基于图神经网络的偏好学习的综合决策方法、系统及介质

    公开(公告)号:CN117540247A

    公开(公告)日:2024-02-09

    申请号:CN202311445543.X

    申请日:2023-11-02

    Abstract: 本发明提出一种基于图神经网络的偏好学习的综合决策方法、系统及介质,所述方法包括:阶段1方案间的偏好关系被映射到图结构上,并据此构建一个偏好关系图;阶段2偏好关系预测问题被转换为一个图上的边分类问题,采用多层感知机模型获取图上的边特征,并借助图神经网络的表达能力挖掘图上的偏好信息;阶段3构造一个对比器神经网络,将前一阶段的成对方案偏好作为输入,将每个方案偏好得分作为输出,并根据得分对方案的偏好进行排序。本发明解决了综合决策时产生较多无效偏好信息的问题,并在提升排序预测性能的同时保证了综合决策过程的可解释性,得到的决策结果更加可靠且可信。

    面向企业资源供需调配的多准则智能决策优化方法及系统

    公开(公告)号:CN115689201A

    公开(公告)日:2023-02-03

    申请号:CN202211353814.4

    申请日:2022-11-01

    Abstract: 本发明公开了一种面向企业资源供需调配的多准则智能决策优化方法及系统,包括:使用基于熵权的准则客观赋权过程确定企业资源供需调配准则的客观权重;将得到的所述客观权重输入到基于相对熵的准则组合赋权过程,生成反映实际调度情况的准则的组合权重;基于勾股模糊图的多准则决策过程接收前序步骤得到所述客观权重和所述组合权重,对多个企业资源供需调配调度方案进行评估;使用基于图论的企业资源供需调配多准则决策过程进行前序步骤的决策应用,以确定最优调度方案。本发明将勾股模糊图引入到企业资源供需调配决策问题中,用图来表达企业实际的供应链资源调度方案间的偏好关系,以及各种影响因素间的交互关系,方法简单易行,决策结果更加合理可靠。

Patent Agency Ranking