け係数に近い
重み付け係数を生成することを特徴とする学習機能を備
えた最適化装置にある。Further, according to the present invention, when the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the weight changing means generates a weighting coefficient close to the current weighting coefficient. An optimization device having a learning function characterized by the following.
【００１７】またこの発明は、上記重み変更手段が、使
用者により修正された最適化結果を基に各評価項目の重
み付け係数を変更する際に、複数の評価項目の重み付け
係数の内できるだけ少ない個数の重み付け係数だけを変
更することを特徴とする学習機能を備えた最適化装置に
ある。Further, according to the present invention, when the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the number of the weighting coefficients of the plurality of evaluation items is as small as possible. Optimizing device having a learning function characterized by changing only the weighting coefficient of
【００１８】またこの発明は、上記重み変更手段が、使
用者により修正された最適化結果を基に各評価項目の重
み付け係数を変更する際に、各評価項目の重み付け係数
の変更率の総和ができるだけ小さくなるように重み付け
係数を変更することを特徴とする学習機能を備えた最適
化装置にある。Further, according to the present invention, when the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the sum of the change rates of the weighting coefficients of each evaluation item is changed. An optimization apparatus having a learning function characterized by changing a weighting coefficient so as to be as small as possible.
【００１９】またこの発明は、上記重み変更手段が、使
用者により修正された最適化結果を基に各評価項目の重
み付け係数を変更する際に、一部の最適化結果のみを用
いて各評価項目の重み付け係数を変更することを特徴と
する学習機能を備えた最適化装置にある。Further, according to the present invention, when the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, each evaluation is performed using only a part of the optimization results. An optimization device having a learning function characterized by changing a weight coefficient of an item.
【００２０】またこの発明は、使用者による最適化結果
の修正結果を修正履歴として蓄積する最適化結果修正蓄
積手段をさらに備え、上記重み変更手段が、使用者によ
り修正された最適化結果を基に各評価項目の重み付け係
数を変更する際に、過去の複数の上記修正履歴を基に各
評価項目の重み付け係数を変更することを特徴とする学
習機能を備えた最適化装置にある。Further, the present invention further comprises an optimization result correction accumulation means for accumulating a correction result of the optimization result by the user as a correction history, wherein the weight changing means is based on the optimization result corrected by the user. When the weighting coefficient of each evaluation item is changed, the optimization device having a learning function is characterized in that the weighting coefficient of each evaluation item is changed based on a plurality of past correction histories.
【００２１】またこの発明は、コンピュータシステムを
用いて複数の評価項目を最適化する最適化方法であっ
て、与えられた各評価項目の最適化を行う最適化工程
と、各評価項目の重要度を示す重み付け係数を保存する
重み保存工程と、この重み保存工程で保存された各評価
項目の重み付け係数を用いて上記最適化工程により最適
化された結果の評価を行う最適化結果評価工程と、最適
化された結果を使用者に表示しその修正を可能にする最
適化結果表示・修正工程と、上記最適化結果表示・修正
工程において使用者により修正された最適化結果を基
に、上記各評価項目の重み付け係数を変更する重み変更
工程と、を備え、最適化時に使用者による修正意図を反
映した最適化結果を生成することを特徴とする最適化方
法にある。The present invention also relates to an optimizing method for optimizing a plurality of evaluation items using a computer system, the optimizing step of optimizing each of the given evaluation items, and the importance of each of the evaluation items. A weight saving step of storing a weighting coefficient indicating the, and an optimization result evaluation step of evaluating the result optimized by the optimization step using the weighting coefficient of each evaluation item stored in the weight saving step, Based on the optimization result display / correction step of displaying the optimized result to the user and enabling the correction thereof, and the optimization result corrected by the user in the optimization result display / correction step, A weight changing step of changing a weighting coefficient of an evaluation item, wherein an optimization result reflecting a user's correction intention is generated at the time of optimization.
【００２２】またこの発明は、上記重み変更工程におい
て、使用者により修正された最適化結果を基に各評価項
目の重み付け係数を変更する際に、現在の重み付け係数
に近い重み付け係数を生成することを特徴とする最適化
方法にある。Further, according to the present invention, when the weighting coefficient of each evaluation item is changed based on the optimization result corrected by the user in the weight changing step, a weighting coefficient close to the current weighting coefficient is generated. An optimization method characterized by:
【００２３】またこの発明は、上記重み変更工程におい
て、使用者により修正された最適化結果を基に各評価項
目の重み付け係数を変更する際に、複数の評価項目の重
み付け係数の内できるだけ少ない個数の重み付け係数だ
けを変更することを特徴とする最適化方法にある。Further, according to the present invention, when the weighting coefficients of the respective evaluation items are changed based on the optimization result corrected by the user in the weight changing step, the number of the weighting coefficients of the plurality of evaluation items is as small as possible. The optimization method is characterized in that only the weighting coefficient is changed.
【００２４】またこの発明は、上記重み変更工程におい
て、使用者により修正された最適化結果を基に各評価項
目の重み付け係数を変更する際に、各評価項目の重み付
け係数の変更率の総和ができるだけ小さくなるように重
み付け係数を変更することを特徴とする最適化方法にあ
る。Further, according to the present invention, in the weight changing step, when the weighting coefficient of each evaluation item is changed based on the optimization result corrected by the user, the sum of the change rates of the weighting coefficient of each evaluation item is changed. An optimization method is characterized in that weighting coefficients are changed so as to be as small as possible.
【００２５】またこの発明は、上記重み変更工程におい
て、使用者により修正された最適化結果を基に各評価項
目の重み付け係数を変更する際に、一部の最適化結果の
みを用いて各評価項目の重み付け係数を変更することを
特徴とする最適化方法にある。Further, according to the present invention, when the weighting coefficient of each evaluation item is changed based on the optimization result corrected by the user in the weight changing step, each evaluation is performed using only a part of the optimization results. An optimization method is characterized in that a weight coefficient of an item is changed.
【００２６】またこの発明は、使用者による最適化結果
の修正結果を修正履歴として蓄積する最適化結果修正蓄
積工程をさらに備え、上記重み変更工程において、使用
者により修正された最適化結果を基に各評価項目の重み
付け係数を変更する際に、過去の複数の上記修正履歴を
基に各評価項目の重み付け係数を変更することを特徴と
する最適化方法にある。Further, the present invention further comprises an optimization result correction accumulation step of accumulating a correction result of the optimization result by the user as a correction history, and in the weight changing step, based on the optimization result corrected by the user. In the optimization method, the weighting coefficient of each evaluation item is changed based on a plurality of past correction histories when changing the weighting coefficient of each evaluation item.
