【技术实现步骤摘要】
基于人工智能的组合优化结果获取方法、设备及可读介质
本专利技术涉及计算机应用
，尤其涉及一种基于人工智能的组合优化结果获取方法、设备及可读介质。
技术介绍
人工智能(ArtificialIntelligence；AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。组合优化问题一直是计算机领域中一类疑难问题，具体需要一种特定的算法从数个备选结果中获取N个组合优化最优或是近似最优的组合方案。目前大部分组合优化问题仍然是仅能够获取多个较优的个体，形组合优化结果。而无法评估组合优化结果中各个个体之间的组合优化性能。因此，组合优化问题仍然无法得到有效地求解方式。而且组合优化问题的求解方法又应用在很多领域，比如旅行商问题，加工调度问题，背包问题，装箱问题，图着色问题，聚类问题等等，以及推荐领域。因此，本申请亟需提供一种组合优化结果的获取方法...
【技术保护点】
1.一种基于人工智能的组合优化结果的获取方法，其特征在于，所述方法包括：获取用户进行组合优化查询的特征参数和预设的备选集合，所述备选集合中包括数个备选结果；根据预先训练的组合优化筛选模型、所述特征参数以及所述备选集合，从所述备选集合的所述数个备选结果中筛选组合优化性能最优的N个，组成组合优化结果。
【技术特征摘要】
1.一种基于人工智能的组合优化结果的获取方法，其特征在于，所述方法包括：获取用户进行组合优化查询的特征参数和预设的备选集合，所述备选集合中包括数个备选结果；根据预先训练的组合优化筛选模型、所述特征参数以及所述备选集合，从所述备选集合的所述数个备选结果中筛选组合优化性能最优的N个，组成组合优化结果。2.根据权利要求1所述的方法，其特征在于，根据预先训练的组合优化筛选模型、所述特征参数以及所述备选集合，从所述备选集合的所述数个备选结果中筛选组合优化性能最优的N个，组成组合优化结果之前，所述方法还包括：在序列到序列的网络模型的基础上，采用加和层替代序列编码器；在处理后的所述序列到序列的网络模型中添加环境层，以引入所述用户的所述特征参数的信息；修改所述序列到序列的网络模型中的attention机制，得到所述组合优化筛选模型的原型；对所述组合优化筛选模型的原型进行训练，得到所述组合优化筛选模型。3.根据权利要求2所述的方法，其特征在于，对所述组合优化筛选模型的原型进行训练，得到所述组合优化筛选模型，具体包括：采用数值迭代的方式对所述组合优化筛选模型的原型进行训练，得到所述组合优化筛选模型。4.根据权利要求1-3任一所述的方法，其特征在于，根据预先训练的组合优化筛选模型、所述特征参数以及所述备选集合，从所述备选集合的所述数个备选结果中筛选组合优化性能最优的N个，组成组合优化结果之后，所述方法还包括：向所述用户反馈所述组合优化结果。5.一种基于人工智能的组合优化结果...
【专利技术属性】
技术研发人员：张希，王凡，田浩，吴泽衡，周古月，何径舟，周坤胜，
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：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。