组合优化问题的求解方法、装置及系统与流程

本公开涉及组合优化，特别是涉及一种组合优化问题的求解方法、装置及系统。

背景技术：

1、组合优化问题是典型的np-hard(非确定性多项式)问题，其在实际应用中往往对应的是一些突发问题，如旅行商问题中某条路径通行时间临时发生变化，生产调度问题中机器突然出现故障等等，针对这类问题的求解目标往往是快速合理性而不是全局最优性。

2、并且，组合优化问题有很普遍的实际需求，但最优化求解很困难，其主要原因是求解这类问题的算法往往需要极长的运行时间与极大的存储空间，以致根本不可能在现有计算机上实现，即所谓的“组合爆炸”。

3、因此，如何快速得到组合优化问题的合理解，是目前亟需解决的一个技术问题。

技术实现思路

1、本公开的目的在于，提供一种能够快速得到组合优化问题的合理解的求解方案。

2、根据本公开的第一个方面，提供了一种组合优化问题的求解方法，包括：构造算法库，算法库中包括多种能够处理组合优化问题的求解算法；确定组合优化问题的解空间大小；基于解空间大小，从算法库中选取最优求解算法；以及调用资源执行最优求解算法，得到组合优化问题的第一目标解。

3、可选地，算法库中包括运筹规划算法、启发式算法、非梯度优化算法以及强化学习算法，基于解空间大小，从算法库中选取最优求解算法，包括：若解空间大小小于或等于第一阈值，则选取运筹规划算法作为最优求解算法；以及/或者若解空间大小大于第一阈值，则基于限制条件，从启发式算法、非梯度优化算法以及强化学习算法中选取最优求解算法。

4、可选地，限制条件包括以下至少一种：与求解时间相关的限制条件；与求解质量相关的限制条件；与算法泛化性相关的限制条件。

5、可选地，算法库中包括运筹规划算法、启发式算法、非梯度优化算法以及强化学习算法，基于解空间大小，从算法库中选取最优求解算法，包括：若解空间大小大于第一阈值，则从启发式算法、非梯度优化算法以及强化学习算法中选取至少两种求解算法作为最优求解算法，调用资源执行最优求解算法，得到组合优化问题的第一目标解，包括：调用资源分别执行所选取的各个最优求解算法，得到各个最优求解算法输出的解；选取表现最好的解作为第一目标解。

6、可选地，该方法还包括：将算法库中至少一个不同于最优求解算法的求解算法作为备份求解算法；调用资源执行备份求解算法，得到组合优化问题的第二目标解。

7、可选地，算法库中包括第一算法部分、第二算法部分以及第三算法部分，第一算法部分包括运筹规划算法，第二算法部分包括启发式规则、非梯度优化算法、与启发式规则结合的强化学习算法，第三算法部分包括端到端的强化学习算法，基于解空间大小，从算法库中选取最优求解算法，包括：基于解空间大小和限制条件，从第一算法部分、第二算法部分以及第三算法部分中选取一个算法部分；从选取的算法部分中选取求解算法作为最优求解算法，该方法还包括：从未选取的算法部分中选取至少一个求解算法作为备份求解算法；调用资源执行备份求解算法，得到组合优化问题的第二目标解。

8、根据本公开的第二个方面，提供了一种组合优化问题的求解系统，包括：算法库，包括多种能够处理组合优化问题的求解算法；和求解器，用于基于组合优化问题的解空间大小和限制条件，从算法库中选取求解算法，并利用选取的求解算法对组合优化问题进行求解，得到组合优化问题的解。

9、可选地，算法库中包括运筹规划算法、启发式算法、非梯度优化算法以及强化学习算法，若解空间大小小于或等于第一阈值，则求解器选取运筹规划算法作为最优求解算法，并且/或者若解空间大小大于第一阈值，则求解器基于限制条件，从启发式算法、非梯度优化算法以及强化学习算法中选取最优求解算法。

10、根据本公开的第三个方面，提供了一种组合优化问题的求解装置，包括：构造模块，用于构造算法库，算法库中包括多种能够处理组合优化问题的求解算法；确定模块，用于确定组合优化问题的解空间大小；选取模块，用于基于解空间大小，从算法库中选取最优求解算法；以及执行模块，用于调用资源执行最优求解算法，得到组合优化问题的第一目标解。

