JP2023005334A

JP2023005334A - 情報処理装置、制御方法、プログラム

Info

Publication number: JP2023005334A
Application number: JP2021107166A
Authority: JP
Inventors: 洋一江崎; Yoichi Ezaki
Original assignee: Canon Marketing Japan Inc; Canon IT Solutions Inc
Current assignee: Canon Marketing Japan Inc; Canon IT Solutions Inc
Priority date: 2021-06-29
Filing date: 2021-06-29
Publication date: 2023-01-18
Anticipated expiration: 2041-06-29
Also published as: JP7417118B2

Abstract

【課題】本発明では、計画者が割当計画を作成する際に、過去の計画に基づいて計画の作成を支援する仕組みを提供することを目的とする。【解決手段】本発明は、所定の制約を満たすようにジョブをリソースに割り当てる割当計画を作成する情報処理装置であって、作成された割当計画に基づいて割当評価モデルを構築する構築手段と、前記割当評価モデルを用いて、リソースに既に割り当てられたジョブと、割り当てられていないジョブとの当該リソースへの割当評価値を出力する出力手段とを備えることを特徴とする。【選択図】図３

Description

割当計画の作成を支援する情報処理装置に関する。

割当問題はあらかじめ与えられたジョブの集合とエージェントの集合に対し、各種制約条件を満たしながら評価値が最善となるジョブとエージェントの割当の組合せを意思決定する問題である。割当問題の応用範囲は広く、配送計画をはじめ、人員配置、シフトスケジューリング、取合せ計画など様々な計画問題に活用される。

実応用において割当問題を考える場合、その制約条件と目的関数、すなわち計画の評価値を明らかにし定式化する必要がある。例えば配送計画においては、車両ごとの積荷の積載可否という制約条件を満たしつつ、車両ごとの配送にかかる距離の総和という目的関数を最小化する問題と考えることができる。

他方、実務における計画立案ではこの制約条件や目的関数が一部は明らかになっているものの、計画にかかる条件や評価値が一部明文化されていないケースが多く存在する。高度な意思決定のためには、この明文化されない条件や評価値を何らかの方法で計画に組み入れていく必要がある。従来技術としては、過去の計画履歴や計画に対する変更指示に基づき、意思決定を高度化する手法が提示されている。

特許文献１には、作成済みの割当計画に対する変更指示あるいは新たな割当指示を蓄積および学習することにより、計画知識に沿った割当を実施する手法について開示されている。特許文献２には、過去に立案された生産計画の履歴情報に基づいて、各製品の生産順を含む計画パターンを機械学習により算出し、前記計画パターンに従って前記各製品の生産順序を並べ替え計画を立案する手法について開示されている。非特許文献１には、目的関数の要素が明らかな最適化問題において、計画履歴を用いてあらかじめクラスタ化された計画要素クラスタごとに逆強化学習をベースとした手法を用いて目的関数の要素重みを学習し、学習結果に基づいて最適化問題の求解する手法について開示されている。

特開２０１８－９２２５５号公報国際公開２０１８／２２０８８５号公報

"TV Advertisement Scheduling by Learning Expert Intentions", KDD'19:Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, July 2019, pp.3071-3081. https://doi.org/10.1145/3292500.3330768

特許文献１には、作成済みの割当計画に対する変更指示あるいは新たな割当指示を蓄積および学習することにより、計画知識に沿った割当を実施する手法が記載されている。

しかし、計画者の計画更新指示を学習の対象としており、指示の履歴が逐次的に記録されている必要があるという課題がある。

そのため、計画に対する更新指示がなくとも、計画の履歴さえ蓄積していれば、システムによる計画立案の支援が可能となることが望まれる。

特許文献２には、過去に立案された生産計画の履歴情報に基づいて、各製品の生産順を含む計画パターンを機械学習により算出し、前記計画パターンに従って前記各製品の生産順序を並べ替え計画を立案する手法が記載されている。

しかし、１回の計画単位に対しては既知の制約に対する違反度を学習しており定式化あるいは定量化されている制約のみ学習されること、計画パターンに対しては隣接する順序関係を１対１で学習しており割当など順序のない計画や複数要素の組合せ解を含む計画に対しては適用できないこと、という課題がある。