【００２７】[0027]
【発明の実施の形態】以下、この発明を各実施の形態に
ついて説明する。 実施の形態１.図１はこの発明の一実施の形態による学
習機能を備えた最適化装置の構成およびその中のデータ
の流れを示す図であり、基本的にはプログラムに従って
動作する外部メモリを伴うコンピュータシステムで構成
される。図１において、１は与えられた各評価項目の最
適化を行う最適化部、１−１は最適化部１で最適化され
た最適化結果、２は各評価項目の重要度すなわち重み付
け係数を保存する重み保存部、２−１は各評価項目の重
み付け係数、３は重み保存部２に保存された各評価項目
の重み付け係数２−１を用いて最適化部１により最適化
された結果１−１の善し悪し、すなわち評価を行う最適
化結果評価部、４は最適化された結果を使用者に表示し
修正を可能にする最適化結果表示・修正部、５は最適化
結果表示・修正部４において使用者により修正された最
適化結果１−１を基に、各評価項目の重み付け係数を変
更する重み変更部である。DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described with respect to each embodiment. Embodiment 1 FIG. 1 is a diagram showing a configuration of an optimizing apparatus having a learning function according to an embodiment of the present invention and a flow of data in the optimizing apparatus. Comprises a computer system. In FIG. 1, reference numeral 1 denotes an optimizing unit for optimizing each given evaluation item, 1-1 denotes an optimization result optimized by the optimizing unit 1, and 2 denotes an importance of each evaluation item, that is, a weighting coefficient. The weight storage unit 2-1 to save is a weighting coefficient of each evaluation item, and 3 is a result 1 optimized by the optimization unit 1 using the weighting coefficient 2-1 of each evaluation item stored in the weight storage unit 2. Optimizing result evaluating section for evaluating −1, that is, evaluating, 4 is an optimizing result displaying / correcting section for displaying the optimized result to the user and enabling correction, and 5 is an optimizing result displaying / correcting section. 4 is a weight changing unit that changes the weighting coefficient of each evaluation item based on the optimization result 1-1 corrected by the user in 4.
【００２８】次に動作について説明する。図２は、図１
の学習機能を備えた最適化装置の処理を示すフローチャ
ートである。まず、最適化部１により最適化を実施し最
適化結果１−１が生成され(ステップＳＴ１)、最適化結
果評価部３により重み保存部２に保存されている各評価
項目の重み付け係数２−１を用いて最適化結果１−１を
評価し(ステップＳＴ２)、その結果から最適化を完了さ
せるか否かを判定する(ステップＳＴ３)。完了でない場
合は、再び最適化を実施し、この処理を繰り返し、完了
の場合は、次の処理に進む。この完了の判定は、一定以
上この最適化の繰り返しが行われたら完了とするとか、
評価結果がある一定以上の質になったら完了とすると
か、評価結果がある一定回数繰り返しても変化しないな
ら完了する、などが考えられる。Next, the operation will be described. FIG. 2 shows FIG.
5 is a flowchart showing a process of the optimization device having the learning function of FIG. First, optimization is performed by the optimization unit 1 to generate an optimization result 1-1 (step ST1), and the optimization result evaluation unit 3 assigns a weighting factor of each evaluation item 2- 1 is used to evaluate the optimization result 1-1 (step ST2), and it is determined whether or not the optimization is completed based on the result (step ST3). If not completed, optimization is performed again and this process is repeated. If completed, the process proceeds to the next process. This completion is determined if the optimization is repeated over a certain period,
It is conceivable that the process is completed when the evaluation result has a certain quality or higher, or that the process is completed if the evaluation result does not change even after a certain number of repetitions.
【００２９】ステップＳＴ３の結果、最適化の完了と判
断されたら、最適化結果表示・修正部４により最適化結
果１−１を画面等に表示し、使用者は表示された最適化
結果を好みに合わせて修正し、最適化結果１−１に書き
戻す(ステップＳＴ４)。そして、重み変更部５により各
評価項目の重み付け係数２−１を変更して、最適化結果
評価部３により修正後の最適化結果１−１を評価し(ス
テップＳＴ５)、再度最適化を実施するかどうかを決定
する(ステップＳＴ６)。この決定の方法には、使用者に
再度最適化を実施するかどうかを問い合わせることが考
えられる。If it is determined in step ST3 that the optimization has been completed, the optimization result display / correction unit 4 displays the optimization result 1-1 on a screen or the like, and the user likes the displayed optimization result. And write it back to the optimization result 1-1 (step ST4). The weight changing unit 5 changes the weighting coefficient 2-1 of each evaluation item, and the optimization result evaluating unit 3 evaluates the corrected optimization result 1-1 (step ST5), and performs optimization again. It is determined whether or not to perform (step ST6). As a method for this determination, it is conceivable to ask the user whether to perform the optimization again.
【００３０】次に、具体的な例を用いて、重み付け係数
の変更方法について説明する。最適化結果評価部３で
は、以下の式により、最適化結果の評価値Ｅを求める。Next, a method of changing the weighting coefficient will be described using a specific example. The optimization result evaluation unit 3 calculates an evaluation value E of the optimization result by the following equation.
【００３１】 Ｅ ＝ ｋ1ｅ1 ＋ ｋ2ｅ2 ＋ … ｋnｅn [0031] E = k 1 e 1 + k 2 e 2 + ... k n e n
【００３２】ここで、ｅi(ｉ＝１〜ｎ、ｎは評価項目の
数)は各評価項目毎の評価値、ｋiは各評価項目の重み付
け係数である。今、評価項目の数が４つ、すなわちｎ＝
４とし、各評価項目の重み付け係数が、それぞれ、２
０、８０、６０、４０、すなわち、ｋ1＝２０、ｋ2＝８
０、ｋ3＝６０、ｋ4＝４０とする。そして、最適化部１
により最適化を実施した(ステップＳＴ３の)後の最適化
結果の各評価項目の評価値が、それぞれ、０.６、０.
７、０.３、０.４すなわち、ｅ1＝０.６、ｅ2＝０.７、
ｅ3＝０.３、ｅ4＝０.４であるとする。従って、最適化
結果１−１の全体の評価値は、以下のようになる。Here, e i (i = 1 to n, n is the number of evaluation items) is an evaluation value for each evaluation item, and k i is a weighting coefficient of each evaluation item. Now, the number of evaluation items is four, that is, n =
4, and the weighting factor of each evaluation item is 2
0, 80, 60, 40, ie k 1 = 20, k 2 = 8
0, k 3 = 60, and k 4 = 40. And the optimization unit 1
The evaluation values of the respective evaluation items of the optimization result after the optimization has been performed (at step ST3) are 0.6 and 0.6, respectively.
