基于人工智能机器学习及最优搜索决策的电力物资履约管理研究

黄超泽

中图分类号：F426 文献标识：A 文章编号：1674-1145（2019）11-106-01

摘 要 电力企业供应链管理中，合同履约管理是极为重要的一个环节，链接着招标采购、仓储配送、工程建设及设备运行等关键环节，具有承上启下的纽带作用。本文利用人工智能的机器学习及最优决策对电力物资的履约管理进行研究，突破传统履约管理方式，打造智慧型履约管理模式，具有一定的前瞻性战略价值。

关键词 电力 供应链管理 履约管理 人工智能 机器学习 最优搜索

电力企业的供应链管理涵盖需求计划、招标采购、合同签订、品质控制、履约管理、仓储配送及逆向物资管理等诸多过程管控，辐射着基建、技改、物资、财务、生产、营销等重要环节。电力物资合同的履约管理顺承着供应链各节点，服务着电力企业各关键专业口，重要性不言而喻。目前电力企业供应链管理中采用的履约管理方式更多侧重于员工个人的经验管控，人工智能在履约管理中应用尚属于空白。基于经验的履约管理受制于企业员工的个人经验、谈判技巧、沟通能力、情绪波动等诸多干扰因素的影响，具有一定的局限性。

一、技术介绍

人工智能中的机器学习具有多领域交叉特性，涵盖数理统计学、概率论、逼近论、凸分析、算法复杂度理论等多门学科。机器学习通过专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的最根本途径。

本文研究的最优搜索理论，其搜索的本意是指人类寻找食物、猎物、巢穴、配偶，侦测敌人，发现环境中暗藏危险的一种行为。在许多情况下，都面临着或直接或间接的搜索问题。随着社会的进步、科技的不断发展，人们开始通过数学方法来对搜索有关的理论进行系统分析与研究。尤其在二战之后，经过战争的洗礼，搜索在各方面显得越发重要，例如军队搜索、战机搜索、矿藏搜索等等，这直接导致搜索理论的极大发展。现代最优搜索决策理论最早由B.O.Koopman提出，随后最优搜索决策理论获得了较深入的发展，逐渐从军事领域转为非军事甚至民用领域。1970年，第一套 Search and Rescue Planning（SARP）系统通过计算机研发成功。近年来，随着人工智能、大数据、云计算、区块链技术的蓬勃发展，最优搜索决策理论及技术也欣欣向荣。

二、技术应用及算法流程

对于电力企业履约管理采用人工智能的机器学习，首先需要搜集电力企业、机电设备企业甚至其他行业的履约处理经验形成大数据学习库。通过建模，算法植入，采用类别不平衡学习、代价敏感学习、距离度量学习、半监督学习等各种机器学习方法形成自己的学习系统，运用CBR（基于事例的推理）、RBR（基于规则的推理）构成自己的履约管理知识储备库。

相应的学习系统、知识储备库完成后，再采用最优搜索形成最优履约决策。最优搜索过程中，我们需要解决初始概率密度函数，无论哪一种最优搜索问题都必须涉及因寻找目标而产生的移动路径概率分布函数。根據投入到某个搜索区域因素的内容进行相关性大小分析及定位，还需要用到探测函数。因不同的履约事件有不同的约束条件，在搜索过程中，还需要一定的约束函数，才能保证通过最优搜索形成最优决策。

履约事件形成最优决策后，运用到实际事件处理，处理过程及结果进一步反馈回学习系统，再进行机器学习及后续流程，使这套系统处理的履约事件越多，运用起来越完善。

本研究的大致算法流程如下：

多行业履约事件搜集→运用人工智能机器学习及方法形成学习系统、知识储备库→最优搜索形成最优决策→实际处理→反馈回系统，越用越完善。

三、结语

本文通过人工智能的机器学习及最优搜索决策等前瞻性理论研究及概述，可以为未来电力企业的合同履约管理带来一些新思路，提出一些新方向，并在电力履约管理上具有一定的颠覆性认知与潜在价值。在国家大力扶持人工智能、大数据、区块链等新兴技术的前提下，电力企业开展智能型履约管理研究，打造智慧型供应链体系，也是积极响应国家号召，顺应时代潮流。需要指出的是，本文的研究更多在于理论及技术上的方向性创新，并未涉及到具体的数学理论、计算机建模、人工智能算法编程、函数编制及运用、模块调用及仿真运行等诸多方面，若要落地实现，尚需投入一定的人力、物力及财力，这也可以成为下一步的研究及发展方向。

参考文献：

[1]https：//baike.baidu.com/item/%E6%9C%BA%E5%99%A8%E5% AD%A6%E4%B9%A0/217599？fr=aladdin

[2] 庞欢.基于最优搜索的分布式数据检索技术[D].成都：电子科技大学，2008.