JP2002513489A - 企業企画モデルの被制御最適化の方法 - Google Patents

Abstract

(57)【要約】 企業企画モデルを制御して最適化するコンピュータ実現化方法およびシステムが提供される。これは、モデルと同じ変数すなわちその部分集合に依存する補助目的関数を最初に定義することによって逐行される。次に、有効目的関数を、補助目的関数に重み係数を乗算したものを減算することによって主要目的関数から形成する．次に、有効目的関数が重み付け値の全範囲にわたって最適化され、これによって主要目的関数が重み係数の様々な値によってどのように変化するかを示すテーブルが生成される。有効目的関数を重み係数の所与の値によって最適化すると、その結果、補助目的に対する特定の値がもたらされる。このように、この計算されたテーブルは実質的に、主要目的と補助目的と企業企画モデルのすべての変数の様々な実現値同士間の関係を与える。ユーザーはさらに、達成すべき補助目的に対する目標値を指定して、次に、すでに得られたテーブルを用いて目標値に対応する重み係数の値を内挿する方法を与えられる。次に、重み係数に対するこの内挿された値は有効目的関数に挿入される。この有効目的関数は最適化され、これによって、補助目的が目標値を達成すべきであるとする制約を同時に満足させながらも、主要目的関数を最適化する決定の集合が生成される。

Description

【発明の詳細な説明】 企業企画モデルの被制御最適化の方法 発明の背景 １．発明の分野 本発明は、企業の企画モデルに関し、特に、１つ以上の戦略的制約の適用を介 して小売需要モデルの最適化を制御することに関する。 ２．関連技術の説明 技術が経済のすべての局面に侵入するに連れて、毎分発生する数百という取引 の各々を記述する大量のデータが収集されてオンライン取引処理（ＯＬＴＰ）デ ータベース、データウエアハウス及び他のデータ貯蔵所に蓄積される。この情報 は、定量的な研究と一緒に価値連鎖という動作中に組み込まれ、これによってア ナリストは企業モデルを開発することが可能となり、このモデルによって、経費 や販売高や総売買差益などの重要な分量が、モデルの入力に対応してある種の決 定がなされたときに変化するかを予測することができる。これらのモデルはエキ スパートシステムなどで実現されているような単純なルールベースの方式を越え ろものであり、さもなくばルールの設計者にとって明白でない決定の全体範囲を 発生する機能を有する。 しかしながら、モデルベースの意志決定ツールの仕様には問題がある。意志決 定プロセスが自動化されるに連れて、モデルによって推奨される業務上の決定が 、企業の企画モデルに具体的には組み込まれていないより広い考慮から逸脱し始 めかねない。この理由は、経済モデルは現実には小さい規模か大きい規模でしか 成功し得ず双方の規模では不可能であるからである。小規模決定と大規模決定双 方を単一の企業企画モデルに統合すると、その結果、大変に複雑なモデルとなっ てしまい、企業企画モデルの最適化の計算を実行不可能で経済的に非効率的なも のとしてしまう。 この問題の重要性は小売業界を例として図示することができる。小売業者は需 要モデルを用いて、品目の価格と他の要因が分かれば各品目の売上数量を正確に 予測することができる。しかしながら、需要モデルを直接用いて価格決定を最適 化すると、人間の価格管理者の決定とは非常に異なった価格となってしまう。こ の理由は、需要モデルは企業の戦略的な目的に関する知識が全くなく、したがっ て、会社の全体的な価格方針を反映しない価格を発生してしまうことにある。企 業の業務決定をその戦略的な目的と整合させて最適化することができないという この欠点は極めて大きな問題であり、小売業界だけでも数十億ドルという非効率 性を生じてしまう。 したがって、大きな規模で制御しながら、小さい規模で良好に作動する企業企 画モデルの力を利用するのが望ましい。 発明の概要 不発明は、企業企画モデルには考慮されていない少なくとも１つの戦略的制約 を同時に満足させながらも企業の企画モデルの最適化を制御するコンピュータ実 現化方法とシステムを提供する。好ましい実施形態では、ユーザーは表示デバイ ス上にメニューを提示される。入力デバイスを用いて、ユーザーは最初に実現す べき主要な目標、例えば荒利益の最大化を入力する。この主要目標は、業務変数 の集合に依存する主要目的関数によって表される。これら業務変数の各々は、ユ ーザが主要目標を達成するために最適化しようとする単一の業務決定を表してい ろ。次に、ユーザーが実現したい補助目標をユーザが選択する。この補助目標は 、前記業務変数の集合の部分集合に依存する制約関数によって表される。 次に、有効目的関数が重み係数を掛けられた制約関数と主要目的関数とを組み 合わせて構成される。この結果の有効目的関数は同じ組の業務変数に依存する。 それから、有効目的関数は、企業データが最適化に物理制約を与える状態で、業 務変数の各々に対して最適化される。この最適化の結果、各業務変数に対する最 適値が得られる。これら業務変数の最適値は、主要目標と補助目標を達成するべ き業務決定の集合を表す 有効目的関数は重み係数の値の範囲に亘って最適化でき、結果はテーブルに記 憶される。この計算されたテーブルは実質的には、主要目標および補助目標の異 なる最適化値と業務変数の値との関係を示す。次に、ユーザーは補助目標に対す る達成すべき目標値を特定する方法を提供され、次にこのテーブルを用いて、そ の目標値に対応する重み係数の値を内挿できる。次に、この重み係数に対する内 挿値が有効目的関数に挿入される。有効目的関数は最適化されて、主要目的関数 を最適化する業務決定の集合を発生し、同時に、補助目標が目標値を達成すべき とする制約を満足する。 図面の簡単な説明 図1は、不発明に従って用いられる汎用コンピュータのハイレベルのブロック 図であり； 図２は、表示テバイスに表示された入力メニューの一例の絵であり； 図３は、システムの全体的動作を示すフローチャートであり； 図４は、関数選択ルーチンの好ましい実施形態のフローチャートであり； 図４Ｂは、関数選択ルーチンの好ましい実施形態において表示デバイス上に表 示される入力フコンプトの例の絵であり； 図５Ａは、制約マッピングルーチンの好ましい実施形態のフローチャートであ り； 図５Ｂは、制約概括テーブルとそれに対応する境界のリストに対してメモリー 中に記憶されたデータ構造の例を示す図であり； 図５Ｃは、制約マッピングルーチンの好ましい実施形態中の表示デバイス上に 表示された入力プロンプトの例の絵であり； 図６は、事前処理ルーチンの好ましい実施形態のフローチャートであり； 図７は、目標決定ルーチンの好ましい実施形態のフローチャートであり； 図８は、境界決定ルーチンの好ましい実施形態のフローチャートであり； 図９は、内挿ルーチンの好ましい実施形態のフローチャートであり、 図１０は、制約概括テーブルの内挿のために使用される分量を決定するための 略図であり； 図１１は、制約概括テーブルの例と特定の価格イメージの目標決定の例に包含 されるデータを表示デバイス上に提示したグラフである。好適実施形態の詳細な説明 以下の説明は、当業界における技術者が、発明を生産、使用しうるよう呈して おり、親出願の内容およびその要求において提供されている。