そのため、明示的でなく違反度が計算できない制約が含まれる場合の評価と、順序性がない計画や複数要素の組合せ解を含む計画に対して適用できることが望まれる。

非特許文献１には、目的関数の要素が明らかな最適化問題において、計画履歴を用いてあらかじめクラスタ化された計画要素クラスタごとに逆強化学習をベースとした手法を用いて目的関数の要素重みを学習し、学習結果に基づいて最適化問題の求解する手法が記載されている。

しかし、目的関数を構成する要素が明らかであり目的関数が定式化されている必要があることと、１回の計画単位に対する計画結果全体を比較して計画間の距離（評価値）を算出しているため、意思決定要素間や部分解に対しては適用できないという課題がある。

そのため、目的関数の要素がすべて明らかでない場合や、計画要素間や部分解に対しても学習を適用できることが望まれる。

そこで、本発明は、計画者が割当計画を作成する際に、過去の計画に基づいて計画の作成を支援する仕組みを提供することを目的とする。

本発明は、所定の制約を満たすようにジョブをリソースに割り当てる割当計画を作成する情報処理装置であって、作成された割当計画に基づいて割当評価モデルを構築する構築手段と、前記割当評価モデルを用いて、リソースに既に割り当てられたジョブと、割り当てられていないジョブとの当該リソースへの割当評価値を出力する出力手段とを備えることを特徴とする。

本発明によれば、計画者が割当計画を作成する際に、過去の計画に基づいて計画の作成を支援する仕組みを提供することが可能となる。

本発明の実施形態における、配車割当計画支援システムのシステム構成の一例を示す図である。本発明の実施形態における、配車割当計画支援システムのクライアント１０１、サーバ１０２に適用可能なハードウェア構成の一例を示すブロック図である。本発明の実施形態における、配車割当計画支援システムの機能構成の一例を示す図である。本発明の実施形態における、計画対象となる割当問題とその実施例の一例を示す図である。本発明の実施形態における、配車割当計画支援システムのモデル化対象を抽出する処理の一例を示すフローチャートである。本発明の実施形態における、配車割当計画支援システムの割当評価テーブルを構築する処理の一例を示すフローチャートである。本発明の実施形態における、配車割当計画支援システムの割当評価値を計算する処理の一例を示すフローチャートである。本発明の実施形態における、配車割当計画支援システムの関係モデルを更新する処理の一例を示すフローチャートである。本発明の実施形態における、配車割当計画支援システムの割当評価モデルを更新する処理の一例を示すフローチャートである。本発明の実施形態における、部分解特徴ベクトル構成の一例を示す図である。本発明の実施形態における、割当評価ベクトル構成の一例を示す図である。本発明の実施形態における、配車割当計画支援システムの計画立案支援画面の一例を示す図である。本発明の実施形態における、配車割当計画支援システムの積荷テーブルの一例を示す図である。本発明の実施形態における、配車割当計画支援システムの車両テーブルの一例を示す図である。本発明の実施形態における、配車割当計画支援システムの割当結果テーブルの一例を示す図である。本発明の実施形態における、配車割当計画支援システムのモデルパラメータテーブルの一例を示す図である。本発明の実施形態における、配車割当計画支援システムの割当評価テーブルの一例を示す図である。

以下、図面を参照して、本発明の実施形態を詳細に説明する。

図１は、本発明の実施形態の配車割当計画支援システムのシステム構成の一例を示す図である。

配車割当計画支援システム１００は、１または複数のクライアント１０１（ＰＣ，入出力装置など）、１または複数のサーバ１０２がネットワーク１０３を介して接続される構成となっている。

クライアント１０１はＷｅｂブラウザを備え、ユーザによる操作や入力の受け付けてサーバ１０２に処理要求や必要データを送信し、サーバ１０２からの画面表示指示を受けて画面表示を実行する。

サーバ１０２は、割当計画処理に必要なデータを記憶し、クライアント１０１からの処理要求に応じて処理を実行し、計画結果を表示するためにクライアント１０１に結果データとともに画面表示指示を送信する。

なお、本実施例では、クライアントとサーバが連携する形態としたが、サーバで全ての入出力および処理を実行してもよいし、サーバから必要データをクライアントに送信してクライアントで処理を実行してもよい。

