図面 (/)

技術 学習機能を備えた最適化装置および最適化方法

出願人 三菱電機株式会社
発明者 佐藤裕幸青山功中島克人
出願日 1999年4月5日 (21年10ヶ月経過) 出願番号 1999-097592
公開日 2000年10月20日 (20年4ヶ月経過) 公開番号 2000-293501
状態 未査定
技術分野 学習型計算機 特定用途計算機 物流システム 物品の積み重ね及び付属装置
主要キーワード 各評価項目毎 重視度 組合せ最適化 修正案 重み変更 スケジュール案 最適化結果 変更率
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2000年10月20日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (7)

課題

使用者の意図を反映した効率的な学習機能を備えた最適化装置および最適化方法を提供する。

解決手段

与えられた各評価項目の最適化を行う最適化手段1、各評価項目の重要度を示す重み付け係数を保存する重み保存手段2、この重み保存手段に保存された各評価項目の重み付け係数を用いて上記最適化手段により最適化された結果の評価を行う最適化結果評価手段3、最適化された結果を使用者に表示しその修正を可能にする最適化結果表示・修正手段4、上記最適化結果表示・修正手段において使用者により修正された最適化結果を基に、上記各評価項目の重み付け係数を変更する重み変更手段5、を備え、最適化時に使用者による修正意図を反映した最適化結果を生成する。

概要

背景

スケジューリング・システムのような最適化装置において、複数の項目を最適化する場合、最適化結果に対してそれぞれの項目を独立して評価し、それぞれの項目に重み付け係数掛けて総和を取ることにより、1つの評価値とすることがよくある。この重み付け係数は、最適化の際に複数の評価項目の内、どの評価項目を重視するかによって、通常、最適化装置の使用者が決めるものである。

例えば、最適化された結果の全体の評価値をEとして、各評価項目毎の評価値をei(i=1〜n、nは評価項目の数)とし、各評価項目の重み付け係数をkiとすると、

概要

使用者の意図を反映した効率的な学習機能を備えた最適化装置および最適化方法を提供する。

与えられた各評価項目の最適化を行う最適化手段1、各評価項目の重要度を示す重み付け係数を保存する重み保存手段2、この重み保存手段に保存された各評価項目の重み付け係数を用いて上記最適化手段により最適化された結果の評価を行う最適化結果評価手段3、最適化された結果を使用者に表示しその修正を可能にする最適化結果表示・修正手段4、上記最適化結果表示・修正手段において使用者により修正された最適化結果を基に、上記各評価項目の重み付け係数を変更する重み変更手段5、を備え、最適化時に使用者による修正意図を反映した最適化結果を生成する。

目的

この発明は上記のような課題を解決するためになされたもので、使用者の意図を反映した効率的な学習機能を備えた最適化装置および最適化方法を提供することを目的とする。

効果

実績

技術文献被引用数
0件
牽制数
2件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

コンピュータシステムを用いて複数の評価項目を最適化する学習機能を備えた最適化装置であって、与えられた各評価項目の最適化を行う最適化手段と、各評価項目の重要度を示す重み付け係数を保存する重み保存手段と、この重み保存手段に保存された各評価項目の重み付け係数を用いて上記最適化手段により最適化された結果の評価を行う最適化結果評価手段と、最適化された結果を使用者に表示しその修正を可能にする最適化結果表示・修正手段と、上記最適化結果表示・修正手段において使用者により修正された最適化結果を基に、上記各評価項目の重み付け係数を変更する重み変更手段と、を備え、最適化時に使用者による修正意図を反映した最適化結果を生成することを特徴とする学習機能を備えた最適化装置。

請求項2

上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、現在の重み付け係数に近い重み付け係数を生成することを特徴とする請求項1に記載の学習機能を備えた最適化装置。

請求項3

上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、複数の評価項目の重み付け係数の内できるだけ少ない個数の重み付け係数だけを変更することを特徴とする請求項2に記載の学習機能を備えた最適化装置。

請求項4

上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、各評価項目の重み付け係数の変更率の総和ができるだけ小さくなるように重み付け係数を変更することを特徴とする請求項2に記載の学習機能を備えた最適化装置。

請求項5

上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、一部の最適化結果のみを用いて各評価項目の重み付け係数を変更することを特徴とする請求項1に記載の学習機能を備えた最適化装置。

