【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于數(shù)據(jù)生成領(lǐng)域，尤其是一種面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法及系統(tǒng)。
技術(shù)介紹
1、隨著人工智能技術(shù)的快速發(fā)展，將機器學習應用于組合優(yōu)化問題的建模過程越來越受到關(guān)注。組合優(yōu)化問題廣泛存在于生產(chǎn)調(diào)度、物流配送、資源分配等眾多領(lǐng)域，其建模過程涉及問題理解、數(shù)學建模和求解策略設(shè)計等多個環(huán)節(jié)。傳統(tǒng)的人工建模方式不僅耗時耗力，而且容易受到建模人員經(jīng)驗和知識的限制。因此，開發(fā)面向組合優(yōu)化的自動建模系統(tǒng)具有重要的理論價值和實踐意義。然而，自動建模系統(tǒng)的性能很大程度上依賴于高質(zhì)量訓練數(shù)據(jù)的支持，這使得訓練數(shù)據(jù)的自動生成成為關(guān)鍵性技術(shù)問題。
2、目前，組合優(yōu)化問題訓練數(shù)據(jù)的生成主要采用基于模板的方法和基于規(guī)則的方法。基于模板的方法通過預定義問題模板和參數(shù)范圍，使用隨機采樣或啟發(fā)式算法生成問題實例。這類方法能夠快速生成大量數(shù)據(jù)，但生成的數(shù)據(jù)往往缺乏多樣性和真實性。基于規(guī)則的方法則通過總結(jié)專家經(jīng)驗構(gòu)建問題生成規(guī)則庫，根據(jù)規(guī)則組合和變換生成新的問題實例。這種方法可以保證生成數(shù)據(jù)的合理性，但規(guī)則庫的構(gòu)建和維護成本較高，且難以覆蓋新出現(xiàn)的問題類型。另外，一些研究嘗試使用gan等生成模型來生成訓練數(shù)據(jù)，但由于組合優(yōu)化問題的離散性和結(jié)構(gòu)復雜性，現(xiàn)有方法難以保證生成數(shù)據(jù)的質(zhì)量和可用性。
3、現(xiàn)有的訓練數(shù)據(jù)生成方法存在以下幾個具體問題：首先，缺乏對問題結(jié)構(gòu)特征的深入分析和提取能力，難以準確捕獲變量間的依賴關(guān)系和約束條件的組合模式；其次，生成的數(shù)據(jù)缺乏語義層面的一致性驗證機制，可能出現(xiàn)約束沖突或變量定義不完備等問題；第三，參數(shù)
技術(shù)實現(xiàn)思路
1、專利技術(shù)目的，提供一種面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法及系統(tǒng)，以解決現(xiàn)有技術(shù)存在的上述問題。
2、技術(shù)方案，面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，包括如下步驟：
3、s1、獲取供應鏈優(yōu)化領(lǐng)域知識，構(gòu)建三元組關(guān)系，得到領(lǐng)域本體圖譜；讀取原始供應鏈優(yōu)化問題集合，基于原始供應鏈優(yōu)化問題集合和領(lǐng)域本體圖譜，提取語義特征，獲得特征向量集合；將特征向量集合和領(lǐng)域本體圖譜轉(zhuǎn)換為結(jié)構(gòu)化的優(yōu)化問題表示集合；
4、s2、將優(yōu)化問題表示集合進行分解，得到模型組件集合；對模型組件集合進行標準化轉(zhuǎn)換，生成標準化數(shù)學模型集合；基于標準化數(shù)學模型集合，提取模型模式，構(gòu)建模型模板庫；
5、s3、基于標準化數(shù)學模型集合和模型模板庫，生成參數(shù)化模型實例集；將參數(shù)化模型實例集轉(zhuǎn)換為結(jié)構(gòu)化描述元素集；對結(jié)構(gòu)化描述元素集應用語言生成規(guī)則，形成問題描述集合；
6、s4、對標準化數(shù)學模型集合進行結(jié)構(gòu)變換，得到結(jié)構(gòu)擾動模型集；對結(jié)構(gòu)擾動模型集執(zhí)行參數(shù)擾動，得到參數(shù)擾動模型集；將參數(shù)擾動模型集與問題描述集合匹配，生成擾動后的模型-描述對集合；
7、s5、基于擾動后的模型-描述對集合和領(lǐng)域本體圖譜，計算得到語義相似度矩陣；基于擾動后的模型-描述對集合，構(gòu)建結(jié)構(gòu)相似度矩陣；結(jié)合語義相似度矩陣和結(jié)構(gòu)相似度矩陣，生成訓練數(shù)據(jù)集。
8、面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成系統(tǒng)，包括：
9、至少一個處理器；以及，
10、與至少一個所述處理器通信連接的存儲器；其中，
11、所述存儲器存儲有可被所述處理器執(zhí)行的指令，所述指令用于被所述處理器執(zhí)行以實現(xiàn)所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法。
12、有益效果，本專利技術(shù)建立了完整的領(lǐng)域知識表示體系，實現(xiàn)了模型實例和問題描述的自動生成，增強了訓練數(shù)據(jù)的多樣性，保證了訓練數(shù)據(jù)的質(zhì)量；同時不僅提高了訓練數(shù)據(jù)生成的效率，而且通過多層次的驗證和篩選機制，確保了生成數(shù)據(jù)的準確性和實用性，提升了自動建模系統(tǒng)的性能和適用范圍。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S1進一步為：
3.根據(jù)權(quán)利要求2所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S2進一步為：
4.根據(jù)權(quán)利要求3所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S3進一步為：
5.根據(jù)權(quán)利要求4所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S4進一步為：
6.根據(jù)權(quán)利要求5所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S5進一步為：
7.根據(jù)權(quán)利要求6所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S31進一步為：
8.根據(jù)權(quán)利要求6所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S13進一步為：
9.根據(jù)權(quán)利要求6所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟S23進一步為：
10.面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成
...【技術(shù)特征摘要】
1.面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟s1進一步為：
3.根據(jù)權(quán)利要求2所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟s2進一步為：
4.根據(jù)權(quán)利要求3所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟s3進一步為：
5.根據(jù)權(quán)利要求4所述的面向組合優(yōu)化自動建模的訓練數(shù)據(jù)生成方法，其特征在于，步驟s4進一步為：
...【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉宇鳴，張一帆，
申請(專利權(quán))人：中科南京人工智能創(chuàng)新研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。