JP2002352123A - 超eーマーケットプレースにおける部品選択装置 - Google Patents
超eーマーケットプレースにおける部品選択装置Info
- Publication number
- JP2002352123A JP2002352123A JP2001155576A JP2001155576A JP2002352123A JP 2002352123 A JP2002352123 A JP 2002352123A JP 2001155576 A JP2001155576 A JP 2001155576A JP 2001155576 A JP2001155576 A JP 2001155576A JP 2002352123 A JP2002352123 A JP 2002352123A
- Authority
- JP
- Japan
- Prior art keywords
- component
- solution
- marketplace
- components
- database
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims description 60
- 230000002068 genetic effect Effects 0.000 claims description 59
- 238000005457 optimization Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 7
- 230000036039 immunity Effects 0.000 claims 1
- 239000000047 product Substances 0.000 description 56
- 210000000349 chromosome Anatomy 0.000 description 48
- 230000035772 mutation Effects 0.000 description 30
- 210000004027 cell Anatomy 0.000 description 28
- 238000010586 diagram Methods 0.000 description 20
- 210000000987 immune system Anatomy 0.000 description 16
- 108090000623 proteins and genes Proteins 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001900 immune effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 206010069754 Acquired gene mutation Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 238000013377 clone selection method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 230000037439 somatic mutation Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 108700026220 vif Genes Proteins 0.000 description 1
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
達するとき、各コンポーネント毎に最適な組合せを容易
に入手可能な部品選択装置を提供すること。 【解決手段】このため、本発明では、複数のコンポーネ
ントを組み合わせて製品を作るユーザ9に、その製品を
作成するために最適なコンポーネントの組み合わせを提
供する最適部品選択装置において、複数のコンポーネン
ト提供者から提供される最新のコンポーネントを組み合
わせた、インターネット上の超eーマーケットプレース
用のデータベース2と、この超eーマーケットプレース
用のデータベース2をアクセスしてユーザが最適解を見
つける最適化手段3と、ユーザが最適解を見つけ、コン
ポーネントの発注を行った場合に課金徴収処理を行う課
金徴収手段とを具備したことを特徴とする。
Description
において製品のいくつかの部品を調達する場合に、各部
品毎にどのサプライヤの部品を使用するかを決める最適
な部品を選択するようにした超eーマーケットプレース
における部品選択装置に関する。
ビジネスモデルは、製造業者と顧客との間で、生産受注
または部品調達における仲介業者を排除することにより
中間マージンを抑え、お互いの利益の増加を目的とした
技術である。
101からインターネットを通して直接注文を受ける。
製造業者は顧客101の財務状況を、例えば銀行等の金
融業者102に確認し、問題がなければ顧客101に見
積りの提示を行ない、出荷日時を通知する。
要な部品をインターネットを通じて部品のサプライヤ1
03の在庫状況を確認する。もし在庫があればサプライ
ヤの部品を購入する。なければサプライヤ103に部品
の生産を依頼する。製造業者100は、各サプライヤ1
03から部品が納入されたら、これを組み立てて製品を
完成させ顧客101に発送する。なお組み立てに必要な
部品を製造業者100が作る必要がある場合には、材料
供給業者104から材料を供給してもらうことが必要と
なる。
eーマーケットプレースによる取り引き企業と企業との
取り引き、つまり「B(Business)toB(B
usiness)」の増加によってメーカが資材や、部
品などをインターネットを通じて購入する機会が増加し
た。したがってこの機会を利用して最適な部品構成を提
示する技術が必要とされる。
のうちより製品の仕様に合った最適な部品構成を求める
という問題の解法を、次の条件により得ることを求めら
れている。
ントが定義されている。例えば仕様、機能等が定義され
ている。
が提供する部品とその価格が判明している。
み込めるかどうかが判明している。
制約条件を考慮して最適な部品構成を、遺伝的アルゴリ
ズムにより求める。
製品の最適な部品構成を求める問題の解法の課題として
次のようなことが挙げられる。
るのに必要な部品についての情報を容易には獲得できな
い。すなわちeーマーケットプレース毎に情報がバラバ
ラであり、最適なものを得ることが容易ではない。
部品の輸送費、部品の在庫量、他の部品との組み合わせ
の可能性など多岐にわたり簡単ではない。ベンダー毎に
アクセスが必要となる。
異なる業種からまとめて調達することが難しい。パーソ
ナルコンピュータ用の部品の場合でも、電子部品業界だ
けではなく、ネジやハンダ等異種業界をアクセスするこ
とが必要となる。
ムによって求める場合、遺伝的アルゴリズムによる最適
解の発見は一般には計算時間が長くなる。
条件を満足する最適解を見つけるのが難しい。
改善したeーマーケットプレースにおける部品選択装置
を提供することである。
す。図1において、1−0、1−1・・・1−m、1−
nはeーマーケットプレース、2は超eーマーケットプ
レース・データベース、3は顧客情報管理・最適化装
置、4は情報補充部、5−0〜5−2、6−0〜6−
2、7−0〜7−2、8−0〜8−2、9はそれぞれユ