11、可选地，算法库中包括运筹规划算法、启发式算法、非梯度优化算法以及强化学习算法，若解空间大小小于或等于第一阈值，则选取模块选取运筹规划算法作为最优求解算法，并且/或者若解空间大小大于第一阈值，则选取模块基于限制条件，从启发式算法、非梯度优化算法以及强化学习算法中选取最优求解算法。

12、可选地，限制条件包括以下至少一种：与求解时间相关的限制条件；与求解质量相关的限制条件；与算法泛化性相关的限制条件。

13、可选地，算法库中包括运筹规划算法、启发式算法、非梯度优化算法以及强化学习算法，若解空间大小大于第一阈值，则选取模块从启发式算法、非梯度优化算法以及强化学习算法中选取至少两种求解算法作为最优求解算法，执行模块调用资源分别执行所选取的各个最优求解算法，得到各个最优求解算法输出的解，并选取表现最好的解作为第一目标解。

14、可选地，选取模块还将算法库中至少一个不同于最优求解算法的求解算法作为备份求解算法，执行模块调用资源执行备份求解算法，得到组合优化问题的第二目标解。

15、可选地，算法库中包括第一算法部分、第二算法部分以及第三算法部分，第一算法部分包括运筹规划算法，第二算法部分包括启发式规则、非梯度优化算法、与启发式规则结合的强化学习算法，第三算法部分包括端到端的强化学习算法，选取模块基于解空间大小和限制条件，从第一算法部分、第二算法部分以及第三算法部分中选取一个算法部分，并从选取的算法部分中选取求解算法作为最优求解算法，选取模块还从未选取的算法部分中选取至少一个求解算法作为备份求解算法，执行模块调用资源执行备份求解算法，得到组合优化问题的第二目标解。

16、根据本公开的第四个方面，提供了一种计算设备，包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上述第一方面所述的方法。

17、根据本公开的第五个方面，提供了一种计算机程序产品，包括可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上述第一方面所述的方法。

18、根据本公开的第六个方面，提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如上述第一方面所述的方法。

19、由此，本公开通过构造包括多种能够处理组合优化问题的求解算法的算法库，基于组合优化问题的解空间大小，从算法库中选取最优求解算法，对组合优化问题进行求解，使得可以快速得到组合优化问题的合理解。

技术特征：

1.一种组合优化问题的求解方法，其特征在于，包括：

2.根据权利要求1所述的求解方法，其特征在于，所述算法库中包括运筹规划算法、启发式算法、非梯度优化算法以及强化学习算法，

3.根据权利要求2所述的求解方法，其特征在于，所述限制条件包括以下至少一种：

4.根据权利要求1所述的求解方法，其特征在于，所述算法库中包括运筹规划算法、启发式算法、非梯度优化算法以及强化学习算法，

5.根据权利要求1所述的求解方法，其特征在于，还包括：

6.根据权利要求1所述的求解方法，其特征在于，所述算法库中包括第一算法部分、第二算法部分以及第三算法部分，所述第一算法部分包括运筹规划算法，所述第二算法部分包括启发式规则、非梯度优化算法、与启发式规则结合的强化学习算法，所述第三算法部分包括端到端的强化学习算法，

7.一种组合优化问题的求解系统，其特征在于，包括：

8.一种组合优化问题的求解装置，其特征在于，包括：

9.一种计算设备，包括：

10.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至6中任何一项所述的方法。

技术总结
本公开涉及一种组合优化问题的求解方法、装置及系统。构造算法库，所述算法库中包括多种能够处理组合优化问题的求解算法；确定组合优化问题的解空间大小；基于所述解空间大小，从所述算法库中选取最优求解算法；以及调用资源执行所述最优求解算法，得到所述组合优化问题的第一目标解。由此，可以快速得到组合优化问题的合理解。

技术研发人员：李京
受保护的技术使用者：第四范式（北京）技术有限公司
技术研发日：
技术公布日：2024/4/17