本说明书实施例提供了一种多评价指标下的策略子集选择方法及装置，用于从包含多条策略的策略总集中选择策略子集，策略子集用于对交易的风险性进行判别。初始时，将策略总集中的多条策略分别作为待选子集，在多评价指标空间也就是多目标空间中找到不相互支配的多个优选子集作为帕累托前沿。不相互支配是指，不存在某一个优选子集的多种指标值都优于另一个优选子集。对帕累托前沿进行采样，得到采样子集。接着，通过向采样子集中添加策略总集中的策略，形成新的子集，将这些子集和上述帕累托前沿一起作为新的待选子集，迭代地执行上述过程。当帕累托前沿不再变化时，迭代结束，将这时的帕累托前沿作为从策略总集中选出的策略子集。子集。子集。
【技术实现步骤摘要】
一种多评价指标下的策略子集选择方法及装置
[0001]本说明书一个或多个实施例涉及数据处理
，尤其涉及一种多评价指标下的策略子集选择方法及装置。
技术介绍
[0002]随着社会的发展和科技的进步，涌现出越来越多的业务平台，为用户提供各种服务，以满足用户在生活、工作中的各种需求。在业务平台向用户提供服务的过程中，往往会利用预先制定的策略进行与服务相关的决策。例如，电子支付等平台利用预设策略判别交易是否为风险交易，等等。在实际应用中，为了优化决策效果，往往会先建立策略总集，从策略总集中选择更合适的决策子集进行使用。并且，在优化策略子集时，也要保护平台数据的隐私性和安全性。
[0003]因此，希望能有改进的方案，可以在多目标优化场景下从策略总集中选择更优的策略子集，实现对策略子集的优化。
技术实现思路
[0004]本说明书一个或多个实施例描述了一种多评价指标下的策略子集选择方法及装置，以在多目标优化场景下从策略总集中选择更优的策略子集，实现对策略子集的优化。具体的技术方案如下。
[0005]第一方面，实施例提供了一种多评价指标下的策略子集选择方法，用于从包含多条策略的策略总集中选择策略子集，策略子集用于对交易的风险性进行判别；所述方法包括：
[0006]将所述策略总集中的多条策略分别作为初始的待选子集；
[0007]采用迭代过程从待选子集中确定优选子集，任意一次迭代过程包括：针对任意一个第一待选子集，使用所述第一待选子集对交易样本集中的交易进行判别，得到风险判别结果，计算所述风险判别结果在多种评价指标方面的指标值，得到所述第一待选子集的多种指标值；基于多个待选子集的多种指标值之间的比较，从多个待选子集中选择指标值更优的优选子集；基于所述策略总集中的策略和所述优选子集，确定更新后的待选子集；其中，不存在某一个优选子集的多种指标值都优于另一个优选子集；
[0008]当所述迭代过程满足预设条件时，将得到的优选子集确定为从所述策略总集中选出的策略子集。
[0009]在一种实施方式中，所述从多个待选子集中选择指标值更优的优选子集的步骤，包括：
[0010]采用帕累托优化算法，基于多个待选子集的多种指标值进行多目标优化，得到多个待选子集中属于帕累托前沿的待选子集，作为优选子集。
[0011]在一种实施方式中，所述从多个待选子集中选择指标值更优的优选子集的步骤，包括：
[0012]按照以下方式对多个待选子集进行两两比较：针对比较池中任意的第一待选子集和第二待选子集，将两者的多种指标值进行同指标比较，当所述第一待选子集的多种指标值均优于所述第二待选子集的对应指标值时，将所述第二待选子集从所述比较池中去除；
[0013]当所述比较池中的待选子集不再变化时，将所述比较池中的待选子集确定为优选子集。
[0014]在一种实施方式中，所述确定更新后的待选子集的步骤，包括：
[0015]对多个优选子集进行采样，将采样得到的优选子集作为采样子集；
[0016]基于将所述策略总集中的策略添加至所述采样子集，确定更新后的待选子集。
[0017]在一种实施方式中，所述对多个优选子集进行采样的步骤，包括：
[0018]基于多种指标值，计算当前迭代过程的多个优选子集相对于上一迭代过程中的优选子集的超体积贡献值，并从当前迭代过程的多个优选子集中确定超体积贡献最大的k个采样子集。
[0019]在一种实施方式中，所述确定超体积贡献最大的k个采样子集的步骤，包括：
[0020]使用贪心算法，逐步地计算当前迭代过程的多个优选子集中的组合相对于上一迭代过程中的优选子集的超体积贡献值的最大值，直至组合中的优选子集达到k个。
[0021]在一种实施方式中，所述对多个优选子集进行采样的步骤，包括：
[0022]确定多个优选子集之间的相似度距离；
[0023]基于所述相似度距离对多个优选子集进行采样。
[0024]在一种实施方式中，所述确定多个优选子集之间的相似度距离的步骤，包括：
[0025]基于多个优选子集的多种指标值，确定多个优选子集之间的相似度距离；
[0026]或者，基于多个优选子集的风险判别结果中重叠的风险交易数量，确定多个优选子集之间的相似度距离。
[0027]在一种实施方式中，所述确定更新后的待选子集的步骤，包括：
[0028]将所述策略总集中的策略添加至当前迭代过程的优选子集中，得到第一待选子集；
[0029]将所述第一待选子集和当前迭代过程的优选子集确定为更新后的待选子集，用于下一迭代过程。
[0030]在一种实施方式中，所述从多个待选子集中选择指标值更优的优选子集的步骤，包括：
[0031]获取上一迭代过程的优选子集，基于多种指标值之间的比较，从当前迭代过程的多个待选子集和上一迭代过程的优选子集中选择指标值更优的优选子集。
[0032]在一种实施方式中，所述预设条件包括：当前迭代过程中的优选子集相对于上一迭代过程中的优选子集未发生变化。
[0033]在一种实施方式中，在确定选出的多个策略子集之后，还包括：
[0034]获取用于标识多种评价指标之间权重的权重系数；
[0035]利用所述权重系数构建评分算子，所述评分算子用于确定策略子集在对所述交易样本集进行风险判别时的判别效果评分；
[0036]基于所述评分算子和多个策略子集的多种指标值，确定多个策略子集分别对应的判别效果评分；
[0037]将判别效果评分最高的策略子集确定为用于业务判别的策略子集。
[0038]第二方面，实施例提供了一种多评价指标下的策略子集选择装置，用于从包含多条策略的策略总集中选择策略子集，所述策略子集用于对交易的风险性进行判别；所述装置包括：
[0039]初始模块，配置为将所述策略总集中的多条策略分别作为初始的待选子集；
[0040]迭代模块，配置为采用迭代过程从待选子集中确定优选子集，任意一次迭代过程包括以下子模块的执行：计算子模块，配置为针对任意一个第一待选子集，使用所述第一待选子集对交易样本集中的交易进行判别，得到风险判别结果，计算所述风险判别结果在多种评价指标方面的指标值，得到所述第一待选子集的多种指标值；择优子模块，配置为基于多个待选子集的多种指标值之间的比较，从多个待选子集中选择指标值更优的优选子集；更新子模块，配置为基于所述策略总集中的策略和所述优选子集，确定更新后的待选子集；其中，不存在某一个优选子集的多种指标值都优于另一个优选子集；
[0041]确定模块，配置为当所述迭代过程满足预设条件时，将得到的优选子集确定为从所述策略总集中选出的策略子集。
[0042]在一种实施方式中，所述更新子模块包括：
[0043]采样单元，配置为对多个优选子集进行采样，将采样得到的优选子集作为采样子集；
[0044]更新单元，配置为将所述策略总集中的策略添加至所述采样子集，得到更新本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多评价指标下的策略子集选择方法，用于从包含多条策略的策略总集中选择策略子集，所述策略子集用于对交易的风险性进行判别；所述方法包括：将所述策略总集中的多条策略分别作为初始的待选子集；采用迭代过程从待选子集中确定优选子集，任意一次迭代过程包括：针对任意一个第一待选子集，使用所述第一待选子集对交易样本集中的交易进行判别，得到风险判别结果，计算所述风险判别结果在多种评价指标方面的指标值，得到所述第一待选子集的多种指标值；基于多个待选子集的多种指标值之间的比较，从多个待选子集中选择指标值更优的优选子集；基于所述策略总集中的策略和所述优选子集，确定更新后的待选子集；其中，不存在某一个优选子集的多种指标值都优于另一个优选子集；当所述迭代过程满足预设条件时，将得到的优选子集确定为从所述策略总集中选出的策略子集。2.根据权利要求1所述的方法，所述从多个待选子集中选择指标值更优的优选子集的步骤，包括：采用帕累托优化算法，基于多个待选子集的多种指标值进行多目标优化，得到多个待选子集中属于帕累托前沿的待选子集，作为优选子集。3.根据权利要求1所述的方法，所述从多个待选子集中选择指标值更优的优选子集的步骤，包括：按照以下方式对多个待选子集进行两两比较：针对比较池中任意的第一待选子集和第二待选子集，将两者的多种指标值进行同指标比较，当所述第一待选子集的多种指标值均优于所述第二待选子集的对应指标值时，将所述第二待选子集从所述比较池中去除；当所述比较池中的待选子集不再变化时，将所述比较池中的待选子集确定为优选子集。4.根据权利要求1所述的方法，所述确定更新后的待选子集的步骤，包括：对多个优选子集进行采样，将采样得到的优选子集作为采样子集；基于将所述策略总集中的策略添加至所述采样子集，确定更新后的待选子集。5.根据权利要求4所述的方法，所述对多个优选子集进行采样的步骤，包括：基于多种指标值，计算当前迭代过程的多个优选子集相对于上一迭代过程中的优选子集的超体积贡献值，并从当前迭代过程的多个优选子集中确定超体积贡献最大的k个采样子集。6.根据权利要求5所述的方法，所述确定超体积贡献最大的k个采样子集的步骤，包括：使用贪心算法，逐步地计算当前迭代过程的多个优选子集中的组合相对于上一迭代过程中的优选子集的超体积贡献值的最大值，直至组合中的优选子集达到k个。7.根据权利要求4所述的方法，所述对多个优选子集进行采样的步骤，包括：确定多个优选子集之间的相似度距离；基于所述相似度距离对多个优选子集进行采样。8.根据权利要求7所述的方法，所述确定多个优选子集之间的相似度距离的步骤，包括：基于多个优选子集的多种指标值，确定多个优选子集...
【专利技术属性】
技术研发人员：文承尧，娄寅，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。