例示される実施形 態に対する様々な変形は既に当業者には明らかであり、ここでの総括原理は他の 実施形態にも適用できる。したがって、本発明は、ここで示される実施形態のみ に限定されるものではなくて、ここで述べられる原理及び諸特徴に合致する最も 広い範囲において与えられる。 図１に示すように、システムは：ユーザーがコマンド、機能などを入力したり するためのキーボードのような入力デバイス１０１と；テーブル等を表示するた めの表示デバイス１０２と；結果及び企業データを記憶するためのハードディス クドライブなどの記憶装置１０３と；プログラム命令、テーブルおよび結果を記 憶するためのメモリー１０４と；様々な処理を実行しシステムの全体的な動作を 制御するためのプロセッサ１０５とを含む。 メモリー１０４は少なくとも以下のもの、即ち制約される決定の概括を生成す ろための制約マッピング部分１１２と；引き続ぐ操作のためのデータを用意する ための事前処理部分１１３と；特定のシナリオのための結果を生成するためのシ ナリオ分析部分１１４と；データ操作に必要なリストを記憶するためのデータリ スト部分１１５と；テーブル及び結果を記憶するためのテーブル部分１１６とを 含む。 不発明の記載された実施形態は、メモリー１０４に記憶され、プロセッサ１０ ５によって実行されるコンピュータ命令として実施されることが理解される。こ れらの命令はまた、フロッピーディスク、ＣＤ ＲＯＭ等のコンピュータ読込み 可能媒体に保存でき、またその命令を実施する搬送波を介してインターネット、 イントラネット等のネットワーク内に送出し得る。 発明の動作 不発明の好ましい実施形態の動作が、図４から７を参照して詳述されるのに先立 って、図２及び３を参照してここで簡潔に述べられる。 図２に示すメニューがディスプレイ１０２上においてユーザーに提示される。 現時点で、ユーザーは、入力デバイス１０１を介して以下の選択から１つを入力 する、即ち、主要及び補助目標を選択するためには「１」、制約マッピングを実 行するためには「２」、事前処理を実行するためには「３」、シナリオ分析を実 行するためには「４」、記憶装置１０３に結果を出力するためには「５」、及び システムの使用を終了するためには「Ｑ」。もちろん他の適切な入力方法及びフ ォーマットを用いることもできる。 プロセッサ１０５は入力された情報を受取り、システムの状態は、入力値に応 じて以下に示す適切なステップへ移行する。これを図３に概略的に示す。 （ステップ１００１）：目標選択 このステップにおいて、ユーザーは、補助目標とともに、分析すべき主要目標 を選択する。その詳細が図４を用いて以下に論ぜられる。本発明の主要目標は、 荒利益の最大化のような、企業企画モデルのどのような標準的目標でもよい。補 助目標は、ユーザーが、例えば市場占有率又は総売買差益の増大のような、主要 目標に関連して分析しようとするどのような戦略的制約でもよい。例として、小 売価格管理者は、全体的な市場占有率増加のような店舗の他の長期目標を満たし つつ同時に、荒利益が最大化されるような価格設定を追求してもよい。それ故、 価格管理者は、主要目標としての「純利益最大化」および補助目標としての「市 場占有率増大」を選択するだろう。 先行技術による企業企画モデルはその企業企画モデルの物理的制約によって限 定されることが当業者に理解されるだろう。それ故、そのモデルによって推奨さ れる業務決定は、具体的には企業企画モデルに組込まれていないより広い考慮か ら逸脱しやすい。これが、小売業者がその製品の価格設定に役立てるために、結 果が会社の全体的な価格設定政策を反映しない需要モデルを用いることを伝統的 に避けてきた主な理由である。以下の議論で理解されるように、戦略的制約を企 業モデルに組込むことにって、本発明は、従来の企業企画モデルの物理的制約を はるかに超える企業企画モデルを提供する。 （ステップ１００２）：制約マッピング 主要目標の行動は、補助目標の数値の範囲にわたって決定される。上述の例に おいて、荒利益は、期待される市場占有率の数値について最大化される。制約マ ッピングルーチンの詳細を、図５Ａを用いて下に述べる。 （ステップ１００３）：事前処理 主要および補助目標を達成するための様々なシナリオを分析する（すなわち、 下に述べられるシナリオ分析）ための効果的な方法をユーザーに提供するために 、制約マッピングステップにおいて発生したデータが事前処理される。その詳細 は、図６を用いて下に述べられる。 （ステップ１００４）：シナリオ分析 このステップにおいて、ユーザーは、シナリオの集合、すなわちユーザーが達 成しようとする捕助目標のために見込まれる数値を決定する。定義される各シナ リオについて、補助目標を満たしつつ同時に主要目標を最大化する業務決定の集 合がユーザーに提供される。このステップは、ユーザーによって選択された各シ ナリオについて実行される。その詳細は図７を用いて以下に述べられる。前記の 例を参照して、本発明は、先行技術による企業モデルでは得られないような、主 要目標（例えば荒利益の最大化）及び補助目標（例えば市場占有率の増大）の両 方を達成するために必要な情報を、価格管理者に提供する。 （ステップ１００５）：出力結果 各シナリオについて決定された業務決定、主要目標、及び補助目標は、記憶装 置１０３に搭載される。こうして、上述の小売価格設定の例では、販売すべき各 品目についての最適価格が小売価格管理者に与えられ、それによって店舗は、荒 利益最大化の主要目標及び市場占有率増大の補助目標の両方を満たすことが可能 となる。 目標選択 このルーチンの好ましい実施形態は、図４Ａ及び４Ｂを参照して述べられる。 図４Ｂに示されるようにユーザーはディスプレイ１０２上にメニューを提示され て、図４Ａに示されるように目標選択ルーチンを通じて指示を与えられる。もち ろん他の適切な入力方法及びフォーマットを用いることができ、また図４Ｂに示 されるメニューは、例証的目的のみのために提示されている。 （ステップ１１０１） ユーザーは、例えば荒利益最大化のような、実現すべき主要目標を選択する。 主要目標は変数｛Ｘ_i｝の集合によって決まる主要目的関数Πによって表され、 その各々は、単一の業務決定を表す。例えば、小売りの分野においては、主要目 標は通常、荒利益 であり、ここで、Q_i＝Ｑ_i（Ｐ_i）は、価格Ｐiに基づく品目ｉついて予想されろ 需要Ｑ_iでめり、Ｃ_iは品目のコストである。この場合、変数｛Ｘ_i｝は、全ての 価格｛Ｐ_i｝の集合である。主要目標は、多くの業務決定、すなわち低いレベル でなされる決定を最大化しようとする全てのモデルによって定義することができ る。複数の所定の主要目標のそれぞれに対応する複数の目的関数は、記憶装置１ ０３に保存されて、表示デバイス１０２上でユーザーに提示される。しかしなが ら、ユーザーは既存の主要目標を変更し及び／又は新しい主要目標を作ることが 可能であると考えられる。 （ステップ１１０２） 主要目標に加えてまた、ユーザーは、企業モデルに対する戦略的制約を表す補 助目標を選択する。このタイプの制約は何らかの全体的な大規模な目的を表すも のであり、それは、主要目標の定義を与える主要目的関数Πには含まれていない 。