利用整数规划求解器实现的任务处理方法、设备和介质技术

本公开提供了一种利用整数规划求解器实现的任务处理方法、设备和介质，涉及计算机技术领域，尤其涉及人工智能。实现方案为：获取与任务相关的多个变量中当前未固定的至少一个变量的分布信息，分布信息包括至少一个变量的类型分布信息和至少一个变量在任务的目标函数中的类型分布信息；少基于至少一个变量的分布信息，从多个候选变量选择策略中确定当前问题的第一目标变量选择策略；以及利用第一目标变量选择策略从多个变量中确定当前问题的至少一个目标变量。少一个目标变量。少一个目标变量。

【技术实现步骤摘要】
利用整数规划求解器实现的任务处理方法、设备和介质


[0001]本公开涉及计算机
，尤其涉及人工智能，具体涉及一种利用整数规划求解器实现的任务处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]混合整数规划是运筹优化领域中非常重要的问题，通过对其进行求解可以解决各种领域内的规划问题。如何改善混合整数规划的问题的求解过程，成为了业界关注的焦点。
[0004]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

[0005]本公开提供了一种利用整数规划求解器实现的任务处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0006]根据本公开的一方面，提供了一种利用整数规划求解器实现的任务处理方法，整数规划求解器包括分支模块，任务包括多个层次的问题，该方法包括利用分支模块依次确定每个层次的问题的至少一个目标变量，其中，利用分支模块确定当前问题的至少一个目标变量包括：获取与任务相关的多个变量中当前未固定的至少一个变量的分布信息，分布信息包括至少一个变量的类型分布信息和至少一个变量在任务的目标函数中的类型分布信息；至少基于至少一个变量的分布信息，从多个候选变量选择策略中确定当前问题的第一目标变量选择策略；以及利用第一目标变量选择策略从多个变量中确定当前问题的至少一个目标变量。
[0007]根据本公开的另一方面，提供了一种利用整数规划求解器实现的任务处理装置，整数规划求解器包括分支模块，任务包括多个层次的问题，该装置包括确定单元，被配置用于利用分支模块依次确定每个层次的问题的至少一个目标变量，其中，确定单元包括：获取子单元，被配置用于获取与任务相关的多个变量中当前未固定的至少一个变量的分布信息，分布信息包括至少一个变量的类型分布信息和至少一个变量在任务的目标函数中的类型分布信息；第一确定子单元，被配置用于至少基于至少一个变量的分布信息，从多个候选变量选择策略中确定当前问题的第一目标变量选择策略；以及第二确定子单元，被配置用于利用第一目标变量选择策略从多个变量中确定当前问题的至少一个目标变量。
[0008]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至
少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一方面的方法。
[0009]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述任一方面的方法。
[0010]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述任一方面的方法。
[0011]根据本公开的一个或多个实施例，可以改善多种类型的混合整数规划问题的求解效率、提高求解效果、并考虑长期收益。
[0012]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0013]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0014]图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
[0015]图2示出了根据本公开的实施例的利用整数规划求解器实现的任务处理方法的流程图；
[0016]图3示出了根据本公开的实施例的利用整数规划求解器实现的任务处理方法的流程图；
[0017]图4示出了根据本公开的实施例的利用整数规划求解器实现的任务处理方法的流程图
[0018]图5示出了根据本公开的实施例的利用整数规划求解器实现的任务处理装置的结构框图；
[0019]图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
[0020]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0021]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0022]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中
的任何一个以及全部可能的组合方式。
[0023]下面将结合附图详细描述本公开的实施例。
[0024]图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
[0025]在本公开的实施例中，服务器120可以运行使得能够执行利用整数规划求解器实现的任务处理方法的一个或多个服务或软件应用。
[0026]在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
[0027]在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用整数规划求解器实现的任务处理方法，所述整数规划求解器包括分支模块，所述任务包括多个层次的问题，所述方法包括利用分支模块依次确定每个层次的问题的至少一个目标变量，其中，所述利用分支模块确定当前问题的至少一个目标变量包括：获取与所述任务相关的多个变量中当前未固定的至少一个变量的分布信息，所述分布信息包括所述至少一个变量的类型分布信息和所述至少一个变量在所述任务的目标函数中的类型分布信息；至少基于所述至少一个变量的分布信息，从多个候选变量选择策略中确定所述当前问题的第一目标变量选择策略；以及利用所述第一目标变量选择策略从所述多个变量中确定所述当前问题的至少一个目标变量。2.根据权利要求1所述的方法，还包括：获取与所述任务相关的多个变量的分布信息，其中，至少基于所述至少一个变量的分布信息，从多个候选变量选择策略确定所述当前问题的第一目标变量选择策略包括：基于所述多个变量的分布信息以及所述至少一个变量的分布信息，从多个候选变量选择策略确定所述当前问题的第一目标变量选择策略。3.根据权利要求1或2所述的方法，其中，至少将所述至少一个变量的分布信息输入强化学习模型，利用所述强化学习模型从多个候选变量选择策略确定所述当前问题的目标变量选择策略。4.根据权利要求3所述的方法，还包括：基于当前问题的至少一个目标变量，计算全局最优松弛解和全局最优可行解；基于所述全局最优松弛解和全局最优可行解，计算奖励函数；基于所述奖励函数调整所述强化学习模型的参数；以及利用调参后的强化学习模型从多个候选变量选择策略确定所述当前问题的下一层次问题的第二目标变量选择策略。5.根据权利要求4所述的方法，其中，所述奖励函数为所述全局最优松弛解和全局最优可行解的比值。6.根据权利要求3所述的方法，其中，训练所述强化学习模型的样本数据包括：装箱样本数据和物流样本数据。7.根据权利要1所述的方法，其中，所述多个候选变量选择策略包括至少一个启发式策略和至少一个模仿学习模型。8.根据权利要求7所述的方法，其中，训练所述模仿学习模型的样本数据为利用强分支策略而获得的。9.根据权利要求7所述的方法，其中，训练所述模仿学习模型的样本数据包括：装箱样本数据和物流样本数据。10.根据权利要求1...

【专利技术属性】
技术研发人员：丁建辉，陈珍，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：