用于决定决策的装置、方法和机器可读存储介质制造方法及图纸

本公开涉及一种用于决定决策的装置、方法和机器可读存储介质。该装置包括：获取单元，其获取与决策的决定相关联的M个场景下的M个预测序列以及与每个预测序列分别对应的概率；分配单元，其针对每个场景分别分配N个具体决策方案；第一计算单元，其针对每个场景获得与每个场景对应的组最优决策方案；合并单元，其基于M个场景的组最优决策方案和M个预测序列来获得场景组合决策方案；以及第二计算单元，其基于场景组合决策方案和概率来获得最终决策方案。方案。方案。

【技术实现步骤摘要】
用于决定决策的装置、方法和机器可读存储介质


[0001]本公开涉及信息处理的
，具体地涉及用于决定决策的装置、方法和机器可读存储介质。

技术介绍

[0002]这个部分提供了与本公开有关的背景信息，这不一定是现有技术。
[0003]基于信息和约束条件进行决策是人类的普遍行为模式。但在实际中，信息并不总是准确的。
[0004]对于信息确定的问题，可以称之为确定性规划问题。而对于信息不确定的问题，可以称之为随机规划问题。使用不准确的信息必然导致糟糕的决策。为了缓解信息的不准确导致的决策问题，人们自然而然会想到列举信息多种可能取值并估计其发生概率，以制定优化目标期望最优的决策。由此，如何根据多种可能取值及其发生概率来制定最优决策成为本领域研究的重要课题。

技术实现思路

[0005]这个部分提供了本公开的一般概要，而不是其全部范围或其全部特征的全面披露。
[0006]本公开的目的在于提供一种用于对决策的决定进行优化的装置、方法和机器可读存储介质。
[0007]根据本公开的一方面，提供了一种用于决定决策的装置，包括：获取单元，其获取与决策的决定相关联的M个场景下的M个预测序列以及与每个预测序列分别对应的概率；分配单元，其针对每个场景分别分配N个具体决策方案；第一计算单元，其针对每个场景获得与每个场景对应的组最优决策方案；合并单元，其基于M个场景的组最优决策方案和M个预测序列来获得场景组合决策方案；以及第二计算单元，其基于场景组合决策方案和概率来获得最终决策方案，其中，M和N为大于0的自然数。
[0008]根据本公开的另一方面，提供了一种用于决定决策的方法，包括：获取与决策的决定相关联的M个场景下的M个预测序列以及与每个预测序列分别对应的概率；针对每个场景分别分配N个具体决策方案；针对每个场景获得与每个场景对应的组最优决策方案；基于M个场景的组最优决策方案和M个预测序列来获得场景组合决策方案；以及基于场景组合决策方案和概率来获得最终决策方案，其中，M和N为大于0的自然数。
[0009]根据本公开的另一方面，提供了一种机器可读存储介质，其上携带有包括存储在其中的机器可读指令代码的程序产品，其中，所述指令代码当由计算机读取和执行时，能够使所述计算机执行根据本公开的方法。
[0010]根据本公开的用于决定决策的装置、方法和机器可读存储介质可以形成多级别的计算结构(第一计算单元和第二计算单元)，其首先通过第一计算单元对各个场景的具体决策方案进行优化，然后通过第二计算单元基于预测序列和对应概率对与各个场景优化后的
结果有关的场景组合决策方案进行进一步优化而得到最终决策方案。在此，经过第一计算单元的优化，可以得到各个场景的最优决策方案，而经过第二计算单元的优化，可以得到考虑了各个场景的概率的对于整个决策决定问题最优的最终决策方案，由此实现对最终决策方案的多级别优化。
[0011]从在此提供的描述中，进一步的适用性区域将会变得明显。这个概要中的描述和特定例子只是为了示意的目的，而不旨在限制本公开的范围。
附图说明
[0012]在此描述的附图只是为了所选实施例的示意的目的而非全部可能的实施，并且不旨在限制本公开的范围。在附图中：
[0013]图1为图示根据本公开的实施例的决策决定装置的结构的框图；
[0014]图2为图示根据本公开的实施例的方法的流程图；
[0015]图3为图示根据本公开的实施例的订货计划应用案例中的相关参量的示意表格；
[0016]图4为图示在根据本公开的实施例中使用的场景树的生成的原理图；
[0017]图5为图示在根据本公开的实施例中使用的粒子群优化算法的原理图；
[0018]图6为图示根据本公开的第一具体实施例的决策决定装置的结构的框图；
[0019]图7为图示根据本公开的第一具体实施例的决策决定装置的示意原理图；
[0020]图8为图示根据本公开的第一具体实施例的决策决定装置中的合并单元的操作的示意图；
[0021]图9为图示根据本公开的第一具体实施例的方法的流程图；
[0022]图10为图示根据本公开的第二具体实施例的决策决定装置的结构的框图；
[0023]图11为图示根据本公开的第二具体实施例的决策决定装置的示意原理图；
[0024]图12为图示根据本公开的第二具体实施例的决策决定装置中的重新分配单元的操作的示意图；
[0025]图13为图示根据本公开的第二具体实施例的方法的流程图；以及
[0026]图14为其中可以实现根据本公开的实施例的决策决定装置和方法的通用个人计算机的示例性结构的框图。
[0027]虽然本公开容易经受各种修改和替换形式，但是其特定实施例已作为例子在附图中示出，并且在此详细描述。然而应当理解的是，在此对特定实施例的描述并不打算将本公开限制到公开的具体形式，而是相反地，本公开目的是要覆盖落在本公开的精神和范围之内的所有修改、等效和替换。要注意的是，贯穿几个附图，相应的标号指示相应的部件。
具体实施方式
[0028]现在参考附图来更加充分地描述本公开的例子。以下描述实质上只是示例性的，而不旨在限制本公开、应用或用途。
[0029]提供了示例实施例，以便本公开将会变得详尽，并且将会向本领域技术人员充分地传达其范围。阐述了众多的特定细节如特定部件、装置和方法的例子，以提供对本公开的实施例的详尽理解。对于本领域技术人员而言将会明显的是，不需要使用特定的细节，示例实施例可以用许多不同的形式来实施，它们都不应当被解释为限制本公开的范围。在某些
示例实施例中，没有详细地描述众所周知的过程、众所周知的结构和众所周知的技术。
[0030]在下文中，将按以下顺序给出描述。
[0031]1.本申请技术方案说明
[0032]2.应用案例
[0033]3.场景树的生成
[0034]4.粒子群优化算法介绍
[0035]5.第一具体实施例
[0036]6.第二具体实施例
[0037]7.决策决定装置的计算机配置示例
[0038]8.附记
[0039]<1.本申请技术方案说明>
[0040](决策决定装置的配置的示例)
[0041]图1示出了根据本公开的实施例的用于决定决策的装置(以下也称为决策决定装置)的结构的框图。如图1所示，根据本公开的实施例的决策决定装置100可以包括获取单元110、分配单元120、第一计算单元130、合并单元140以及第二计算单元150。
[0042]获取单元110可以获取与决策的决定相关联的M个场景下的M个预测序列以及与每个预测序列分别对应的概率，其中M为大于0的自然数。具体地，获取单元110可以基于与决策的决定相关的历史数据得到多个时间处的预测结果，并且基于这些预测结果得到M个预测序列以及对应概率。
[0043]预测序列可以是与特定物品或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于决定决策的装置，包括：获取单元，其获取与所述决策的决定相关联的M个场景下的M个预测序列以及与每个预测序列分别对应的概率；分配单元，其针对每个场景分别分配N个具体决策方案；第一计算单元，其针对每个场景获得与每个场景对应的组最优决策方案；合并单元，其基于所述M个场景的组最优决策方案和所述M个预测序列来获得场景组合决策方案；以及第二计算单元，其基于所述场景组合决策方案和所述概率来获得最终决策方案，其中，M和N为大于0的自然数。2.根据权利要求1所述的装置，其中，所述预测序列是与特定物品或事务的需求有关的需求序列，并且决定所述决策是指基于M个需求序列和对应概率来决定使与所述特定物品或事务有关的特定目标最优的决策变量。3.根据权利要求1或2所述的装置，其中，用计算空间中的N个粒子的位置矩阵来表示所述N个具体决策方案，并且其中所述N个粒子中的每一个在所述计算空间中的位置表征对应具体决策方案。4.根据权利要求3所述的装置，其中，所述第一计算单元使用与所述M个预测序列相对应的第一目标函数来获得与M个场景中的每个场景对应的组最优位置矩阵，以及所述第二计算单元使用与所述M个预测序列和对应概率相对应的第二目标函数来获得所述最终决策方案。5.根据权利要求4所述的装置，其中，所述第二计算单元依据所述第二目标函数多次迭代地优化场景组合位置矩阵，并且在由多次迭代中的每次迭代后得到的场景组合位置矩阵组成的多个场景组合位置矩阵中选择最优位置，并且通过所述最优位置得到所述最终决策方案。6.根据权利要求4所述的装置，其中，所述第二计算单元依据所述第二目标函数多次迭代地优化场景组合位置矩阵，并且在由多次迭代中的每次迭代后得到的场景组合位置矩阵组成的多个场景组合位置矩阵中选择最优位置以及包括所述最优位置的场景组合位置矩...

【专利技术属性】
技术研发人员：杨铭，夏迎炬，刘汝杰，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：