平码五不中公式规律
  • / 18
  • 下载费用:30 金币  

用于商业应用系统的规则到约束翻译器.pdf

关 键 ?#21097;?/dt>
用于 商业 应用 系统 规则 约束 翻译器
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201480047644.4

申请日:

2014.08.22

公开号:

CN106663228A

公开日:

2017.05.10

当前法律状态:

实审

有效性:

审中

法?#19978;?#24773;: 实质审查的生效IPC(主分类):G06Q 10/04申请日:20140822|||公开
IPC分类号: G06Q10/04(2012.01)I 主分类号: G06Q10/04
申请人: 微软技术许可有限责任公司
发明人: M·艾伦伯格; S·斯克里万; W·科恩
地址: 美国华盛顿州
优先权: 2013.08.26 US 14/010,077
专利代理机构: 上海专利商标事务所有限公司 31100 代理人: 段登新
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201480047644.4

授权公告号:

|||

法律状态公告日:

2017.06.06|||2017.05.10

法律状态类型:

实质审查的生效|||公开

摘要

将规则集合翻译为商业应用的数学约束模型以有效地编码知识、应用模型、?#32422;?#25353;高度一致、高性能的方式建议结果。集成反馈机制使得该系统能够学习对知识工作者而言可能并不明显的相关规则之间的权重和关系,且能够检测用于调整模型的新因素的出现。可考虑可影响优化的结果的约束而不是全部约束,从而允许优化器快得多地运行。可启用并行化,从而允许执行多个优化过程来评估多个场景。而且,优化结果可通过提供被考虑的约束来回头向用户解释。

权利要求书

1.一种用于在预报优化中采用规则到约束翻译的在计算设备?#29616;?#34892;的方法,所述方法
包括:
基于历史数据和一个或多个数据规则在离线训练器处生成一个或多个模型参数;
基于所述模型参数构建预报模型;
基于当前状态数据使用所述预报模型生成基础预报;?#32422;?br />基于一个或多个预报规则更新所述基础预报。
2.如权利要求1所述的方法,其特征在于,所述预报用于商业环?#25345;?#30340;需求预测。
3.如权利要求2所述的方法,其特征在于,进一步包括:
生成基于经更新的需求预报和?#25191;?#35268;则的?#25191;?#29366;态和基于经更新的需求预报和利润
规则的利润状态中的一者或多者。
4.如权利要求2所述的方法,其特征在于,进一步包括以下之一:
自动生成所述一个或多个预报规则?#32422;按?#29992;户接收所述一个或多个预报规则。
5.如权利要求1所述的方法,其特征在于,进一步包括:
允许预报优化中的多个场景的并行执行;?#32422;?br />采用所述一个或多个预报规则来向用户提供关于预报优化的反馈。
6.如权利要求1所述的方法,其特征在于,所述预报模型包括一般化Kalman模型和概率
微分包含之一。
7.一种被配置成在需求预报优化中采用规则到约束翻译的计算设备,所述计算设备包
括:
存储器;
耦?#31995;?#25152;述存储器的处理器,所述处理器结合存储在所述存储器中的指令执行状态抽
象模块(SAM),其中所述SAM被配置成:
基于历史数据和一个或多个数据规则在离线训练器处生成一个或多个模型参数;
基于所述模型参数构建需求预报模型;
基于当前状态数据使用所述预报模型生成基础需求预报;
基于一个或多个预报规则更新所述基础需求预报;
生成基于经更新的需求预报和?#25191;?#35268;则的?#25191;?#29366;态和基于经更新的需求预报和利润
规则的利润状态中的一者或多者;?#32422;?br />
将经更新的需求预报、所述?#25191;?#29366;态、?#32422;?#25152;述利润状态中的一个或多个提供给商业
应用。
8.如权利要求7所述的计算设备,其特征在于,所述SAM被进一步被配置成:
向订单模型生成器提供需求预报状态来使用订单模型规则生成订单模型和用于订单
生成的一个或多个准则。
9.如权利要求8所述的计算设备,其特征在于,所述订单模型生成器被进一步配置成:
接收一个或多个准则规则;?#32422;?br />向从所述订单模型生成器接收的所述订单模型和准则应用所述准则规则以生成订单。
10.如权利要求9所述的计算设备,其特征在于,所述SAM被进一步被配置成:
基于每个预报规则对订单性能的影响向所述一个或多个预报规则分配权重。
11.如权利要求10所述的计算设备,其特征在于,所述SAM被进一步被配置成:
基于所述权重对所述预报规则排序。
12.如权利要求7所述的计算设备,其特征在于,所述SAM被进一步被配置成:
基于所述需求的定时、外部事件、天气条件、?#32422;?#25152;检测的消费者情绪的变化中的一者
或多者来自动生成和接收所述预报规则中的一者。
13.如权利要求7所述的计算设备,其特征在于,所述SAM被进一步被配置成:
向用户显示预报优化结果?#32422;?#25152;述预报规则;?#32422;?br />使得所述用户能够并行执行多个优化场景。
14.一?#21046;?#19978;存储有用于在需求预报优化中采用规则到约束翻译的指令的计算机可读
存储器设备,所述指令包括:
基于历史数据和一个或多个数据规则在离线训练器处生成一个或多个模型参数;
基于所述模型参数构建需求预报模型;
基于当前状态数据使用所述预报模型生成基础需求预报;
基于一个或多个预报规则更新所述基础需求预报,其中所述预报规则是自动生成的以
及从用户接收的中的一者;
生成基于经更新的需求预报和?#25191;?#35268;则的?#25191;?#29366;态和基于经更新的需求预报和利润
规则的利润状态中的一者或多者;?#32422;?br />
将经更新的需求预报、所述?#25191;?#29366;态、?#32422;?#25152;述利润状态中的一个或多个提供给商业
应用。
15.如权利要求14所述的计算机可读存储器设备,其特征在于,所述指令还包括:
基于经更新的需求预报状态和一个或多个订单模型规则来生成订单模型和一个或多
个准则;?#32422;?br />
向所述订单模型和准则应用一个或多个准则规则以生成订单。