請求項6

使用者による最適化結果の修正結果を修正履歴として蓄積する最適化結果修正蓄積手段をさらに備え、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、過去の複数の上記修正履歴を基に各評価項目の重み付け係数を変更することを特徴とする請求項1に記載の学習機能を備えた最適化装置。

請求項7

コンピュータシステムを用いて複数の評価項目を最適化する最適化方法であって、与えられた各評価項目の最適化を行う最適化工程と、各評価項目の重要度を示す重み付け係数を保存する重み保存工程と、この重み保存工程で保存された各評価項目の重み付け係数を用いて上記最適化工程により最適化された結果の評価を行う最適化結果評価工程と、最適化された結果を使用者に表示しその修正を可能にする最適化結果表示・修正工程と、上記最適化結果表示・修正工程において使用者により修正された最適化結果を基に、上記各評価項目の重み付け係数を変更する重み変更工程と、を備え、最適化時に使用者による修正意図を反映した最適化結果を生成することを特徴とする最適化方法。

請求項8

上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、現在の重み付け係数に近い重み付け係数を生成することを特徴とする請求項7に記載の最適化方法。

請求項9

上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、複数の評価項目の重み付け係数の内できるだけ少ない個数の重み付け係数だけを変更することを特徴とする請求項8に記載の最適化方法。

請求項10

上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、各評価項目の重み付け係数の変更率の総和ができるだけ小さくなるように重み付け係数を変更することを特徴とする請求項8に記載の最適化方法。

請求項11

上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、一部の最適化結果のみを用いて各評価項目の重み付け係数を変更することを特徴とする請求項7に記載の最適化方法。

請求項12

使用者による最適化結果の修正結果を修正履歴として蓄積する最適化結果修正蓄積工程をさらに備え、上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、過去の複数の上記修正履歴を基に各評価項目の重み付け係数を変更することを特徴とする請求項7に記載の最適化方法。

技術分野

0001

この発明は、複数の項目を最適化する場合に、最適化結果に対してそれぞれの項目を独立して評価し、それぞれの項目に重み付け係数掛けて総和を取ることにより、1つの評価値として処理するスケジューリングシステムのような最適化装置、特に学習機能を備えた最適化装置および最適化方法に関するものである。

背景技術

0002

スケジューリング・システムのような最適化装置において、複数の項目を最適化する場合、最適化結果に対してそれぞれの項目を独立して評価し、それぞれの項目に重み付け係数を掛けて総和を取ることにより、1つの評価値とすることがよくある。この重み付け係数は、最適化の際に複数の評価項目の内、どの評価項目を重視するかによって、通常、最適化装置の使用者が決めるものである。

0003

例えば、最適化された結果の全体の評価値をEとして、各評価項目毎の評価値をei(i=1〜n、nは評価項目の数)とし、各評価項目の重み付け係数をkiとすると、

0004

E = k1e1 + k2e2 + … knen

0005

となる。ここで、各評価値eは、0〜1の値を取り、その値が大きいほど良い評価であるとする。また、各係数kiは、0〜100の値を取るものとし、その値が大きいほどその評価項目を重視することになる。

0006

最適化装置の使用者は、各評価項目の重み付け係数を図4に示すようなグラフカルインターフェースを用いて調整する。7−2〜7−7が、各評価項目に対応し、7−1のボタンを左右に動かすことで各評価項目の重み付け係数を変更し、右に動かすほどその評価項目を他の評価項目より相対的に重視するという意味となる。従って、例えば、全ての項目を50としても、100としても、意味としては同じになる。

0007

このように最適化装置の使用者は、重み付け係数を調整することにより、好みの結果が得られるようにするが、重み付け係数の調整がどのように結果に反映されるのかが、直感的に判断し難いという問題点があった。すなわち、最適化装置の使用者にとっては、各評価項目の重要度比率や差が明確になっていないため、重み付け係数を修正することで、使用者が思った通りの最適化結果を得るというのが困難であった。このような重み付け係数を自動的に修正する技術が、特開平6−332883号公報に開示されている。

0008

特開平6−332883号公報では、複数の評価項目を持った組合せ最適化における重み付け係数の決め方や重み付け係数の変え方などの自動化を目的とする発明で、重み付け係数を少しずつ変えながら最適化の過程を何度も繰り返していくが、改善度が最も高い項目の重み付け係数を最も大きく変えることで、より良い重み付け係数を求めることを特徴とする技術であった。しかし、この技術においては、各評価項目の重み付け係数を変えていく過程に、使用者が全く介在しないので、重み付け係数に対して、使用者の意図が全く反映されないという問題点があった。