ーザーである。
からのアクセス要求があったとき、eーマーケットプレ
ース1−0〜1−nのデータをまとめた超eーマーケッ
トプレースを構成するインターネット上のデータベース
である超eーマーケットプレース・データベース2をア
クセスする。
は、後述するように、ユーザーからのアクセスを解読し
て免疫型システム、動的計画法、遺伝的アルゴズムのう
ち最適の手法で超eーマーケットプレース・データベー
ス2をアクセスし、必要とする解、つまり製品を構成す
る部品名を得ることができる。
に説明する。
構を模倣してそれを工学的に応用した技術である。生物
の進化の過程では、既存の個体(親)から新たなる個体
(子)が生まれる際に、個体の持つ染色体同士の交叉、
染色体上の遺伝子の突然変異などが起こる。そして環境
に適応しない個体は淘汰され、環境により適応した個体
が生き延びて新たなる親となり、さらに新たなる子孫を
作っていく。
が生き延びていく。各個体がどの程度環境に適応するか
は染色体(遺伝子の一次元ストリング)によって決定さ
れる。遺伝的アルゴリズムでは、最適化問題の解候補を
遺伝子の一次元ストリングである染色体として表現し、
解候補の集団に対して選択/自己複製・交叉・突然変異
等の操作を繰り返し施すことにより最適解の探索を行う
ものである。
b、c・・・dの集団Aにおいて、染色体aとb、cと
dでそれぞれ交叉を行うことにより、Bに示す如く、染
色体a−b、b−a、c−d、d−cを得ることができ
る。またCに示す如く、遺伝子a0 、b0 、c0 、d0
で突然変異が生ずることにより染色体a′、b′、
c′、d′を得ることができる。図3には図示省略した
が、一部の染色体例えば染色体aを図3(A)において
自己複製することにより、染色体a、a、b、c・・・
の集団を得ることができる。
的関数を最適にするものほど大きい値を取るような適応
度関数が染色体に対して定義される。選択/自己複製と
は、集団の中で適応度の高い染色体を持つ個体をより高
い確率で選択して次世代の親とする操作である。例えば
図4に示す如く、適応度(Fitnss)の高い染色体
(Chromosome)を選択して次世代の親とする
操作である。
の染色体P1 、P2 の一部を互いに入れ換えて、子とな
る新たな個体の染色体C1 、C2 を作り出す操作であ
る。また突然変異とは、図6に示す如く、一つの染色体
Mの一部の遺伝子をランダムな遺伝子mに置き換える操
作である。
度の高い染色体すなわち目的関数をより最適化する解が
得られる。
により達成することができる。
て製品を作るユーザーに、その製品を作成するために最
適なコンポーネントの組み合わせを提供する最適部品選
択装置において、複数のコンポーネント提供者から提供
される最新のコンポーネントを組み合わせた、インター
ネット上の超eーマーケットプレース用のデータベース
と、この超eーマーケットプレース用のデータベースを
アクセスしてユーザーが最適解を見つける最適化手段
と、ユーザーが最適解を見つけ、コンポーネントの発注
を行った場合に課金徴収処理を行う課金徴収手段とを具
備したことを特徴とする超eーマーケットプレースにお
ける部品選択装置。
ケットプレース用のデータベースにおけるコンポーネン
トのデータとして、コンポーネントの価格、ユーザーの
組み立て工場までの輸送費、在庫状況、他のコンポーネ
ントとの組み合わせの可/不可情報を含むことを特徴と
する前記(1)記載の超eーマーケットプレースにおけ
る部品選択装置。
ット上のデータベースからコンポーネントのコストとし
て価格および輸送費の重みづけられた量を元にすること
を特徴とする前記(1)記載の超eーマーケットプレー
スにおける部品選択装置。
ントの組み合わせの最適化を実行するために、免疫型手
段を用いることを特徴とする前記(1)記載の超eーマ
ーケットプレースにおける部品選択装置。
手段を用いるときに解が提示されない場合に、新たに解
を動的計画法で求めるか、または時間が経過して提示さ
れない解を元にして遺伝的アルゴリズムで解を求めるか
をユーザーが指定することを特徴とする前記(1)記載
の超eーマーケットプレースにおける部品選択装置。
供される最新のコンポーネントを組み合わせた、インタ
ーネット上の超eーマーケットプレース用のデータベー
スを用い、これをアクセスしてユーザーが最適解を見つ
ける最適化手段をつかうことにより、リアルタイムでイ
ンターネットを使用して、複数の提供者からの必要なコ
ンポーネント情報を容易に入手することができる。
スのコンポーネント・データとして価格、輸送費、在庫
状況、他のコンポーネントの組み合わせの可/不可情報
等までコンポーネントのデータとして含まれているの
で、これらの事項まで加味した情報を正確に得ることが
できる。
ーザーが重要視している項目に重みづけしたデータを正
確に入手することができる。
トプレース用のデータベースをアクセスする最適化手段
として免疫型手段を用いるので所望とするデータがすで
に他のユーザーによりアクセスされているような場合、
直ちに解を提供することができる。
用いる場合に解が提示されない場合、新たに解を動的計
画法で求めるのか、それとも時間が経過したために提示
されなかった解を元にして遺伝的アルゴリズムで解を求
めるのかをユーザーが指定可能にしたので、ユーザーの
好みに合わせて解を求めることができる。例えば古いデ
ータでもユーザーの好みにあえば、古い解を元にして遺
伝的アルゴリズムで解を求めることができる。
7〜図14にもとづき他図を参照して説明する。
ヤードネットワークを構成する製品モデル説明図、図8
は遺伝的アルゴリズムの染色体のコード法の説明図、図
9は遺伝的アルゴリズムの交叉で子供が1つしか作れな
い場合の説明図、図10は遺伝的アルゴリズムの交叉で
子供が2つ作れる場合の説明図、図11は遺伝的アルゴ
リズムの突然変異の説明図、図12は局所最適化突然変
異の説明図、図13は本発明の動作説明フローチャー
ト、図14は本発明の実施例説明図である。
超eーマーケットプレース・データベース、3は顧客情
報管理・最適化部、4は情報補充部、9はユーザーであ
る。
2は、図1に示すeーマーケットプレース1−0、1−
1・・・1−m、1−nを束ねて構成される超eーマー
ケットプレース2−0と、この超eーマーケットプレー
ス2−0にもとづき、インターネット上に設けられたデ
ータベース2−1等で構成される。超e−マーケットプ
レース・データベースは、例えばユーザーから課金を徴
収する、顧客情報管理・最適化部3を運用しているシス
テム・インテグレータがAPS(アプリケーション・サ
ポートサービス・プロバイダ)、iDC(インターネッ
ト・データ・センター)等を利用して作成する。
アクセス情報を受信し、これに応じて最適なアクセス手
段を選択し、ユーザーが必要とする解を得た場合これに
対する課金徴集処理を行うものであって、免疫型システ
ムを構成し、先に得られた解を記憶する記憶細胞3−
0、データベース2−1を記憶細胞3−0をアクセスし
たり動的計画法でアクセスしたり、遺伝的アルゴリズム
の手法でアクセスする最適化ツール3−1、インタフェ
ース3−2、3−3、発注処理システム3−4、課金徴
集手段3−5等を具備している。
築するときに存在しなかったが、その発生した情報例え
ば台風等の気象情報、輸送路のトラブル発生情報、火災
情報等、コンポーネントの入手に重要な情報を入力する
ものである。