7, 0.3, 0.4, ie, e 1 = 0.6, e 2 = 0.7,
It is assumed that e 3 = 0.3 and e 4 = 0.4. Therefore, the overall evaluation value of the optimization result 1-1 is as follows.
【００３３】２０×０.６＋８０×０.７＋６０×０.３
＋４０×０.４ ＝ １０２20 × 0.6 + 80 × 0.7 + 60 × 0.3
+ 40 × 0.4 = 102
【００３４】次に、使用者により、最適化結果が修正さ
れて(ステップＳＴ４)、各評価項目の評価値がそれぞ
れ、０.５、０.３、０.４、０.７、すなわち、 ｅ1'＝
０.５、ｅ2'＝０.３、ｅ3'＝０.４、ｅ4'＝０.７に変わ
ったとする。従って、この時点の最適化結果１−１全体
の評価値は、以下のようになる。Next, the optimization result is corrected by the user (step ST4), and the evaluation values of the respective evaluation items are respectively 0.5, 0.3, 0.4, 0.7, ie, e. 1 '=
It is assumed that the values have changed to 0.5, e 2 ′ = 0.3, e 3 ′ = 0.4, and e 4 ′ = 0.7. Therefore, the evaluation value of the entire optimization result 1-1 at this time is as follows.
【００３５】２０×０.５＋８０×０.３＋６０×０.４
＋４０×０.７ ＝ ８６20 × 0.5 + 80 × 0.3 + 60 × 0.4
+ 40 × 0.7 = 86
【００３６】使用者による修正により、最適化結果全体
の評価値は、１０２から８６に下がった。最適化装置で
は、この重み付け係数により最も高い評価値が得られる
結果を生成するので、使用者による最適化結果の修正
で、全体の評価値が上がることはない。このように使用
者が好みの結果になるように修正したのにも係わらず、
全体の評価値が下がるのは、各評価項目の重み付け係数
が使用者の意図を反映していないからと考えられる。そ
こで、修正後の最適化結果全体の評価値が高くなるよ
う、各評価項目の重み付け係数を変更する(ステップＳ
Ｔ５)。With the correction by the user, the evaluation value of the entire optimization result dropped from 102 to 86. In the optimization device, a result that can obtain the highest evaluation value is generated by the weighting coefficient. Therefore, the correction of the optimization result by the user does not increase the overall evaluation value. Despite having been modified to give the user the desired result,
The reason why the overall evaluation value decreases is considered that the weighting coefficient of each evaluation item does not reflect the intention of the user. Therefore, the weighting coefficient of each evaluation item is changed such that the evaluation value of the entire optimization result after the correction becomes higher (step S
T5).
【００３７】この重み付け係数の変更は、重み付け係数
ｋ1〜ｋ4の１〜１００の値の全ての組み合わせの中で、
最も全体の評価値が高くなる重み付け係数の組み合わせ
を見つけ出すことになる。ただし、何も制限を設けなけ
れば、全ての重み付け係数を１００にした場合が最も全
体の評価値が高くなることは自明であるが、これでは元
の評価値との公平な比較ができない。そこで、全ての重
み付け係数の総和を一定に保ったままで、全ての重み付
け係数値の組み合わせを調べる。前記の例では、重み付
け係数の総和は２００なので、重み付け係数ｋ1〜ｋ3は
１〜１００の値、重み付け係数ｋ4は２００から重み付
け係数ｋ1〜ｋ3の総和を引いた値でかつ、そのｋ4の値
が１以上１００以下の場合の全ての組み合わせの中で、
最も全体の評価値が高くなる重み付け係数の組み合わせ
を見つけることにする。The change of the weighting coefficient is performed in all combinations of the values 1 to 100 of the weighting coefficients k 1 to k 4 .
The combination of the weighting coefficients with the highest overall evaluation value is found. However, it is obvious that the overall evaluation value becomes the highest when all the weighting coefficients are set to 100 if no restriction is provided, but this cannot make a fair comparison with the original evaluation value. Therefore, while keeping the sum of all weighting coefficients constant, all combinations of weighting coefficient values are examined. In the above example, the sum of the weighting factors 200 so the value of the weighting coefficient k 1 to k 3 1-100, a value obtained by subtracting the sum of the weighting coefficients k 1 to k 3 weighting factor k 4 is the 200 and, Among all combinations where the value of k 4 is 1 or more and 100 or less,
The combination of the weighting coefficients that gives the highest overall evaluation value will be found.
【００３８】前記の例では、この組み合わせは、各重み
付け係数の値が、ｋ1'＝９８、ｋ2'＝１、ｋ3'＝１、ｋ
4'＝１００となり、最適化結果全体の評価値は、以下の
ようになる。In the above example, this combination is such that the value of each weighting coefficient is k 1 ′ = 98, k 2 ′ = 1, k 3 ′ = 1, k 3 ′
4 ′ = 100, and the evaluation value of the entire optimization result is as follows.
【００３９】９８×０.５＋１×０.３＋１×０.４＋１
００×０.７ ＝ １１９.７98 × 0.5 + 1 × 0.3 + 1 × 0.4 + 1
00 × 0.7 = 119.7
【００４０】つまり、使用者による最適化結果の修正
後、最も評価値が高くなった項目を重視し、評価値が低
くなった項目を軽視するよう重み付け係数を変更するこ
とにより、最適化結果全体の評価値を高くしている。そ
して、次回以降の最適化の際には、この新しい重み付け
係数を用いて最適化結果の評価を行うので、使用者の修
正意図を反映した最適化結果を得ることができる。That is, after the optimization result is modified by the user, the weighting coefficient is changed so that the item with the highest evaluation value is emphasized and the item with the low evaluation value is neglected. Has a high evaluation value. Then, in the next and subsequent optimizations, the optimization results are evaluated using the new weighting coefficients, so that the optimization results reflecting the user's correction intention can be obtained.
【００４１】以上のように、使用者による最適化結果の
修正を基にして、各評価項目の重み付け係数を変更して
いるので、使用者の修正意図を次回以降の最適化時に反
映でき、使用者の好みに合う結果を得るための最適化装
置の調整を使用者が直感的に分かり易い方法で実施でき
る等の効果が得られる。As described above, since the weighting coefficient of each evaluation item is changed based on the correction of the optimization result by the user, the user's correction intention can be reflected in the next and subsequent optimizations. The effect is obtained that the adjustment of the optimizing device for obtaining a result that meets the user's preference can be performed in a manner intuitive and easy for the user to understand.
【００４２】実施の形態２.次に、重み付け係数の別の
変更方法について説明する。実施の形態１では、使用者
による最適化結果の修正後の重み付け係数の変更の際
に、最も評価値が高くなるように各重み付け係数を変更
した。しかしその変更方法では、それまで使用されてき
た重み付け係数に関して、全く考慮されていない。そこ
で、これまでの重み付け係数も考慮するように、これま
での重み付け係数に近い係数に変更する。Embodiment 2 Next, another method of changing the weighting coefficient will be described. In the first embodiment, when the user changes the weighting coefficient after the correction of the optimization result, each weighting coefficient is changed so that the evaluation value becomes highest. However, the change method does not take into account the weighting factors used so far. Therefore, the coefficient is changed to a coefficient close to the conventional weighting coefficient so that the conventional weighting coefficient is also considered.
【００４３】この「これまでの重み付け係数に近い係数
に変更する」方法には、以下の２種類がある。まず、第
１番目の方法は、できるだけ少ない個数の重み付け係数
だけを変更するというものである。前記の例では、重み
付け係数の総和を保つので、少なくとも２つの重み付け
係数を変更しなければならない。従って、４つの重み付
け係数の内２つだけを変更する場合、最適化結果全体の
評価値が最も高くなるのは、各重み付け係数の値が、
ｋ1''＝２０、ｋ2''＝２０、ｋ3''＝６０、ｋ4''＝１０
０であり、最適化結果全体の評価値は、以下のようにな
る。There are the following two types of the method of "changing to a coefficient close to the conventional weighting coefficient". First, the first method is to change only as few weighting coefficients as possible. In the above example, since the sum of the weighting factors is maintained, at least two weighting factors must be changed. Therefore, when only two of the four weighting coefficients are changed, the evaluation value of the entire optimization result becomes highest because the value of each weighting coefficient is
k 1 ″ = 20, k 2 ″ = 20, k 3 ″ = 60, k 4 ″ = 10
0, and the evaluation value of the entire optimization result is as follows.
【００４４】２０×０.５＋２０×０.３＋６０×０.４
＋１００×０.７ ＝ １１０20 × 0.5 + 20 × 0.3 + 60 × 0.4
+ 100 × 0.7 = 110
【００４５】つまり、使用者による修正後、最も評価値
が高くなった項目の重み付け係数と最も評価値が低くな
った項目の重み付け係数を選択し、それらの２つの重み
付け係数の元の総和を保つ範囲内で、前者の重み付け係
数を上げ、後者の重み付け係数を下げる。That is, after the correction by the user, the weighting coefficient of the item having the highest evaluation value and the weighting coefficient of the item having the lowest evaluation value are selected, and the original sum of those two weighting coefficients is maintained. Within the range, the former weighting factor is increased and the latter is decreased.
【００４６】以上のように、使用者による最適化結果の
修正を基にして、各評価項目の重み付け係数の内、でき
るだけ少ない個数の重み付け係数だけを変更しているの
で、これまでの評価項目の重視度をできるだけ変更せず
に、使用者の修正を次回以降の最適化時に反映でき、使
用者の好みに合う結果を得るための最適化装置の調整を
使用者が直感的に分かり易い方法で実施できる等の効果
が得られる。As described above, based on the correction of the optimization result by the user, only the smallest number of weighting coefficients among the weighting coefficients of each evaluation item are changed. The user's correction can be reflected in the next and subsequent optimizations without changing the degree of importance as much as possible, and the user can adjust the optimization device to obtain the result that meets the user's preference in an intuitive and easy-to-understand manner The effect of being able to carry out is obtained.
【００４７】次に、２番目の方法は、できるだけ重み付
け係数の変更率が少なくなるよう、重み付け係数を変更
するというものである。ここで、重み付け係数の変更率
とは、重み付け係数の変更前と変更後の値の差を変更前
の重み付け係数で割った値の総和である。しかし、単純
に変更率が少ない変更にしてしまうと、ある２つの重み
付け係数をそれぞれ１だけ変更するということになって
しまい、殆ど変更しないという意味のないものになって
しまう。Next, the second method is to change the weighting coefficient so that the rate of change of the weighting coefficient is as small as possible. Here, the change rate of the weighting coefficient is a total sum of values obtained by dividing the difference between the value before and after the change of the weighting coefficient by the weighting coefficient before the change. However, if the change rate is simply changed to a small change rate, two weighting coefficients are changed by 1 each, and it is meaningless to hardly change.
【００４８】そこで、最適化結果全体の評価値が、使用
者による最適化結果の修正以前よりも高くなるようにす
るという条件を付ける。それにより、各重み付け係数の
値は、 ｋ1'''＝２０、ｋ2'''＝３９、ｋ3'''＝６１、
ｋ4'''＝８０であり、最適化結果全体の評価値は、以下
のようになる。Therefore, a condition is set that the evaluation value of the entire optimization result is higher than before the user corrects the optimization result. Thereby, the values of the respective weighting coefficients are k 1 ′ ″ = 20, k 2 ″ ″ = 39, k 3 ″ = 61,
k 4 ′ ″ = 80, and the evaluation value of the entire optimization result is as follows.
【００４９】２０×０.５＋３９×０.３＋６１×０.４
＋８０×０.７ ＝ １０２.１20 × 0.5 + 39 × 0.3 + 61 × 0.4
+ 80 × 0.7 = 102.1
【００５０】以上のように、使用者による最適化結果の
修正を基にして、各評価項目の重み付け係数をできるだ
け変更せずに全体の評価値が高くなるよう変更している
ので、これまでの各評価項目の重視度割合をできるだけ
変更せずに、使用者の修正を次回以降の最適化時に反映
でき、使用者の好みに合う結果を得るための最適化装置
の調整を使用者が直感的に分かり易い方法で実施できる
等の効果が得られる。As described above, based on the correction of the optimization result by the user, the weighting coefficient of each evaluation item is changed as little as possible to increase the overall evaluation value. The user's correction can be reflected in the next and subsequent optimizations without changing the importance ratio of each evaluation item as much as possible, and the user can intuitively adjust the optimization device to obtain the result that meets the user's preference The effect is that the method can be implemented in an easily understandable manner.
【００５１】実施の形態３.前記の実施の形態１及び２
は、利用者による最適化結果全体に対する修正結果を基
にして各評価項目の重み付け係数を変更したものであ
る。次に、使用者が最適化結果の一部のみを修正して、
重み付け係数を変更する実施の形態を示す。スケジュー
リングシステムのような最適化装置の場合、最適化結
果、すなわちスケジュール結果の評価値計算の際に、ス
ケジュールする期間やスケジュール対象のオブジェクト
を一部に限定しても、評価値を求めることが可能であ
る。例えば、あるスケジューラのスケジュール期間が１
月４日から１月３１日の４週間であっても、１月４日か
ら１月１０日までの１週間のスケジュール結果だけを取
り出して、その結果の善し悪しを評価することができ
る。また、訪問看護スケジューラの場合、ナース１から
ナース１０までのスケジュールを立案していても、ナー
ス１とナース２のスケジュール結果だけを取り出して、
その結果の善し悪しを評価することができる。Embodiment 3. Embodiments 1 and 2 described above.
