JP2000293501A - 学習機能を備えた最適化装置および最適化方法 - Google Patents

学習機能を備えた最適化装置および最適化方法

Info

Publication number
JP2000293501A
JP2000293501A JP9759299A JP9759299A JP2000293501A JP 2000293501 A JP2000293501 A JP 2000293501A JP 9759299 A JP9759299 A JP 9759299A JP 9759299 A JP9759299 A JP 9759299A JP 2000293501 A JP2000293501 A JP 2000293501A
Authority
JP
Japan
Prior art keywords
optimization
user
weighting coefficient
result
evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP9759299A
Other languages
English (en)
Inventor
Hiroyuki Sato
裕幸 佐藤
Isao Aoyama
功 青山
Katsuto Nakajima
克人 中島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP9759299A priority Critical patent/JP2000293501A/ja
Publication of JP2000293501A publication Critical patent/JP2000293501A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

(57)【要約】 【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。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】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を掛け
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。
【０００２】
【従来の技術】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ィカルなインターフ
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
価項目の重要度の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６−３
３２８８３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
面の一部である。この画面において、縦軸が訪問を行う
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で
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
確定の技術要素が多く、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。
【００１３】
【発明が解決しようとする課題】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。
【００１５】
【課題を解決するための手段】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。
【００２７】
【発明の実施の形態】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、２
０、８０、６０、４０、すなわち、ｋ1＝２０、ｋ2＝８
０、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Ｓ
Ｔ５)。
【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、ｋ
4'＝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＋１
００×０.７ ＝ 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''＝１０
０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のオブジェクト
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。
【００５７】
【発明の効果】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】
【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。
【符号の説明】
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。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 中島 克人 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 Ｆターム(参考） 5B049 BB41 CC32 EE03 EE31 EE59 FF03 FF04

Claims (12)

    【特許請求の範囲】
  1. 【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。
  2. 【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。
  3. 【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。
  4. 【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。
  5. 【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。
  6. 【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。
  7. 【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。
  8. 【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。
  9. 【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。
  10. 【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。
  11. 【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。
  12. 【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。
JP9759299A 1999-04-05 1999-04-05 学習機能を備えた最適化装置および最適化方法 Pending JP2000293501A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP9759299A JP2000293501A (ja) 1999-04-05 1999-04-05 学習機能を備えた最適化装置および最適化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP9759299A JP2000293501A (ja) 1999-04-05 1999-04-05 学習機能を備えた最適化装置および最適化方法

Publications (1)

Publication Number Publication Date
JP2000293501A true JP2000293501A (ja) 2000-10-20

Family

ID=14196518

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9759299A Pending JP2000293501A (ja) 1999-04-05 1999-04-05 学習機能を備えた最適化装置および最適化方法

Country Status (1)

Country Link
JP (1) JP2000293501A (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6829564B2 (en) 2002-09-09 2004-12-07 Fuji Xerox Co., Ltd. Usability evaluation support apparatus
US7152016B2 (en) 2002-09-19 2006-12-19 Fuji Xerox Co., Ltd. Usability evaluation support apparatus and method
JP2009181195A (ja) * 2008-01-29 2009-08-13 Internatl Business Mach Corp <Ibm> 多目的最適化装置、重み付けの調整をするための方法及び重み付け調整プログラム
WO2013132742A1 (ja) * 2012-03-09 2013-09-12 日本電気株式会社 システム設計支援装置、システム設計支援方法、及びシステム設計支援プログラム
JPWO2021106060A1 (ja) * 2019-11-26 2021-06-03

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6829564B2 (en) 2002-09-09 2004-12-07 Fuji Xerox Co., Ltd. Usability evaluation support apparatus
US7152016B2 (en) 2002-09-19 2006-12-19 Fuji Xerox Co., Ltd. Usability evaluation support apparatus and method
JP2009181195A (ja) * 2008-01-29 2009-08-13 Internatl Business Mach Corp <Ibm> 多目的最適化装置、重み付けの調整をするための方法及び重み付け調整プログラム
WO2013132742A1 (ja) * 2012-03-09 2013-09-12 日本電気株式会社 システム設計支援装置、システム設計支援方法、及びシステム設計支援プログラム
JPWO2021106060A1 (ja) * 2019-11-26 2021-06-03
US11869034B2 (en) 2019-11-26 2024-01-09 Nec Corporation Optimization device, optimization method, and recording medium
JP7521539B2 (ja) 2019-11-26 2024-07-24 日本電気株式会社 最適化装置、最適化方法、プログラム

Similar Documents

Publication Publication Date Title
Anderson The dynamics of risk-sensitive allocations
US7577554B2 (en) Workflow modeling using an acyclic directed graph data structure
US8028293B2 (en) Optimal policies for load balancing for distributed and strategic agents (more technically, optimal coordination mechanisms for machine scheduling)
US20070005406A1 (en) Event scheduling
US6774920B1 (en) Computer assisted presentation method and apparatus
US11501215B2 (en) Hierarchical clustered reinforcement machine learning
TW201015258A (en) System and method for a demand driven lean production control system
CN105338071A (zh) 一种信息推送方法及装置
EP1548623A1 (en) Outlier correction
US7398130B2 (en) Ordering/order receiving system
CN108292237A (zh) 控制gpu的操作
US11481014B2 (en) Power control method based on user habit and terminal
US20150199653A1 (en) Location adaptive electronic calendar system
US20170013111A1 (en) Intelligent notification device and intelligent notification method
US20150046207A1 (en) System, Method, and Computer Program Product for Automatically Scheduling a Plurality of Tasks
US20050171834A1 (en) Work status prediction apparatus, method of predicting work status, and work status prediction program
JP2000293501A (ja) 学習機能を備えた最適化装置および最適化方法
US11693385B2 (en) Automated slot adjustment tool
US8126992B2 (en) Method and system for optimally scheduling a web conference managed by a web application
Erdelyi et al. Computing protection level policies for dynamic capacity allocation problems by using stochastic approximation methods
US20060192850A1 (en) Method of and system to set an output quality of a media frame
KR102312642B1 (ko) 기계학습 기반 공정 스케줄링 장치 및 방법
Deshpande et al. Performance enhancement of a contract net protocol based system through instance-based learning
CN113065686B (zh) 排程数据优化处理方法及装置、设备
JP2015153024A (ja) 情報処理装置、情報処理方法およびプログラム