ース2−1より製品の製作に必要なコンポーネットを入
手希望するものであり、また免疫型システムを利用して
記憶細胞3−0より解を求めたものの解が提示されなか
った場合に、新たに解を動的計画法で求めるか、または
時間が経過して提示されない解を元にして遺伝的アルゴ
リズムで解を求めるのかを指定するものである。後者の
遺伝的アルゴリズムで求めるときは、ユーザーの以前得
た解に近いものが得られ、ユーザーの好みに合わせて解
を求めることができる。
先立ち本発明の基本的な考え方、超eーマーケットプレ
ース、免疫型システム、動的計画法、遺伝的アルゴリズ
ム等について説明する。
は存在しているが、その仕様や見積りのフォーマット等
は各業界でばらばらであり統一されていないので、現段
階ではユーザーが製品を組み立てるのに必要なコンポー
ネントは、コンポーネント毎の業界のeーマーケットプ
レースにそれぞれ独自のフォーマットで発注しなければ
ならない。
界を横断してコンポーネントを調達するためには、図1
に示したeーマーケットプレース1−0、1−1・・・
1−nを束ねた超eーマーケットプレースを構成し、仕
様や見積り等のフォーマットを統一すればよい。
この超eーマーケットプレースに顧客として一定の会費
を払って登録する。顧客は超eーマーケットプレースに
用意されたインターネット上のデータベースと、免疫型
システムと組み合わせられた遺伝的アルゴリズムとその
他の高速なアルゴリズムを利用して、製品の最適な部品
構成を求めることができる。
構成に基づいて超eーマーケットプレースを通して各ベ
ンダーに必要な部品を発注する。超eーマーケットプレ
ースは顧客が最適な部品構成を見つけ、各ベンダーに必
要なコンポーネントを発注した段階で、顧客情報管理・
最適化部は、手数料を徴収する。
を統合・拡大したものである。業務毎で構成されている
eーマーケットプレース毎に異なっていた顧客の認証方
法、決済方法を共通化している。顧客は超eーマーケッ
トプレース内のeーマーケットプレースを自由に利用で
きる。
インターネット上のデータベースと免疫型システム、遺
伝的アルゴリズム、その他の高速アルゴリズムを利用で
きる。
eーマーケットプレースに参加しているベンダーの提供
する部品の情報から構成されたインターネット上のデー
タベースである。また免疫型システムは顧客が最適な部
品構成を求めることができる、生物の免疫系にヒントを
得た最適化ツールである。遺伝的アルゴリズムについて
は前記の説明の通りである。また免疫型システムや遺伝
的アルゴリズムと組み合わせる高速なその他のアルゴリ
ズムとしては動的計画法を用いる。
主にパソコンを含めたインターネット関連の製品であ
る。しかしこれに限定されるものではない。パソコンを
含めたインターネット関連の製品の特徴として、種々の
ベンダーから提供されるコンポーネント(例えばパソコ
ンのハードディスクのようなある程度まとまった部品)
を集めて最終的な製品を作ることである。前記企業対企
業取引「B to B」によりこのような製品のコンポ
ーネントを調達する場合には、必要とする部品の種類は
非常に多くなり、目算で最適解を発見するのは困難とな
る。
はいくつかのコンポーネントを組み合わせて作られてい
る。各コンポーネントの種類をMC1 、MC2 、MC3
・・・MCN とする。ここで、例えばパソコンの場合な
らばMC1 はCPUで、MC 2 はメモリである。
具体的なコンポーネントをVC1(i)(i=1、2・・・
Nvc1 )、VC2(i)(i=1、2・・・Nvc2 )、
VC 3(i)(i=1、2・・・Nvc3 )・・・VC
N (i) (i=1、2・・・Nvc N )と表現する。図7
に示すMC1 、MC2 ・・・MCN 、VC1(1)、VC
1(2)・・・等はこれを示し、MC1 、MC2 ・・・はコ
ンポーネントの種類を示し、VC1(1)、VC1(2)・・・
VCN (6) 等は具体的なコンポーネントを示す。
はA社のCPU、VC1(2)はB社のCPU・・・であ
り、MC2 がメモリの場合、VC2(1)がC社のメモリで
あり、VC2(2)がD社のメモリである。
(1)式のような順序関係が定義されている。
C1 が具体的に決定されると次のコンポーネントの種類
MC2 が決定されることを意味する。以下同様である。
応した具体的なコンポーネントには次のコンポーネント
の種類MCi+1 の具体的なコンポーネントのなかで組み
合わせることができる具体的なコンポーネントが定まっ
ている。この場合、「組み合わせることができる」と
は、実際に調達することができて動作することを確認し
てあることを意味しており、例えば図7における各コン
ポーネントの種類間における具体的なコンポーネントV
Ci とVCi+1 との間のリンクが、前記「組み合わせる
ことができる」ことを示している。なお在庫の状況が極
端にアンバランスな場合には「組み合わせることができ
ない」と判断することが妥当である。
製品を作るのに必要な全てのコンポーネントの種類に対
応した、具体的なコンポーネントの必要な情報を蓄積し
たデータベース2−1を設ける。このデータベース2−
1には、具体的なコンポーネントの価格、組み立て工場
までの輸送費、在庫状況、他のコンポーネントの種類の
具体的なコンポーネントと組み合わせることの可否等必
要な情報が含まれている。このようなデータベース2−
1をインターネット上に構築することにより、顧客は部
品の価格、在庫状況をリアルタイムで知ることができ
る。
ーネット上のデータベースに格納されている具体的なコ
ンポーネントの情報には、価格(ベンダーからリアルタ
イムで更新される)、在庫状況(ベンダーからリアルタ
イムで更新される)、輸送費及び時間(顧客の組み立て
工場までの輸送費及び時間情報であり、例えばベンダー
の所在場所を示すことによりこれらの情報が判断でき
る)、仕様(組み合わせ可能な他のコンポーネントの具
体的種類等)、その他の関係した情報やデータとして例
えば交通情報、事故情報、気象情報等が得られる。
所在地を元にして仮に設定しておく。ユーザーが発注処
理をした段階で注文を受けたベンダーが部品を発送する
段階で輸送費のデータを超eーマーケットプレース・デ
ータベースに書き込む。これを基にして輸送費を算出す
る。最適解を求めるさいに必要とするデータの輸送費が
初期に設定した仮のデータと実際に算定した輸送費が混
在している場合には、これをユーザーに通知し輸送費を
全て初期設定の所在地を元にして算出したものにする
か、それとも輸送費はコストから除外する(輸送費の重
みをゼロにする)かをユーザーに選択させる。時間が経
過していくにつれて輸送費は徐々に実際のデータに近づ
いていく。
ンターネット上のデータベースの具体的なコンポーネン
トの情報には、その他の関係した情報またはデータも格
納できる。このデータベースがインターネット上に構築
されていることを利用してベンダー以外から提供された
情報を格納できる。例えば気象情報を利用してベンダー
から顧客の組み立て工場までの輸送が予定どおり行える
状況にあるかどうかを顧客に知らせることができる。同
様にして輸送のための船便、航空便、トラックの手配の
可否も、業界横断的な超eーマーケットプレースによ
り、リアルタイムで顧客に提示できる。同様にして顧客
が発注した具体的なコンポーネントの輸送状況も顧客に
提示することができる。
ズムが知られているが、免疫系に発想を得た最適化手法