Is obtained by changing the weighting coefficient of each evaluation item based on the correction result of the entire optimization result by the user. Next, the user modifies only part of the optimization results,
An embodiment for changing a weighting coefficient will be described. In the case of an optimization device such as a scheduling system, it is possible to obtain an evaluation value when calculating the optimization result, that is, the evaluation value of the schedule result, even if the scheduling period and the objects to be scheduled are limited to a part. It is. For example, if the schedule period of a certain scheduler is 1
Even during the four weeks from January 4 to January 31, it is possible to extract only the schedule results for one week from January 4 to January 10, and evaluate the quality of the results. In the case of a visiting nursing scheduler, even if a schedule from Nurse 1 to Nurse 10 is planned, only the schedule results of Nurse 1 and Nurse 2 are taken out.
The quality of the result can be evaluated.
【００５２】そこで、各評価項目の重み付け係数の変更
の際に、最適化結果のどの範囲を評価の対象とするかを
最適化装置の利用者が指定できるようにする。そして、
指定された範囲の最適化結果を基に、各評価項目の重み
付け係数を変更する。その変更方法は、実施の形態１及
び実施の形態２で説明したものと同様である。Therefore, when changing the weighting coefficient of each evaluation item, the user of the optimization apparatus can specify which range of the optimization result is to be evaluated. And
The weighting coefficient of each evaluation item is changed based on the optimization result of the specified range. The changing method is the same as that described in the first and second embodiments.
【００５３】以上のように、この実施の形態３によれ
ば、使用者により修正された一部の最適化結果を基にし
て、各評価項目の重み付け係数を変更しているので、使
用者が一部の最適化結果を修正するだけで、次回以降の
最適化時に、使用者の修正意図を使用者が修正しなかっ
た範囲の結果にまで反映でき、使用者の好みに合う結果
を得るための最適化装置の調整を使用者が直感的に分か
り易く簡便な方法で実施できる等の効果が得られる。As described above, according to the third embodiment, the weighting coefficient of each evaluation item is changed based on a part of the optimization result corrected by the user. By simply correcting some optimization results, the user's correction intention can be reflected to the results in the range that the user did not correct at the next and subsequent optimizations, and to obtain results that match the user's preference The effect that the user can intuitively and easily adjust the optimization device in a simple manner can be obtained.
【００５４】実施の形態４.前記の実施の形態１、２及
び３は、利用者による直前の最適化結果の修正を基にし
て各評価項目の重み付け係数を変更したものである。次
に、使用者による最適化結果の複数の修正を基にして重
み付け係数を変更する実施の形態を示す。図３はこの発
明の実施の形態４による学習機能を備えた最適化装置の
構成およびその中のデータの流れを示す図であり、基本
的にはプログラムに従って動作する外部メモリを伴うコ
ンピュータシステムで構成される。図１の構成に、使用
者による最適化結果の修正結果を蓄積する最適化結果修
正蓄積部６が追加されている。実施の形態４において
は、使用者が最適化結果を好みに合わせて修正した際
に、その修正結果を最適化結果１−１に書き戻すと共
に、最適化結果修正蓄積部６内の修正最適化結果６−１
にも書き込む。そして、重み変更部５による各評価項目
の重み付け係数の変更の際に、最適化結果１−１を基に
評価値の計算を行うのではなく、最適化結果修正蓄積部
６により蓄積された修正最適化結果６−１を基に、各評
価項目の評価値の計算を行う。Fourth Embodiment In the first, second and third embodiments, the weighting coefficient of each evaluation item is changed based on the correction of the immediately preceding optimization result by the user. Next, an embodiment in which the weighting coefficient is changed based on a plurality of corrections of the optimization result by the user will be described. FIG. 3 is a diagram showing a configuration of an optimizing device having a learning function according to a fourth embodiment of the present invention and a flow of data in the optimizing device, and is basically composed of a computer system having an external memory operating according to a program. Is done. An optimization result correction accumulation unit 6 for accumulating correction results of optimization results by a user is added to the configuration of FIG. In the fourth embodiment, when the user corrects the optimization result according to his / her preference, the correction result is written back to the optimization result 1-1, and the correction optimization in the optimization result correction storage unit 6 is performed. Result 6-1
Write also to. Then, when the weight changing unit 5 changes the weighting coefficient of each evaluation item, instead of calculating the evaluation value based on the optimization result 1-1, the correction accumulated by the optimization result correction accumulation unit 6 is performed. The evaluation value of each evaluation item is calculated based on the optimization result 6-1.
【００５５】修正最適化結果６−１を基に、各評価項目
の評価値の計算を行う際には、まず、蓄積された複数の
修正最適化結果毎に、各評価項目の評価値を計算する。
そして、各評価項目毎に、蓄積された結果の評価値の平
均値を求める。この平均値を基に、重み付け係数の変更
を行う。その変更方法は、実施の形態１及び実施の形態
２で説明したものと同様である。When calculating the evaluation value of each evaluation item on the basis of the corrected optimization result 6-1, first calculate the evaluation value of each evaluation item for each of the plurality of accumulated correction optimization results. I do.
Then, an average value of the evaluation values of the accumulated results is obtained for each evaluation item. The weighting coefficient is changed based on the average value. The changing method is the same as that described in the first and second embodiments.
【００５６】以上のように、この実施の形態４によれ
ば、使用者による何回かの最適化結果の修正を基にし
て、各評価項目の重みを変更しているので、使用者によ
り例外的な修正があっても、それが次回以降の最適化時
に反映され難くなり、何回か同じような修正をした使用
者の意図だけが反映されるようになる等の効果が得られ
る。As described above, according to the fourth embodiment, the weight of each evaluation item is changed based on the correction of the optimization result by the user several times. Even if there is a significant modification, it is difficult to reflect the modification at the next and subsequent optimizations, and an effect is obtained such that only the intention of the user who has made a similar modification several times is reflected.