?#24471;?#20070;

用于商业应用系统的规则到约束翻译器

背景

公司不?#31995;?#20316;出影响其利润率、顾客满意度?#32422;?#22686;长的决策。何时何地要制造多
少产品?要订购多少产品?#32422;按?#21738;个供应商订?#28023;?#23558;资源部署在何地?这些决策越来越多地
受到多种变量的影响——需求、供应、价格、递送时间——且那些变量可能是非常动态的。
及时续?#19994;?#26377;效的最优选择可能超出人类的能力。使用复杂数学约束模型的软件?#21830;?#20379;快
速、一致且大规模地解决这些优化挑战的机会。将约束优化连接到核心商业应用(?#28909;?#20225;业
资源规划(ERP)、顾客关系管理(CRM)、或供应商关系管理(SRM))使得软件推荐的选择能被
直接耦?#31995;?#21830;业过程流和业务系统。

然而,人们极少理解哪些因素影响了商业选择,以?#20272;?#35299;约束优化中的数学运算。
然而,他们理解其商业且能够以规则的形式描述其决策。在优化预报、销售、市场营销?#32422;?br />?#25191;?#26102;,可利用基于规则的系统。然而,将商业用户的规则翻译为系统所使用的查询约束仍
旧是一个挑战。

概述

提供该概述以便?#32422;?#21270;形式介绍概念的选集,所述概念在以下详?#35813;?#36848;中被进一
步描述。该概述不意图专门标识所要求保护的主题的关键特征或基本特征,也不意?#21450;?#21161;
确定所要求保护的主题的?#27573;А?br />

各实施例涉及将规则集合翻译为商业应用系统中的数学约束模型以有效地编码
所需的知识以使得该系统可应用该模型并按照高度一致、高性能的方式建议结果。通过集
成反馈机制,使得该系统能够学习对知识工作者而言可能并不明显的相关规则之间的权重
和关系,且能够检测可使得有必要调整模型的新因素的出现。在一些示例中,可影响优化结
果的约束,而不是所有约束,可被考虑,从而允许更快的优化。而且,可启用并行化,从而允
许执行多个优化过程来评估多个场景。在其它示例中,优化结果可通过提供被考虑的约束
来回头向用户解释。

从阅读以下详?#35813;?#36848;及查看相关附图后,这些及其他特征和优点将显而?#20934;?#24212;
当理解,以上一般描述及以下详?#35813;?#36848;两者均是?#24471;?#24615;的,而不限制所要求保护的各方面。

附图简述

图1是解说根据一些实施例的用于规则到约束翻译(rule-to-constraint
translation)的示例实现场景的概念图;

图2是解说根据其它实施例的用于规则到约束翻译的另一示例实现场景的概念
图;

图3解说根据各实施例的用于执行规则到约束翻译的状态抽象机(SAM)的示例架
构;

图4解说使用根据各实施例的SAM以进行优化的商业应用系统的框图;

图5解说采用Pareto游戏来描述针对一个产品的所预测的状态如何与另一产品状
态交互的示例系统的框图;

图6是其中可以实现根据各实施例的系统的简要联网环境;

图7是其中可以实现各实施例的示例计算操作环境的框图;?#32422;?br />

图8解说根据各实施例的规则到约束翻译的过程的逻辑流程图。

详?#35813;?#36848;

如上面简要描述的,可将规则集合翻译为商业应用系统中的数学约束模型以有效
地编码所需的知识以使得该系统可应用该模型并按照高度一致、高性能的方式建议结果。
通过集成反馈机制,使得该系统能够学习对知识工作者而言可能并不明显的相关规则之间
的权重和关系,且检测到可使得有必要调整模型的新因素的出现。

在下面的详?#35813;?#36848;中,参考构成其一部分的附图,在附图中,通过例图,示出?#21496;?br />体的实施例或示例。可以将这些方面组合起来,也可以理由其他方面,并且可以作出结构上
的改变而在不背离本公开的精神或?#27573;А?#22240;此,下面的详?#35813;?#36848;并不旨在进行限制,并且本
发明的?#27573;?#30001;所附权利要求书?#32422;?#20854;等效方案来限定。

尽管各实施例将在结合一应用程序执行的程序模块的一般上下文中描述,其中所
述应用程序在计算设备?#31995;?#25805;作系统?#26174;?#34892;,但是本领域的技术人员将认识到,各方面也
可以与其他程序模块组合实现。

一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组
件、数据结构及其他类型的结构。此外,本领域的技术人员将理解,各实施例可以用其他计
算机系统配置来实现,包括手持设备、多处理器系统、基于微处理器的或可编程的消费者电
子设备、小型计算机、大型计算机及类似的计算设备。各实施例也可以在分布式计算环?#25345;?br />实现,在分布式计算环?#25345;校?#22810;个任务由通过通信网络链接的远程处理设备来执行。在分布
式计算环?#25345;校?#31243;序模块可位于本地和远程的存储器存储设备两者中。

各实施例可以被实现为计算机实现的进程(方法)、计算系统、或者作为制品,诸如
计算机程序产品或计算机可读介质。计算机程序产品可以是可由计算机系统读取的计算机
存储介?#21097;?#25152;述计算机存储介?#35782;?#21253;括指令的计算机程序进行编码,所述指令用于使计算
机或计算系统执行(多个)示例进程。计算机可读存储介质是计算机可读存储器设备。例如,
计算机可读存储介质可经由?#36164;约?#31639;机存储器、?#19988;资?#24615;存储器、硬盘驱动器、和闪存驱
动器中的一个或多个来实现。

贯穿本?#24471;?#20070;,术语“平台”可以是软件和硬件组件的组合,以提供商业应用服务,
所述商业应用服务可包括规则到约束翻译,诸如企业资源规划(ERP)、顾客关系管理(CRM)、
或供应商关系管理(SRM)平台。平台的示例包括、但不限于:在多个服务器?#29616;?#34892;的托管服
务、在单个计算设备?#29616;?#34892;的应用、及类似的系统。术语“服务器”一般是指一般在联网环境
中执行一个或多个软件程序的计算设备。然而,服务器也可以被实现为在一个或多个计算
设备?#29616;?#34892;的虚拟服务器(软件程序),所述虚拟服务器被视为网络?#31995;?#26381;务器。关于这些
技术和示例实施例的详情可在以下描述中?#19994;健?br />

图1是解说根据一些实施例的用于规则到约束翻译的示例实现场景的概念图。

订单预报是可在诸如ERP系统等商业应用系统中?#19994;?#30340;许多示例组件之一。基于
预测的需求准确下订单可对?#25191;ⅰ?#38144;售、甚至市场营销努力具有影响。从而,最优下单系统
处理预测的需求、风险、?#32422;壩稍?#25253;器所生成的参数并开发对新订单的推荐。