も、コンピュータウィルス対策で使用されている。免疫
系の特徴である「免疫寛容の獲得」、「クローン選択
説」、「記憶細胞」から発想を得た免疫的システムを使
用して最適解の解候補を高速に生成するが、ここでは記
憶細胞のアナロジーを使用する。
デルである。問題はこの製品のモデルの各コンポーネン
トに対応する最適な具体的なコンポーネントの組み合わ
せを求めることである。本発明では、生物の免疫系のア
ナロジーとして記憶細胞を利用する。このため以前に提
示された問題の解をこの記憶細胞で保存しておき、同じ
問題が免疫型システムに提示された場合にはただちに以
前の解を回答する。問題として具体的な製品のモデルが
免疫型システムによる推薦システムに提示されると次の
手順で解を探索する。
提示されたものと同じかどうかを確認する。
憶細胞に保存されている解を回答する。ただし、以前の
解があらかじめ定められた一定期間以上前の古いデータ
を基にした解の場合には、以前の解を回答しない。
の場合には、後述する動的計画法か遺伝的アルゴリズム
で解を求める。
ベースに保存する。
データはリアルタイムで更新されているために以前求め
た解は時間の経過とともに最適解でなくなる可能性があ
る。このためにある一定時間以上経過した保存されてい
る解は回答しない。
品を組み立てるための具体的なコンポーネントの組み合
わせを求める方法について説明する。ここで示した製品
のモデルを使用して全ての具体的なコンポーネントをノ
ードとする有向グラフを構成することができる。全ての
具体的なコンポーネントのノードの集合にスタートsと
ゴールgというノードを付け加える。これは後の定式化
を容易にするためのものである。
始まる。ノードsからコンポーネントの種類MC1 に属
する全ての具体的なコンポーネントVC1 (i) へのリン
クがある。次にコンポーネントの種類MC1 の各具体的
なコンポーネントVC1 (i)と組み合わすことのできる
次のコンポーネントの種類MC2 に属する具体的なコン
ポーネントVC2 (j) がある場合にはVC1 (i) からV
C2 (j) へリンクを張る。以下同様である。
ポーネントVCN (k) からゴール(g)へリンクを張
る。このようにして図7に示す如く、具体的なコンポー
ネントと{s、g}をノードとする有向グラフが得られ
る。
この有向グラフを使用すれば求めることができる。すな
わちスタートsから出発し、sとリンクされている次の
ノードVC1 (i1)を選択する。次にこの選択されたノー
ドVC1 (i1)とリンクされているコンポーネントの種類
MC2 に属するノードVC2 (i2)を選択する。以下同様
の操作を繰り返す。最後にはノードgに行きついて操作
が終了する。このように具体的な製品の構成にはこの有
向グラフの一つのスタートsからゴールgに至る経路が
対応している。
各ノードに対応した具体的なコンポーネントの価格、輸
送費、在庫状況などを正確に知ることができる。これら
に必要ならば重みを付けて具体的なコンポーネントにコ
ストを割り当てることができる。
うと上記のような製品の構成に対応した経路に目的関数
を定義できる。これは経路上にある具体的なコンポーネ
ントのコストの重み付けられた総和である。問題は次の
ように、「有向グラフのノードsからノードgに至る経
路で目的関数が最小となる経路を見つけること」と、定
式化できる。
これは動的計画法で解を求めることができる。解が厳密
に最適解でなくとも良いならば、遺伝的アルゴリズムな
どによって解を求めることも有効であり、また動的計画
法と遺伝的アルゴリズムのハイブリッド化により遺伝的
アルゴリズムを高速化できる。
のコンポーネントの最適な具体的なコンポーネントの組
み合わせを求めることができる。これは生物の免疫系に
おける体細胞変異に対応している。具体的には保存して
ある解から突然変異などの方法で初期集団を作成し、こ
の以前の解をもとにして、インターネット上のデータベ
ースから求めた最新のデータに基づいて遺伝的アルゴリ
ズムによって解を求める。
と、染色体は下記(2)式のごとく表現される。
す。
sから出発して、sとリンクしているノードを順に結
び、最後にゴールgに至る有向グラフの経路が染色体と
して示される。
ては繋ぎ替え交叉法が考えられる。これは下記(3)
式、(4)式で示される2つの親の染色体を考える。
(5)式の経路を表現しており、また上記の(4)式で
示される染色体は下記(6)式の経路を表現している。
ぎ替えることを考える。経路上で次の(7)式または
(8)式のように2つの経路を繋ぎ替えることができる
2つの隣接するノードの組を求める。
く、少なくとも1つの子供ができる。
鎖線において切断し、これらを繋ぎ替えるとき、A+
B′は、その具体的なコンポーネントR1が具体的なコ
ンポーネントR2′とリンクしており、一点鎖線部分に
おけるパターンが一致しているのでその繋ぎ替えは可能
であり、子供の染色体G3 を得ることができる。しかし
A′+Bでは、具体的なコンポーネントR1′がR2と
リンクしないのでパターンが一致しないものとなりこの
ような繋ぎ替えはできない。なお、これらコンポーネン
トR1、R2、R1′、R2′は、着目した個体の染色
体における遺伝子を示す。
とを一点鎖線において切断し、これらを繋ぎ替えると
き、A+B′はその具体的なコンポーネントR1とR
2′がリンクしており、またA′+Bもこれまたその具
体的なコンポーネントR1′とR2がリンクしているの
で、これらの繋ぎ替えはいずれも可能であり、2つの子
供の染色体G12、G13を得ることができる。
見して、これをリストに記載しておく、そしてこのリス
トから下記の手法で繋ぎ替え交叉を実施する2つの隣接
するノードの組を発見する。
の組から選択する(図9)。
選択する。(図10)。
を1つだけにするか複数個許容するかにより、一点繋ぎ
替え交叉、多点繋ぎ替え交叉等が考えられる。
の交叉を行うとき、2つの親の染色体の表わす経路を繋
ぎ替えることのできる2つの隣接するノード(交叉点)
のリストを作り、このリストからランダムに交叉点を選
択することができる。
かで、1つの交叉点のみで交叉を実行するか、複数の交
叉点で交叉を実行するのか選択することができる。
変異としては以下の(9)式のような染色体の遺伝子で
VCk (ik ) を考える。ここでコンポーネントの種類M
Ckに属する具体的なコンポーネントVCk (p) が存在
して具体的なコンポーネントVCk-1 (ik-1)とVC
k (p) かつVCk (p) とVCk+1 (ik+1)の間に有向グラ
フのノードとしてリンクが存在する場合を考える。
突然変異を適用することができる。そして突然変異の後
で遺伝子VCk (ik ) はVCk (p) に変化し、染色体は
下記の(10)式のように変化する。
場合には次のような突然変異が考えられる。すなわち、
図11に示すランダム突然変異と、図12に示す局所最
適化突然変異である。
内に示すVCk (ik ) が変化する複数の候補のうちから
ランダムに一つ選択する突然変異の方法である。しかし
この場合、図11(A)に示す如く、具体的なコンポー
ネントRとR1がリンクされている場合、同(B)に示
す如く、RとR1がリンクした状態で突然変異すること
はできるが、同(C)に示す如く、RとR1がリンクし
ない状態で突然変異することはできない。
す如く、点線内の具体的なコンポーネントR1の突然変