【００５７】[0057]
【発明の効果】以上のようにこの発明によれば、コンピ
ュータシステムを用いて複数の評価項目を最適化する学
習機能を備えた最適化装置であって、与えられた各評価
項目の最適化を行う最適化手段と、各評価項目の重要度
を示す重み付け係数を保存する重み保存手段と、この重
み保存手段に保存された各評価項目の重み付け係数を用
いて上記最適化手段により最適化された結果の評価を行
う最適化結果評価手段と、最適化された結果を使用者に
表示しその修正を可能にする最適化結果表示・修正手段
と、上記最適化結果表示・修正手段において使用者によ
り修正された最適化結果を基に、上記各評価項目の重み
付け係数を変更する重み変更手段と、を備え、最適化時
に使用者による修正意図を反映した最適化結果を生成す
ることを特徴とする学習機能を備えた最適化装置および
これに準ずる最適化方法としたので、使用者の修正意図
を最適化時に反映でき、使用者の好みに合う結果を得る
ための調整を使用者が直感的に分かり易い方法で実施で
きる等の効果が得られる。As described above, according to the present invention, there is provided an optimizing apparatus having a learning function of optimizing a plurality of evaluation items by using a computer system. Optimization means to perform, weight storage means for storing weighting coefficients indicating the importance of each evaluation item, and optimization by the optimization means using the weighting coefficients for each evaluation item stored in the weight storage means. An optimization result evaluation means for evaluating the result, an optimization result display / correction means for displaying the optimized result to the user and enabling the correction thereof, and a user in the optimization result display / correction means. Weight changing means for changing the weighting coefficient of each of the evaluation items based on the corrected optimization result, and generating an optimization result reflecting a user's correction intention at the time of optimization. Since the optimization device with the learning function and the optimization method based on it have been adopted, the user's intention to correct can be reflected at the time of optimization, and the user can intuitively adjust to obtain the result that meets the user's preference. The effect of being able to carry out in an easy-to-understand manner is obtained.
【００５８】また、上記重み変更手段が、使用者により
修正された最適化結果を基に各評価項目の重み付け係数
を変更する際に、現在の重み付け係数に近い重み付け係
数を生成するようにしたので、それまで使用されていた
重み付け係数も考慮するようにした。Further, the weight changing means generates a weight coefficient close to the current weight coefficient when changing the weight coefficient of each evaluation item based on the optimization result corrected by the user. Also, the weighting factors used so far are taken into account.
【００５９】また、上記重み変更手段が、使用者により
修正された最適化結果を基に各評価項目の重み付け係数
を変更する際に、複数の評価項目の重み付け係数の内で
きるだけ少ない個数の重み付け係数だけを変更するよう
にしたので、これまでの評価項目の重視度をできるだけ
変更せずに、使用者の修正を次回以降の最適化時に反映
でき、使用者の好みに合う結果を得るための最適化装置
の調整を使用者が直感的に分かり易い方法で実施でき
る。When the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the weighting coefficient of the smallest number of weighting coefficients of the plurality of evaluation items is used. Only changes, so the user's corrections can be reflected in the next and subsequent optimizations without changing the priorities of the evaluation items as much as possible, making it possible to obtain optimal results that meet the user's preferences. The adjustment of the gasifier can be performed in a manner that is intuitive and easy for the user to understand.
【００６０】また、上記重み変更手段が、使用者により
修正された最適化結果を基に各評価項目の重み付け係数
を変更する際に、各評価項目の重み付け係数の変更率の
総和ができるだけ小さくなるように重み付け係数を変更
するようにしたので、これまでの各評価項目の重視度割
合をできるだけ変更せずに、使用者の修正を次回以降の
最適化時に反映でき、使用者の好みに合う結果を得るた
めの最適化装置の調整を使用者が直感的に分かり易い方
法で実施できる。Further, when the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the total sum of the change rates of the weighting coefficient of each evaluation item becomes as small as possible. The weighting factor is changed as described above, so that the user's correction can be reflected in the next and subsequent optimizations without changing the importance ratio of each evaluation item as much as possible, resulting in a result that matches the user's preference Adjustment of the optimizing device to obtain the above can be performed in a manner intuitive and easy for the user to understand.
【００６１】また、上記重み変更手段が、使用者により
修正された最適化結果を基に各評価項目の重み付け係数
を変更する際に、一部の最適化結果のみを用いて各評価
項目の重み付け係数を変更するようにしたので、使用者
が一部の最適化結果を修正するだけで、次回以降の最適
化時に、使用者の修正意図を使用者が修正しなかった範
囲の結果にまで反映でき、使用者の好みに合う結果を得
るための調整を使用者が直感的に分かり易く簡便な方法
で実施できる。Further, when the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the weighting of each evaluation item is performed using only some of the optimization results. Since the coefficient is changed, the user only needs to correct some of the optimization results, and in the next and subsequent optimizations, the user's correction intention is reflected in the results in the range that the user did not correct The user can intuitively and easily make adjustments to obtain a result that meets the user's preference in a simple manner.
【００６２】また、使用者による最適化結果の修正結果
を修正履歴として蓄積する最適化結果修正蓄積手段をさ
らに備え、上記重み変更手段が、使用者により修正され
た最適化結果を基に各評価項目の重み付け係数を変更す
る際に、過去の複数の上記修正履歴を基に各評価項目の
重み付け係数を変更するようにしたので、使用者による
何回かの最適化結果の修正を基にして、各評価項目の重
みを変更するので、使用者により例外的な修正があって
も、それが次回以降の最適化時に反映され難くなり、何
回か同じような修正をした使用者の意図だけが反映され
るようになる。Further, there is further provided an optimization result correction accumulation means for accumulating a correction result of the optimization result by the user as a correction history, wherein the weight changing means performs each evaluation based on the optimization result corrected by the user. When changing the weighting factor of an item, the weighting factor of each evaluation item is changed based on the plurality of past correction histories. Since the weight of each evaluation item is changed, even if there is an exceptional modification by the user, it is difficult to reflect it in the next and subsequent optimizations, and only the intention of the user who made similar modifications several times Will be reflected.
【図１】 この発明の一実施の形態による学習機能を備
えた最適化装置の構成およびその中のデータの流れを示
す図である。FIG. 1 is a diagram showing a configuration of an optimization device having a learning function according to an embodiment of the present invention and a flow of data therein.
【図２】 図１の学習機能を備えた最適化装置の処理を
示すフローチャート図である。FIG. 2 is a flowchart illustrating a process of the optimization device having the learning function of FIG. 1;
【図３】 この発明の別の実施の形態による学習機能を
備えた最適化装置の構成およびその中のデータの流れを
示す図である。FIG. 3 is a diagram showing a configuration of an optimizing device having a learning function according to another embodiment of the present invention and a flow of data therein.
【図４】 最適化装置の使用者が用いる各評価項目の重
み付けのためのグラフィカルなインターフェースを示す
図である。FIG. 4 is a diagram illustrating a graphical interface for weighting each evaluation item used by a user of the optimization device.