0009

最適化結果に使用者の意図を最も容易に反映する方法として、最適化結果を直接修正するという方法がある。図5は、訪問看護訪問スケジュール立案する訪問看護スケジューラ立案結果を表示している画面の一部である。この画面において、縦軸訪問を行う各ナースに対応し、横軸が時間となっており、各矩形が1つの訪問に対応する。8の矩形は、川上ナースが1月25日(月)の13時30分から15時に石倉さんを訪問することを表している。

0010

ここで、各訪問に対応する矩形をマウスドラッグし移動することにより、スケジューリング結果を修正することができる。図6の8’は、8の川上ナースの石倉さんへの訪問を吉田ナースが13時から訪問するように移動した結果である。このように、最適化された結果を直接使用者が修正することにより、使用者の好みに合った最適化結果を容易に得ることができる。

0011

しかし、この修正は、その結果に対してのみ有効であり、後日新たにその最適化装置を使用した際には、修正した効果が最適化結果に反映されず、修正操作はその場限りのものであるという問題点があった。このような最適化結果の手修正をその場限りのものとしないための技術が、特開平7−28885号公報において開示されている。

0012

特開平7−28885号公報には、生産スケジューリングシステムのような最適化装置において、学習機能を設けて、より適切なスケジューリングを行うための技術が開示され、スケジュール案を修正した履歴を事例として保存し、事例ベースから学習事例抽出した事例と背景知識を用いて一般化を行い、推論して修正案を得るというものであった。しかし、事例の汎用化や事例の適用可能性の検証など、単純な数値では表せない不確定技術要素が多く、幅広い分野の最適化装置に適用することが困難であった。

発明が解決しようとする課題

0013

従来の学習機能を備えた最適化装置は、以上のような方法で重み付けの変更や最適化結果の修正を学習するので、使用者の意図を反映した効率的な学習が困難である等の課題があった。

0014

この発明は上記のような課題を解決するためになされたもので、使用者の意図を反映した効率的な学習機能を備えた最適化装置および最適化方法を提供することを目的とする。

課題を解決するための手段

0015

上記目的に鑑み、この発明は、コンピュータシステムを用いて複数の評価項目を最適化する学習機能を備えた最適化装置であって、与えられた各評価項目の最適化を行う最適化手段と、各評価項目の重要度を示す重み付け係数を保存する重み保存手段と、この重み保存手段に保存された各評価項目の重み付け係数を用いて上記最適化手段により最適化された結果の評価を行う最適化結果評価手段と、最適化された結果を使用者に表示しその修正を可能にする最適化結果表示・修正手段と、上記最適化結果表示・修正手段において使用者により修正された最適化結果を基に、上記各評価項目の重み付け係数を変更する重み変更手段と、を備え、最適化時に使用者による修正意図を反映した最適化結果を生成することを特徴とする学習機能を備えた最適化装置にある。

0016

またこの発明は、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、現在の重み付け係数に近い重み付け係数を生成することを特徴とする学習機能を備えた最適化装置にある。

0017

またこの発明は、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、複数の評価項目の重み付け係数の内できるだけ少ない個数の重み付け係数だけを変更することを特徴とする学習機能を備えた最適化装置にある。

0018

またこの発明は、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、各評価項目の重み付け係数の変更率の総和ができるだけ小さくなるように重み付け係数を変更することを特徴とする学習機能を備えた最適化装置にある。

0019

またこの発明は、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、一部の最適化結果のみを用いて各評価項目の重み付け係数を変更することを特徴とする学習機能を備えた最適化装置にある。

0020

またこの発明は、使用者による最適化結果の修正結果を修正履歴として蓄積する最適化結果修正蓄積手段をさらに備え、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、過去の複数の上記修正履歴を基に各評価項目の重み付け係数を変更することを特徴とする学習機能を備えた最適化装置にある。

0021

またこの発明は、コンピュータシステムを用いて複数の評価項目を最適化する最適化方法であって、与えられた各評価項目の最適化を行う最適化工程と、各評価項目の重要度を示す重み付け係数を保存する重み保存工程と、この重み保存工程で保存された各評価項目の重み付け係数を用いて上記最適化工程により最適化された結果の評価を行う最適化結果評価工程と、最適化された結果を使用者に表示しその修正を可能にする最適化結果表示・修正工程と、上記最適化結果表示・修正工程において使用者により修正された最適化結果を基に、上記各評価項目の重み付け係数を変更する重み変更工程と、を備え、最適化時に使用者による修正意図を反映した最適化結果を生成することを特徴とする最適化方法にある。