異先の候補が、bとcの複数あるとき、最も適応度が上
昇する候補を選択する突然変異の方法である。図12の
場合は、同(B)に示す如く、bよりもcが選択された
例を示す。
定義されたフィトネス関数が使用できる。
の第k番目の遺伝子である具体的なコンポーネントVC
k (ik ) の複数のコストの重みづけられた和である。こ
れらのコストは、インターネット上のデータベースから
得ることができる。このようにフィトネスを定義するこ
とにより、最適な具体的なコンポーネントの組み合わせ
を知ることができる。
を、図13に示すフローチャートにもとづき説明する。
のモデルつまり仕様を入力する。
3−2を経由してこれを受け、同じ製品のモデルの解が
あるか否かをチェックする。
じめ定められた一定期間以内に求めた解か否かをチェッ
クする。
たものであれば、記憶細胞3−0はこれを最適化ツール
3−1、インタフェース3−2を経由してユーザー9に
この解を提示する。
って部品を発注すれば、発注処理手段3−4がこれを認
識して発注処理を行う。発注しなければ終了する。
課金徴集手段3−5がユーザー9に対し課金を徴集処理
する。
れた解があらかじめ定められた一定期間を経過していた
場合、顧客情報管理・最適化部3のフロントエンドがユ
ーザー9に対し、同じ製品のモデルの解があるものの一
定期間経過したものであり、新規に解を求めるか否かを
問い合わせる。
を選択した場合、最適化ツール3−1はインターネット
上のデータベース2−1から、動的計画法により解を求
め、前記S4と同様にユーザーに解を提示し、前記S5
以下の処理が行われる。
を選択しなかった場合、最適化ツール3−1は、前記一
定期間を経過した、古い解を元にして遺伝的アルゴリズ
ムにより解を求め、前記S4と同様にユーザーに提示
し、前記S5以下の処理が行われる。
明する。図14においては、製品のモデルとして3つの
コンポーネントの種類MC1 、MC2 、MC3 で構成さ
れている場合を考える。各コンポーネントの種類は各々
3つの具体的なコンポーネントVC1 (i) (i=1,2,3)、
VC2 (i)(i =1,2,3)、VC3 (i) (i=1,2,3)を持つも
のとする。例えば製品のモデルがパソコンの場合なら
ば、MC1 はCPUであり、MC2 はメモリ、MC3 は
ハードディスクとみなせる。そして各具体的なコンポー
ネントには、図14(B)に示す如く、コストが割り振
られている。「インターネット上のデータベース」から
必要な情報は全て引き出せると仮定したので、これらの
具体的なコンポーネントはたいていの場合、殆どの組み
合わせは可能であると期待できる。
定した。この順序関係を使って、MC1 のなかの1つの
具体的なコンポーネントVC1 (i) と組み合わすことの
できるMC2 のなかの具体的なコンポーネントVC
2 (j) が決まる。以下同様である。
量のアンバランス、技術的問題、品質の未保証等によっ
て組み合わせることができない場合、つまりリンクがで
きない場合が若干生じる。このような場合には、最適化
手法を用いて最適な組み合わせを構成する必要がでてく
る。
で製品のモデルが与えられているとする。図14では各
具体的なコンポーネントの表示を簡単なためにVC1(1)
は0、VC1(2)は1、VC1(3)は2、VC2(1)は3、V
C2(2)は4、VC2(3)は5、VC3(1)は6、VC3(2)は
7、VC3(3)は8と略記した。そして各具体的なコンポ
ーネントのコストは図14(b)に示す通りであると仮
定した。この製品のモデルの最小コストを動的計画法で
求めると16となり、対応する製品のモデルを構成する
具体的なコンポーネントの組み合わせは、「1、4、
6」と求めることができる。
eーマーケットプレース」における部品の調達を「イン
ターネット上のデータベース」と免疫型システムと動的
計画法、遺伝的アルゴリズムを組み合わせたことにより
部品調達を効率的に、また部品の調達の状態の実際の変
化への適応能力を増加させて実施できるようになった。
ゴリズム、交叉、突然変異を用いることにより解を効果
的に発生させ、最適解を効率的に探索できるようになっ
た。
わせて製品を作るユーザーに、その製品を作成するため
に最適なコンポーネントの組み合わせを提供する最適部
品選択装置において、複数のコンポーネント提供者から
提供される最新のコンポーネントを組み合わせた、イン
ターネット上の超eーマーケットプレース用のデータベ
ースと、この超eーマーケットプレース用のデータベー
スをアクセスしてユーザーが最適解を見つける最適化手
段と、ユーザーが最適解を見つけ、コンポーネントの発
注を行った場合に課金徴収処理を行う課金徴収手段とを
具備したことを特徴とする超eーマーケットプレースに
おける部品選択装置。
マーケットプレース用のデータベースにおけるコンポー
ネントのデータとして、コンポーネントの価格、ユーザ
ーの組み立て工場までの輸送費、在庫状況、他のコンポ
ーネントとの組み合わせの可/不可情報を含むことを特
徴とする(付記1)記載の超eーマーケットプレースに
おける部品選択装置。
係の定義された複数のコンポーネントの種類を用いて定
義する製品のモデルを用いることを特徴とする方法。
上のデータベース」の部品のデータとして(付記2)の
部品のデータに付加的なデータを用いてユーザーの便宜
に供することを特徴とする部品のデータ。
て、(付記3)の製品のモデルを用い、(付記1)のイ
ンターネット上のデータベースからコンポーネントの種
類の具体的なコンポーネントを定めこれに基づいてレイ
ヤードネットワークを構成し、動的計画法で最適な具体
的なコンポーネントの組み合わせを求めることを特徴と
する最適化装置。
ーネット上のデータベースからコンポーネントのコスト
として価格および輸送費の重みづけられた量を元にする
ことを特徴とする(付記1)記載の超eーマーケットプ
レースにおける部品選択装置。
ネントをノードとするレイヤードネットワークを構成す
る際にインターネット上のデータベースの仕様に基づい
て組み合わすことのできない具体的なコンポーネントを
表すノード間にはリンクを作らない方法をもちいるレイ
ヤードネットワークの構成法。
ーネントの組み合わせの最適化を実行するために、免疫
型手段を用いることを特徴とする(付記1)記載の超e
ーマーケットプレースにおける部品選択装置。
おいて提示された製品モデルの解を記憶する「記憶細
胞」に類似した手法を用いることを特徴とする免疫型シ
ステム。
ムにおいて、「記憶細胞」に類似した手法を用いる際
に、製品のモデルの解で一定期間以上経過した解はユー
ザーに提示しないことを特徴とする「記憶細胞」類似の
手法。
細胞型手段を用いるときに解が提示されない場合に、新
たに解を動的計画法で求めるか、または時間が経過して
提示されない解を元にして遺伝的アルゴリズムで解を求
めるかをユーザーが指定することを特徴とする(付記
1)記載の超eーマーケットプレースにおける部品選択
装置。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際に、「記憶細胞」類似の手法
によって保存してある過去の解に突然変異を適用して初
期集団を作る方法を用いる遺伝的アルゴリズム。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際の染色体のコード法に製品の
