【技术实现步骤摘要】
本申请属于数据处理，特别是一种数据组合推荐方法、装置、电子设备及存储介质。
技术介绍
1、在数据量庞大的互联网中，为提高资源效用，数据组合推荐为常见问题。其中，资源效用受负面因子和正面因子影响，负面因子越小、正面因子越大，则数据组合的资源效用越好，该数据组合越值得推荐。例如，为消费者推荐多种服饰的组合方式，该种组合方式中，消费者的预计购买概率越大、价格越低，该种组合方式的资源效用越高，该种组合方式越值得推荐；再例如，为消费者推荐投资的资产的组合方式，投资风险越小、预期收益越高，该种组合方式的资源效用越高，该种组合方式越值得推荐。如何从大量的数据中选择合适的组合使得以较低的负面因子来实现较高的正面因子是一个需要解决的技术问题。
技术实现思路
1、本申请的目的是提供一种数据组合推荐方法、装置、电子设备及存储介质，旨在从大量的数据中选择合适的组合使得以较低的负面因子来实现较高的正面因子。
2、第一方面，本申请实施例提供了一种数据组合推荐方法，所述方法包括：
3、获取多个数据对应的原始种群，所述原始种群包括多个量子染色体，一个量子染色体表示所述多个数据的一种数据组合方式，一个量子染色体中每个基因表示一个数据；
4、基于量子进化算法，确定所述多个量子染色体进化得到的末代最优染色体；
5、基于所述末代最优染色体，确定所述多个数据的最优数据组合方式；
6、推荐所述最优数据组合方式。
7、在一些实施例中，所述获取多个数据对应的
8、获取多个数据；
9、将所述多个数据表示为一个原始染色体，所述原始染色体中每个基因表示一个数据；
10、初始化所述原始染色体，得到初代种群，所述初代种群包括多个量子染色体。
11、在一些实施例中，所述基于量子进化算法，确定所述多个量子染色体进化得到的末代最优染色体，包括：
12、基于预设的目标函数，计算每个所述量子染色体的目标函数值；
13、基于所述目标函数值从多个所述量子染色体中确定初代最优染色体；
14、基于所述初代最优染色体，将所述原始种群包括的量子染色体进化成下一代量子染色体，得到下一代种群；
15、确定所述下一代种群包括的量子染色体是否满足预设终止条件；
16、若所述下一代种群包括的量子染色体满足所述预设终止条件，则将所述下一代种群包括的量子染色体确定为末代最优染色体。
17、在一些实施例中，所述方法还包括：
18、若所述下一代种群包括的量子染色体不满足预设终止条件，则将所述下一代种群作为新的原始种群，返回执行所述基于预设的目标函数，计算每个所述量子染色体的目标函数值的步骤。
19、在一些实施例中，所述基于所述初代最优染色体，将所述原始种群包括的量子染色体进化成下一代量子染色体，包括：
20、将旋转逻辑门作用于所述原始种群包括的量子染色体中的基因，使得所述量子染色体中的基因向所述初代最优染色体中对应的基因进化，得到下一代量子染色体。
21、在一些实施例中，所述方法还包括：
22、若所述下一代种群包括的量子染色体不满足预设终止条件，则基于预设的目标函数计算所述下一代种群包括的每个量子染色体的目标函数值；
23、确定所述下一代种群包括的所有量子代染色体的目标函数值与所述初代最优染色体的目标函数值中最优的目标函数值；
24、将最优的目标函数值对应的量子染色体确定为第二代最优染色体；
25、基于所述第二代最优染色体，将所述下一代种群包括的所有量子染色体进化成新的下一代量子染色体，得到第三代种群；
26、将所述第三代种群作为新的下一代种群，以及执行所述确定所述下一代种群包括的量子染色体是否满足预设终止条件的步骤。
27、在一些实施例中，所述基于所述第二代最优染色体，将所述下一代种群包括的所有量子染色体进化成新的下一代量子染色体，包括：
28、将旋转逻辑门作用于所述下一代种群包括的所有量子染色体中的基因，使得所述下一代种群包括的量子染色体中的基因向所述第二代最优染色体中对应的基因进化，得到新的下一代量子染色体。
29、在一些实施例中，所述基于所述目标函数值从多个所述量子染色体中确定初代最优染色体的步骤，包括：
30、确定所述原始种群包括的量子染色体的目标函数值与上一代种群包括的初代最优染色体的目标函数值中最优的目标函数值；
31、将最优的目标函数值对应的染色体确定为新的初代最优染色体。
32、在一些实施例中，在所述基于预设的目标函数，计算每个所述量子染色体的目标函数值之前，所述方法还包括：
33、生成一个0～1之间的随机数；
34、针对每个量子染色体的每个基因，若该基因的预设量子态的平方值大于等于所述随机数，则将该基因的二进制值取1，若该基因的预设量子态的平方值小于所述随机数，则该基因的二进制值取0，得到该量子染色体的对应的二进制串；
35、所述基于预设的目标函数，计算每个所述量子染色体的目标函数值，包括：
36、基于预设的目标函数和所述多个量子染色体的对应的二进制串，计算每个所述量子染色体的目标函数值。
37、在一些实施例中，长度为m的量子染色体的量子位表示形式为：
38、
39、其中，为染色体中的第i个基因，i＝1～m，|αi|2+|βi|2＝1。
40、第二方面，本申请实施例提供了一种数据组合推荐装置，所述装置包括：
41、获取单元，用于获取多个数据对应的原始种群，所述原始种群包括多个量子染色体，一个量子染色体表示所述多个数据的一种数据组合方式，一个量子染色体中每个基因表示一个数据；
42、第一确定单元，用于基于量子进化算法，确定所述多个量子染色体进化得到的末代最优染色体；
43、第二确定单元，用于基于所述末代最优染色体，确定所述多个数据的最优数据组合方式；
44、推荐单元，用于推荐所述最优数据组合方式。
45、在一些实施例中，所述获取单元，具体用于：
46、获取多个数据；
47、将所述多个数据表示为一个原始染色体，所述原始染色体中每个基因表示一个数据；
48、初始化所述原始染色体，得到初代种群，所述初代种群包括多个量子染色体。
49、在一些实施例中，所述第一确定单元，具体用于：
50、基于预设的目标函数，计算每个所述量子染色体的目标函数值；
51、基于所述目标函数值从多个所述量子染色体中确定初代最优染色体；
52、基于所述初代最优染色体，将所述原始种群包括的量子染色体进化成下一代量子染色体，得到下一代种群；
53、确定所述下一代种群包括的量子染色体是否满足预设终止条本文档来自技高网...
【技术保护点】
1.一种数据组合推荐方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取多个数据对应的原始种群，包括：
3.如权利要求1所述的方法，其特征在于，所述基于量子进化算法，确定所述多个量子染色体进化得到的末代最优染色体，包括：
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
5.如权利要求3所述的方法，其特征在于，所述基于所述初代最优染色体，将所述原始种群包括的量子染色体进化成下一代量子染色体，包括：
6.如权利要求3所述的方法，其特征在于，所述方法还包括：
7.如权利要求6所述的方法，其特征在于，所述基于所述第二代最优染色体，将所述下一代种群包括的所有量子染色体进化成新的下一代量子染色体，包括：
8.如权利要求3所述的方法，其特征在于，所述基于所述目标函数值从多个所述量子染色体中确定初代最优染色体的步骤，包括：
9.如权利要求3所述的方法，其特征在于，在所述基于预设的目标函数，计算每个所述量子染色体的目标函数值之前，所述方法还包括：
10
11.一种数据组合推荐装置，其特征在于，所述装置包括：
12.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至10任一项所述的方法。
...【技术特征摘要】
1.一种数据组合推荐方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取多个数据对应的原始种群，包括：
3.如权利要求1所述的方法，其特征在于，所述基于量子进化算法，确定所述多个量子染色体进化得到的末代最优染色体，包括：
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
5.如权利要求3所述的方法，其特征在于，所述基于所述初代最优染色体，将所述原始种群包括的量子染色体进化成下一代量子染色体，包括：
6.如权利要求3所述的方法，其特征在于，所述方法还包括：
7.如权利要求6所述的方法，其特征在于，所述基于所述第二代最优染色体，将所述下一代种群包括的所有量子染色体进化成新的下一代量子染色体，包括：
8.如权利要求...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，窦猛汉，
申请(专利权)人：本源量子计算科技合肥股份有限公司，
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。