使知识工作者用简单、人类可读的规则来表达因素——例如,IF WEATHER IS
HOT,INCREASE ORDER FOR ICED TEA BY Y%(如果天气炎热,则将对冰茶的订单增加
Y%)——并随后使得系统将规则集合翻译为数学约束模型的能力,对于企业有效地编码所
需的知识,?#32422;?#35813;系统应用模型并按高度一致、高性能的方式建议结果而言,可能是有价值
的。而且,集成反馈机制可使得该系统能够学习对知识工作者而言可能并不明显的相关规
则之间的权重和关系,且能够检测使得有必要调整模型的新因素的出现。

图示100示出一示例场景,其中可基于可能影响需求的外部事件的标识来调整/改
善预报准确度112。诸如体育赛事、节日、大型聚会(例如,集会)、及类似事件等外部事件可
能影响购物行为并由此影响商业中的需求。外部事件的影响可基于事件、商业或产品的类
型、或者甚至定时而不同。例如,大型体育赛事在夏天可能增加对特定产品的需求,而类似
的体育赛事在冬天可能增加对其它产品的需求。类似地,工程师集会与自行车爱好者集会
相比可能对本地区的产品需求有不同的影响。

根据各实施例的最优下单系统可采用规则来预测需求。逻辑表达式形式的规则可
被转换为数学表达式(约束)并应用于可被商业应用系统(例如ERP系统)处理的查询。如该
图示中所示,用户102可从通过一个或多个网络106广告或以其它方式可访问的多个事件
108中标识一事件并通过其客户端设备104将该事件输入到日历中。日历可由与ERP系统相
结?#31995;?#31995;统(由服务器110表示)维护。替换地或附加地,该系统还可独立于用户的输入接收
关于事件108的信息。该系统可分析该(诸)事件(其类型、定时、预期人口增长等)并使用规
则基于该事件来修正对不同产品或服务的需求预测。根据其它实施例,该系统还可基于该
事件来设想新规则。结果随后可被用于基于所标识的事件来提升预告准确度112,如由改变
114所示。

图2是解说根据本其它实施例的用于规则到约束翻译的另一示例实现场景的概念
图。

在许多情况下,规则可对来自现实世界的信号作出反应。天气、交通、大型事件是
可能影响需求的条件的示例。可用?#25191;ⅰ?#22320;点和存储能力可能影响供应侧。业务历史?#21830;?#20379;
代表性基础。用于采集关于这些现实世界条件的数据并将其翻译为可被馈?#36879;?#32422;束模型的
信号的机制是将人类对商业规则的理解翻译为可操作的基于软件的优化机制以得出商业
结果的主要部分。

除了大型事件和天气条件外,公众情绪的变化也可能成为影响需求的因素。从而,
成功的预报系统可能需要将这些因素和其它因素纳入考虑以进行准确预测。图示200中解
说的示例场景示出了,基于外部事件和/或情绪的改变,对牛奶212的需求可被如何影响并
预测。与结合图1的?#33268;?#31867;似,外部事件208或情绪变化可被用户202检测到或直接被系统检
测到。在该示例场景中,如从日历中检测到的,牛奶日(Milk Day)可能即将到来并?#20197;?#35745;将
增加对牛奶销售的需求。另一方面,一团体可能在大致相同时间呼吁抵制奶制品,这可能使
消费者困惑并具有相反的影响。

用户202可通过他们的客户端设备204基于所检测到的改变输入新规则且服务器
210可处理所述规则并基于所述改变来调整未来需求,从而带来更准确的牛奶需求预测。

图3解说根据各实施例的用于执行规则到约束翻译的状态抽象机(SAM)的示例架
构。

根据一些实施例的规则到约束翻译可作为基于规则的最优下单系统的一部分被
实现为软件、硬件或其组合。规则到约束翻译器可采用可被表达为逻辑表达式的规则并将
其转换为数学表达式。

从逻辑表达式到数学表达式的基本转换的两个示例可包括x y=xy?#32422;皒Vy=x+
y–xy。在将规则(逻辑表达式)转换为约束(数学表达式)时,规则到约束翻译器还可收集在
这些表达式中使用的参数。使用这些参数,该系统可将规则的考虑限制于可能影响结果的
那些,从而优化计算过程。实时最优下单系统可包括实时算法,该实时算法可处理?#31245;?#25253;器
生成的预测的需求、风险和参数并开发对新订单的推荐。