モデルのレイヤードネットワークのスタートからゴール
に至る経路をもとにしたコード法を用いる遺伝的アルゴ
リズム。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際の交叉の方法に二つの染色体
の表す経路で繋ぎ替えることのできる二つの隣接するノ
ードの一つの組を求め経路の繋ぎ替えによって子供を作
る交叉の方法。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際の交叉を行う際に二つの親の
染色体の表す経路を繋ぎ替えることのできる二つの隣接
するノード(交叉点)のリストを作り、このリストから
ランダムに交叉点を選択する交叉の方法。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際の交叉を行う際に二つの親の
染色体の表す経路を繋ぎ替えることのできる二つの隣接
するノード(交叉点)のリストを作り、このリストから
ただ一つの子供が作れる交叉点の集合から交叉点を選択
する交叉の方法。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際の交叉を行う際に二つの親の
染色体の表す経路を繋ぎ替えることのできる二つの隣接
するノード(交叉点)のリストを作り、このリストから
二つの子供が作れる交叉点の集合から交叉点を選択する
交叉の方法。
6)または(付記17)の方法において経路の繋ぎ替え
を元にした交叉のなかで、一つの交叉点のみで交叉を実
行するか、複数の交叉点で交叉を実行することを特徴と
する方法。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際の突然変異として、個体の染
色体表現の経路のノードで、ノードが表す具体的なコン
ポーネントが属するコンポーネントの種類の他の具体的
なコンポーネントと交換できる場合にランダムに交換相
手を選択することを特徴とする突然変異。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際の突然変異として、個体の染
色体表現の経路のノードで、ノードが表す具体的なコン
ポーネントが属するコンポーネントの種類の他の具体的
なコンポーネントと交換できる場合に適応度が最も上昇
する交換相手を選択し、どの交換相手を選択しても適応
度が上昇しない場合には交換しないことを特徴とする突
然変異。
に類似した手法を用いる方法のなかで、遺伝的アルゴリ
ズムによって解を求める際に個体の染色体の遺伝子であ
る具体的なコンポーネントの価格、輸送費などのコスト
に重みをつけたコストを全遺伝子についての総和を定数
値から引いた量を適応度とする方法。
供される最新のコンポーネントを組み合わせた、インタ
ーネット上の超eーマーケットプレース用のデータベー
スを用い、これをアクセスしてユーザーが最適解を見つ
ける最適化手段をつかうことにより、リアルタイムでイ
ンターネットを使用して、複数の提供者からの必要なコ
ンポーネント情報を容易に入手することができる。
スのコンポーネント・データとして価格、輸送費、在庫
状況、他のコンポーネントの組み合わせの可/不可情報
等までコンポーネントのデータとして含まれているの
で、これらの事項まで加味した情報を正確に得ることが
できる。
用することができかつ最小経費問題として高速で解を求
めることができる。
に、交通情報、事故情報、天気予報情報等を付加し、ユ
ーザーの便宜に供することができる。
ト上のデータベースからコンポーネントの種類の具体的
なコンポーネントを定め、これに基づいてレイヤードネ
ットワークを構成し、動的計画法で最適な具体的なコン
ポーネントの組み合わせを求めるので、高速に解を求め
ることができる。
ーザーが重要視している項目に重みづけしたデータを正
確に入手することができる。
仕様に基づいて組み合わせることができない具体的なコ
ンポーネントを表すノード間にはリンクを作らないの
で、動的計画法の経路が減少し、高速に解を求めること
ができる。
トプレース用のデータベースをアクセスする最適化手段
として免疫型手段を用いるので所望とするデータがすで
に他のユーザーによりアクセスされているような場合、
直ちに解を提供することができる。
で、同じ製品モデルがユーザーから入力されたとき、こ
の記憶していた解を提示するので、高速に、必要とする
解を提供できる。
も、一定期間以上経過した解はユーザーに提示しないよ
うにしたので、ユーザーには新しいデータでの解を提供
することができる。
を用いる場合に解が提示されない場合、新たに解を動的
計画法で求めるのか、それとも時間が経過したために提
示されなかった解を元にして遺伝的アルゴリズムで解を
求めるのかをユーザーが指定可能にしたので、ユーザー
の好みに合わせて解を求めることができる。例えば古い
データでもユーザーの好みにあえば、古い解を元にして
遺伝的アルゴリズムで解を求めることができる。
解に突然変異を適用して初期集団を作り、遺伝的アルゴ
リズムにより解を求めるので、過去にユーザーが解とし
たものと合う性格の解を早く求めることができる。
のレイヤードネットワークのスタートからゴールに至る
経路をもとにしたコード法を用いるので、インターネッ
ト上のデータベースから染色体を得ることができ、早く
解を求めることができる。
索することができる。
ので、解の範囲を広げることができる。
供を1組に限定できるので、集団全体の大きさを限定す
ることができるので、良い解が得られそうになったと
き、集団の大きさを限定し、良い解を早く得ることがで
きる。
ことができるので、バリエーションを増すことができ
る。
性質のものを作成することができる。また世代数が経過
して、あまり変化がなくなれば1つの交叉点で交叉を実
行することを選択し、良好の解を得ることができる。こ
のように世代毎にどちらかを選択することができる。
にランダムに変えることができる。
交換可能なとき、適応度が最も上昇する交換相手を選択
できるので、最適な具体的なコンポーネントの組み合わ
せを得ることができる。
に重みづけたものを全遺伝子についての総和を定数値か
ら引いた量を適応度としたので、最適なコンポーネント
の組み合わせを容易に求めることができる。
ができる。
供される最新のコンポーネントを組み合わせた、インタ
ーネット上の超eーマーケットプレース用のデータベー
スを用い、これをアクセスしてユーザーが最適解を見つ
ける最適化手段をつかうことにより、リアルタイムでイ
ンターネットを使用して、複数の提供者からの必要なコ
ンポーネント情報を容易に入手することができる。
スのコンポーネント・データとして価格、輸送費、在庫
状況、他のコンポーネントの組み合わせの可/不可情報
等までコンポーネントのデータとして含まれているの
で、これらの事項まで加味した情報を正確に得ることが
できる。
ーザーが重要視している項目に重みづけしたデータを正
確に入手することができる。
トプレース用のデータベースをアクセスする最適化手段
として免疫型手段を用いるので所望とするデータがすで
に他のユーザーによりアクセスされているような場合、
直ちに解を提供することができる。
用いる場合に解が提示されない場合、新たに解を動的計
画法で求めるのか、それとも時間が経過したために提示
されなかった解を元にして遺伝的アルゴリズムで解を求