0022

またこの発明は、上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、現在の重み付け係数に近い重み付け係数を生成することを特徴とする最適化方法にある。

0023

またこの発明は、上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、複数の評価項目の重み付け係数の内できるだけ少ない個数の重み付け係数だけを変更することを特徴とする最適化方法にある。

0024

またこの発明は、上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、各評価項目の重み付け係数の変更率の総和ができるだけ小さくなるように重み付け係数を変更することを特徴とする最適化方法にある。

0025

またこの発明は、上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、一部の最適化結果のみを用いて各評価項目の重み付け係数を変更することを特徴とする最適化方法にある。

0026

またこの発明は、使用者による最適化結果の修正結果を修正履歴として蓄積する最適化結果修正蓄積工程をさらに備え、上記重み変更工程において、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、過去の複数の上記修正履歴を基に各評価項目の重み付け係数を変更することを特徴とする最適化方法にある。

発明を実施するための最良の形態

0027

以下、この発明を各実施の形態について説明する。
実施の形態1.図1はこの発明の一実施の形態による学習機能を備えた最適化装置の構成およびその中のデータの流れを示す図であり、基本的にはプログラムに従って動作する外部メモリを伴うコンピュータシステムで構成される。図1において、1は与えられた各評価項目の最適化を行う最適化部、1−1は最適化部1で最適化された最適化結果、2は各評価項目の重要度すなわち重み付け係数を保存する重み保存部、2−1は各評価項目の重み付け係数、3は重み保存部2に保存された各評価項目の重み付け係数2−1を用いて最適化部1により最適化された結果1−1の善し悪し、すなわち評価を行う最適化結果評価部、4は最適化された結果を使用者に表示し修正を可能にする最適化結果表示・修正部、5は最適化結果表示・修正部4において使用者により修正された最適化結果1−1を基に、各評価項目の重み付け係数を変更する重み変更部である。

0028

次に動作について説明する。図2は、図1の学習機能を備えた最適化装置の処理を示すフローチャートである。まず、最適化部1により最適化を実施し最適化結果1−1が生成され(ステップST1)、最適化結果評価部3により重み保存部2に保存されている各評価項目の重み付け係数2−1を用いて最適化結果1−1を評価し(ステップST2)、その結果から最適化を完了させるか否かを判定する(ステップST3)。完了でない場合は、再び最適化を実施し、この処理を繰り返し、完了の場合は、次の処理に進む。この完了の判定は、一定以上この最適化の繰り返しが行われたら完了とするとか、評価結果がある一定以上の質になったら完了とするとか、評価結果がある一定回数繰り返しても変化しないなら完了する、などが考えられる。

0029

ステップST3の結果、最適化の完了と判断されたら、最適化結果表示・修正部4により最適化結果1−1を画面等に表示し、使用者は表示された最適化結果を好みに合わせて修正し、最適化結果1−1に書き戻す(ステップST4)。そして、重み変更部5により各評価項目の重み付け係数2−1を変更して、最適化結果評価部3により修正後の最適化結果1−1を評価し(ステップST5)、再度最適化を実施するかどうかを決定する(ステップST6)。この決定の方法には、使用者に再度最適化を実施するかどうかを問い合わせることが考えられる。

0030

次に、具体的な例を用いて、重み付け係数の変更方法について説明する。最適化結果評価部3では、以下の式により、最適化結果の評価値Eを求める。

0031

E = k1e1 + k2e2 + … knen

0032

ここで、ei(i=1〜n、nは評価項目の数)は各評価項目毎の評価値、kiは各評価項目の重み付け係数である。今、評価項目の数が4つ、すなわちn=4とし、各評価項目の重み付け係数が、それぞれ、20、80、60、40、すなわち、k1=20、k2=80、k3=60、k4=40とする。そして、最適化部1により最適化を実施した(ステップST3の)後の最適化結果の各評価項目の評価値が、それぞれ、0.6、0.7、0.3、0.4すなわち、e1=0.6、e2=0.7、e3=0.3、e4=0.4であるとする。従って、最適化結果1−1の全体の評価値は、以下のようになる。

