买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中科南京人工智能创新研究院;中国科学院自动化研究所

摘要：本发明公开了一种人工智能驱动的两阶段随机规划问题求解方法和系统，包括：采集配送建站数据，构建两阶段随机规划问题的数学模型；基于数学模型生成配送建站场景集合，将数学模型转换为图形结构；基于图形结构，构建分层图卷积网络，从分层图卷积网络中提取配送建站场景的关键信息，基于关键信息，构建配送建站场景相似度图；基于配送建站场景相似度图，构建配送建站场景重要性评分模型，评估配送建站场景的重要性，并选择出代表性配送建站场景，对代表性配送建站场景进行排序；基于排序后的代表性配送建站场景，构建确定性等价问题，对确定性等价问题进行求解，得到配送建站解决方案。提高了配送建站等两阶段规划问题的求解效率。

主权项：1.人工智能驱动的两阶段随机规划问题求解方法，其特征在于，包括如下步骤：S0、采集配送建站数据，构建两阶段随机规划问题的数学模型；其中配送建站数据包括确定性参数、随机参数、决策时间点和决策变量；其中，确定性参数包括：可建设站点数量、最大可建设站点数量、各站点到小区的运输距离矩阵，以及各站点的货物容量向量；随机参数包括各小区的客户需求向量；决策时间点包括站点建设决策时刻和货物配送决策时刻；S1、基于数学模型生成配送建站场景集合，在每个配送建站场景中，将数学模型转换为图形结构；S2、基于图形结构，构建分层图卷积网络，从分层图卷积网络中提取配送建站场景的关键信息，基于关键信息，构建配送建站场景相似度图；S3、基于配送建站场景相似度图，构建配送建站场景重要性评分模型，评估配送建站场景的重要性，并选择出代表性配送建站场景，对代表性配送建站场景进行排序；S4、基于排序后的代表性配送建站场景，构建确定性等价问题，对确定性等价问题进行求解，得到配送建站解决方案，从配送建站解决方案中提取关键决策信息；S5、基于关键决策信息，构建配送建站解决方案评估工具，使用配送建站解决方案评估工具在随机生成的配送场景中评估配送建站解决方案的质量，基于评估的结果，更新配送建站场景重要性评分模型的参数；步骤S1进一步为：S11、获取预配置的两阶段随机规划问题的数学模型，包括决策变量集合、约束集合和目标函数；S12、基于数学模型，使用随机数生成器，生成场景集合；S13、在每个配送建站场景中，基于数学模型，构建二部图表示的图形结构；S14、使用非线性特征变换将二部图表示的图形结构映射到高维特征空间；步骤S2进一步为：S21、基于图形结构，构建分层图卷积网络；S22、压缩分层图卷积网络中的配送建站场景特征，基于压缩后的配送建站场景特征，使用变分信息瓶颈方法提取场配送建站景的关键信息；S23、计算所有配送建站场景的关键信息之间的相似度矩阵，基于相似度矩阵，构建邻接矩阵，对邻接矩阵进行归一化；S24、基于归一化后的邻接矩阵，构建配送建站场景相似度图；步骤S4进一步为：S41、基于排序后的代表性配送建站场景，构建确定性等价问题；S42、使用列生成方法，动态生成新决策变量，将新决策变量添加到确定性等价问题中，形成添加变量确定性等价问题；S43、采用割平面法，加强添加变量确定性等价问题的线性松弛，得到最终确定性等价问题；S44、使用分支定价算法，对最终确定性等价问题进行求解，得到配送建站解决方案，从配送建站解决方案中提取关键决策信息；步骤S22中压缩分层图卷积网络中的场景特征，进一步为：S221、使用编码器将分层图卷积网络中的配送建站场景特征映射到隐空间，得到隐变量；S222、使用解码器将隐变量重构为新场景特征，计算配送建站场景特征和新场景特征之间的重构误差；S223、计算隐变量分布与预设目标分布之间的沃瑟斯坦距离，将重构误差和沃瑟斯坦距离加权求和，作为损失函数；S224、通过反向传播算法，最小化损失函数，优化编码器和解码器的参数；S225、使用优化后的编码器和解码器压缩分层图卷积网络中的配送建站场景特征。

全文数据：

权利要求：

百度查询： 中科南京人工智能创新研究院 中国科学院自动化研究所 人工智能驱动的两阶段随机规划问题求解方法和系统