めるのかをユーザーが指定可能にしたので、ユーザーの
好みに合わせて解を求めることができる。例えば古いデ
ータでもユーザーの好みにあえば、古い解を元にして遺
伝的アルゴリズムで解を求めることができる。
る。
る。
ある。
ある。
れない場合の説明図である。
る場合の説明図である。
る。
Claims (5)
- 【請求項1】複数のコンポーネントを組み合わせて製品
を作るユーザーに、その製品を作成するために最適なコ
ンポーネントの組み合わせを提供する最適部品選択装置
において、 複数のコンポーネント提供者から提供される最新のコン
ポーネントを組み合わせた、インターネット上の超eー
マーケットプレース用のデータベースと、この超eーマ
ーケットプレース用のデータベースをアクセスしてユー
ザーが最適解を見つける最適化手段と、 ユーザーが最適解を見つけ、コンポーネントの発注を行
った場合に課金徴収処理を行う課金徴収手段とを具備し
たことを特徴とする超eーマーケットプレースにおける
部品選択装置。 - 【請求項2】前記インターネット上の超eーマーケット
プレース用のデータベースにおけるコンポーネントのデ
ータとして、コンポーネントの価格、ユーザーの組み立
て工場までの輸送費、在庫状況、他のコンポーネントと
の組み合わせの可/不可情報を含むことを特徴とする請
求項1記載の超eーマーケットプレースにおける部品選
択装置。 - 【請求項3】前記最適化手段として、インターネット上
のデータベースからコンポーネントのコストとして価格
および輸送費の重みづけられた量を元にすることを特徴
とする請求項1記載の超eーマーケットプレースにおけ
る部品選択装置。 - 【請求項4】前記最適化手段として、コンポーネントの
組み合わせの最適化を実行するために、免疫型手段を用
いることを特徴とする請求項1記載の超eーマーケット
プレースにおける部品選択装置。 - 【請求項5】前記免疫型手段として、記憶細胞型手段を
用いるときに解が提示されない場合に、新たに解を動的
計画法で求めるか、または時間が経過して提示されない
解を元にして遺伝的アルゴリズムで解を求めるかをユー
ザーが指定することを特徴とする請求項1記載の超eー
マーケットプレースにおける部品選択装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001155576A JP4563614B2 (ja) | 2001-05-24 | 2001-05-24 | 超eーマーケットプレースにおける部品選択装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001155576A JP4563614B2 (ja) | 2001-05-24 | 2001-05-24 | 超eーマーケットプレースにおける部品選択装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002352123A true JP2002352123A (ja) | 2002-12-06 |
JP4563614B2 JP4563614B2 (ja) | 2010-10-13 |
Family
ID=18999738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001155576A Expired - Fee Related JP4563614B2 (ja) | 2001-05-24 | 2001-05-24 | 超eーマーケットプレースにおける部品選択装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4563614B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007523392A (ja) * | 2003-09-19 | 2007-08-16 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー. | ストレージシステム設計方法 |
JP2012527675A (ja) * | 2009-05-18 | 2012-11-08 | ロモネット リミテッド | データセンタシミュレータ |
WO2014168806A1 (en) * | 2013-04-08 | 2014-10-16 | Amazon Technologies, Inc. | Identifying part interchanges at electronic marketplaces |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10113851A (ja) * | 1996-10-09 | 1998-05-06 | Nec Corp | 生産ライン効率化方法 |
JP2000132596A (ja) * | 1998-10-21 | 2000-05-12 | Ntt Data Corp | 電子商取引システム及び電子商取引センタ |
JP2001014021A (ja) * | 1999-07-02 | 2001-01-19 | Hitachi Ltd | 受注システム、顧客側端末、受注方法および記憶媒体 |
JP2001060233A (ja) * | 2000-01-01 | 2001-03-06 | Hitachi Ltd | 受注生産方法 |
-
2001
- 2001-05-24 JP JP2001155576A patent/JP4563614B2/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10113851A (ja) * | 1996-10-09 | 1998-05-06 | Nec Corp | 生産ライン効率化方法 |
JP2000132596A (ja) * | 1998-10-21 | 2000-05-12 | Ntt Data Corp | 電子商取引システム及び電子商取引センタ |
JP2001014021A (ja) * | 1999-07-02 | 2001-01-19 | Hitachi Ltd | 受注システム、顧客側端末、受注方法および記憶媒体 |
JP2001060233A (ja) * | 2000-01-01 | 2001-03-06 | Hitachi Ltd | 受注生産方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007523392A (ja) * | 2003-09-19 | 2007-08-16 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー. | ストレージシステム設計方法 |
JP2012527675A (ja) * | 2009-05-18 | 2012-11-08 | ロモネット リミテッド | データセンタシミュレータ |
US9830407B2 (en) | 2009-05-18 | 2017-11-28 | Romonet Limited | Data centre simulator |
US11087041B2 (en) | 2009-05-18 | 2021-08-10 | Cbre Managed Services Limited | Data centre simulator |