0033

20×0.6+80×0.7+60×0.3+40×0.4 = 102

0034

次に、使用者により、最適化結果が修正されて(ステップST4)、各評価項目の評価値がそれぞれ、0.5、0.3、0.4、0.7、すなわち、 e1'=0.5、e2'=0.3、e3'=0.4、e4'=0.7に変わったとする。従って、この時点の最適化結果1−1全体の評価値は、以下のようになる。

0035

20×0.5+80×0.3+60×0.4+40×0.7 = 86

0036

使用者による修正により、最適化結果全体の評価値は、102から86に下がった。最適化装置では、この重み付け係数により最も高い評価値が得られる結果を生成するので、使用者による最適化結果の修正で、全体の評価値が上がることはない。このように使用者が好みの結果になるように修正したのにも係わらず、全体の評価値が下がるのは、各評価項目の重み付け係数が使用者の意図を反映していないからと考えられる。そこで、修正後の最適化結果全体の評価値が高くなるよう、各評価項目の重み付け係数を変更する(ステップST5)。

0037

この重み付け係数の変更は、重み付け係数k1〜k4の1〜100の値の全ての組み合わせの中で、最も全体の評価値が高くなる重み付け係数の組み合わせを見つけ出すことになる。ただし、何も制限を設けなければ、全ての重み付け係数を100にした場合が最も全体の評価値が高くなることは自明であるが、これでは元の評価値との公平な比較ができない。そこで、全ての重み付け係数の総和を一定に保ったままで、全ての重み付け係数値の組み合わせを調べる。前記の例では、重み付け係数の総和は200なので、重み付け係数k1〜k3は1〜100の値、重み付け係数k4は200から重み付け係数k1〜k3の総和を引いた値でかつ、そのk4の値が1以上100以下の場合の全ての組み合わせの中で、最も全体の評価値が高くなる重み付け係数の組み合わせを見つけることにする。

0038

前記の例では、この組み合わせは、各重み付け係数の値が、k1'=98、k2'=1、k3'=1、k4'=100となり、最適化結果全体の評価値は、以下のようになる。

0039

98×0.5+1×0.3+1×0.4+100×0.7 = 119.7

0040

つまり、使用者による最適化結果の修正後、最も評価値が高くなった項目を重視し、評価値が低くなった項目を軽視するよう重み付け係数を変更することにより、最適化結果全体の評価値を高くしている。そして、次回以降の最適化の際には、この新しい重み付け係数を用いて最適化結果の評価を行うので、使用者の修正意図を反映した最適化結果を得ることができる。

0041

以上のように、使用者による最適化結果の修正を基にして、各評価項目の重み付け係数を変更しているので、使用者の修正意図を次回以降の最適化時に反映でき、使用者の好みに合う結果を得るための最適化装置の調整を使用者が直感的に分かり易い方法で実施できる等の効果が得られる。

0042

実施の形態2.次に、重み付け係数の別の変更方法について説明する。実施の形態1では、使用者による最適化結果の修正後の重み付け係数の変更の際に、最も評価値が高くなるように各重み付け係数を変更した。しかしその変更方法では、それまで使用されてきた重み付け係数に関して、全く考慮されていない。そこで、これまでの重み付け係数も考慮するように、これまでの重み付け係数に近い係数に変更する。

0043

この「これまでの重み付け係数に近い係数に変更する」方法には、以下の2種類がある。まず、第1番目の方法は、できるだけ少ない個数の重み付け係数だけを変更するというものである。前記の例では、重み付け係数の総和を保つので、少なくとも2つの重み付け係数を変更しなければならない。従って、4つの重み付け係数の内2つだけを変更する場合、最適化結果全体の評価値が最も高くなるのは、各重み付け係数の値が、 k1''=20、k2''=20、k3''=60、k4''=100であり、最適化結果全体の評価値は、以下のようになる。

0044

20×0.5+20×0.3+60×0.4+100×0.7 = 110

0045

つまり、使用者による修正後、最も評価値が高くなった項目の重み付け係数と最も評価値が低くなった項目の重み付け係数を選択し、それらの2つの重み付け係数の元の総和を保つ範囲内で、前者の重み付け係数を上げ、後者の重み付け係数を下げる。

