【技术实现步骤摘要】
装箱问题的处理方法、装置及计算机可读存储介质
本专利技术属于装箱问题
，尤其涉及一种装箱问题的处理方法、装置及计算机可读存储介质。
技术介绍
装箱问题在工业生产中有着广泛的运用，例如材料切割、卡车装载、仓库存储等。装箱问题在运用过程中随着数据规模增大，处理时间会迅速增长，导致无法在短时间内完成对装箱问题的处理。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种装箱问题的处理方法、装置及计算机可读存储介质，用于解决现有技术中对装箱问题的处理效率低的问题。技术方案如下：本申请提供了一种装箱问题的处理方法，包括：将装箱问题输入预先训练得到的神经网络模型；所述神经网络模型为以装箱状态与有效装载率之间的映射关系和装箱样本作为训练样本，以映射关系中有效装载率收敛作为训练结束条件进行训练得到；获得所述预先训练得到的神经网络模型对所述装箱问题进行处理后输出的装箱状态以及与所述装箱状态对应的有效装载率。优选地，所述神经网络模型采用以下方法训练得到：获取装箱状态与有效...
【技术保护点】
1.一种装箱问题的处理方法，其特征在于，包括：/n将装箱问题输入预先训练得到的神经网络模型；所述神经网络模型为以装箱状态与有效装载率之间的映射关系和装箱样本作为训练样本，以映射关系中有效装载率收敛作为训练结束条件进行训练得到；/n获得所述预先训练得到的神经网络模型对所述装箱问题进行处理后输出的装箱状态以及与所述装箱状态对应的有效装载率。/n
【技术特征摘要】
1.一种装箱问题的处理方法，其特征在于，包括：
将装箱问题输入预先训练得到的神经网络模型；所述神经网络模型为以装箱状态与有效装载率之间的映射关系和装箱样本作为训练样本，以映射关系中有效装载率收敛作为训练结束条件进行训练得到；
获得所述预先训练得到的神经网络模型对所述装箱问题进行处理后输出的装箱状态以及与所述装箱状态对应的有效装载率。
2.根据权利要求1所述的方法，其特征在于，所述神经网络模型采用以下方法训练得到：
获取装箱状态与有效装载率之间的映射关系以及装箱样本，所述有效装载率用装箱状态与神经网络模型权重的函数来表征；
将装箱样本输入神经网络模型中，并生成装箱样本对应的所有装箱状态，基于表征有效装载率的函数，依次计算得到装箱样本对应的每个装箱状态的有效装载率；
基于所述映射关系和计算得到的每个装箱状态的有效装载率，确定所述映射关系中的有效装载率是否收敛；
若确定所述映射关系中的有效装载率不收敛，则根据与装箱样本对应的每个装箱状态、计算得到的每个装箱状态的有效装载率以及所述映射关系，更新所述映射关系以及神经网络模型的权重，并返回执行确定所述映射关系中的有效装载率是否收敛；
若确定所述映射关系中的有效装载率收敛，则完成对神经网络模型的训练。
3.根据权利要求2所述的方法，其特征在于，所述根据与装箱样本对应的每个装箱状态、计算得到的每个装箱状态的有效装载率以及所述映射关系，更新所述映射关系，包括：
依次判断与装箱样本对应的每个装箱状态中是否存在于所述映射关系中；
若任意一个与装箱样本对应的装箱状态不存在于所述映射关系中，则将不存在于所述映射关系中的与装箱样本对应的装箱状态均添加至所述映射关系中，并将每个新添加至所述映射关系的装箱状态的有效装载率对应添加至所述映射关系中；
若与装箱样本对应的所有装箱状态均存在于所述映射关系中，则依次判断与装箱样本对应的每个装箱状态的有效装载率是否大于所述映射关系中相同装箱状态的有效装载率；
若判断任意一个与装箱样本对应的装箱状态的有效装载率大于所述映射关系中相同装箱状态的有效装载率，则依次利用与装箱样本对应的装箱状态的有效装载率更新所述映射关系中相同装箱状态的有效装载率。
4.根据权利要求2所述的方法，其特征在于，所述更新神经网络模型的权重，包括：
通过误差反向传播算法计算得到有效装载率的均方差的梯度，基于所述梯度更新所述神经网络模型的权重。
5.根据权利要求2所述的方法，其特征在于，所述生成装箱样本对应的所有装箱状态，包括：
根据概率∈-贪心策略生成该装箱样本的所有装箱状态，其中以S0，S1，S2，...，ST表示所有装箱状态，S0为初始状态，S1，S2…，ST-1为非终结状态，ST为终结状态，其中后一个状态为在前一个状态下放入一个箱子后得到的状态，T为自然数。
6.根据权利要求4所述的方...
【专利技术属性】
技术研发人员：高可越，项党，
申请(专利权)人：上海汽车集团股份有限公司，上海汽车工业集团总公司，
类型：发明
国别省市：上海;31
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。