補助目標は制約関数φによって表され、それは主要目的関数Πが依存するもの と同じ変数｛Ｘ_i｝の集合、又はその部分集合によって決まる。理想的には、制 約 関数φは、変数が獲得すべき何らかの集合的な特徴を反映するように定義される 。重要なことは、制約関数φはユーザーが重要だと感ずる事実上全ての関数であ り得る、ということである。 例えば、上に与えられた荒利益についての等式は、その値が全費目についての 価格を調整することによって最大化される主要目的関数として用いろことができ る。一旦最大化されればその結果は、全体の荒利益を最大化する、各品目の価格 の集合である。他方において、ユーザーはまた、特定レベルの販売高を達成しよ うとする、すなわち特定レベルの販売高を達成する補助目標を選択する。全販売 高に適合する戦略的制約関数は、 として定義することができる。ここで、Ｑ_i及びＰ_iは上述の通りである。この戦 略的制約関数は全ての価格および需要によって決まり、全販売高のある値に対し て、同じ結果を与える、量（Ｑ_i）および価格（Ｐ_i）の多くの組合わせが存在し 得る。しかしながら、全販売高を最大化するために選択される実際的な組合わせ は、以下に述べろように、主要目的関数Πの最大化によって決まる。 企業モデルに補助目標を付け加えることによって、ユーザーは、他の先行技術 では得ることのできない企業企画決定を分析することができるようになる。例え ば、それらの製品の価格設定において、小売価格管理者は一般に、彼らの店舗に ついてのあるイメージをそれらの価格に反映させようとする。ディスカウント店 の小売業者は、その価格が他の小売業の価格より低いと認められたい。このいわ ゆる「価格イメージ」は戦略的制約の一例である。それは、価格に対するどのよ うな物理的制約にも対応せず、またそれは企業企画モデルによってなされるどの ような単一の決定にも対応しない。代りに、それは市場における全ての価格の関 数であり、それは価格管理者が正確さをもって選択し制御したい高レベルの特質 を表す。 図４Ｂに示すように、好ましい実施形態は、他の補助目標に加えて、価格イメ ージの数学的定義を含む。こうして、本発明は全ての需要モデルによって予想さ れる価格の制御に用いることができ、特定の所望の価格イメージを確実に達成す る。好ましい価格イメージの定義は、 ついての重み係数、及びＮはそのモデルにおける品目の総数である。重み係数は 、他の要因が単一品目の全体的価格イメージへの寄与を変更できるように定義さ れる。例えば、ｗは品目の販売高に比例させることができ、それによって、あま り売れない品目は、高い販売高の品目ほどは価格イメージに影響を及ぼさないよ うにできる。関連するどのような情報も無い場合は、重み係数は、単に１に設定 される。価格イメージの他の定義を用いることが可能であり、上述の定義は例証 の目的のみで提示される、ということは明らかである。 価格イメージは、本発明とともに用いられて、小売需要のモデリングについて の長年にわたる問題に取り組むことができる。もし、需要モデルが、最大荒利益 を生み出すために品目の価格を最適化するのに用いられれば、そのモデルは常に 、人間の価格管理者が宣感的に選択するよりも高い価格を選択することに、小売 業者は気付いていた。典型的な結果は、短期間においては、顧客はこれらの高い 価格で製品を購入し、実際高い荒利益を生み出す。しかし、長期的に見ると、顧 客はその店舗の価格イメージが値上がりしたことに気付き、結局他の店舗に代え る。したがって、最初から価格イメージを制御することによって、異なる時間間 隔に対する異なる顧客反応というこの問題が起こらないようにすることができる 。現在の価格から自分の価格イメージを決定することによって、小売業者は、本 発明との関連において、同じ価格イメージを維持しつつもより大きな利益を得る ために、需要モデルを用いることができる。 制約マッピング 価格イメージのような戦略的制約がシステム上での物理的制約を表さないので 、それが厳密に満たされる必要はない。むしろ、シナリオの範囲にわたって制約 を 変化させ、そしてどの予想される決定の集合が最も都合良く主要及び補助目標と 連携するかを決定するのが、より望ましい。その目的は、決定の単一の集合に固 定されることなく、下される決定全体にわたって制御することである。この理由 で、通常物理的制約に利用される従来の制約ベースの最適化を用いることは実際 的でない。戦略的制約を取扱うためのより効果的な方法が下に述べられる。 シナリオの広範囲にわたって解を得るために、本発明のユーザーは、最適な予 想が所望の大規摸目標の変化に応じてどのように変化するかを示す画像を得る。 この画像を見た後、ユーザーは、実現すべき特定の大規模シナリオに的を絞り、 引き続いて、その特定のシナリオの最適な制約である決定の１集合を得る。この 方法は、各種のモデル及び目的関数とともに用いることができる。 このルーチンへの入力は、主要目的関数Πによって表される主要目標、主要目 的関数Πに作用する独立変数｛Ｘ_i｝の集合、及び補助目標に対する数学的定義 、ずなわち制約関数φを含み、これらは全てメモリー１０４及び／又は記憶装置 １０３に記憶される。このルーチンの好ましい実施形態は、図５Ａを用いて述べ られる。 （ステップ１２０１） このステップにおいて、ユーザーは、補助目標が主要目標に影響を及ぼす程度 を選択するよう促される。これを行うために、ユーザーは、最小値ψ^min、最大 値ψ^max、およびψ^minおよびψ^max間で試されるステップの増分を表す解像度δ ψを入力する。図５Ｃは、このステップにおいてディスプレイ１０２上に表示さ れてもよいユーザーのプロンプトを示す。これらの変数のそれぞれの実際の値は 、学習される特定の状況によって決まる。制約マッピングのまず初めは、ψの値 がψ^minに初期化される。 （ステップ１２０２） ループが開始され、そこで変数ψはψ^minおよびψ^max間で、δψずつ増加する 。 （ステップ１２０３） このルーチンは効果的な目的関数を組立てる： Π_eff＝Π−φψ Π_effは主要目的関数と同じ変数｛Ｘ_i｝によって決まり、効果的目標を表すこと に注目すべきである。上に見られるように、有効目的関数は、主要目的関数から 値ψの重みを付けられた制約関数を減算することによって組立てられる。 （ステップ１２０４） このステップにおいて、有効目的関数Π_effは、全ての独立変数及び記憶装置 １０３に保存されていろ企業データに関して最大化される。Π_effを最大化する 好ましい方法は、シミュレーションアニーリングの方法である。これは、離散非 線型高次元の関数を解くために利用できるいくつかの技法のうちの１つである。 この技法は技術上周知であり、参照してここに組み込まれる以下の参考文献に記 録されている：w.press.らによる計算の手法：「科学計算の技術」ケンブリッジ 大学出版、ニューヨーク（１９９２年） シミュレーションアニーリングの技法は、いくつかの理由でこの問題に特に適 している。典型的な状況においては、何千もの業務決定に対応する何千もの独立 変数があり得、また有効な時間内にこの多数の変数を伴う目的関数を最適化でき る技法は非常に少ない。さらに、主要目的関数及び補助関数は多数の離散変数、 例えばセント単位でのみ変化し得る価格によって決まる。