WO2014168806A1 (en) * | 2013-04-08 | 2014-10-16 | Amazon Technologies, Inc. | Identifying part interchanges at electronic marketplaces |
Also Published As
Publication number | Publication date |
---|---|
JP4563614B2 (ja) | 2010-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9734525B2 (en) | Metasearching on a wireless sensor network, using a plurality of spatially distributed sensor nodes that monitor physical and environmental conditions at a plurality of locations | |
Jiao et al. | Product portfolio planning with customer-engineering interaction | |
US7912761B2 (en) | Initial product offering system and method | |
Rothkopf et al. | Modeling competitive bidding: A critical essay | |
Lau et al. | A credibility-based fuzzy location model with Hurwicz criteria for the design of distribution systems in B2C e-commerce | |
JP2001117973A (ja) | 不動産評価装置、不動産評価方法、不動産評価プログラムを格納する記録媒体および不動産情報提供システム | |
WO2006020805A2 (en) | Searching industrial component data, building industry networks, and generating and tracking design opportunities | |
US20050065867A1 (en) | Demand-and-supply intervening system, demand-and-supply intervening method, and demand-and-supply intervening support program | |
Zhang et al. | Learning to select supplier portfolios for service supply chain | |
Keskinocak et al. | Decision support for managing an electronic supply chain | |
Sarkis et al. | Evolution of brokering paradigms in e-commerce enabled manufacturing | |
KR100788535B1 (ko) | 고수방과 그룹을 통한 온라인 증권정보 제공 시스템 및 그방법 | |
Sarkar et al. | A survey on applications of coalition formation in multi‐agent systems | |
JP2002352123A (ja) | 超eーマーケットプレースにおける部品選択装置 | |
van Bragt et al. | Equilibrium selection in alternating-offers bargaining models: The evolutionary computing approach | |
US20060167701A1 (en) | Estate group purchasing matching system | |
Zhu et al. | Integrating a prospect theory-based consensus-reaching process into large-scale quality function deployment and its application in the evaluation of contingency plan | |
JP4224002B2 (ja) | 需給仲介システム及び需給仲介方法、並びに需給仲介を支援するためのプログラム | |
Zhang et al. | Ordering and ranking products for an online retailer | |
Choi et al. | A sales agent for part manufacturers: VMSA | |
Han et al. | An NFT-based distributed auction mechanism for multi-resource trading in computing power network | |
Pivk et al. | E-commerce intelligent agents | |
de Matta et al. | Product price alignment with seller service rating and consumer satisfaction | |
Yu et al. | Optimized configuration of manufacturing resources for middle and lower batch customization enterprises in cloud manufacturing environment | |
Fu et al. | Scheduling stochastic distributed flexible job shops using an multi-objective evolutionary algorithm with simulation evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100511 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100705 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20100705 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100705 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100727 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100729 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130806 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |