System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据服务,特别是一种数据共享网络策略演化预测方法、装置和产品。
技术介绍
1、数据开放共享是大数据赋能现代社会的关键因素,是数据全生命周期中发挥价值的关键一环。在日常管理过程中,由于业务需求,通常需要与一个或多个内部外部的组织交换共享数据,但推动数据开放共享并不是搭建一个数据共享网络,进行多个数据节点之间的数据共享那么简单,往往需要依赖一个可持续良性生态。
2、在数据共享网络的发展演化过程中,每个节点的共享策略往往会因其他节点变化而变化,无法直接判断该数据共享生态的可持续程度,通常需要等待该数据共享网络发展达到稳定状态,才能判断该数据共享生态是否处于良性状态。然而,数据共享网络的发展演化往往需要较长时间且具有较大的不确定性,无法及时对数据共享网络的共享策略进行调整。因此,有必要开发一种数据共享网络策略演化预测方法、装置和产品,以提高数据共享网络的数据共享效率。
技术实现思路
1、鉴于上述问题,本申请实施例提供了一种数据共享网络策略演化预测方法、装置和产品,以便克服上述问题或者至少部分地解决上述问题。
2、本申请实施例的第一方面,提供了一种数据共享网络策略演化预测方法,包括:
3、构建数据共享网络,所述数据共享网络包括多个数据节点和多条数据信道,所述数据节点之间通过所述数据信道进行数据共享,所述数据节点包括:执行第一共享策略的合作型数据节点,和执行第二共享策略的对抗型数据节点;
4、基于演化博弈模型对所述数据共享网络策略演化进
5、重复对所述数据共享网络策略演化进行多次数值仿真,得到多个演化过程特征矩阵和稳态结果标签,所述稳态结果标签用于表示本次策略演化后的稳定状态为所述群体合作稳态或所述群体对抗稳态;
6、对所述多个演化过程特征矩阵进行滑窗操作,得到多个模型训练样本;
7、利用所述模型训练样本和对应的所述稳态结果标签,训练数据共享网络策略演化预测模型;
8、对于目标数据共享网络,利用训练得到的数据共享网络策略演化预测模型进行预测,得到预测结果,所述预测结果表示所述目标数据共享网络在策略演化后的稳定状态为所述群体合作稳态或所述群体对抗稳态。
9、在一种可能的实施方式中,所述基于演化博弈模型对所述数据共享网络策略演化进行数值仿真,直至所述数据共享网络达到稳定状态,包括:
10、获取所述数据共享网络中每个数据节点的共享策略;
11、根据所述每个数据节点的共享策略,计算所述数据节点的当前时刻收益;
12、根据所述数据节点的当前时刻收益,计算每个所述数据节点模仿相邻数据节点的共享策略的概率;所述相邻数据节点表示通过所述数据信道直接连接的数据节点;
13、根据所述概率,对所述数据节点的共享策略进行更新;
14、重复上述步骤,直至所述数据共享网络达到稳定状态,所述稳定状态表示所有数据节点的共享策略停止更新。
15、在一种可能的实施方式中,所述方法还包括:
16、定义数据共享收益矩阵,所述数据共享收益矩阵如下所示:
17、
18、其中,b和c为预设参数,在一对相邻的数据节点均属于所述合作型数据节点的情况下,其中任意一个数据节点的收益均为b-c;在一对相邻的数据节点为不同类型的数据节点的情况下,其中属于所述合作型数据节点的数据节点的收益为-c,其中属于所述对抗型数据节点的数据节点收益为b;在一对相邻的数据节点均属于所述对抗型数据节点的情况下,其中任意一个数据节点的收益均为0;
19、所述根据所述每个数据节点的共享策略,计算所述数据节点的当前时刻收益,包括:
20、根据所述数据节点与每个所述相邻数据节点的共享策略,从所述数据共享收益矩阵中确定所述数据节点的收益;
21、遍历所述数据节点的所述相邻数据节点,将所述数据节点的收益进行加和计算,得到所述数据节点的所述当前时刻收益。
22、在一种可能的实施方式中,按照如下公式,计算所述数据节点模仿相邻数据节点的共享策略的概率:
23、
24、其中,表示所述数据节点i模仿相邻数据节点j的共享策略的概率,表示所述数据节点i在时刻t的所述当前时刻收益,表示相邻数据节点j在时刻t的所述当前时刻收益,β为选择系数。
25、在一种可能的实施方式中,所述重复对所述数据共享网络策略演化进行多次数值仿真,得到多个演化过程特征矩阵,包括:
26、在对所述数据共享网络策略演化进行数值仿真的过程中,每隔预设时间间隔,构建数据节点交互向量,所述数据节点交互向量表示为:
27、θt=[ct,dt,cct,cdt,ddt];