0046

以上のように、使用者による最適化結果の修正を基にして、各評価項目の重み付け係数の内、できるだけ少ない個数の重み付け係数だけを変更しているので、これまでの評価項目の重視度をできるだけ変更せずに、使用者の修正を次回以降の最適化時に反映でき、使用者の好みに合う結果を得るための最適化装置の調整を使用者が直感的に分かり易い方法で実施できる等の効果が得られる。

0047

次に、2番目の方法は、できるだけ重み付け係数の変更率が少なくなるよう、重み付け係数を変更するというものである。ここで、重み付け係数の変更率とは、重み付け係数の変更前と変更後の値の差を変更前の重み付け係数で割った値の総和である。しかし、単純に変更率が少ない変更にしてしまうと、ある2つの重み付け係数をそれぞれ1だけ変更するということになってしまい、殆ど変更しないという意味のないものになってしまう。

0048

そこで、最適化結果全体の評価値が、使用者による最適化結果の修正以前よりも高くなるようにするという条件を付ける。それにより、各重み付け係数の値は、 k1'''=20、k2'''=39、k3'''=61、k4'''=80であり、最適化結果全体の評価値は、以下のようになる。

0049

20×0.5+39×0.3+61×0.4+80×0.7 = 102.1

0050

以上のように、使用者による最適化結果の修正を基にして、各評価項目の重み付け係数をできるだけ変更せずに全体の評価値が高くなるよう変更しているので、これまでの各評価項目の重視度割合をできるだけ変更せずに、使用者の修正を次回以降の最適化時に反映でき、使用者の好みに合う結果を得るための最適化装置の調整を使用者が直感的に分かり易い方法で実施できる等の効果が得られる。

0051

実施の形態3.前記の実施の形態1及び2は、利用者による最適化結果全体に対する修正結果を基にして各評価項目の重み付け係数を変更したものである。次に、使用者が最適化結果の一部のみを修正して、重み付け係数を変更する実施の形態を示す。スケジューリングシステムのような最適化装置の場合、最適化結果、すなわちスケジュール結果の評価値計算の際に、スケジュールする期間やスケジュール対象オブジェクトを一部に限定しても、評価値を求めることが可能である。例えば、あるスケジューラのスケジュール期間が1月4日から1月31日の4週間であっても、1月4日から1月10日までの1週間のスケジュール結果だけを取り出して、その結果の善し悪しを評価することができる。また、訪問看護スケジューラの場合、ナース1からナース10までのスケジュールを立案していても、ナース1とナース2のスケジュール結果だけを取り出して、その結果の善し悪しを評価することができる。

0052

そこで、各評価項目の重み付け係数の変更の際に、最適化結果のどの範囲を評価の対象とするかを最適化装置の利用者が指定できるようにする。そして、指定された範囲の最適化結果を基に、各評価項目の重み付け係数を変更する。その変更方法は、実施の形態1及び実施の形態2で説明したものと同様である。

0053

以上のように、この実施の形態3によれば、使用者により修正された一部の最適化結果を基にして、各評価項目の重み付け係数を変更しているので、使用者が一部の最適化結果を修正するだけで、次回以降の最適化時に、使用者の修正意図を使用者が修正しなかった範囲の結果にまで反映でき、使用者の好みに合う結果を得るための最適化装置の調整を使用者が直感的に分かり易く簡便な方法で実施できる等の効果が得られる。

0054

実施の形態4.前記の実施の形態1、2及び3は、利用者による直前の最適化結果の修正を基にして各評価項目の重み付け係数を変更したものである。次に、使用者による最適化結果の複数の修正を基にして重み付け係数を変更する実施の形態を示す。図3はこの発明の実施の形態4による学習機能を備えた最適化装置の構成およびその中のデータの流れを示す図であり、基本的にはプログラムに従って動作する外部メモリを伴うコンピュータシステムで構成される。図1の構成に、使用者による最適化結果の修正結果を蓄積する最適化結果修正蓄積部6が追加されている。実施の形態4においては、使用者が最適化結果を好みに合わせて修正した際に、その修正結果を最適化結果1−1に書き戻すと共に、最適化結果修正蓄積部6内の修正最適化結果6−1にも書き込む。そして、重み変更部5による各評価項目の重み付け係数の変更の際に、最適化結果1−1を基に評価値の計算を行うのではなく、最適化結果修正蓄積部6により蓄積された修正最適化結果6−1を基に、各評価項目の評価値の計算を行う。

0055

修正最適化結果6−1を基に、各評価項目の評価値の計算を行う際には、まず、蓄積された複数の修正最適化結果毎に、各評価項目の評価値を計算する。そして、各評価項目毎に、蓄積された結果の評価値の平均値を求める。この平均値を基に、重み付け係数の変更を行う。その変更方法は、実施の形態1及び実施の形態2で説明したものと同様である。

0056

以上のように、この実施の形態4によれば、使用者による何回かの最適化結果の修正を基にして、各評価項目の重みを変更しているので、使用者により例外的な修正があっても、それが次回以降の最適化時に反映され難くなり、何回か同じような修正をした使用者の意図だけが反映されるようになる等の効果が得られる。

発明の効果

0057

以上のようにこの発明によれば、コンピュータシステムを用いて複数の評価項目を最適化する学習機能を備えた最適化装置であって、与えられた各評価項目の最適化を行う最適化手段と、各評価項目の重要度を示す重み付け係数を保存する重み保存手段と、この重み保存手段に保存された各評価項目の重み付け係数を用いて上記最適化手段により最適化された結果の評価を行う最適化結果評価手段と、最適化された結果を使用者に表示しその修正を可能にする最適化結果表示・修正手段と、上記最適化結果表示・修正手段において使用者により修正された最適化結果を基に、上記各評価項目の重み付け係数を変更する重み変更手段と、を備え、最適化時に使用者による修正意図を反映した最適化結果を生成することを特徴とする学習機能を備えた最適化装置およびこれに準ずる最適化方法としたので、使用者の修正意図を最適化時に反映でき、使用者の好みに合う結果を得るための調整を使用者が直感的に分かり易い方法で実施できる等の効果が得られる。

0058

また、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、現在の重み付け係数に近い重み付け係数を生成するようにしたので、それまで使用されていた重み付け係数も考慮するようにした。

0059

また、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、複数の評価項目の重み付け係数の内できるだけ少ない個数の重み付け係数だけを変更するようにしたので、これまでの評価項目の重視度をできるだけ変更せずに、使用者の修正を次回以降の最適化時に反映でき、使用者の好みに合う結果を得るための最適化装置の調整を使用者が直感的に分かり易い方法で実施できる。

0060

また、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、各評価項目の重み付け係数の変更率の総和ができるだけ小さくなるように重み付け係数を変更するようにしたので、これまでの各評価項目の重視度割合をできるだけ変更せずに、使用者の修正を次回以降の最適化時に反映でき、使用者の好みに合う結果を得るための最適化装置の調整を使用者が直感的に分かり易い方法で実施できる。

0061

また、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、一部の最適化結果のみを用いて各評価項目の重み付け係数を変更するようにしたので、使用者が一部の最適化結果を修正するだけで、次回以降の最適化時に、使用者の修正意図を使用者が修正しなかった範囲の結果にまで反映でき、使用者の好みに合う結果を得るための調整を使用者が直感的に分かり易く簡便な方法で実施できる。

0062

また、使用者による最適化結果の修正結果を修正履歴として蓄積する最適化結果修正蓄積手段をさらに備え、上記重み変更手段が、使用者により修正された最適化結果を基に各評価項目の重み付け係数を変更する際に、過去の複数の上記修正履歴を基に各評価項目の重み付け係数を変更するようにしたので、使用者による何回かの最適化結果の修正を基にして、各評価項目の重みを変更するので、使用者により例外的な修正があっても、それが次回以降の最適化時に反映され難くなり、何回か同じような修正をした使用者の意図だけが反映されるようになる。

図面の簡単な説明

0063

図1この発明の一実施の形態による学習機能を備えた最適化装置の構成およびその中のデータの流れを示す図である。
図2図1の学習機能を備えた最適化装置の処理を示すフローチャート図である。
図3この発明の別の実施の形態による学習機能を備えた最適化装置の構成およびその中のデータの流れを示す図である。
図4最適化装置の使用者が用いる各評価項目の重み付けのためのグラフィカルなインターフェースを示す図である。
図5訪問看護の訪問スケジュールを立案する訪問看護スケジューラの立案結果を表示している画面の一例を示す図である。
図6訪問看護の訪問スケジュールを立案する訪問看護スケジューラの立案結果を表示している画面の一例を示す図である。

--

0064

1 最適化部、1−1最適化結果、2 重み保存部、2−1重み付け係数、3 最適化結果評価部、4 最適化結果表示・修正部、5重み変更部、6最適化結果修正蓄積部、6−1 修正最適化結果。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