一种最优解确定方法技术

本申请公开了一种最优解确定方法

【技术实现步骤摘要】
一种最优解确定方法、装置、系统及存储介质


[0001]本申请涉及最优化控制
，特别涉及一种最优解确定方法
、
装置
、
系统及存储介质
。

技术介绍

[0002]随着科学技术的日益进步和生产经营的日益发展，最优化方法已成为现代管理科学的重要理论基础和不可缺少的方法，被人们广泛地应用到管理决策
、
工程建设以及大数据与人工智能等各个领域
。
例如，运输问题
、
资源分配问题
、
机器学习等
。
[0003]当需要从高维解空间中求解最优解的速度问题，现有优化算法采取在全量的搜索空间中进行全局搜索的方式寻求最优解
。
当在全量的搜索空间中进行全局搜索时，每次都是在全量的搜索空间中进行探索，探索代价高，最优解搜索速度慢
。
[0004]因此，如何提供一种最优解确定方法以提高最优解搜索速度成为一项亟待解决的技术问题
。

技术实现思路

[0005]本申请提供一种最优解确定方法
、
装置
、
系统及存储介质，用以提高最优解搜索速度
。
[0006]本申请提供一种最优解确定方法，包括：
[0007]将最优化任务对应的搜索空间进行划分，以得到多个子空间；
[0008]根据多个子空间中随机数据点与最优化任务目标之间的误差，计算各个子空间的探索价值，其中，所述最优化任务目标为最优化任务所对应的目标函数所追求的目标；
[0009]从探索价值满足条件的子空间中确定所述最优化任务对应的最优解
。
[0010]本申请的有益效果在于：通过将搜索空间划分为多个子空间，实现了对整个搜索空间的搜索；根据子空间的数据点与最优化任务目标的误差确定每个子空间的探索价值，并判断是否满足预设条件，在不满足预设条件时，从划分的子空间中选取探索价值大的子空间继续进行划分，直到找到满足条件的子空间，进而，在进行搜索时只对探索价值高的子空间进行搜索，提高了最优解搜索速度
。
[0011]在一个实施例中，所述将最优化任务对应的搜索空间进行划分，包括：
[0012]获取所述搜索空间中随机位置的数据点；
[0013]将所述数据点代入所述最优化任务的目标函数中以计算各个数据点对应的目标函数值；
[0014]计算各个目标函数值与所述最优化任务目标之间的误差；
[0015]根据所述各个目标函数值与最优化任务目标之间的误差对所述数据点进行聚类；
[0016]根据聚类结果对所述搜索空间进行划分
。
[0017]本实施例的有益效果在于：通过计算目标对象中的随机数据点的目标函数值，计算与最优化任务目标之间的误差，并根据所述误差对随机数据点进行聚类，进而保证与最
优化任务目标接近程度一致的数据点被划分为同一个类，并根据该聚类结果对目标对象进行划分，进而将与最优化任务目标接近程度一致的区域划分为同一个子空间
。
[0018]在一个实施例中，所述方法还包括：
[0019]根据所述划分结果建立所述最优化任务对应的树结构，其中，所述搜索空间对应树结构的父节点，所述子空间对应所述树结构的子节点
。
[0020]在一个实施例中，所述根据多个子空间中随机数据点与最优化任务目标之间的误差，计算各个子空间的探索价值，包括：
[0021]获取树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差；
[0022]根据所述树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差计算所述探索价值
。
[0023]在一个实施例中，所述根据所述树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差计算所述探索价值，包括：
[0024]根据以下公式计算各个子空间的探索价值：
[0025][0026]其中，
e
i
是子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差，
n
i
是子节点的访问次数，
N
是父节点的访问次数，
C
为预设参数
。
[0027]在一个实施例中，所述从所述满足条件的子空间中确定所述最优化任务对应的最优解，包括：
[0028]确定探索价值满足条件的子空间的中心点；
[0029]确定所述中心点为所述最优化任务对应的最优解
。
[0030]在一个实施例中，所述方法还包括：
[0031]当不存在探索价值满足条件的子空间时，对探索价值最高的子空间继续进行划分，以得到多个新的子空间，并计算多个新的子空间的探索价值，直至找到探索价值满足条件的子空间
。
[0032]本申请还提供一种最优解确定装置，包括：
[0033]划分模块，用于将最优化任务对应的搜索空间进行划分，以得到多个子空间；
[0034]计算模块，用于根据多个子空间中随机数据点与最优化任务目标之间的误差计算各个子空间的探索价值，其中，所述最优化任务目标为最优化任务所对应的目标函数所追求的目标；
[0035]确定模块，用于从探索价值满足条件的子空间中确定所述最优化任务对应的最优解
。
[0036]在一个实施例中，所述划分模块，包括：
[0037]第一获取子模块，用于获取所述搜索空间中随机位置的数据点；
[0038]第一计算子模块，用于将所述数据点代入所述最优化任务的目标函数中以计算各个数据点对应的目标函数值；
[0039]第二计算子模块，用于计算各个目标函数值与所述最优化任务目标之间的误差；
[0040]聚类子模块，用于根据所述各个目标函数值与最优化任务目标之间的误差对所述数据点进行聚类；
[0041]划分子模块，用于根据聚类结果对所述搜索空间进行划分
。
[0042]在一个实施例中，所述装置还包括：
[0043]建立模块，用于根据所述划分结果建立所述最优化任务对应的树结构，其中，所述搜索空间对应树结构的父节点，所述子空间对应所述树结构的子节点
。
[0044]在一个实施例中，所述计算模块，包括：
[0045]第二获取子模块，用于获取树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差；
[0046]第三计算子模块，用于根据所述树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差计算所述探索价值...

【技术保护点】

【技术特征摘要】
1.
一种最优解确定方法，其特征在于，包括：将最优化任务对应的搜索空间进行划分，以得到多个子空间；根据多个子空间中随机数据点与最优化任务目标之间的误差，计算各个子空间的探索价值，其中，所述最优化任务目标为最优化任务所对应的目标函数所追求的目标；从探索价值满足条件的子空间中确定所述最优化任务对应的最优解
。2.
如权利要求1所述的方法，其特征在于，所述将最优化任务对应的搜索空间进行划分，包括：获取所述搜索空间中随机位置的数据点；将所述数据点代入所述最优化任务的目标函数中以计算各个数据点对应的目标函数值；计算各个目标函数值与所述最优化任务目标之间的误差；根据所述各个目标函数值与最优化任务目标之间的误差对所述数据点进行聚类；根据聚类结果对所述搜索空间进行划分
。3.
如权利要求1所述的方法，其特征在于，所述方法还包括：建立所述最优化任务对应的树结构，其中，所述搜索空间对应树结构的父节点，所述子空间对应所述树结构的子节点
。4.
如权利要求3所述的方法，其特征在于，所述根据多个子空间中随机数据点与最优化任务目标之间的误差，计算各个子空间的探索价值，包括：获取树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差；根据所述树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差计算所述探索价值
。5.
如权利要求4所述的方法，其特征在于，所述根据所述树结构的父节点的访问次数
、
子节点的访问次数以及子空间中随机数据点所对应的目标函数值与最优化任务目标之间的误差计算所述探索价值，包括：根据以下公式计算各个子空间的探索价值...

【专利技术属性】
技术研发人员：方绍伟，蒙越，
申请(专利权)人：北京罗克维尔斯科技有限公司，
类型：发明
国别省市：