【図５】 訪問看護の訪問スケジュールを立案する訪問
看護スケジューラの立案結果を表示している画面の一例
を示す図である。FIG. 5 is a diagram showing an example of a screen displaying a planning result of a visiting nursing scheduler for planning a visiting schedule of visiting nursing.
【図６】 訪問看護の訪問スケジュールを立案する訪問
看護スケジューラの立案結果を表示している画面の一例
を示す図である。FIG. 6 is a diagram showing an example of a screen displaying a planning result of a visiting nursing scheduler for planning a visiting schedule of visiting nursing.
１ 最適化部、１−１ 最適化結果、２ 重み保存部、
２−１ 重み付け係数、３ 最適化結果評価部、４ 最
適化結果表示・修正部、５ 重み変更部、６最適化結果
修正蓄積部、６−１ 修正最適化結果。1 optimization unit, 1-1 optimization result, 2 weight storage unit,
2-1 weighting coefficient, 3 optimization result evaluation section, 4 optimization result display / correction section, 5 weight change section, 6 optimization result correction accumulation section, 6-1 correction optimization result.
───────────────────────────────────────────────────── フロントページの続き (72)発明者 中島 克人 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 Ｆターム(参考） 5B049 BB41 CC32 EE03 EE31 EE59 FF03 FF04 ────────────────────────────────────────────────── ─── Continued on the front page (72) Inventor Katsuhito Nakajima 2-3-2 Marunouchi, Chiyoda-ku, Tokyo Mitsubishi Electric Corporation F-term (reference) 5B049 BB41 CC32 EE03 EE31 EE59 FF03 FF04
Claims (12)
価項目を最適化する学習機能を備えた最適化装置であっ
て、 与えられた各評価項目の最適化を行う最適化手段と、 各評価項目の重要度を示す重み付け係数を保存する重み
保存手段と、 この重み保存手段に保存された各評価項目の重み付け係
数を用いて上記最適化手段により最適化された結果の評
価を行う最適化結果評価手段と、 最適化された結果を使用者に表示しその修正を可能にす
る最適化結果表示・修正手段と、 上記最適化結果表示・修正手段において使用者により修
正された最適化結果を基に、上記各評価項目の重み付け
係数を変更する重み変更手段と、 を備え、最適化時に使用者による修正意図を反映した最
適化結果を生成することを特徴とする学習機能を備えた
最適化装置。1. An optimization device having a learning function of optimizing a plurality of evaluation items using a computer system, comprising: an optimization unit for optimizing each of the given evaluation items; Weight storage means for storing a weighting coefficient indicating importance, and optimization result evaluation means for evaluating a result optimized by the optimization means using the weighting coefficient of each evaluation item stored in the weight storage means And an optimization result display / correction means for displaying the optimized result to the user and enabling the correction, and an optimization result corrected by the user in the optimization result display / correction means. A weight changing means for changing a weighting coefficient of each of the above evaluation items; and an optimization device having a learning function characterized by generating an optimization result reflecting a user's correction intention at the time of optimization. .
された最適化結果を基に各評価項目の重み付け係数を変
更する際に、現在の重み付け係数に近い重み付け係数を
生成することを特徴とする請求項１に記載の学習機能を
備えた最適化装置。2. The method according to claim 1, wherein the weight changing means generates a weight coefficient close to the current weight coefficient when changing the weight coefficient of each evaluation item based on the optimization result corrected by the user. An optimization device having the learning function according to claim 1.
された最適化結果を基に各評価項目の重み付け係数を変
更する際に、複数の評価項目の重み付け係数の内できる
だけ少ない個数の重み付け係数だけを変更することを特
徴とする請求項２に記載の学習機能を備えた最適化装
置。3. When the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the weighting coefficient of the smallest number of weighting coefficients of the plurality of evaluation items is reduced. The optimization device having a learning function according to claim 2, wherein only the value is changed.
された最適化結果を基に各評価項目の重み付け係数を変
更する際に、各評価項目の重み付け係数の変更率の総和
ができるだけ小さくなるように重み付け係数を変更する
ことを特徴とする請求項２に記載の学習機能を備えた最
適化装置。4. When the weight changing means changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the total sum of the change rates of the weighting coefficient of each evaluation item becomes as small as possible. The optimization device having a learning function according to claim 2, wherein the weighting coefficient is changed in such a manner.
された最適化結果を基に各評価項目の重み付け係数を変
更する際に、一部の最適化結果のみを用いて各評価項目
の重み付け係数を変更することを特徴とする請求項１に
記載の学習機能を備えた最適化装置。5. When the weight changing unit changes the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the weight changing unit weights each evaluation item using only a part of the optimization results. The optimization device with a learning function according to claim 1, wherein the coefficient is changed.
正履歴として蓄積する最適化結果修正蓄積手段をさらに
備え、 上記重み変更手段が、使用者により修正された最適化結
果を基に各評価項目の重み付け係数を変更する際に、過
去の複数の上記修正履歴を基に各評価項目の重み付け係
数を変更することを特徴とする請求項１に記載の学習機
能を備えた最適化装置。6. An optimization result correction accumulating means for accumulating a correction result of the optimization result by the user as a correction history, wherein the weight changing means performs each evaluation based on the optimization result corrected by the user. 2. The optimization device having a learning function according to claim 1, wherein when changing the weighting coefficient of the item, the weighting coefficient of each evaluation item is changed based on the plurality of past correction histories.
価項目を最適化する最適化方法であって、 与えられた各評価項目の最適化を行う最適化工程と、 各評価項目の重要度を示す重み付け係数を保存する重み
保存工程と、 この重み保存工程で保存された各評価項目の重み付け係
数を用いて上記最適化工程により最適化された結果の評
価を行う最適化結果評価工程と、 最適化された結果を使用者に表示しその修正を可能にす
る最適化結果表示・修正工程と、 上記最適化結果表示・修正工程において使用者により修
正された最適化結果を基に、上記各評価項目の重み付け
係数を変更する重み変更工程と、 を備え、最適化時に使用者による修正意図を反映した最
適化結果を生成することを特徴とする最適化方法。7. An optimization method for optimizing a plurality of evaluation items using a computer system, comprising: an optimization step of optimizing given evaluation items; and a weighting indicating importance of each evaluation item. A weight saving step of saving coefficients; and an optimization result evaluation step of evaluating a result optimized by the optimization step using the weighting coefficients of each evaluation item saved in the weight saving step. The optimization result display / correction process, which displays the results of the optimization to the user and enables correction, and the optimization results corrected by the user in the optimization result display / correction process described above. A weight changing step of changing a weighting coefficient; and generating an optimization result reflecting a user's correction intention at the time of optimization.
