公开(公告)号：CN118195457A

公开(公告)日：2024-06-14

申请号：CN202410305490.X

申请日：2024-03-18

Applicant: 东北大学

Inventor： 林利振 ,  李琪 ,  方爽 ,  杨雷 ,  代钰 ,  高振 ,  刘禹峤

IPC: G06Q10/0835 ,  G06N3/092 ,  G06F18/20

Abstract: 本发明提供一种基于偏好驱动的多目标强化学习的车辆路线规划方法，涉及车辆规划以及深度强化学习技术领域。本发明通过将问题建模为马尔科夫决策过程，引入了偏好向量，从而赋予决策者更灵活的决策空间，通过与物流系统环境的交互，学习一组帕累托最优的车辆路径策略，采用多维插值器对偏好向量进行投影，以进行偏好向量空间的归一化处理，提高了算法的收敛性，引入余弦相似项，用于度量偏好的相似程度，确保在学习过程中偏好的一致性和对齐性，这种算法不仅提供解决MOVRP问题的路径方案，还考虑了决策者对多个目标的个性化偏好，个性化的车辆路径规划方案将能够更好地适应不同决策者和物流环境的需求，提高整体效率与用户满意度。

公开(公告)号：CN118014619A

公开(公告)日：2024-05-10

申请号：CN202410191963.8

申请日：2024-02-21

Applicant: 东北大学

Inventor： 朱清 ,  付嘉铭 ,  李琪 ,  林利振 ,  代钰

IPC: G06Q30/0201 ,  G06Q30/0202 ,  G06F18/214 ,  G06F16/215 ,  G06N3/0464 ,  G06N3/08 ,  G06N7/01

Abstract: 本发明公开一种基于多头ProbSparse注意力机制的扩散模型的采购价格预测方法，涉及商业采购及时间序列预测技术领域。利用ProbSparse注意力机制的特征提取能力，从原始数据中自动挖掘出价格的隐藏特征和时序性。相比于自注意力机制self‑attention，ProbSparse注意力机制降低了常规的计算量，优化了时间空间效率。相比于传统扩散模型来生成未来的采购价格，本发明更能解决传统采购价格预测中存在的难以适应非线性元素，难以捕捉元素相关性等技术缺陷，提供一种更准确、可靠的采购价格预测方式，能够更准确地反映价格波动的动态性和复杂性，着重研究价格之间的相关性，提高预测的准确性，使采购价格预测更加灵活和可靠，有助于企业更好地管理采购成本和做出更明智的采购决策。