シミュレーションアニ ーリング技法は、この複雑さを処理することができ、また実際理想的に、離散変 数を含む最適化に適している。他の最適化ルーチンを用いることが可能であり、 またなんらかの状況においては、例えば目的関数に影響を与えるタイプの決定が 連続的な変数によって得られる場合、又は学習されるべきシステムが非常に小さ い場合においては、より有効かもしれないと予想される。 変数ψは、報酬又は罰則目的の役目を果たす。ψの値がゼロに等しいとき、前 述の最適化手頒に対する補助関数の効果はまったく感知されず、有効目的関数の 最適化は、結局、主要目標の制約されない最適化ということになる。それ故、そ れは一般的に、繰り返し手順の少なくとも１点のあいだψがゼロになるように、 ψ_min、ψ_max及びδψを定義するのに、有効である。もしψの値が大きくかつ正 であれば、制約は罰則として作用し、最適化は、制約関数の値がより低い数値の 結果になる解の方へ歪む。もし、ψの値が大きくかつ負であれば、制約は報酬と して作用し、最適化は、制約関数の値がより高い数値の結果になる解の方へ歪む 。φの振幅は、制約の相対的重みを固定する役目を果たし、その結果、ψの異な る値は、達成される制約の異なる数値に帰結して目的関数ば最適化される。 （ステップ１２０５） ステップ１２０４からの出力は、Π_effの最大化された値及びそれから帰結す る独立変数｛Ｘ_i｝の値である。これらの独立変数は、メモリー１０４のテーブ ル部分１１６内の最適値テーブルに記憶される。制約関数φ及び主要目的関数Π の値はこれらの変数から決定され、その後、Π、φ、及びψは、図５Ｂに示すよ うに、メモリー１０４のテーブル部分１１６内の制約概括テーブルに記憶される 。 次に、ψの値がδψだけ増加し、ψがψ^maxより大きいかどうかの判定が行わ れる。もし大きくなければ、ルーチンはステップ１２０２へ戻る。もし大きけれ ば、制約マッピング手順は終了する。 制約概括テーブルに記憶された情報は、対象とする市場の動きについての簡潔 な概括、すなわち補助目標が主要目標に対して及ぼす効果の概括を提供する。こ のデータは、ファイルに保存されてもよいし、印刷されてもよく、又は他のルー チンに渡されてもよい。例えば、テーブルは補助目標から決定された値の集合毎 に様々な主要目標値を格納しているので、テーブルからのデータは、視覚化ルー チンまたはパッケージへの入力として用いてもよい。好ましい実施形態において 、図５Ｂと無関係のデータを使用している図１１に示すように、主要目標の戦略 的制約への従属を示す宣感的がつ映像的な図がユーザーに提示される。 制約概括テーブル内のテータを得て、それを検証し、又は他のなんらかの方法 で把握した後、ユーザーはシステムの操作を終了してもよいし、又は事前処理ル ーチンへ進んでもよい。 事前処理ルーチン 好ましい実施形態においては、制約概括テーブルに格納されたデータは、ユー ザーによって選択された特定のシナリオ（下のシナリオ分析の議論を参照）につ いての予想を生成するために用いられる前に、事前処理されて、計算に有効な形 式に変換される。このステップは、引き続く操作に用いるための情報を生成する 。事前処理が行われなければ、引き続くシナリオ分析ルーチンは、非常に非効率 的なやり方で実行しなければならないので、余分な計算時間を要し、ユーザーに とって好ましくない。このルーチンの好ましい実施形態は図６を用いて説明され る。 （ステップ１３０１） リスト｛ψ_i ^extr｝が生成され、ψ^minが最初にリストに記入される。 （ステップ１３０２） 制約概括テーブル内のψの値が、ψ^minからψ^maxまで走査される。極値、すな わち制約関数φが局所的な最小値又は最大値に達する点、が見つかれば、この点 におけるψの値がリスト｛ψ_i ^extr}に追加される。下でさらに述べられるように 、局所的最小値及び最大値は、ψ^minからψ^maxに至る重みの範囲内にある全ての 値が有効に内挿され得るように、獲得される。 （ステップ１３０３） ψ^maxが最後に｛ψ_i ^extr｝に記入される。 図５Ｂに示すように、リスト｛ψ_i ^extr｝は値（１、４、６、８）を含む。こ うしてリスト{ψ_i ^extr｝は、制約概括テーブル内に、連続する線分の端点のψ値 を含む。そこにおいて、補助目標を表す制約関数φは、単調増加又は単調減少で ある。全リストを通じて制約関数φが単調増加又は単調減少である普通の場合に おいては、｛ψ_i ^extr｝は、ψのそれぞれ最も低い値および最も高い値のみを、 制約概括テーブル内に収納する。 （シナリオ分析ルーチン） シナリオ分析ルーチンの好ましい実施形態が図７を用いて述べられる。 （ステップ１４０１） ユーザーはシナリオの集合を選択する、すなわち達成しようとする例えば特定 の総売買差益又は総販売高のような補助目標のための値を指定する。 （ステップ１４０２） システムの制御は、まず境界決定ルーチンに渡される。このルーチンへの入力 は、リスト｛ψ_i ^extr｝の他に、マッピングルーチン内に取得された制約概括テ ーブル、及び目標とする制約の全ての値である。境界決定ルーチンからの出力は 、値ψ^low及びψ^highである。これらは、制約関数φの全ての目標値の境界を決 定するテーブル内のエントリーに対応する。 （ステップ１４０３） もし特定の目標が制約概括テーブル内の一個所以上に現れれば、すなわち多重 解が存在すれば、これらのそれぞれはそれ自身のシナリオとなり、目標とされる 制約値のリストに加えられる。 特定の制約目標についてψ^low及びψ^highの値が零となれば、これは、制約概 括テーブルの境界内に所望のシナリオが含まれていないことを示す。この場合、 ルーチンの局面は、直接ステップ１４０６に飛ぶ。もしユーザーが却下された特 定のシナリオを分析したいと望めば、分析の範囲を拡張するために異なる値ψ^{mi n} およびψ^maxを用いて、制約マッピングルーチンを再び実行してもよい。もしこ の拡張されたマップが所望のシナリオを依然として取得しなければ、ユーザーが 達成不可能なシナリオの分析を選択した公算が高い。 （ステップ１４０４） 境界に零を持たないシナリオのそれぞれについて、値ψ^low及びψ^high、特定 の制約目標及び制約概括テーブルが、内挿ルーチンへ渡される。このルーチン からの出力は、推測値ψ（ψ^estとして示す）であり、これは、有効目的関数の 最適化に用いられるときは、制約目標に近い制約関数の値をもたらす。 （ステップ１４０５） 次の有効目的関数が組立てられる。 Π_eff=Π−φψ^est Π_effは、全ての独立変数に関して最適化される。好ましい方法はやはりシミュ レーションアニーリング技法であるが、より単純な場合には、他の方法を用いる ことができる。最適化ルーチンからの出力は、価格及び各品目の量などの独立変 数の値、および目的関数および制約関数から帰結した値を含む。 結果の制約値は、目標の制約値に最も適合する値である。一致のレベルは、一 部は分析されるシステムの特徴に依存し、一部はマッピングの解像度に依存する 。 （ステップ１４０６） 独立変数の値、その結果の目的関数及び制約関数は、目標値テーブルに記憶さ れる。