り修正された最適化結果を基に各評価項目の重み付け係
数を変更する際に、現在の重み付け係数に近い重み付け
係数を生成することを特徴とする請求項７に記載の最適
化方法。8. In the weight changing step, when changing the weighting coefficient of each evaluation item based on the optimization result corrected by the user, a weighting coefficient close to the current weighting coefficient is generated. The optimization method according to claim 7, wherein
り修正された最適化結果を基に各評価項目の重み付け係
数を変更する際に、複数の評価項目の重み付け係数の内
できるだけ少ない個数の重み付け係数だけを変更するこ
とを特徴とする請求項８に記載の最適化方法。9. In the weight changing step, when changing the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the number of weighting coefficients as small as possible among the weighting coefficients of the plurality of evaluation items is reduced. 9. The optimization method according to claim 8, wherein only the value is changed.
より修正された最適化結果を基に各評価項目の重み付け
係数を変更する際に、各評価項目の重み付け係数の変更
率の総和ができるだけ小さくなるように重み付け係数を
変更することを特徴とする請求項８に記載の最適化方
法。10. In the weight changing step, when changing the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the total sum of the change rates of the weighting coefficient of each evaluation item becomes as small as possible. 9. The optimization method according to claim 8, wherein the weighting coefficient is changed as follows.
より修正された最適化結果を基に各評価項目の重み付け
係数を変更する際に、一部の最適化結果のみを用いて各
評価項目の重み付け係数を変更することを特徴とする請
求項７に記載の最適化方法。11. In the weight changing step, when changing the weighting coefficient of each evaluation item based on the optimization result corrected by the user, the weighting of each evaluation item is performed using only some of the optimization results. The optimization method according to claim 7, wherein the coefficient is changed.
修正履歴として蓄積する最適化結果修正蓄積工程をさら
に備え、 上記重み変更工程において、使用者により修正された最
適化結果を基に各評価項目の重み付け係数を変更する際
に、過去の複数の上記修正履歴を基に各評価項目の重み
付け係数を変更することを特徴とする請求項７に記載の
最適化方法。12. An optimization result correction accumulating step of accumulating a correction result of the optimization result by the user as a correction history, wherein in the weight changing step, each evaluation is performed based on the optimization result corrected by the user. 8. The optimization method according to claim 7, wherein when changing the weighting coefficient of the item, the weighting coefficient of each evaluation item is changed based on the plurality of past correction histories.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9759299A JP2000293501A (en) | 1999-04-05 | 1999-04-05 | Optimizing device and method provided with learning function |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9759299A JP2000293501A (en) | 1999-04-05 | 1999-04-05 | Optimizing device and method provided with learning function |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000293501A true JP2000293501A (en) | 2000-10-20 |
Family
ID=14196518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9759299A Pending JP2000293501A (en) | 1999-04-05 | 1999-04-05 | Optimizing device and method provided with learning function |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000293501A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6829564B2 (en) | 2002-09-09 | 2004-12-07 | Fuji Xerox Co., Ltd. | Usability evaluation support apparatus |
| US7152016B2 (en) | 2002-09-19 | 2006-12-19 | Fuji Xerox Co., Ltd. | Usability evaluation support apparatus and method |
| JP2009181195A (en) * | 2008-01-29 | 2009-08-13 | Internatl Business Mach Corp <Ibm> | Multi-objective optimization apparatus, method for adjusting weight, and weight adjustment program |
| WO2013132742A1 (en) * | 2012-03-09 | 2013-09-12 | 日本電気株式会社 | System design assistance device, system design assistance method, and system design assistance program |
| JPWO2021106060A1 (en) * | 2019-11-26 | 2021-06-03 |
-
1999
- 1999-04-05 JP JP9759299A patent/JP2000293501A/en active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6829564B2 (en) | 2002-09-09 | 2004-12-07 | Fuji Xerox Co., Ltd. | Usability evaluation support apparatus |
| US7152016B2 (en) | 2002-09-19 | 2006-12-19 | Fuji Xerox Co., Ltd. | Usability evaluation support apparatus and method |
| JP2009181195A (en) * | 2008-01-29 | 2009-08-13 | Internatl Business Mach Corp <Ibm> | Multi-objective optimization apparatus, method for adjusting weight, and weight adjustment program |
| WO2013132742A1 (en) * | 2012-03-09 | 2013-09-12 | 日本電気株式会社 | System design assistance device, system design assistance method, and system design assistance program |
| JPWO2021106060A1 (en) * | 2019-11-26 | 2021-06-03 | ||
| US11869034B2 (en) | 2019-11-26 | 2024-01-09 | Nec Corporation | Optimization device, optimization method, and recording medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Anderson | The dynamics of risk-sensitive allocations | |
| US7577554B2 (en) | Workflow modeling using an acyclic directed graph data structure | |
| US20070005406A1 (en) | Event scheduling | |
| US6774920B1 (en) | Computer assisted presentation method and apparatus | |
| US11501215B2 (en) | Hierarchical clustered reinforcement machine learning | |
| TW201015258A (en) | System and method for a demand driven lean production control system | |
| WO2003007204A1 (en) | Predictive calendar | |
| EP1548623A1 (en) | Outlier correction | |
| US7398130B2 (en) | Ordering/order receiving system | |
| CN108292237A (en) | Control the operation of gpu | |
| US20170013111A1 (en) | Intelligent notification device and intelligent notification method | |
| US20150046207A1 (en) | System, Method, and Computer Program Product for Automatically Scheduling a Plurality of Tasks | |
| US20210096933A1 (en) | Multi-objective, multi-input, efficient decoupling holistic platform for communication selection | |
| US20050171834A1 (en) | Work status prediction apparatus, method of predicting work status, and work status prediction program | |
| JP2000293501A (en) | Optimizing device and method provided with learning function | |
| US11693385B2 (en) | Automated slot adjustment tool | |
| US8126992B2 (en) | Method and system for optimally scheduling a web conference managed by a web application | |
| Erdelyi et al. | Computing protection level policies for dynamic capacity allocation problems by using stochastic approximation methods | |
| US20060192850A1 (en) | Method of and system to set an output quality of a media frame | |
| Deshpande et al. | Performance enhancement of a contract net protocol based system through instance-based learning | |
| JP2015153024A (en) | Information processing device, information processing method, and program | |
| JP2002012308A (en) | Inventory management method | |
| JP2013037463A (en) | Planning support device, planning support method, and computer program | |
| Chen et al. | TODO: Task Offloading Decision Optimizer for the efficient provision of offloading schemes | |
| JPH0962941A (en) | Method for calculating safety stock amount |