图示300示出根据一些实施例的SAM,其包括离线训练器304,该离线训练器304被
布置成接收来自一个或多个商业应用的历史数据,例如,销售点数据、订单、?#25191;?#25968;据等。离
线训练器304可使用数据规则302以参数的形式从此数据学习。数据规则302可包括规则,诸
如“如果缺少超过半周期的数据,则模拟销售点/订单并集成”。所述参数被用于构造预报模
型306,例如,一般化的Kalman、概率微分包含、或其它技术。预报模型306被预报器310使用
来从来自诸如销售数据和订单等当前状态数据308的输入生成需求预报。

可基于终端用户所提供的预报规则312来在预报规则更新模块314处调整来自预
报器310的基础需求预报和需求不确定度。预报规则312的示例可包括本地体育赛事、天气
事件、交通等的影响。预报规则升级模块413将经更新的需求预报和需求不确定度状态提供
给?#25191;?#27169;块318来建议?#25191;?#27700;平。?#25191;?#35268;则316也可被?#25191;?#27169;块318使用,诸如损坏、消耗。经
更新的需求预报和需求不确定度状态,连同来自?#25191;?#27169;块318的?#25191;?#29366;态信息,可被利润模
块320使用,以通过添加利润规则322生成由一个或多个商业应用使用的利润和利润不确定
度状态。需求预报和需求不确定度状态也可被直接提供给商业应用。

以下是预报规则312的一些解说性示例。如果需求按周改变,则规则可被用来反映
一周中的日期,诸如“如果为周一/周二/周三(?#20197;?#35813;时间无事件)下订单,则仅使用历?#20998;?br />一/周二/周三数据来构建预报”。还可针对特定事件开发规则,诸如“如果对其中一事件将
发生的时间段下单,则使用针对该事件的历史数据来构建预报?#20445;?#22914;果对其中七?#28388;?#26085;将
出现的时间段下单,则增加对于野餐型项目(木炭、点火液、火柴……)的预报?#20445;?#22914;果对将
有足球赛事的时间段下单,则增加对于“汽车追尾(tail-gating)”项目的预报”。

可进一步针对邻里专区开发规则,诸如“如果针对周五和在主要是天主教徒的社
区中下单,则增加对鱼肉的预报并减小?#32422;?#32905;的预报?#20445;?#22914;果针对周五和在主要是犹太人
的社区下单,则增加对白面包的预报”。示例天气规则可看上去像是“如果对于周五、周六、
周日下单且天气预报有雪,则增加对热巧克力、?#39304;?#25163;电筒的需求预报?#20445;?#22914;果预测到炎热
天气,则增加对凉茶、凉咖啡饮?#31995;?#38656;求预报,并减少对热饮的需求预报”。在一示例系统
中,可基于对订单性能的影响在确定订单时向诸如上面的规则的规则中的每一个分配权
重。

图4解说使用根据各实施例的SAM以进行优化的商业应用系统的框图。

图示400示出示例系统,其中SAM 404接收输入(例如,历史数据),且规则402生成
SAM的状态,诸如需求预报状态,并馈送订单模型生成器408。订单模型生成器408还可接收
订单模型规则406并生成用于订单生成的模型。示例订单模型规则可包括概率性动态规则、
控制马尔可夫?#30784;⒁约?#24433;响订单模型生成器408的预测的类似规则。订单模型生成器408还
可生成用于订单生成的准则和动态模型。

订单优化模块412可接收准则规则410,诸如用于设置LQ跟踪器的Q和R参数?#32422;?#20854;
它种类的模型(诸如马尔可夫链模型)的参数的规则,并将规则应用到从订单模型生成器
408接收的订单模型和准则。订单优化模块412可生成订单,所述订单可被提供给一个或多
个商业应用(例如,通过基于云的下单系统到出售商系统)。

图5解说采用状态机之间的标准同步来描述针对一个产品的所预测的状态如何与
其它产品状态交互的示例系统的框图。

图示500描述了在一示例实现中针对一个产品的所预测的状态如何与其它产品的
状态交互。该交互由能力“资本”模型(CKM)504表示。每个SAM 502将与CKM 504同步来优化
所有产品的状态。