全てのシナリオが分析されたかどうかの判定が行われる。もし、まだであ れば、ルーチンの局面は１４０４に戻る。全て分析されていれば、シナリオ分析 ルーチンえは終了する。 上記のルーチンにおいて、推測ψ^estを得ろために内挿ルーチンが用いられた が、代りの実施形態においてこの量は、根決定法(root-finding technique)を用 いて決定されてもよい。そのような技法の多くは当業者に周知であり、個々の選 択は、システムの周知の性質によって決まる。不連続関数に適したある特定の根 決定法は、Van Wijngaarden-Dekker-Brent法である。 これは、W.Press等による計算の手法「科学計算の技術」ケンブリッジ大学出版 、ニューヨーク（１９９２）に記されており、参照してここに組込まれる。根決 定法の使用は、所望の制約目標が高い精度を満たす必要がある場合に、特に望ま しい。しかしながら、根決定法は、有効目的関数Π_effの全ての最適化に対 しては、実際上、計算的に徹底している。それに対して、内挿ルーチンは、すで に計算されて制約概括テーブルに記憶されたデータを利用するので、シナリオ分 析の計算を効率的に行う 図１１は、需要モデルからの予想利益が、どのようにその特定の品目グループ の価格イメージに応じて変化し得るかという例を提供している。競合的なデータ を用いることによって、小売価格管理者は、市場において彼らの店舗と競合する 他の全ての店舗の価格イメージを見つけ出すことができる。例えば、管理者が店 舗の価格イメージを（市場に関連して測定し）−６．０と決定すれば、これは、 横軸から値−６．０を選択することに相当し、そしてシステムは価格を最適化さ せて、グラフ上の点Ｘが得られ、その結果３８、０００ドルの利益を実現するこ とになる。 境界決定ルーチン 境界決定ルーチンの目的は、制約関数の目標値が制約概括テーブル内に見出さ れる位置を決定することである。このルーチンへの入力は、制約概括テーブル、 制約目標値、及び｛ψ_i ^extr｝で表される、ψに対する局所的最小値及び最大値 のリストである。このルーチンからの出力は、これらの目標値の境界を決める、 テーブル内へのエントリーである。このルーチンの好ましい実施形態は、図８を 参照して説明される。 （ステップ１５０１） ｛ψ_i ^extr｝によって定義される線分のそれぞれについて、制約目標がその線 分内に含まれているかどうかを判定するために、２等分ルーチンが実行される。 （ステップ１５０２） もし制約目標がその線分に含まれていれば、その２等分は、制約概括テーブル 内のどのエントリーが制約目標上の境界に対応するかを示す。下部及び上剖境界 に対する。ψ^low及びψ^highで表されるこれらの境界は、リスト｛φ_i ^bound｝に 記憶される。もし制約目標がその線分に含まれていなければ、 零値が返される。 ｛ψ_i ^extr｝によって定義されるリストアップされた線分が全て分析されたか どうかが判定される．。もしまだであれば、ルーチンの制御はステップ１５０１ へ戻される。もし全て分析されていれば、これらの変数が零である場合も含めて 、｛φ_i ^bound｝は呼出しルーチンに戻される。図５Ｂからのデータを用いて、φ に対する目標値の特定のリストについての｛φ_i ^bound｝が例として示される。 内挿ルーチン このルーチンは、周知の内挿法を用いて、制約概括テーブルからのψの値を内 挿する。このルーチンへの入力は、制約概括テーブル、制約関数に対するψ^targ で与えられる特定の目標値、およびテーブル内において所望の解が目標とされる 位置の境界を定める値ψ^low及びψ^highを含む。このルーチンからの出力は、値 ψ^estであり、それは、ψ^low及びψ^highを格納するテーブルの部分から組立てら れる関数ψ（φ）の内挿値である。一般に、このルーチンがエントリーψ^1ow及 びψ^highに近い制約概括テーブル内のデータを利用する限りにおいては、この内 挿値は先行技術によるどのような内挿ルーチンからでも組立てることができる。 そうでない場合には、内挿の精度は低くなる。図９を参照しなから、この内挿ル ーチンの好ましい実施形態を下に示す。 （ステップ１６０１） 変数α₂およびα₃、に、２つの値ψ^low及びψ^highがそれぞれ割り当てられる 。β₂及びβ₃には、テーブルにおけるψの対応するエントリーの値がそれぞれ割 当てられる。α₁には、α₂のすぐ下の制約概括テーブル内の制約関数φが割当て られ、β₁には、制約関数φの一致する値が割当てられる。α₄に、α₃、のすぐ 上の制約概括テーブル内の値ψが割当てられ、β₄に、φの一致する値が割当て られる。図１０において、これをより明確に示す。このプロセスは、制約概括テ ーブルが単調的か否かによって影響を受けず、この区別は、多重解の可能性が或 るか否かを判定するために用いられるのみである、ということに注意すべきであ る。 （ステップ１６０２） 値α_1-4及びβ_1-4は、内挿関数α（β）を組立てるために用いられる。そして この４次の内挿は、近似ψ^est＝α（φ^targ）を得るために用いられる。これを 行う好ましい方法は、Nevilleのアルゴリズムである。これは、W.Press等による 計算の手法「科学計算の技術」ケンブリッジ大学出版、ニューヨーク（１９９２ ）に述べられており、参照してここに、組込まれる。推測される値ψ^estは、そ れから呼出しルーチンに戻される。 もし値ψ^low及びψ^highが、ψ^targよりも低い又は高い２つの値がテーブル内 に存在しないように、制約概括テーブルの端点の近傍に置かれた場合は、これら のαおよびβに対する値は少し違ったやり方で選択する必要がある。もし制約概 括テーブル内にψ^targよりも低いφの値が１つだけあれば、この値はβ₁とされ 、ψ^targよりも高い次の３つの値はβ₂からβ₄とされる。そしてαの値はそれに 応じて選択される。もし制約概括テーブル内にψ^targよりも高いφの値が１つだ けあれば、この値はβ₄とされ、ψ^targよりも低い次の３つの値はβ₁からβ₃と される。そしてαの値はそれに応じて選択される。 もし制約概括テーブルが収納するφのエントリーが４個よりも少ない場合には 、４次の内挿は、線形的内挿のような、より低次の方法によって置き換えられな ければならない。 企業企画モデルを制御して最適化する方法の好ましい実施形態がこのように述 べられてくると、この方法に存在するいくつかの長所が当業者にとって明らかと なる。多くの変更、適用及び代りの実施形態が本発明の範囲及び意図において可 能であると考えられる。 例えば、上述の方法は、１つ以上の補助目標が同時に適用されるような局面に 拡張されてもよい、１つの補助目標を表す１つの制約関数φの代りに、それら、 すなわち各補助目標に対する１つの制約関数、の集合｛φ_i｝があってもよい。 １つの変数ψの代りに、集合｛ψ_i｝があり、その各項は１つの補助目標に対応 する。こうして、有効目的関数は、 と定義され、そしてマップは、その各々が１つの補助目標に対応する２以上の次 元で存在する。ψ_jの各値は、それらによって埋められた多次元空間が、各ψ_jの 指定された境界ψ_j ^minからψ_j ^max内で、離散マッピングによって捕獲されるよう に、変化する。有効目的関数Π_effの最適化実行のためには、シミュレーション アニーリング技法が最も理想的である。最後に、制約概括テーブルは、多次元マ ップ全体のためのデータを保持する。 シナリオ分析ルーチンについては、１つのシナリオは、各制約関数が同時に獲 得する目標値｛φ_i ^targ｝ｊの１群を含む。有効目的関数は、上述した方法と同 じような方法で再び組立てられる。多重制約の実現についての主な違いは、｛ψ_i ^est ｝の決定である。それらは、目標｛φ_i ^targ｝を生み出す｛ψ_i｝についての 値である。事前処理、境界決定及び内挿ルーチンば、多次元のシステムに適合さ せる必要がある。しかしながら、一旦｛ψ_i ^est｝が決定されれば、Π_effの最適 化が再び実行されて、主要目的関数Πが最適化されると同時に、所望の｛φ_i ^{tar g} ｝ｊを生じる独立変数の値が生み出される。 上述の説明は、本発明を実行するための、現在のところ最良と考えられている方 法である。この説明は、本発明の一般的原理を説明する目的でなされるものであ り、限定的な意味合いで理解されるべきではない。本発明の範囲は、以下の請求 の範囲を参照することによって最も良く決定される。

【手続補正書】特許法第１８４条の８第１項 【提出日】平成１１年１月２１日（１９９９．１．２１） 【補正内容】 請求の範囲 １．企業企画モデル中に考慮されていない少なくとも１つの戦略的な制約を同時 に満足させながらも、前記企業企画モデルの最適化を制御するコンピュータ実現 化方法であって、 主要目標に影響を与える業務決定の集合を含む主要目標を選択するステップと ； 少なくとも１つの補助目標に影響を与える前記業務決定の集合の部分集合を含 む前記少なくとも１つの補助目標を選択するステップと； 前記少なくとも１つの補助目標が前記主要目標に対する戦略的な制約となるよ うに、前記主要目標を前記少なくとも１つの補助目標と組み合わせることによっ て前記業務決定集合に依存する有効目標を生成するステップと； 前記業務決定の各々に対して前記有効目標を最適化し、これによって、前記補 助目標を同時に達成しながらも、前記主要目標を最大化する業務決定の集合を生 成するステップと； を含む方法。 ２．企業データを記憶するデータ記憶装置を提供するステップであり、前記企業 データが前記最適化ステップで、前記有効目標を最適化するために用いられるス テップをさらに含む請求項１のコンピュータ実現化方法。 ３．前記主要目標が主要目的関数によって表され、前記主要目的関数が業務変数 の集合に依存し、前記業務変数の各々が前記業務決定の内の１つに対応する請求 項１のコンピュータ実現化方法。 ４．前記少なくとも１つの補助目標が、前記業務変数集合の部分集合に依存する 非線形制約関数によって表される請求項３のコンピュータ実現化方法。 ５．前記有効目標が、前記業務変数の集合に依存する有効目的関数によって表さ れる請求項４のコンピュータ実現化方法。 ６．前記有効目的関数が、前記補助関数の各々に対して重み係数を与え、次に、 前記主要関数から各重み付け済み補助関数を減算することによって形成される請 求項５のコンピュータ実現化方法。 ７．前記最適化ステップが、前記業務変数の各々に対して前記有効目的関数を最 適化し、これによって、前記行目変数の各々に対する最適値を得るステップをさ らに含む請求項６のコンピュータ実現化方法。 ８．前記少なくとも１つの補助目標の各々に対して重み付け範囲を選択するステ ップと； 前記重み付け範囲にわたって前記重み係数の各々を変えるステップと； をさらに含み、 前記有効目標を形成する前記ステップと前記有効目標を最適化する前記ステッ プが、前記重み付け範囲中の重み係数をすべて組み合わせるために実行される、 請求項７のコンピュータ実現化方法。 ９．前記重み付け範囲の各々の範囲中の重み係数毎に、前記業務変数の前記最適 値が、前記主要目標と前記少なくとも１つの補助目標の値を決定するために利用 され； 前記主要目標と、前記少なくとも１つの補助目標及び前記重み係数が制約概括 テーブル中に記憶される、請求項８のコンピュータ実現化方法。 １０．前記少なくとも１つの補助目標に対して目標決定された値を選択するステ ップと； 前記制約概括テーブルからデータを内挿して、前記少なくとも１つの補助目標 に対する前記所望の目標値を生じる重み係数の値を推測するステップと； 前記有効目標を形成する前記ステップと前記有効目標を最適化する前記ステッ プを前記重み係数の前記推測値に対して繰り返すステップと； をさらに含む請求項９のコンピュータ実現化方法。 １１．前記主要目的関数が需要モデルである請求項３のコンピュータ実現化方法 。 １２．前記主要目的関数が利益関数である請求項３のコンピュータ実現化方法。 １３．前記少なくとも１つの制約関数が価格イメージ関数を含む請求項４のコン ビュータ実現化方法。 １４．前記有効目的関数がシミュレーションされたアニーリングによって最適化 され、これによって、前記業務変数集合が少なくとも１つの離散変数を含む場合 でさえも、前記主要目標と前記少なくとも１つの補助目標に対する解を与える請 求項７のコンピュータ実現化方法。 １５．戦略的な制約の適用を介して企業企画決定の最適化を制御するコンピュー タ実現化方法であって、 企業データを有するデータ記憶装置を提供するステップと、 各々が単一の業務決定を表す業務変数の集合に依存する主要目的関数によって 表される主要目標を選択するステップと、 前記業務変数の集合の部分集合に依存する非線形制約関数によって表される補 助目標を選択するステップと、 前記主要目的関数と重み係数を掛けた前記非線形制約関数とを合成することに よって、前記業務変数の集合に依存する有効目的関数を構成するステップと、 前記業務変数の各々に対して前記有効目的関数を最適化し、前記企業データは 前記最適化に物理変数を与え、それにより前記業務変数の各々に対して最適値を 得るステップと、 前記主要目標のための値と前記補助目標のための値を決定するため前記業務変 数の前記最適値を利用するステップと、 でなり、前記業務変数の前記最適値は前記決定された主要および補助目標を達 成するための業務決定の集合を表す、方法。 １６．前記補助目標のための重み付け範囲を選択するステップと、 前記重み付け範囲に亘って前記重み係数を変えるステップと、 を更に含み、前記有効関数を形成し、前記有効関数を最適化する前記ステップ は前記重み付け範囲の前記重み係数の各々に対して行われる、請求項１５の方法 。 １７．前記重み付け範囲内の重み係数毎に、前記業務変数のための前記最適値は 前記主要目標および前記補助目標の値を決定するために使用され、前記主要目標 、前記補助目標および前記重み係数は制約概括テーブルに記憶される、請求項１ ６の方法。 １８．前記補助目標のための標的値を選択するステップと、 前記補助目標のための前記所望の標的値を生成する前記重み係数の値を評価す るため前記制約概括テーブルからデータを内挿するステップと、 前記重み係数の前記評価値のために前記有効目標を形成し、前記有効目標を最 適化する前記ステップを繰り返すステップと、 を更に含む請求項１７の方法。 １９．