28、其中,θt表示在t时刻的所述数据节点交互向量,ct表示在t时刻的所述数据共享网络中的所述合作型数据节点的节点数量,dt表示在t时刻的所述数据共享网络中的所述对抗型数据节点的节点数量,cct表示一对相邻的数据节点均属于所述合作型数据节点的节点数据对的数量,cdt表示一对相邻的数据节点为不同类型的数据节点的节点数据对的数量,ddt表示一对相邻的数据节点均属于所述对抗型数据节点的节点数据对的数量;
29、将本次策略演化过程中得到的所有所述数据节点交互向量按照时间顺序进行排序,生成所述演化过程特征矩阵。
30、在一种可能的实施方式中,所述对所述多个演化过程特征矩阵进行滑窗操作,得到多个模型训练样本,包括:
31、设置样本滑动窗口的初始滑动位置,和滑动窗口大小;
32、从所述演化过程特征矩阵中的所述初始滑动位置,按照所述滑动窗口大小截取得到所述模型训练样本;
33、遍历所述初始滑动位置和所述滑动窗口大小,得到多个所述模型训练样本。
34、在一种可能的实施方式中,所述利用所述模型训练样本和对应的所述稳态结果标签,训练数据共享网络策略演化预测模型,包括:
35、按照所述初始滑动位置和所述滑动窗口大小,将所述模型训练样本分为多个样本集;每个所述样本集中的所述初始滑动位置和所述滑动窗口大小相同;
36、将所述样本集划分为训练集和测试集,利用所述训练集进行模型训练,利用所述测试集进行模型测试,将测试集输入训练得到的所述数据共享网络策略演化预测模型,得到测试结果;
37、将所述稳态结果标签与所述测试结果进行比对,计算所述数据共享网络策略演化预测模型对每个所述测试集的预测准确率;
38、将预测准确率最高的所述样本集所对应的初始滑动位置和滑动窗口大小,确定为最佳初始滑动位置和最佳滑动窗口大小。
39、在一种可能的实施方式中,所述对于目标数据共享网络,利用训练得到的数据共享网络策略演化预测模型进行预测,包括:
40、在所述目标数据共享网络策略演化过本文档来自技高网...
【技术保护点】
1.一种数据共享网络策略演化预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的数据共享网络策略演化预测方法,其特征在于,所述基于演化博弈模型对所述数据共享网络策略演化进行数值仿真,直至所述数据共享网络达到稳定状态,包括:
3.根据权利要求2所述的数据共享网络策略演化预测方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的数据共享网络策略演化预测方法,其特征在于,按照如下公式,计算所述数据节点模仿相邻数据节点的共享策略的概率:
5.根据权利要求1所述的数据共享网络策略演化预测方法,其特征在于,所述重复对所述数据共享网络策略演化进行多次数值仿真,得到多个演化过程特征矩阵,包括:
6.根据权利要求1所述的数据共享网络策略演化预测方法,其特征在于,所述对所述多个演化过程特征矩阵进行滑窗操作,得到多个模型训练样本,包括:
7.根据权利要求6所述的数据共享网络策略演化预测方法,其特征在于,所述利用所述模型训练样本和对应的所述稳态结果标签,训练数据共享网络策略演化预测模型,包括:
8.根据权
9.一种数据共享网络策略演化预测装置,其特征在于,所述装置包括:
10.一种电子设备,包括存储器、处理器及存储在所述存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-8中任一项所述的数据共享网络策略演化预测方法。
...【技术特征摘要】
1.一种数据共享网络策略演化预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的数据共享网络策略演化预测方法,其特征在于,所述基于演化博弈模型对所述数据共享网络策略演化进行数值仿真,直至所述数据共享网络达到稳定状态,包括:
3.根据权利要求2所述的数据共享网络策略演化预测方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的数据共享网络策略演化预测方法,其特征在于,按照如下公式,计算所述数据节点模仿相邻数据节点的共享策略的概率:
5.根据权利要求1所述的数据共享网络策略演化预测方法,其特征在于,所述重复对所述数据共享网络策略演化进行多次数值仿真,得到多个演化过程特征矩阵,包括:
6.根据权利要求1所述的数据共享网络策略...
【专利技术属性】
技术研发人员:杨国利,刘坤,李凡,刘艺,郑奇斌,李翔,
申请(专利权)人:北京大数据先进技术研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。