买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学申请的专利集合覆盖问题加速求解方法、装置、电子设备和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114817848B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210501951.1，技术领域涉及：G06F17/17；该发明授权集合覆盖问题加速求解方法、装置、电子设备和存储介质是由宋士吉;袁浩峰;江鹏设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本集合覆盖问题加速求解方法、装置、电子设备和存储介质在说明书摘要公布了：本申请提供一种集合覆盖问题加速求解方法、装置、电子设备和存储介质，属于数据处理的技术领域。所述方法包括：根据列生成算法，将基于图的集合覆盖问题的主问题分解为受限的主问题与完整的子问题；确定完整的子问题对应的底层图中的所有边在最终解中被选择的概率；剔除概率小于预设阈值的边，得到简化的底层图以及简化的底层图对应的简化的子问题；对受限的主问题与简化的子问题进行迭代求解；直到简化的子问题中没有可添加至受限的主问题中的可行列时，将受限的主问题的解作为主问题的最终松弛解；根据主问题的最终松弛解，得到主问题的最终解。本申请旨在加快求解大规模集合覆盖问题时的计算速度。

本发明授权集合覆盖问题加速求解方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种基于图的集合覆盖问题加速求解方法，其特征在于，所述方法用于铁路人员的调度或建立配送站点；在用于建立配送站点的场景下，优化目标是使得所有的目标居民点均被覆盖，且配送站点的配置总成本最小，其中，所有的目标居民点即为全集，每个可行的配送站点所覆盖的居民点构成一个小集合，选出成本最小的配送站点配置，且保证配送站点配置可以覆盖所有的目标居民点；在用于铁路人员的调度的场景下，所述方法包括： 构建铁路人员的调度问题对应的基于图的集合覆盖问题，其中，该集合覆盖问题的全集中包含所有需要被执行的值乘任务，集合代表所有可行乘务交路组成的集合，乘务交路指的是一个乘务人员在一段时间内所执行的值乘任务序列，每一个可行的乘务交路都是一个备选的子集；所述铁路人员的调度问题对应的基于图的集合覆盖问题的优化目标为：从集合中选取若干乘务交路，在保证所述全集中所有需要被执行的值乘任务被覆盖的前提下，使得选取的乘务交路总成本最小，以实现成本最小地调度乘务人员执行值乘任务； 在所述铁路人员的调度问题对应的底层图中，包括4种类型的节点和4种类型的边，4种类型的节点分别为起始节点、终止节点、空返节点以及值乘节点，4种类型的边包括出乘边、退乘边、空返边以及接续边，每条边的属性包括成本与资源，出乘边与接续边的成本均为0，退乘边的成本为1，空返边的成本为1.5，每个乘务交路的总成本为路径所经过边的成本之和；边的资源属性含义为时间，每条边的资源消耗为当前边与接续节点的时间消耗之和，每个乘务交路的总资源消耗为路径所经过边的资源消耗之和，乘务交路的最大工作时长约束以总资源消耗的形式所限制；所述方法具有“快速模式”与“最优模式”，在“最优模式”下，得到一个有最优性保证的解决方案，且消耗第一计算时间；在“快速模式”下，得到一个次优解，且消耗第二计算时间，所述第二计算时间小于所述第一计算时间；所述方法能够加快求解大规模集合覆盖问题时的计算速度，并且加快速度的同时，所得到的解的质量与最优解接近； 根据列生成算法，将铁路人员的调度问题对应的基于图的集合覆盖问题的主问题分解为受限的主问题与完整的子问题； 基于预先训练完毕的深度学习预测模型，确定所述完整的子问题对应的底层图中的所有边在最终解中被选择的概率，所述深度学习预测模型是基于完整的子问题样本的底层图样本，以及以所述完整的子问题样本对应的主问题的最终解为训练标签训练得到的； 剔除所述概率小于预设阈值的边，得到简化的底层图以及所述简化的底层图对应的简化的子问题； 对所述受限的主问题与所述简化的子问题进行迭代求解； 直到所述简化的子问题中没有可添加至所述受限的主问题中的可行列时，将所述受限的主问题的解作为所述主问题的最终松弛解； 根据所述主问题的最终松弛解，得到所述主问题的最终解。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学，其通讯地址为：100084 北京市海淀区清华园1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。