前記補助目標が、 で与えられる価格イメージ関数によって表される、 付け関数であり、Ｎは企業企画モデルにおける前記品目の総数である、先行請求 項の内のどれかの方法。 ２０．企業企画モデルの中に考慮されていない少なくとも１つの補助制約を同時 に満足させながらも、企業企画モデルの最適化を制御するシステムであって、 主要目標が業務決定の集合を含み、前記少なくとも１つの補助目標が前記業務 決定の部分集合を含み、前記補助目標が前記主要目標に対する戦略的制約を表し 、前記主要目標と前記少なくとも１つの補助目標を選択する手段と； 前記主要目標と前記少なくとも１つの補助目標を、前記少なくとも１つの補助 目標が前記主要目標を制約するように、有効目標に組み合わせる手段と； 前記有効目標を前記業務決定の各々に対して最適化する手段と； を備えるシステム。 ２１．業務決定の集合を含む主要目標を選択するステップと； 前記業務決定の集合の部分集合を含む少なくとも１つの補助目標を選択するス テップと； 前記主要目標を前記少なくとも１つの補助目標と、前記補助目標が前記主要目 標に対する戦略的制約とした働くように、組み合わせることによって前記業務決 定集合に依存する有効目標を形成するステップと； 前記有効目標を前記業務決定の各々に対して最適化するステップと； をコンピュータに実行させるプログラムコードを記憶しているコンピュータ読 取り可能記憶媒体。 【手続補正書】特許法第１８４条の８第１項 【提出日】平成１１年６月１７日（１９９９．６．１７） 【補正内容】 請求の範囲 １．企業企画モデル中に考慮されていない少なくとも１つの戦略的な制約を同時 に満足させながらも、前記企業企画モデルの最適化を制御するコンピュータ実現 化方法であって、 主要目標に影響を与えろ業務決定の集合を含む主要目標を選択するステップと ； 少なくとも１つの補助目標に影響を与える前記業務決定の集合の部分集合を含 む前記少なくとも１つの補助目標を選択するステップと； 前記少なくとも１つの補助目標が前記主要目標に対する戦略的な制約となるよ うに、前記主要目標を前記少なくとも１つの補助目標と組み合わせることによっ て前記業務決定集合に依存する有効目標を生成するステップと； 前記業務決定の各々に対して前記有効目標を最適化し、これによって、前記補 助目標を同時に達成しながらも、前記主要目標を最大化する業務決定の集合を生 成するステップと； を含む方法。 ２．企業データを記憶するデータ記憶装置を提供するステップであり、前記企業 データが前記最適化ステップで、前記有効目標を最適化するために用いられるス テップをさらに含む請求項１のコンピュータ実現化方法。 ３．前記主要目標が主要目的関数によって表され、前記主要目的関数が業務変数 の集合に依存し、前記業務変数の各々が前記業務決定の内の１つに対応する請求 項１のコンピュータ実現化方法。 ４．前記少なくとも１つの補助目標が、前記業務変数集合の部分集合に依存する 非線形制約関数によって表される請求項３のコンピュータ実現化方法。 ５．前記有効目標が、前記業務変数の集合に依存する有効目的関数によって表さ れろ請求項４のコンピュータ実現化方法。 ６．前記有効目的関数が、前記補助関数の各々に対して重み係数を適用し、次に 、前記主要関数から各重み付け済み補助関数を減算することによって形成される 請求項５のコンピュータ実現化方法。 ７．前記最適化ステップが、前記業務変数の各々に対して前記有効目的関数を最 適化し、これによって、前記行目変数の各々に対する最適値を得るステップをさ らに含む請求項６のコンピュータ実現化方法。 ８．前記少なくとも１つの補助目標の各々に対して重み付け範囲を選択するステ ップと； 前記重み付け範囲にわたって前記重み係数の各々を変えるステップと； をさらに含み、 前記有効目標を形成する前記ステップと前記有効目標を最適化する前記ステッ プが、前記重み付け範囲中の重み係数をすべて組み合わせるために実行される、 請求項７のコンピュータ実現化方法。 ９．前記重み付け範囲の各々の範囲中の重み係数毎に、前記業務変数の前記最適 値が、前記主要目標と前記少なくとも１つの補助目標の値を決定するために利用 され； 前記主要目標と、前記少なくとも１つの補助目標及び前記重み係数が制約概括 テーブル中に記憶される、請求項８のコンピュータ実現化方法。 １０．前記少なくとも１つの補助目標に対して目標決定された値を選択するステ ップと； 前記制約概括テーブルからデータを内挿して、前記少なくとも１つの補助目標 に対する前記所望の目標値を生じる重み係数の値を推測するステップと； 前記有効目標を形成する前記ステップと前記有効目標を最適化する前記ステッ プを前記重み係数の前記推測値に対して繰り返すステップと； をさらに含む請求項９のコンピュータ実現化方法。 １１．前記主要目的関数が需要モデルである請求項３のコンピュータ実現化方法 。 １２．前記主要目的関数が利益関数である請求項３のコンピュータ実現化方法。 １３．前記少なくとも１つの制約関数が価格イメージ関数を含む請求項４のコン ピュータ実現化方法。 １４ 前記有効目的関数がシミュレーションされたアニーリングによって最適化 され、これによって、前記業務変数集合が少なくとも１つの離散変数を含む場合 でさえも、前記主要目標と前記少なくとも１つの補助目標に対する解を与える請 求項７のコンピュータ実現化方法。 １５．前記補助目標が、 で与えられる価格イメージ関数によって表される、 付け関数であり、Ｎは企業企画モデルにおける前記品目の総数である、先行請求 項の内のどれかの方法。 １６．企業企画モデルの中に考慮されていない少なくとも１つの補助制約を同時 に満足させながらも、企業企画モデルの最適化を制御するシステムであって、 主要目標が業務決定の集合を含み、前記少なくとも１つの補助目標が前記業務 決定の部分集合を含み、前記補助目標が前記主要目標に対する戦略的制約を表し 、前記主要目標と前記少なくとも１つの補助目標を選択する手段と； 前記主要目標と前記少なくとも１つの補助目標を、前記少なくとも１つの補助 目標が前記主要目標を制約するように、有効目標に組み合わせる手段と； 前記有効目標を前記業務決定の各々に対して最適化する手段と； を備えるシステム。 １７．業務決定の集合を含む主要目標を選択するステップと； 前記業務決定の集合の部分集合を含む少なくとも１つの補助目標を選択するス テップと； 前記主要目標を前記少なくとも１つの補助目標と、前記補助目標が前記主要目 標に対する戦略的制約とした働くように、組み合わせることによって前記業務決 定集合に依存する有効目標を形成するステップと； 前記有効目標を前記業務決定の各々に対して最適化するステップと； をコンピュータに実行させるプログラムコードを記憶しているコンピュータ読 取り可能記憶媒体。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＣＡ，ＪＰ (72)発明者 チャウバル、チャルー・ブイ アメリカ合衆国、カリフォルニア州 95628、フェアー・オークス、フェアー・ オークス・ブールバード・ナンバー ８ 10818 【要約の続き】 よって、補助目的が目標値を達成すべきであるとする制 約を同時に満足させながらも、主要目的関数を最適化す る決定の集合が生成される。

