一种基于预测的模糊供需匹配方法组成比例

本发明专利技术提出了一种基于预测的模糊供需匹配方法，包括以下步骤：步骤一：初始化供需环境；步骤二：供需层次聚类；步骤三：预测模型训练、供需变化预测；步骤四：消除供需偏移惯性；步骤五：供需簇配对；步骤六：供需簇对匹配；步骤七：判断供需单元规模；步骤八：供需优先匹配；步骤九：剩余单元匹配；步骤十：优先级提升，本发明专利技术利用长短期记忆网络的预测能力、模糊数学的描述能力、层次聚类的任务简化能力、强化学习的寻优能力以及基于优先级排序的插队机制，解决供需匹配不确定性高、供需匹配变化过程惯性大、供需匹配效率低、供需匹配无序等问题。

【技术实现步骤摘要】
一种基于预测的模糊供需匹配方法
本专利技术涉及一种匹配方法，具体的说是一种供需匹配方法，属于

技术介绍
随着人类生活水平的不断提升，生产资料的不断丰富，资本和物质的流动加速，各个领域中的供需匹配也变得更加频繁。供应和需求总是在不断地相互适应，然而，供需是动态的，其不可能一直保持不变，因此总是能出现供过于求或是供不应求的现实情况。当出现供需不匹配时，其将造成一定的损失，因此如何尽量维持供需平衡以及如何高效准确地实现供需匹配是供需匹配过程中所需要解决的重要问题。现实世界中，供需是动态变化甚至模糊不清的，常见供需匹配形式有资源调度、任务分配等。但目前的工作涉及的多是确定性环境下的供需匹配，而供需双方与现实环境却是不确定的，因此，此类确定环境下的定量供需匹配是不适应现实需求的。同时，当前使用的匹配方法多是基于计划或基于实时的，其对供需变化惯性的处理能力有限，从而导致供需不匹配时纠偏难度大。另一方面，当前采用的供需匹配方法在海量供需匹配条件下存在搜索空间大的问题，其将降低供需匹配效率。最后，供需匹配意愿的紧急性也应当被考虑在供需匹配中。本文档来自技高网...

【技术保护点】
1.一种基于预测的模糊供需匹配方法，其特征在于，包括以下步骤：/n步骤一：初始化供需环境，将供需双方涉及到的属性采用模糊数进行描述，得到模糊属性的供需单元组合，将供需单元的组合描述为供应簇和需求簇，合称供需簇，将供需单元的匹配对描述为供需单元对，将供需簇的匹配对描述为供需簇对；/n步骤二：对步骤一中得到的具有模糊属性的供需单元组合分别进行层次聚类操作，由此得到层次聚类树，并对供需层次聚类树中的主要供需簇进行标识；/n步骤三：对步骤二中的主要供需簇变化规律进行建模学习，实时更新模型并获取模糊区间预测结果，并由此得到供需偏移趋势以及预测可信度；/n步骤四：消除供需偏移惯性，在预测可信的条件下，依据...

【技术特征摘要】
1.一种基于预测的模糊供需匹配方法，其特征在于，包括以下步骤：
步骤一：初始化供需环境，将供需双方涉及到的属性采用模糊数进行描述，得到模糊属性的供需单元组合，将供需单元的组合描述为供应簇和需求簇，合称供需簇，将供需单元的匹配对描述为供需单元对，将供需簇的匹配对描述为供需簇对；
步骤二：对步骤一中得到的具有模糊属性的供需单元组合分别进行层次聚类操作，由此得到层次聚类树，并对供需层次聚类树中的主要供需簇进行标识；
步骤三：对步骤二中的主要供需簇变化规律进行建模学习，实时更新模型并获取模糊区间预测结果，并由此得到供需偏移趋势以及预测可信度；
步骤四：消除供需偏移惯性，在预测可信的条件下，依据步骤三得到的供需偏移趋势，做出相应程度的惯性消除决策，采取包括提升或降低供或需的数量、加快或减缓供与需的匹配速率措施；
步骤五：对步骤二中得到的层次聚类树中的供需簇进行配对；
步骤六：对步骤一中得到的供需簇对内的供需单元进行匹配；
步骤七：判断步骤五释放的供需单元以及步骤六释放的供需单元规模，若规模超出设定阈值，则对其重复步骤一至步骤六的过程，进行再次聚类与再次匹配，若不超过则进入步骤八；
步骤八：将步骤五释放的供需单元以及步骤六释放的供需单元进行整合，将其中高优先级的供需单元提出，遍历剩余供需单元，满足尽可能多的高优先级供需单元匹配意向，以达到高优先级供需单元插队匹配的功能；
步骤九：将步骤八处理剩余的供需单元进行匹配，实现此轮匹配中可匹配意愿的全匹配，并将不满足供需匹配条件的供需单元释放；
步骤十：将步骤九中释放的供需单元以及供需过程中受各种因素影响而中断的供需单元重新匹配，提升此轮匹配中未匹配以及失败的供需单元优先级，将其加入新一轮供需匹配中，根据新的供需单元由步骤一开始新一轮供需匹配。


2.根据权利要求1所述的一种基于预测的模糊供需匹配方法，其特征在于，步骤一使用三角模糊数描述模糊属性，具体包括：
模糊供需属性可用三角模糊数描述为(a1,a2,a3)，表明该属性值隶属于a1至a3这个集合内，采用模糊隶属度得到值对此模糊集合的隶属度，隶属度越高，则表明此值隶属于此集合的真实程度越高，三角模糊数隶属度可由公式一计算得到：



其中，a2对应的模糊隶属度最高为1，a1至a3区间内的模糊隶属度取值不一，区间外的模糊隶属度则为0；当描述确定值时a1、a2、a3相等，此时模糊隶属度只有0、1两种取值。


3.根据权利要求2所述的一种基于预测的模糊供需匹配方法，其特征在于，步骤二具体包括：对供需双方进行聚类操作，分别选取供需单元合适的模糊属性，采用豪斯多夫距离作为层次聚类中的模糊数的距离度量，由此得到供需双方的层次聚类结果；层次聚类得到的结果称为层次聚类树，对层次聚类树中的主要供需簇设置标识。


4.根据权利要求3所述的一种基于预测的模糊供需匹配方法，其特征在于，步骤三具体包括：对供需双方的动态变化规律进行实时学习与预测，针对供需双方主要类别的供需簇建立长短期记忆网络模型，使用在线学习方法对连续不断的供需变化数据进行学习，实时更新供需簇的预测模型，实时获取供需...

【专利技术属性】
技术研发人员：孙雁飞，陈根鑫，亓晋，许斌，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32