Question

我有一个问题，我已经提出了一些解决方案，但我对可扩展性不满意。我正在寻找一些不同方法/算法的输入来解决它。

问题：

软件可以在电子控制器（ECU）上运行并且需要运行给定功能的不同资源。它可能需要给定存储量或RAM或数字或模拟输入或输出实例。如果我们有多个功能和多个控制器选项我们希望找到最小化硬件的组合要求（成本）。我会简化信件的资源简化理解。

示例1：

Feature1(A)
ECU1(A,B,C)

首先是一个简单的例子。让我们假设一个功能需要1个单位的资源A，并且ECU有1个单位的资源A，B和C可用，很明显该功能将适用于具有资源B和B的ECU。 C遗留下来。

示例2：

Feature2(A,B)
ECU2(A|B,B,C)

在此示例中，功能2需要资源A和B，并且ECU有3个资源，第一个可以是A或B.在这种情况下，您可以再次看到该功能适合ECU，但是只有按特定顺序检查。如果将F（A）指定给E（A | B），则F（B）指定为E（B）它可以工作，但如果将F（B）指定给E（A | B）则没有剩余资源F（A）的ECU因此看起来不合适。这将使人们首先观察到我们应该首先选择非OR的资源来避免这种冲突。上述示例可以是模拟输入也可以用作例如数字输入。

示例3

Feature3(A,B,C)
ECU3(A|B|C, B|C, A|C)

现在情况有点复杂，但对于一个人来说，这个功能适合ECU的情况仍然很明显。

我的问题只是这些示例的更大规模版本（即每个ECU的多个功能，有更多的ECU可供选择。

算法

GA
我的第一个方法是使用遗传算法。对于给定的一组特征，即F（A，B，C，D），以及当前可用的ECU列表，找到符合要求的单个或组合的ECU。

最初将随机选择ECU并检查它们的特征并将其添加到它们中。如果某个功能不适合，则会在架构中添加另一个ECU。创建了这些体系结构的群体，并根据容纳所有功能的最低成本进行排名。然后，建筑物可以在连续几代中进行交配，并具有突变性，从而提高适应性。

这种方法很有效，但是基于我亲手工作的一个黄金例子，它往往陷入局部最小值（不是最便宜的选项）。

组合/排列
我的下一个方法是计算ECU的所有可能的排列（上面的OR），看看这些特征是否合适。

如果我们回到示例2并扩展OR，我们得到2个排列;

Feature2(A,B)
ECU2(A|B,B,C) = (A,B,C), (B,B,C)

从这里可以轻松地检查该特征是否适合第一个排列，而不是第二个排列。

...例如3有12个排列

Feature3(A,B,C)
ECU3(A|B|C, B|C, A|C) = (A,B,A), (B,B,A), (C,B,A), (A,C,A), (B,C,A), (C,C,A), (A,B,C), (B,B,C), (C,B,C), (A,C,C), (B,C,C), (C,C,C)

同样重要的是检查特征3是否适合至少一个排列（第3，第5和第7）。

基于这种方法，我也能够得到一个解决方案，但是我的ECU有很多OR输入，我有数百万个ECU排列，这大大增加了运行时间（分钟）。我可以忍受这个，但首先想看看除了平行化这种方法之外，是否有更好的方法让猫皮肤更好。

这就是问题......

我对如何处理它有更多的想法，但是假设这个问题有一个奇特的名字，或者已经存在了20多年的算法名称，我不熟悉，我希望有人可以指引我指向一些论文或相关算法的名称。

简单地总结功能资源要求并创建新的单片ECU这一明显的说法不是一种选择。最后，不，这与学校或大学提出的任何任务或问题无关。

很抱歉这个很长的问题，但希望我已经充分描述了我想要做的事情，这引起了那里某人的兴趣。

真诚的，保罗。

Answer 1

看起来单个功能插件可以作为二分匹配来解决。

你制作了二分图：

左侧对应于要素要求
右侧对应ECU子节点
边缘用左边和右边的顶点连接公用字母

让我通过例子2解释：

特征2（A，B）
ECU2（A | B，B，C）

图表如何显示：

2个左顶点：L1（A），L2（B）
3个右顶点：R1（A | B），R2（B），R3（C）
3个边：L1-R1（A-A | B），L2-R1（B-A | B），L2-R2（B-B）

然后找到无序二分图的最大匹配。很少有众所周知的算法： https://en.wikipedia.org/wiki/Matching_(graph_theory)

如果最大匹配覆盖每个特征顶点，我们可以使用它来插入特征。

如果最大匹配不覆盖每个特征顶点，那么我们缺少资源。

不幸的是，这种方法就像贪婪算法一样。它不知道即将推出的功能，也不会调整解决方案以适应更多功能。对于简单案例的部分优化可以像您所描述的那样工作，但通常它的死胡同 - 仅考虑整个特征集中每个特征的算法可以使整体有效的解决方案。

您可以尝试同时向一个ECU添加多个功能。如果要为给定的ECU添加新功能，可以尝试所有已分配的功能和候选功能。在这种情况下，将找到给定特征集的局部最优解（如果可以将它们全部插入一个ECU）。

Answer 2

我没有足够的声誉来评论，所以这就是我想为你的问题提出的建议：

与 GA 类似，还有一些其他基于随机的方法，例如贝叶斯Apporaoch ，决策树等

在我看来，决策树将适合您的问题，因为它对某些输入数据集/属性显示了每个类（在您的情况下为ECU）中有助于选择正确的类/ ECU的路径。使用一些示例数据集训练您的系统，以便它可以为您的实际数据集/功能决定正确的ECU。

检查weight_decay以获取更多信息。希望它有所帮助！

最低资源要求的算法

2 个答案: