[发明专利]模型训练方法、货物堆放的优化方法、装置和电子设备

说明书

本公开提供了一种模型训练方法、货物堆放的优化方法、装置和电子设备，涉及数据处理领域，尤其涉及深度学习技术领域。具体实现方案为：模型训练方法，应用于货物堆放优化问题，所述方法包括：预先构建I个神经网络模型；基于混合整数规划求解器利用第一训练数据，对I个神经网络模型进行迭代训练，得到I个目标神经网络模型；其中，第j个神经网络模型的初始化参数与第j‑1个神经网络模型训练得到的目标参数关联；神经网络模型用于对所接收到的函数信息进行混合整数规划的过程中，确定求解树的各节点的决策变量；第一训练数据包括求解树中各分支节点对应的目标决策变量的标签数据。本公开可以优化货物堆放的流程。

技术领域

本公开涉及数据处理领域，尤其涉及深度学习技术领域。具体涉及一种模型训练方法、货物堆放的优化方法、装置和电子设备。

背景技术

目前，在货物运输的场景中，通常涉及到货物堆放的问题。为提高空间利用率，在货物堆放之前，通常需要依靠人工经验对堆放流程进行设计，以确保在堆放空间不变的情况下，能够堆放尽可能多的货物。

发明内容

本公开提供了一种模型训练方法、货物堆放的优化方法、装置和电子设备。

根据本公开的第一方面，提供了一种模型训练方法，应用于货物堆放优化问题，所述方法包括：

预先构建I个神经网络模型，所述I为大于1的整数；

基于混合整数规划求解器利用第一训练数据，对所述I个神经网络模型进行迭代训练，得到I个目标神经网络模型；

其中，第j个神经网络模型的初始化参数与第j-1个神经网络模型训练得到的目标参数关联，j为大于1且小于或者等于I的整数；

所述神经网络模型用于对所接收到的函数信息进行混合整数规划的过程中，确定求解树的各节点的决策变量；所述第一训练数据包括求解树中各分支节点对应的目标决策变量的标签数据。

根据本公开的第二方面，提供了一种货物堆放的优化方法，包括：

获取第三函数信息和第三决策变量集，所述第三函数信息包括：以在第三货仓中堆放的第三货物的数量最多为优化目标，确定的函数信息；所述第三决策变量集包括：所述第三函数信息中的变量；

将所述第三函数信息和第三决策变量集输入I个目标神经网络模型进行求解，得到I个输出结果，其中，所述求解包括I个求解阶段，一个所述求解阶段对应一个目标神经网络模型；

基于所述I个输出结果，确定所述第三函数信息的求解结果。

根据本公开的第三方面，提供了一种模型训练装置，包括：

构建模块，用于预先构建I个神经网络模型，所述I为大于1的整数；

第一训练模块，用于基于混合整数规划求解器利用第一训练数据，对所述I个神经网络模型进行迭代训练，得到I个目标神经网络模型；

其中，第j个神经网络模型的初始化参数与第j-1个神经网络模型训练得到的目标参数关联，j为大于1且小于或者等于I的整数；

所述神经网络模型用于对所接收到的函数信息进行混合整数规划的过程中，确定求解树的各节点的决策变量；所述第一训练数据包括求解树中各分支节点对应的目标决策变量的标签数据。

根据本公开的第四方面，提供了一种货物堆放的优化装置，包括：

获取模块，用于获取第三函数信息和第三决策变量集，所述第三函数信息包括：以在第三货仓中堆放的第三货物的数量最多为优化目标，确定的函数信息；所述第三决策变量集包括：所述第三函数信息中的变量；