以下、図２を用いて、図１に示したクライアント１０１、サーバ１０２に適用可能なハードウエア構成の一例について説明する。

図２において、２０１はＣＰＵで、システムバス２０４に接続される各デバイスやコントローラを統括的に制御する。また、ＲＯＭ２０３あるいは外部メモリ２１１には、ＣＰＵ２０１の制御プログラムであるＢＩＯＳ（ＢａｓｉｃＩｎｐｕｔ／ＯｕｔｐｕｔＳｙｓｔｅｍ）やオペレーティングシステムプログラム（以下、ＯＳ）や、各サーバ或いは各ＰＣの実行する機能を実現するために必要な各種プログラム等が記憶されている。

２０２はＲＡＭで、ＣＰＵ２０１の主メモリ、ワークエリア等として機能する。ＣＰＵ２０１は、処理の実行に際して必要なプログラム等をＲＯＭ２０３あるいは外部メモリ２１１からＲＡＭ２０２にロードして、該ロードしたプログラムを実行することで各種動作を実現するものである。

また、２０５は入力コントローラで、入力装置２０９等からの入力を制御する。２０６はビデオコントローラで、液晶ディスプレイ等のディスプレイ装置２１０への表示を制御する。なお、ディスプレイ装置は、液晶ディスプレイに限られず、ＣＲＴディスプレイなどであっても良い。これらは必要に応じてクライアントが使用するものである。

２０７はメモリコントローラで、ブートプログラム，各種のアプリケーション，フォントデータ，ユーザファイル，編集ファイル，各種データ等を記憶するハードディスク（ＨＤ）や、フレキシブルディスク（ＦＤ）、或いはＰＣＭＣＩＡカードスロットにアダプタを介して接続されるコンパクトフラッシュ（登録商標）メモリ等の外部メモリ２１１へのアクセスを制御する。

２０８は通信Ｉ／Ｆコントローラで、ネットワークを介して外部機器と接続・通信するものであり、ネットワークでの通信制御処理を実行する。例えば、ＴＣＰ／ＩＰを用いた通信等が可能である。

なお、ＣＰＵ２０１は、例えばＲＡＭ２０２内の表示情報用領域へアウトラインフォントの展開（ラスタライズ）処理を実行することにより、ディスプレイ装置２１０上での表示を可能としている。また、ＣＰＵ２０１は、ディスプレイ装置２１０上の不図示のマウスカーソル等でのユーザ指示を可能とする。

ハードウエア上で動作する各種プログラムは、外部メモリ２１１に記録されており、必要に応じてＲＡＭ２０２にロードされることによりＣＰＵ２０１によって実行されるものである。

なお、全ての装置がこれらの構成を備えているわけではなく、必要なものを夫々備えていればよい。

図３は本発明の実施形態の配車割当計画支援システムの機能構成の一例を示すブロック図である。

図３に示すように、配車割当計画支援システム１００は、クライアント１０１とサーバ１０２にて構成される。

クライアント１０１は、ブラウザ３１１を備え、ユーザから操作や入力を受け付けてサーバ１０２に処理要求や必要データを送信し、サーバ１０２からの画面表示指示を受けて画面を表示する。

サーバ１０２は、計画・実績情報記憶部３２１、モデル情報記憶部３２２、計画・実績情報取得部３２３、モデル化対象抽出部３２４、モデル復元部３２５、モデル更新部３２６、計画情報表示・編集受付部３２７から構成される。

計画・実績情報記憶部３２１は、過去に作成された配車割当計画情報および現在作成中の配車割当計画情報を格納する記憶部である。

モデル情報記憶部３２２は、計画・実績情報記憶部３２１から抽出された配車割当計画情報に基づいて作成、更新されたモデル情報を格納する記憶部である。

モデル化対象抽出部３２４は、計画・実績情報記憶部３２１から所定の基準に従ってモデル化に用いる配車割当計画情報を抽出する機能部である。

モデル復元部３２５は、モデル情報記憶部３２２からモデル情報を取得して、モデルとして使用できる状態に復元する機能部である。

モデル更新部３２６は、抽出された配車割当計画情報に基づいてモデルを新規作成する、または、復元されたモデルに対して抽出された配車割当計画情報に基づいてモデルを更新する機能部である。

計画情報表示・編集受付部３２７は、計画・実績情報記憶部３２１に記憶された配車割当計画情報に基づいて、現在作成中、または、過去に作成された配車割当計画情報を表示し、ユーザから配車割当計画情報の編集操作を受け付ける機能部である。

図４を用いて本発明の実施形態における割当問題の実施例と計画単位について説明する。対象とする問題は割当問題の典型例である配車計画であり、１計画単位のＩＮＰＵＴとしては積荷の集合と車両の集合が与えられる。この積荷と車両には各々属性がついており、たとえば積荷には重量や届け先の属性、車両には積載可能重量や車種といった属性が考えられる。１計画単位のＯＵＴＰＵＴは、ＩＮＰＵＴの積荷と車両の割当である。一般的に計画者は、すべての積荷もしくは一定量以上の積荷を車両に割当てる計画を考える。このとき、積荷と車両の間、積荷と積荷の間に課される制約を充足しながら、割り当てる積荷量の最大化、使用する車両台数の最小化などといった評価指標を鑑み効率の良い計画を立案することを目指す。

次に図５～図９のフローチャートを用いて、本発明の実施形態における配車割当計画支援システムが実行する処理について説明する。

図５のフローチャートは、配車割当計画支援システム１００のサーバ１０２のＣＰＵ２０１が所定の制御プログラムを読み出して実行する処理であり、学習によるモデル化対象を抽出する処理を示すフローチャートである。

ステップＳ１０１では、あらかじめ設定されたモデル化パラメータを取得しモデルの対象として設定する。モデル化パラメータとは、データ取得対象期間、モデル化対象選定フラグ、関係行列モデル化フラグの３種類である。この時、これらのパラメータは、プログラム上に設定されたパラメータでもよいし、画面やファイルから入力される情報でもよい。

ステップＳ１０２では、ステップＳ１０１で設定した対象期間の計画・実績情報を割当結果テーブル１５００（図１５）から、また計画のＩＮＰＵＴとなった積荷・車両情報を積荷テーブル１３００（図１３）と車両テーブル１４００（図１４）から取得する。このとき、計画日が取得対象期間に含まれるデータを取得し、割当結果は計画でも実績でもよい。

ステップＳ１０３では、ステップＳ１０１で設定したモデル化対象選定フラグが真の場合、関係モデル構築と判断しＳ１０４に進む、一方で偽の場合、割当評価モデルと判断しＳ１０７に進む。

ステップＳ１０４では、ステップＳ１０１で設定した関係行列モデル化フラグが真の場合、積荷と積荷の関係行列を構築するステップＳ１０５に進む、一方で偽の場合、積荷と車両の関係行列を構築するステップＳ１０６に進む。

ステップＳ１０５では、積荷と積荷の関係モデルを構築し、モデルパラメータテーブル１６００（図１６）に格納する。関係モデルの構築方法については後述する。

ステップＳ１０６では、積荷と車両の関係モデルを構築し、モデルパラメータテーブル１６００に格納する。関係モデルの構築はステップＳ１０５と同様である。

図６のフローチャートは、配車割当計画支援システム１００のサーバ１０２のＣＰＵ２０１が所定の制御プログラムを読み出して実行する処理であり、割当評価テーブルを構築する処理を示すフローチャートである。

本フローでは、所定の計画単位ごとのの計画ＩＮＰＵＴ、ＯＵＴＰＵＴを用い、ステップＳ２０１～Ｓ２０９の各処理を実行する。

ステップＳ２０１では、所定の計画単位、例えば１日分の計画を再現した割当をメモリ上に復元する。

ステップＳ２０２では、所定の計画単位におけるＩＮＰＵＴのサマリベクトルを構築する。ベクトルの構築はルールベースで積荷数、車両数といった数値情報をベクトル化するほか、主成分分析、Ｎｏｄｅ２Ｖｅｃ、オートエンコーダなどの手法を用い次元圧縮してベクトル化する方法が考えられる。

ステップＳ２０３では、計画単位内の各積荷に対し積荷特徴ベクトルを、またステップＳ２０４では、計画単位内の各車両に対し車両特徴ベクトルを構築する。ベクトルの構築方法はステップＳ２０２と同様、ルールベースないし圧縮手法が考えられる。

ステップＳ２０５では、実績解の部分集合を列挙する。列挙の候補数が少ない場合は冪集合を全列挙すればよい。列挙の候補が多く組合せ爆発が発生する場合、候補の中からランダムサンプリングする手法などを用いることで、列挙数を抑えることができる。以降ステップＳ２０５で列挙した実績解の部分集合に対し、ステップＳ２０６～ステップＳ２０９を実行する。

ステップＳ２０６では、ステップＳ２０５で列挙された実績解の部分集合に対し、部分解特徴ベクトルを構築する。以降、選択した実績解の部分集合に含まれない未割当積荷に対して、ステップＳ２０７～ステップＳ２０９を実行する。

ステップＳ２０７では、ステップＳ２０５で列挙された実績解の部分集合に対し、選択した未割当積荷を割当てる場合の評価値を計算する。評価値の計算方法については後述する。

ステップＳ２０８では、ステップＳ２０６までで構築された特徴ベクトルと、ステップＳ２０７で計算された評価値を用い割当評価ベクトルを構築する。

ステップＳ２０９では、ステップＳ２０８で構築した割当評価ベクトルを割当評価テーブルに追加する。

ここで、配送計画において本フローの割当評価ベクトルを構築するイメージを図１０および図１１を用いて説明する。ベクトル化処理の単位は所定の計画単位である。
図１０において、まずステップＳ２０２の処理で計画単位のＩＮＰＵＴに対応する特徴ベクトルを構築する。以降はこれと結合するように、車両と積荷の特徴ベクトルを埋め込んでいく。具体的には既存の解、すなわち車両と積荷の割当に対し、積荷の部分集合を列挙して各々を特徴ベクトルとしていく。部分集合を列挙するのは、実際に計画を作成する場面で、すでに車両に割り当てられた積荷の組み合わせを基に照合する対象となる部分集合のバリエーションを増やすためである。図１０の例では、車両Ａ１と、Ａ１に割当てられた積荷Ｊ１～Ｊ５に対してこれを考える。図１０の例では、Ｓ２０５で列挙された部分集合のうち、Ｊ１とＪ２からなる部分集合に対してのベクトル構築を記載する。本例ではＩＮＰＵＴ特徴ベクトルに加え、ステップＳ２０４で構築したＡ１に対応する車両特徴ベクトルを埋め込み、さらにステップＳ２０３で構築したＪ１、Ｊ２に対応する積荷特徴ベクトルを埋め込む。ベクトルを固定長にしたい場合、固定長に至るまでこの後にダミー変数を埋め込んでもよい。

図１０で構築された部分解の特徴ベクトルに対し、さらに図１１で割当の特徴を埋め込む。このとき、ステップＳ２０５の部分集合に含まれない積荷を割当候補とし、各候補に対して割当の評価値計算を実行する。図１０の部分解特徴ベクトルに対し、割当候補積荷の特徴ベクトルおよび割当評価値を埋め込んだものが、割当評価ベクトルとなる。このように生成された割当評価ベクトルをモデル生成および更新データとして用いてモデルを生成および更新する。ここで、列挙数が多くなりすぎ学習の負荷となる場合、１つの解に対する列挙数を一定値以下に抑えるなどの工夫で学習負荷を下げることができる。

図７のフローチャートは、配車割当計画支援システム１００のサーバ１０２のＣＰＵ２０１が所定の制御プログラムを読み出して実行する処理であり、割当評価値を計算する処理を示すフローチャートである。

ステップＳ３０１では、ステップＳ２０６で構築した部分解とステップＳ２０７の入力となる未割当積荷を用い、部分解に対して未割当積荷を仮割当する。ここで同時に割当て評価値の基準点を設定する。相対的な評価となるため、基準点は０点などでよい。

ステップＳ３０２では、ステップＳ３０１の仮割当した部分解について、既知の制約を充足するか否かを判定する。既知の制約とはたとえば部分解の積荷と仮割当する未割当積荷が同載可能か否か、積載重量が車両に積載可能な重量を超えないか、などである。

ステップＳ３０３では、ステップＳ３０２の判定結果を用い、制約を満たす場合はステップＳ３０５に、制約を満たさない場合はステップＳ３０４に進む。

ステップＳ３０４では、ステップＳ３０１の部分解への仮割当が制約を満たさないため、望ましくない割当として評価値に対し減点評価をする。この減点には例えば－１点などの規定値を用いてもいいし、解の構造を用いた関数を用いてもよい。

ステップＳ３０５では、仮割当した未割当積荷が元の割当に含まれるか否かを判定する。ここで元の割当とは、ステップＳ２０５で実績解の部分集合を列挙する基になった車両単位の割当のことである。元の割当に含まれる場合はステップＳ３０７に、含まれない場合はステップＳ３０６に進む。

ステップＳ３０６では、積荷は割当て可能であるが、元の計画あるいは実績には含まれていないものであるため、評価値に対し小さい加点評価を。この加点には例えば＋１点などの規定値を用いてもいいし、解の構造を用いた関数を用いてもよい。

ステップＳ３０７では、積荷は割当て可能であり、かつ元の計画あるいは実績に含まれているため、評価値に対し大きい加点評価をする。この加点には例えば＋５点などの規定値を用いてもいいし、解の構造を用いた関数を用いてもよい。

図８のフローチャートは、配車割当計画支援システム１００のサーバ１０２のＣＰＵ２０１が所定の制御プログラムを読み出して実行する処理であり、関係モデルを構築および更新する処理を示すフローチャートである。

ステップＳ４０１では、モデルパラメータテーブル１６００を参照し、関係モデルが新規構築されるか否かを判断する。新規構築の場合、ステップＳ４０２に、そうでない場合ステップＳ４０３に進む。

ステップＳ４０２では、ステップＳ１０２で取得した対象期間の計画・実績情報と、計画のＩＮＰＵＴとなった積荷情報・車両情報を用い、関係量推定モデルを構築する。関係量の推定は、積荷と積荷および積荷と車両がどの程度同時に割当されやすいかを数値化する。関係量は積荷－積荷間あるいは積荷－車両間で規定される値であり、行列形式で表現できるが、行列形式で保持すると計算上必要としない積荷と積荷あるいは積荷と車両の間の値まで展開されてしまう。このため、積荷属性あるいは車両属性を入力とする関数あるいは機械学習モデルなどを用い、必要部分のみ関係量を計算できるようにする。手法としては例えば確率的クラスタリングや行列因子分解などを用い、積荷と積荷の同載されやすさ、積荷と車両の割当されやすさを、属性を次元圧縮した情報（たとえば、クラスタ番号とクラスタ情報）をキーとして数値化する。これによりテーブルに格納する際の情報量も圧縮することができる。

ステップＳ４０３では、モデルパラメータテーブル１６００から前回モデルパラメータを取得する。

ステップＳ４０４では、ステップＳ４０３で得られたモデルパラメータから関係量推定モデルを再構築する。例えばクラスタリングであれば各クラスタの重心やクラスタに所属するデータ数を復元する。

ステップＳ４０５では、ステップＳ４０２と同様に、ステップＳ１０２で取得した計画・実績情報および積荷情報・車両情報を用いて関係量推定モデルを更新する。

ステップＳ４０６では、ステップＳ４０２ないしステップＳ４０５で構築された関係モデルのパラメータをモデルパラメータテーブル１６００に格納する。

図９のフローチャートは、配車割当計画支援システム１００のサーバ１０２のＣＰＵ２０１が所定の制御プログラムを読み出して実行する処理であり、割当評価モデルを構築および更新する処理を示すフローチャートである。

ステップＳ５０１では、モデルパラメータテーブル１６００を参照し、割当評価モデルが新規構築されるか否かを判断する。新規構築の場合、ステップＳ５０２に、そうでない場合ステップＳ５０３に進む。

ステップＳ５０２では、ステップＳ２０１からステップＳ２０８で構築した割当評価ベクトルを用い、新たに割当評価モデルを構築する。割当評価モデルは割当評価ベクトルとその評価値の集合から、部分解に対する割当の良否を評価値として推定するモデルであり、例えばニューラルネットワークや回帰モデルなどを用いることで実現できる。

ステップＳ５０３では、モデルパラメータテーブル１６００から前回モデルパラメータを取得する。

ステップＳ５０４では、ステップＳ５０３で得られたモデルパラメータから割当評価モデルを再構築する。例えばニューラルネットワークであれば、パーセプトロンの重み係数および活性化関数を復元する。

ステップＳ５０５では、ステップＳ５０２と同様に、ステップＳ２０１からステップＳ２０８で構築した割当評価ベクトルを用いて割当評価モデルを更新する。

ステップＳ５０６では、ステップＳ５０２ないしステップＳ５０５で構築された割当評価モデルのパラメータをモデルパラメータテーブル１６００に格納する。

図１２は本発明の実施例における、配車計画の割当支援を行うための画面である。割当支援画面は、車両選択部１００１、割当表示部１００２、候補検索ボタン１００３、未割当積荷表示部１００４からなる。

車両選択部１００１は割当対象とする車両を選択する部分である。車両選択部の各車両クリックなどの操作で、対象とする車両を選択する。

割当表示部１００２は各車両とその割当積荷を表示するものである。車両選択部１００１において選択された車両と、現在の計画における割当積荷を表示する。

候補検索ボタン１００３は、割当表示部１００２に表示された車両に対して同載する積荷の候補を検索するためのボタンである。候補検索ボタン１００３を押下することで、未割当かつ現在選択されている車両に対して割当て可能な積荷候補が未割当積荷表示部１００４に表示される。

未割当積荷表示部１００４は、候補検索ボタン１００３押下後の検索結果を表示し、計画を支援する部分である。表示された積荷をＤｒａｇ＆Ｄｒｏｐ操作などで割当表示部に移動することで、計画を更新する。ここで未割当積荷表示部１００４には、積荷の属性情報に加え、本発明にによる割当評価モデルの結果である評価値を表示し、評価値でソートすることにより、過去の計画や実績に近い割当が上位に表示され、結果としてこれまでの計画傾向を模擬した計画の立案が可能となる。

図１３の積荷テーブル１３００は、計画のＩＮＰＵＴとなる積荷情報を格納するテーブルであり、キーとなる積荷ＩＤ１３０１、計画日１３０２と積荷属性情報（１３０３～）の項目からなる。

積荷ＩＤ１３０１は、積荷を一意にするための項目である。

計画日１３０２は、積荷の計画対象日を特定するための項目であり、日付が登録される。

積荷属性情報は、積荷の属性項目であり、例えば重量１３０３、届け先１３０４などの情報が登録される。

図１４の車両テーブル１４００は、計画のＩＮＰＵＴとなる車両情報を格納するテーブルであり、キーとなる車両ＩＤ１４０１、計画日１４０２と車両属性情報（１４０３～）の項目からなる。

車両ＩＤ１４０１は、車両を一意にするための項目である。

計画日１４０２は、車両の計画対象日を特定するための項目であり、日付が登録される。

車両属性情報は、車両の属性項目であり、例えば車型１４０３などの情報が登録される。

図１５の割当結果テーブル１５００は、計画のＯＵＴＰＵＴとなる割当結果情報を格納するテーブルであり、計画日１５０１と車両ＩＤ１５０２、積荷ＩＤ１５０３の項目からなる。

計画日１５０１は、計画対象日を特定するための項目であり、日付が登録される。

車両ＩＤ１５０２と積荷ＩＤ１５０３は、計画における車両と積荷の割当関係を表す項目であり、各レコードの車両に各レコードの積荷が割り当てられていることを意味する。

図１６のモデルパラメータテーブル１６００は、関係モデルおよび割当評価モデルのパラメータを格納するテーブルであり、用途１６０１、モデル１６０２、モデルパラメータ１６０３の項目からなる。

用途１６０１は、対象とする用途が何かを表す。本発明の実施例においては積荷と積荷の関係モデルなのか、積荷と車両の関係モデルなのか、あるいは割当評価モデルなのかを表す。

モデル１６０２とモデルパラメータ１６０３は、モデル構築時に使用するモデルと、そのモデルに対応するパラメータ群を格納する。パラメータ格納時に冗長なフィールドはダミー変数でよい。

図１７の割当評価テーブル１７００は、割当評価ベクトルと評価値を格納するテーブルであり、ＩＤ１７０１、ＩＮＰＵＴ特徴ベクトル１７０２、車両特徴ベクトル１７０３、割当積荷特徴ベクトル１７０４、割当候補積荷特徴ベクトル１７０５、評価値１７０６からなる。

ＩＤ１７０１は、割当評価ベクトルと評価値の組を一意にするためのキー情報である。

ＩＮＰＵＴ特徴ベクトル１７０２と車両特徴ベクトル１７０３は、割当評価ベクトル構築時に計算されたＩＮＰＵＴおよび車両の特徴ベクトル値である。これらは数値のベクトルでもよいし、圧縮したバイナリ情報でもよい。

割当積荷特徴ベクトル１７０４は、割当評価ベクトル構築時に計算された部分集合の割当済積荷の特徴ベクトル値である。これらは数値のベクトルでもよいし、圧縮したバイナリ情報でもよい。また、冗長なフィールドはダミー変数でよい。

割当候補積荷特徴ベクトル１７０５は、割当評価ベクトル構築時に計算された割当候補積荷の特徴ベクトル値である。これは数値のベクトルでもよいし、圧縮したバイナリ情報でもよい。

評価値１７０６は、割当評価ベクトル構築時に計算された割当の評価値である。

以上により、計画者が割当計画を作成する際に、過去の計画に基づいて計画の作成を支援できるようになる。

なお、上述した各種データの構成及びその内容はこれに限定されるものではなく、用途や目的に応じて、様々な構成や内容で構成されることは言うまでもない。

また、本発明におけるプログラムは、各フローチャートの処理方法をコンピュータが実行可能なプログラムである。なお、本発明におけるプログラムは各フローチャートの各装置の処理方法ごとのプログラムであってもよい。

以上のように、前述した実施形態の機能を実現するプログラムを記録した記録媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムを読み出し、実行することによっても本発明の目的が達成されることは言うまでもない。

この場合、記録媒体から読み出されたプログラム自体が本発明の新規な機能を実現することになり、そのプログラムを記録した記録媒体は本発明を構成することになる。
プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＤＶＤ－ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＥＰＲＯＭ、シリコンディスク等を用いることが出来る。

また、コンピュータが読み出したプログラムを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

また、本発明は、複数の機器から構成されるシステムに適用しても、ひとつの機器から成る装置に適用しても良い。また、本発明は、システムあるいは装置にプログラムを供給することによって達成される場合にも適応できることは言うまでもない。この場合、本発明を達成するためのプログラムを格納した記録媒体を該システムあるいは装置に読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。

さらに、本発明を達成するためのプログラムをネットワーク上のサーバ、データベース等から通信プログラムによりダウンロードして読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。なお、上述した各実施形態およびその変形例を組み合わせた構成も全て本発明に含まれるものである。

１００配車割当計画支援システム
１０１クライアント
１０２サーバ
１０３ネットワーク

本発明は、割当対象を割当先に割り当てる割当計画を作成する情報処理装置であって、作成された割当計画に基づいて構築された割当評価モデルを用いて、割当先と当該割当先に既に割り当てられた割当対象とに基づいて、当該割当先に追加で割り当てられる割当対象の候補を出力する出力手段とを備えることを特徴とする、

Claims

所定の制約を満たすようにジョブをリソースに割り当てる割当計画を作成する情報処理装置であって、
作成された割当計画に基づいて割当評価モデルを構築する構築手段と、
前記割当評価モデルを用いて、リソースに既に割り当てられたジョブと、割り当てられていないジョブとの当該リソースへの割当評価値を出力する出力手段と
を備えることを特徴とする情報処理装置。
前記構築手段は、前記作成された割当計画のリソースの特徴量およびジョブの特徴量を用いて前記割当評価モデルを構築することを特徴とする請求項１に記載の情報処理装置。
前記構築手段は、前記作成された割当計画の入力情報に係る特徴情報を用いて前記割当評価モデルを構築することを特徴とする請求項１または２に記載の情報処理装置。
前記構築手段は、前記作成された割当計画のリソースに対して、当該リソースに割り当てられたジョブの部分集合と当該部分集合に含まれないジョブとの組み合わせと、当該組み合わせの評価値とに基づいて前記割当評価モデルを構築することを特徴とする請求項１～３のいずれか１項に記載の情報処理装置。
前記構築手段は、前記組み合わせに含まれるジョブが当該リソースに割り当てられていたかに従って前記評価値を決定することを特徴とする請求項４に記載の情報処理装置。
割当計画を作成する際に、指定されたリソースに対して、前記出力された割当評価値に従って前記割り当てられていないジョブを表示制御する表示制御手段を備えることを特徴とする請求項１～５のいずれか１項に記載の情報処理装置。
所定の制約を満たすようにジョブをリソースに割り当てる割当計画を作成する情報処理装置の制御方法であって、
構築手段が、作成された割当計画に基づいて割当評価モデルを構築する構築ステップと、
出力手段が、前記割当評価モデルを用いて、リソースに既に割り当てられたジョブと、割り当てられていないジョブとの当該リソースへの割当評価値を出力する出力ステップと
を備えることを特徴とする情報処理装置の制御方法。
所定の制約を満たすようにジョブをリソースに割り当てる割当計画を作成する情報処理装置において実行可能なプログラムであって、
前記情報処理装置を、
作成された割当計画に基づいて割当評価モデルを構築する構築手段と、
前記割当評価モデルを用いて、リソースに既に割り当てられたジョブと、割り当てられていないジョブとの当該リソースへの割当評価値を出力する出力手段
として機能させるためのプログラム。