【技术实现步骤摘要】
本申请涉及人工智能(artificial intelligence，ai)，尤其涉及一种数学模型求解方法、装置、计算设备及计算设备集群。
技术介绍
1、运筹学主要运用数学方法研究各种系统的优化途径及方案，为决策者提供科学决策的依据。数学规划是运筹学的一个重要分支，它主要研究的目标是在给定的区域中寻找可以最小化或最大化某一函数的最优解。数学规划的应用极为普遍，根据问题的性质和处理方法的差异，数学规划可分成许多不同的分支，如线性规划、整数规划、非线性规划、组合优化、多目标规划、随机规划、动态规划、参数规划等问题。不同的数学规划方法可应用于不同的场景，比如，线性规划可应用于网络流优化问题，混合整数规划可应用于生产排程、供应链、生产调度、工厂选址等问题。
2、在使用运筹学工具解决实际应用问题需要两个关键步骤，分别是数学建模与问题求解。数学建模(mathematical modeling)是指将生产生活中的决策优化问题抽象为一个数学规划问题。数学规划问题一般由决策变量(decision variables)、约束条件(constraint condition)和目标函数(objective function)三个部分组成。其中，决策变量代表实际需要决策的内容，如生产某样商品的数量，投入的人力等；约束条件代表进行决策时面临的资源约束，如有限的原材料，资金等；而目标函数则是决策质量的评价指标，如利润最大化，成本最小化等。问题求解(problem solving)是指选择特定的求解方案对数学规划问题进行求解，得到问题的最优解或可行解
3、但目前无论是数学建模环节还是问题求解环节，均高度依赖使用者的经验，比如往往均需要行业内的专家和运筹学方面的专家参与，才能构建出适宜计算的数学模型和求解方案，这极大的降低了数学建模和问题求解的效率，且数学建模和问题求解的泛化性较差(即只能特定的专家才能进行进行数学建模和制定求解方案)。因此，如何提升数学建模和问题求解的效率，且提升数学建模和问题求解的泛化性是目前亟需解决的技术问题。
技术实现思路
1、本申请提供了一种数学模型求解方法、装置、计算设备、计算设备集群、计算机存储介质及计算机产品，能够提升数学建模和问题求解的效率，且提升数学建模和问题求解的泛化性。
2、第一方面，本申请提供一种数学模型求解方法，可以应用于计算设备或计算设备集群。该方法可以包括：获取用户输入的问题描述，问题描述中包括决策变量、约束条件和目标函数；通过第一人工智能ai模型提取问题描述中的特征，以得到第一特征；对第一特征进行处理，以得到目标数据，目标数据包括基于第一特征对问题描述优化得到的目标模型和/或基于第一特征生成的求解方案；根据目标数据，计算满足问题描述中约束条件的各个决策变量的值，输出各个决策变量的值。
3、这样，在进行数学模型求解时，在用户提供问题描述后，就可以获取到相应的决策，由此降低了数学建模环节和问题求解环节对使用者经验的依赖，提升了数学建模和问题求解的效率和泛化性。
4、在一种可能的实现方式中，目标数据可以为目标模型。此时，根据目标数据，计算满足问题描述中约束条件的各个决策变量的值，具体可以包括：将目标模型输入至预设求解器(即预设的求解器)，得到各个决策变量的值。其中，求解器是用来求解数学规划问题的软件，广泛应用于云计算、金融、交通、制造、能源等领域。
5、在一种可能的实现方式中，目标数据可以为求解方案。此时，根据目标数据，计算满足问题描述中约束条件的各个决策变量的值，具体可以包括：根据求解方案，读取通过建模工具对问题描述处理得到的原始模型进行计算，以得到各个决策变量的值。
6、在一种可能的实现方式中，目标数据可以为目标模型和求解方案。此时，根据目标数据，计算满足问题描述中约束条件的各个决策变量的值，具体可以包括：根据求解方案，读取目标模型进行计算，以得到各个决策变量的值。
7、在一种可能的实现方式中，对第一特征进行处理，以得到目标数据，具体可以包括：通过第二ai模型和第一特征对问题描述中的决策变量、约束条件和目标函数中的至少一种的数量和/或表达形式进行优化，以得到目标模型。
8、和/或，通过第三ai模型和第一特征从算法库中筛选出n个算法，n≥1，以及，对n个算法的执行顺序和/或调用关系进行编排，以得到求解方案。
9、在一种可能的实现方式中，该方法还可以包括：根据不同用户输入的问题描述，对第一ai模型、第二ai模型和第三ai模型中的至少一个进行更新进行更新。例如，可以基于每次求解的时长、求出的解的质量等，对模型中的算法库、模型库或特征库等进行更新。由此，以提升每次提取到的问题描述的特征的准确度，或者，提升模型优化的准确率，或者，提升求解方案的效率等。
10、在一种可能的实现方式中，第一特征可以包括语义特征、结构特征和数据特征中的至少一种。其中，语义特征用于表征每个决策变量的名称、每个约束条件的名称、第一函数的名称和问题描述所表达的问题的名称中的至少一种。结构特征用于表征与约束条件关联的系数矩阵的结构、系数矩阵中非零元素的分布规律和每个约束条件的类型中的至少一种。数据特征用于表征系数矩阵中各个元素的值和每个约束条件对应的常数项的值中的至少一种。
11、在一种可能的实现方式中，前述的问题描述中还可以包括用户的求解偏好。此时，第一特征中还可以包括用户偏好特征。该用户偏好特征可以用于表征用户对求解的需求。
12、和/或，
13、前述的问题描述中还可以包括用户所需求解的问题的背景信息。此时，第一特征中还可以包括问题背景特征。该问题背景特征可以用于表征用户所需求解的问题所属的领域或行业。
14、第二方面，本申请提供了一种数学模型求解装置。该装置可以部署于计算设备或计算设备集群中。该装置可以包括：获取模块和处理模块。其中，获取模块可以用于获取用户输入的问题描述，问题描述中包括决策变量、约束条件和目标函数。处理模块可以用于通过第一人工智能ai模型提取问题描述中的特征，以得到第一特征。处理模块还可以用于对第一特征进行处理，以得到目标数据，目标数据包括基于第一特征对问题描述优化得到的目标模型和/或基于第一特征生成的求解方案。处理模块还可以用于根据目标数据，计算满足问题描述中约束条件的各个决策变量的值，输出各个决策变量的值。
15、在一种可能的实现方式中，目标数据为目标模型。处理模块在根据目标数据，计算满足问题描述中约束条件的各个决策变量的值时，具体用于：将目标模型输入至预设求解器，得到各个决策变量的值。
16、在一种可能的实现方式中，目标数据为求解方案。处理模块在根据目标数据，计算满足问题描述中约束条件的各个决策变量的值时，具体用于：根据求解方案，读取通过建模工具对问题描述处理得到的原始模型进行计算，以得到各个决策变量的值。
17、在一种可能的实现方式中，目标数据为目标模型和本文档来自技高网...
【技术保护点】
1.一种数学模型求解方法，其特征在于，应用于计算设备或计算设备集群，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述问题描述中还包括用户的求解偏好，所述第一特征中包括用户偏好特征，所述用户偏好特征用于表征用户对求解的需求；
3.根据权利要求1或2所述的方法，其特征在于，所述对所述第一特征进行处理，以得到目标数据，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1-4任一所述的方法，其特征在于，所述第一特征包括语义特征、结构特征和数据特征中的至少一种；
6.根据权利要求1-5任一所述的方法，其特征在于，所述目标数据为所述目标模型；
7.根据权利要求1-5任一所述的方法，其特征在于，所述目标数据为所述求解方案；
8.根据权利要求1-5任一所述的方法，其特征在于，所述目标数据为所述目标模型和所述求解方案；
9.一种数学模型求解装置，其特征在于，部署于计算设备或计算设备集群，所述装置包括：
10.根据权利要求9所述的装置，其特征
11.根据权利要求9或10所述的装置，其特征在于，所述处理模块在对所述第一特征进行处理，以得到目标数据时，具体用于：
12.根据权利要求11所述的装置，其特征在于，所述处理模块，还用于：
13.根据权利要求9-12任一所述的装置，其特征在于，所述第一特征包括语义特征、结构特征和数据特征中的至少一种；
14.根据权利要求9-13任一所述的装置，其特征在于，所述目标数据为所述目标模型；
15.根据权利要求9-13任一所述的装置，其特征在于，所述目标数据为所述求解方案；
16.根据权利要求9-13任一所述的装置，其特征在于，所述目标数据为所述目标模型和所述求解方案；
17.一种计算设备，其特征在于，包括：
18.一种计算设备集群，其特征在于，包括至少一个计算设备，每个计算设备均包括处理器和存储器；
19.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序在处理器上运行时，使得所述处理器执行如权利要求1-8任一所述的方法。
20.一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述处理器执行如权利要求1-8任一所述的方法。
...【技术特征摘要】
1.一种数学模型求解方法，其特征在于，应用于计算设备或计算设备集群，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述问题描述中还包括用户的求解偏好，所述第一特征中包括用户偏好特征，所述用户偏好特征用于表征用户对求解的需求；
3.根据权利要求1或2所述的方法，其特征在于，所述对所述第一特征进行处理，以得到目标数据，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1-4任一所述的方法，其特征在于，所述第一特征包括语义特征、结构特征和数据特征中的至少一种；
6.根据权利要求1-5任一所述的方法，其特征在于，所述目标数据为所述目标模型；
7.根据权利要求1-5任一所述的方法，其特征在于，所述目标数据为所述求解方案；
8.根据权利要求1-5任一所述的方法，其特征在于，所述目标数据为所述目标模型和所述求解方案；
9.一种数学模型求解装置，其特征在于，部署于计算设备或计算设备集群，所述装置包括：
10.根据权利要求9所述的装置，其特征在于，所述问题描述中还包括用户的求解偏好，所述第一特征中包括用户偏好特征，所述用户偏好特征用于表征用户对求解的需求...
【专利技术属性】
技术研发人员：李建树，杨沐明，毛坤，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
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。