Algorithm 最小资源需求算法

我有一个问题，我已经提出了一些解决方案，但我对可伸缩性不满意。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。它可能需要一个给定的 存储量或RAM或数字或模拟输入或输出 例如。如果我们有多个功能和多个控制器选项 我们希望找到一种能够最小化硬件的组合 要求（费用）。我将把资源简化为信件 简化理解

示例1:

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

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

首先是一个微不足道的例子。假设一个特性需要1单位的资源a，而ECU有1单位的资源a、B和C可用，很明显，该特性将适合剩余资源B和C的ECU

示例2:

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

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

在本例中，功能2需要资源A和B，ECU有3个资源，其中第一个资源可以是A或B。在这种情况下，您可以再次看到该功能将适合ECU，但仅当按特定顺序检查时。如果将F（A）分配给E（A | B），则F（B）分配给E（B）是可行的，但如果将F（B）分配给E（A | B），则ECU上没有剩余的用于F（A）的资源，因此它似乎不适合。这将导致一种观点，即我们应该首先选择非政府资源来避免这种冲突。 例如，上述示例可以是模拟输入，也可以用作数字输入

示例3

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

现在事情有点复杂了，但对于一个人来说，这项功能将适合ECU还是很明显的

我的问题只是这些示例的放大版本（即每个ECU有多个功能，有更多ECU可供选择）

算法

GA
我的第一种方法是使用遗传算法。对于给定的一组特性，即F（a、B、C、D）和当前可用的ECU列表，可以找到哪一个或哪一个ECU组合符合要求

最初，将随机选择ECU，并检查其安装和添加的功能。如果某个功能不适合，则将另一个ECU添加到架构中。根据容纳所有功能的最低成本，创建这些架构的总体并对其进行排序。然后，架构可以在连续几代中进行配对，并进行突变第二，提高体质

这种方法非常有效，但根据我手工制作的一个黄金示例，它往往陷入局部极小值（不是最便宜的选择）

组合/置换
我的下一个方法是为ECU计算所有可能的排列（上面的ORs），以查看功能是否适合

如果我们回到例子2，展开ORs，我们得到2个置换

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

从这里开始，检查特征是否适合第一个排列，而不是第二个排列是很简单的

…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，检查特性3是否至少适合一种排列（第3、第5和第7）也很简单

基于这种方法，我也能够得到一个解决方案，但我有这么多或d输入的ECU，我有数百万个ECU排列，这大大增加了运行时间（分钟）。我可以接受这种方法，但首先想看看除了并行化这种方法外，是否还有更好的方法剥猫皮

这就是问题所在

我对如何处理这个问题有更多的想法，但假设对于这样一个问题有一个奇特的名字，或者是我不熟悉的已经存在了20多年的算法的名字，我希望有人能向我指出这个方向，或者是一些论文，或者是相关算法的名字

简单总结功能资源需求和创建新的单片ECU这一显而易见的说法不是一个选项。最后，不，这与学校或大学给出的任何作业或问题没有任何关系

很抱歉问了这么长的问题，但我希望我已经充分描述了我正在尝试做的事情，这也激起了一些人的兴趣

---

诚恳地说，保罗。

我没有足够的声誉来评论，所以我想就你的问题提出以下建议：

与GA类似，还有其他一些基于随机的方法，例如贝叶斯近似法，决策树等

在我看来，决策树将适合您的问题，因为它针对一些输入数据集/属性，显示了每个类（在您的案例中为ECU）的路径，有助于选择正确的类/ECU。使用一些样本数据集培训您的系统，以便它能够为您的实际数据集/功能确定正确的ECU

---

查看更多信息。希望能有所帮助！

看起来单个功能插件可以作为两部分匹配来解决

创建二部图：

• 左侧对应于功能要求
• 右侧对应于ECU子节点
• 边缘用普通字母连接左右两侧的垂直

让我用例子2来解释：

• 特点2（A、B）
• ECU2（A | B，B，C）

图表的外观：

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

然后找到无序二部图的最大匹配。关于它，有几种著名的算法：

若最大匹配覆盖了每个特征顶点，我们可以使用它来插入特征

如果最大匹配不能覆盖所有的特征点，则会导致资源短缺

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，也不调整解决方案以适应更多的featu