Claims (1)

1. 【特許請求の範囲】 １．企業企画モデルを考慮していない少なくとも１つの戦略的な制約を同時に満 足させながらも、前記企業企画モデルの最適化を制御するコンピュータ実現化方 法であり、 主要目標に影響を与える業務決定の集合を含む前記主要目標を選択するステッ プと； 前記少なくとも１つの補助目標に影響を与える前記業務決定の集合の部分集合 を含む少なくとも１つの補助目標を選択するステップと； 前記少なくとも１つの補助目標が前記主要目標に対する戦略的な制約となるよ うに、前記主要目標を前記少なくとも１つの補助目標と組み合わせることによっ て前記業務決定の集合に依存する有効目標を形成するステップと； 前記業務決定の各々に対して前記有効目標を最適化し、これによって、前記補 助目標を同時に達成しながらも、前記主要目標を最大化する業務決定の集合を生 成するステップと； を含む方法。 ２．企業データを記憶するデータ記憶装置を提供するステップを更に含み、前記 企業データが前記有効目標を最適化するため前記最適化ステップ用いられる請求 項１のコンピュータ実現方法。 ３．前記主要目標が主要目的関数によって表され、前記主要目的関数が業務変数 の集合に依存し、前記業務変数の各々が前記業務決定の１つに対応する請求項１ のコンピュータ実現化方法。 ４．前記少なくとも１つの補助目標が、前記業務変数の集合の部分集合に依存す る非線形制約関数によって表される請求項３のコンピュータ実現化方法。 ５．前記有効目標が、前記業務変数の集合に依存する有効目的関数によって表さ れる請求項４のコンピュータ実現化方法。 ６．前記有効目的関数が、前記補助関数の各々に対して重み係数を適用し、次に 、重み付けされた各補助関数を前記主要関数から減算することによって形成され る請求項５のコンピュータ実現化方法。 ７．前記最適化ステップは、前記業務変数の各々に対して前記有効目的関数を最 適化し、これによって前記業務変数の各々に対する最適値を得ることをさらに含 む請求項６のコンピュータ実現化方法。 ８．前記少なくとも１つの補助目標の各々に対する重み付け範囲を選択するステ ップと； 前記重み付け範囲の各々にわたって前記重み係数の各々を変えるステップと； をさらに含み、 前記有効目標を形成する前記ステップと前記有効目標を最適化する前記ステッ プが、前記重み付け範囲中の重み係数のすべての組み合わせに対して実行される 請求項７のコンピュータ実現化方法。 ９．前記重み付け範囲の各々の範囲の中の重み係数毎に、前記業務変数の前記最 適値が、前記主要目標と前記少なくとも１つの補助目標の値を決定するために利 用され； 前記主要目標、前記少なくとも１つの補助目標及び前記重み係数が制約概括テ ーブル中に記憶される、請求項８に記載のコンピュータ実現化方法。 １０．前記少なくとも１つの補助目標に対して目標決定された値を選択するステ ップと； 前記制約概括テーブルからデータを内挿して、前記少なくとも１つの補助目標 に対する前記所望の目標値を生じる重み係数の値を推測するステップと； 前記有効目標を形成する前記ステップと前記有効目標を最適化する前記ステッ プを前記重み係数の前記推測値に対して繰り返すステップと； をさらに含む請求項９のコンピュータ実現化方法。 １１．前記主要目的関数が需要モデルである請求項３のコンピュータ実現化方法 。 １２．前記主要目的関数が利益関数である請求項３のコンピュータ実現化方法。 １３．前記少なくとも１つの制約関数が価格イメージ関数を含む請求項４のコン プュータ実現化方法。 １４．前記有効目的関数がシミュレーションされたアニーリングを介して最適化 され、これによって、前記業務変数集合が少なくとも１つの離散変数を含む場合 でさえも前記主要目標と前記少なくとも１つの補助目標に対する解を提供する請 求項７のコンピュータ実現化方法。 １５．戦略的制約を適用することによって企業企画決定の最適化を制御する方法 であって 企業データを有するデータ記憶装置を提供するステップと； 各々が単一の業務決定を表す業務変数の集合に依存する主要目的関数によって 表される主要目標を選択するステップと； 前記業務変数の集合の部分集合に依存する非線形制約関数によって表される補 助目標を選択するステップと； 前記主要目的関数と重み係数を乗算された前記非線形制約関数と組み合わせて 前記業務変数の集合に依存する有効目的関数を構築するステップと、 前記業務変数の各々に対して前記有効目的関数を最適化し、前記企業データが 前記最適化に物理的制約を与え、これによって前記業務変数の各々に対する最適 値を得るステップと； 前記業務変数の前記最適値を利用して、前記主要目標の値と前記補助目標の値 を決定するステップと； を含み、これによって、前記業務変数の前記最適値が、前記主要目標と前記補 助目標を達成する業務決定の集合を表す、方法。 １６．前記補助目標の重み付け範囲を選択するステップと； 前記重み付け範囲にわたって前記重み係数を変えるステップと； をさらに含み、 前記効果的関数を形成する前記ステップと前記効果的関数を最適化する前記ス テップが、前記重み付け範囲中の前記重み係数の各々に対して実行される、請求 項１５の方法。 １７．前記重み付け範囲中の重み係数毎に、前記業務変数の前記最適値を利用し て、前記主要目標と前記補助目標の値を決定し； 前記主要目標の値と、前記補助目標の値と、前記重み係数の値とが制約概括テ ーブル中に記憶される、請求項１６の方法。 １８．前記補助目標に対する目標決定値を選択するステップと； 前記制約概括テーブルからデータを内挿して、前記補助目標に対する所望の目 標値を生じる重み係数の値を推測するステップと； 前記有効目標を形成する前記ステップと前記有効目標を最適化する前記ステッ プを繰り返して前記重み係数の前記推測値を求めるステップと； をさらに含む請求項１７の方法。 １９．前記補助目標が、 によって与えられる価格イメージによって表され、 Ｎは企業企画モデルにおける前記品目の総数である、請求項１５の方法。 ２０．企業企画モデルに考慮されていない少なくとも１つの補助制約を同時に満 足させながらも、前記企業企画モデルの最適化を制御するシステムであって、 主要目標が業務決定の集合を含み、少なくとも１つの補助目標が前記業務決定 の部分集合を含み、前記補助目標が前記主要目標に対する戦略的制約を表してお り、前記主要目標と前記少なくとも１つの補助目標を選択する手段と； 前記主要目標と前記少なくとも１つの補助目標を、前記少なくとも１つの補助 目標が前記主要目標を制約するように、有効目標に組み合わせる手段と； 前記有効目標を前記業務決定の各々に対して最適化する手段と； を備える、システム。 ２１． 業務決定の集合を含む主要目標を選択するステップと； 前記業務決定の集合の部分集合を含む少なくとも１つの補助目標を選択するス テップと； 前記主要目標を前記少なくとも１つの補助目標と、前記補助目標が前記主要目 標に対する戦略的制約として動作するように、組み合わせることによって前記業 務決定の集合に依存する有効目標を形成するステップと； 前記有効目標を前記業務決定の各々に対して最適化するステップと； をコンピュータに実行させるプログラムコードを記憶しているコンピュータ読 取り可能記憶媒体。