[发明专利]优化设备、优化方法和优化程序

说明书

本申请公开了优化设备、优化方法和优化程序。一种信息处理设备，用于将多个项目分配给多个分配位置，每个项目具有第一属性值和第二属性值，每个分配位置具有关于第一属性的最大限制；基于第一属性值和第二属性值执行计算多个项目中的每一个项目的评估值；按评估值的降序将尽可能多的未分配项目分配给单个分配位置；从分配给单个分配位置的项目中选择一个或更多个项目以创建副本，然后将副本添加至未分配项目；从分配位置删除副本和用于副本创建的项目，从而针对留下而未被删除的项目固定分配；以及执行元启发式算法以分配多个项目中的尚未固定分配的项目。

技术领域

本文的公开内容涉及优化设备、优化方法和优化程序。

背景技术

多背包问题是组合优化中的问题。在多背包问题中，将各自具有给定重量和给定值的多个项目打包到各自具有重量容量限制的多个背包中，使得总重量小于或等于该限制。通过寻找使分配给多个背包的项目的值的总和最大化的背包和项目的组合来获得多背包问题的解。

在组合优化问题中，搜索空间维数的增加导致变量的组合的数目的爆炸性增加。在这种情况下，使用计算所有可能的组合的穷举搜索需要很长的计算时间，这实际上是不可行的。因此，代替寻找真正的最优解，可以使用基于启发式方法的通用近似算法(即，元启发式算法)，或者可以使用在实际可行的计算时间内获得良好的近似解的近似算法。

如果给定足够长的计算时间，则元启发式算法可以通过从初始状态开始的状态转换以搜索连续获得目标函数的较小值的解来获得最优解或足够接近最优解的解。然而，在实际可行的计算时间内，并不总是容易获得足够接近最优解的解。

贪婪算法是可以在可行的计算时间内获得良好的近似解的近似算法之一。在贪婪算法中，例如，将通过将值除以重量而获得的评估值给予每个项目，并且将项目按评估值的降序打包到背包中。利用这种布置，可以高速获得背包和项目的所有组合中的获得相对较大的评估值的总和的组合。然而，该解的精度低于元启发式算法的情况。

为了在可行的计算时间内获得足够接近最优解的解，可以想到首先使用贪婪算法来固定一些项目的分配，并且然后针对剩余项目应用元启发式算法。在这种情况下，贪婪算法可以在使用元启发式算法之前的预处理阶段充分减小组合优化问题的大小，这可以使得能够在可行的计算时间内获得高质量的解。

在这样做时，即使在通过贪婪算法固定了一些项目的分配之后，仍然应当获得接近最优解的高质量解。考虑到这一点，需要在所有对中仅固定合适的对，每个对包括背包和分配给其的项目。

因此，在多背包问题中使用元启发式算法之前，当使用贪婪算法来固定项目的分配时，会期望选择适合于固定分配的项目。

[相关技术文献]

[专利文献]

[专利文献1]日本公开特许公报第2019-046031号。

[专利文献2]日本公开特许公报第2011-100303号。

发明内容