CKM 504可由通用CKM生成器506基于游戏规则512生成,诸如状态机的Pareto、
Nash和标准同步。能力(C)和资本(K)值508可针对CKM 504从云源接收?#20197;?#19968;些示例中经更
新的值(C+和K+)510可被提供回云源。一个或多个准则和约束也可被提供至CKM 504。SAM
502可向CKM 504提供SAM状态并从CKM 504接收准则和约束修?#27169;?#20316;为同步的一部分。

图1至5中的示例场景和方案是以特定组件、规则、事件和配置示出的。各实施例不
限于根据这些示例的系统。在商业应用系统中采用规则到约束翻译可以按在应用?#32422;?#29992;户
界面中使用更少的或更多的组件的配置来实现。此外,图1至5中示出的示例模式和组件以
及它们的子组件可以使用此处所描述的原理利用其他值按类似的方式实现。

图6是其中可实现各实施例的示例联网环?#22330;?#29992;于基于规则的优化系统的规则到
约束翻译可经由在一个或多个服务器614(诸如被托管服务)?#29616;?#34892;的软件来实现。平台可
以通过(诸)网络613与个别计算设备?#31995;?#23458;户的应用通信,所述个别计算设备诸如智能电
话612、笔记?#38236;?#33041;611或台式电脑610(“客户端设备”)。

在客户端设备611-613中的任一者?#29616;?#34892;的客户端应用可促进经由服务器614执
行的或在单个服务器616上向用户提供对CRM、ERP、或SRM服务的访问的应用的通信,诸如预
报、销售管理、市场营销、之类。该服务执行的SAM模块可将逻辑表达式形式的规则翻译为数
学表达式,从而允许系统仅考虑影响结果的约束且由此提升该优化。与规则到约束翻译相
关联的更新或附加数据可被直接存储在(诸)数据存储619中,或通过与商业应用相关联的
数据库服务器618存储。

(诸)网络610可以包括任何拓扑结构的服务器、客户端、因特网服务提供者?#32422;?#36890;
信介质。根据各实施例的系统可以具有静态或动态的拓扑结构。(诸)网络610可以包括诸如
企业网络这样的安全网络、诸如无线开放网络这样的不安全网络、或者因特网。(诸)网络
610也可以通过诸如公共交换电话网(PSTN)或蜂窝网络这样的其他网络来协调通信。而且,
(诸)网络610可以包括诸如蓝牙或类似网络等短距无线网络。(诸)网络610在此处描述的多
个节点之间提供通信。通过示例但非限制,(诸)网络610可以包括诸如声音、RF、红外这样的
无线介质?#32422;?#20854;他无线介质。

可以采用计算设备、应用、数据源和数据分发系统的许多其它配置来提供规则到
约束翻译。而且,图6中?#33268;?#30340;联网环境仅出于?#24471;?#30446;的。各实施例不限于示例的应用、模块
或进程。

图7?#32422;?#30456;关联的?#33268;?#24847;图提供其中可实现各实施例的合适的计算环境的简要、
一般描述。参照图7,解说了根据各实施例的用于应用的示例计算操作系统的框图,诸如计
算设备700。在基本配置中,计算设备700可以是根据各实施例来执行规则到约束翻译的任
何计算设备,并包括至少一个处理单元702和系统存储器704。计算设备700也可以包括在执
行程序时协作的多个处理单元。取决于计算设备的实际配置和类型,系统存储器704可以是
?#36164;?#24615;的(诸如RAM)、?#19988;资?#24615;的(诸如ROM、闪存、等)或者两者的某一组合。系统存储器704
通常包括适于控制平台操作的操作系统705,诸如来自美国华盛顿州雷德蒙市的微软公司
的操作系统。系统存储器704还可以包括一个或多个软件应用,诸如程序模
块706、商业应用722和状态抽象机(SAM)模块724。

商业应用722可以是CRM、ERP、SRM或类?#21697;?#21153;的一部分并执行所述服务的一个或
多个方面,诸如预报,其可包括基于规则的最优下单。商业应用722可结合SAM模块724操作
以通过在优化之前将规则翻译为约束并将可能影响优化结果的约束纳入考虑来简化优化。
该基本配置在图7中用虚线708内的那些组件示出。

计算设备700可具有附加的特征或功能。例如,计算设备700也可以包括附加的数
据存储设备(可移动和/或不可移动),诸如?#25490;獺?#20809;盘或带。这种附加存储器在图7中用可移
动存储器709和不可移动存储器710示出。计算机可读存储介质可以包括以用于存储信息的
任何方法或技术实现的?#36164;?#24615;和?#19988;资?#24615;、可移动和不可移动介?#21097;?#35813;信息诸如计算机可
读指令、数据结构、程序模块或其他数据。系统存储器704、可移动存储器709和不可移动存
储器710全是计算机可读存储介质的示例。计算机可读存储介质包括,但不限于,RAM、ROM、
EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光学存储器、磁带?#23567;?br />磁带、?#25490;?#23384;储器或其他磁性存储设备,或可以用来存储所需信息并可以被计算设备700访
问的任何其他介质。任何这样的计算机可读存储介质可以是计算设备700的一部分。计算设
备700还可以具有诸如键盘、鼠标、笔、声音输入设备、触摸输入设备、用于检测姿势的光学
捕捉设备之类的(诸)输入设备712,?#32422;?#31867;似的输入设备。也可以包括(诸)输出设备714,诸
如显示器、扬声器、打印机?#32422;?#20854;他类型的输出设备。这些设备全是本领域公知的并且不需
要在此过多?#33268;邸?br />

计算设备700也可以包含通信连接716,所述通信连接716允许设备诸如通过分布
式计算环?#25345;?#30340;有线或无线网络、卫星链路、蜂窝链路、短距网络?#32422;?#30456;当的机制与其他设
备718通信。其他设备718可以包括执?#22411;?#20449;应用的(诸)计算机设备、web服务器?#32422;?#30456;当的
设备。(诸)通信连接716是通信介质的一个示例。通信介质中可以包括计算机可读指令、数
据结构、程序模块或其他数据。作为示例而非限制,通信介质包括诸如有线网络或直接线连
接之类的有线介?#21097;约?#35832;如声学、RF、红外及其他无线介质之类的无线介质。

各示例实施例还包括各方法。这些方法可以以任何数量的方式来实现,包括?#23435;?br />档中描述的结构。一种这样的方式是通过具有?#23435;?#26723;中描述的类型的设备的机器操作来实
现。

另一任选的方式是使各方法的个别操作中的一个或多个连同执行一些操作的一
个或多个人工操作员被执行。这些人工操作员不需要彼?#23435;?#22312;同处,但每个人工操作员可
以仅操作执行程序一部分的一台机器。

图8解说根据各实施例的规则到约束翻译的过程的逻辑流程图。过程800可结合商
业应用系统内的优化模块实现。

过程800开始于操作810,其中离线训练器通过基于数据规则从历史数据学习来生
成预报模型参数。在操作820,模型参数被用来构建预报模型,诸如一般化Kalman、概率微分
包含、或类似模型。在操作830,预报可使用预报模型和当前状态数据来生成基础预报和基
础预报(例如,需求预报)的不确定度。

在操作840,基于预报规则更新预报,预报规则的非穷尽示例在上面提供。经更新
的预报可被用于使用?#25191;?#35268;则生成?#25191;?#29366;态或使用一个或多个附加模块中的利润规则生
成利润状态。在任选操作850,需求预报还可被直接提供给商业应用,该商业应用出于各种
目的使用该信息。

过程800中包括的操作用于?#24471;?#30446;的。规则到约束翻译器可以使用此处所述的各
原理通过具有更少或更多步骤的相似过程、?#32422;?#19981;同的操作次序来实现。

以上?#24471;鰲?#31034;例和数据提供了各实施例的组成的制造和用途的完整描述。尽管用
结?#22266;?#24449;和/或方法动作专用的语言描述了本主题,但可以理解,所附权利要求书中定义的
主题不必限于上述具体特征或动作。相反,上述具体特征和动作是作为实现权利要求和实
施例的示例形式公开的。

关于本文
本文标题:用于商业应用系统的规则到约束翻译器.pdf
链接地址:http://www.pqiex.tw/p-6091918.html
关于我们 - 网?#26087;?#26126; - 网站地图 - 资源地图 - 友情链接 - 网站?#22836;?/a> - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网?#26223;?#26435;所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 双色球走势图2元坐标连线 山西泳坛夺金开奖结果查询 网上棋牌骗局揭秘 北京快乐彩历史记录 下载波克棋牌 幸运飞艇微信公众号 组选奖号886 贵州十一选五走势图解 北京快乐8开奖号 pk10免费计划网址