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】
本专利技术涉及人工智能,尤其涉及一种多目标决策权重优化方法、装置、设备及存储介质。
技术介绍
1、在多目标决策场景中,权重是描述目标重要程度的数值。但是,目标的重要程度通常缺乏精确的定义和明确的外延,是一种模糊的概念。在重要程度从一个等级到另一个等级的变化过程中存在着差异之间的过渡阶段,从而导致权重对目标重要程度的描述存在着明显的模糊性。
2、在多目标决策场景中,通常需要人为知识经验的积累和不断调整权重,才能将多目标决策的结果映射到用户最终关切的最优目标,但整个调整过程需要反复试错,导致决策结果达到目标的过程变长,降低了多目标决策的效率和准确性。
3、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种多目标决策权重优化方法、装置、设备及存储介质,旨在解决现有技术中在多目标决策场景中调整权重时缺少有效的优化过程,影响决策准确性和效率的技术问题。
2、为实现上述目的,本专利技术提供了一种多目标决策权重优化方法,所述多目标决策权重优化方法的步骤包括:
3、获取当前业务场景下当前决策数据对应的当前业务数据,将所述当前业务数据转换后输入预设神经网络模型,得到当前权重数据;
4、基于所述当前权重数据与所述当前业务数据,得到优化决策数据;
5、基于所述优化决策数据对应的奖励数据,对所述预设神经网络模型的参数进行优化;
6、基于优化后的预
7、根据所述目标权重数据,确定目标决策数据,将所述目标决策数据应用于所述当前业务场景。
8、可选地,所述基于所述当前权重数据与所述当前业务数据,得到优化决策数据,包括:
9、构建所述当前业务场景的场景数学模型,所述场景数学模型的变量包括决策变量,所述场景数学模型的目标函数为优化目标的加权函数;
10、将所述当前业务数据转换为所述场景数学模型的优化目标;
11、根据所述当前权重数据,确定所述目标函数中优化目标对应的权重;
12、基于所述优化目标、所述优化目标对应的权重以及优化目标与变量之间的对应关系,对所述决策变量进行求解,得到目标函数最小值对应的优化决策数据。
13、可选地,所述将所述当前业务数据转换为所述场景数学模型的优化目标,包括:
14、根据所述当前业务数据,确定所述当前业务数据对应的相关指标,将所述当前业务数据对应的相关指标作为所述场景数学模型的优化目标。
15、可选地,所述基于所述优化目标、所述优化目标对应的权重以及优化目标与变量之间的对应关系,对所述决策变量进行求解,得到目标函数最小值对应的优化决策数据,包括:
16、基于所述优化目标、所述优化目标对应的权重,确定所述场景数学模型的目标函数;
17、以所述目标函数最小值为目标,根据所述目标函数、所述优化目标与变量之间的对应关系以及所述变量的约束条件,求解变量中的决策变量,得到所述优化决策数据。
18、可选地,所述基于所述优化决策数据对应的奖励数据,对所述预设神经网络模型的参数进行优化之前,还包括:
19、根据所述优化决策数据,确定目标评价指标;
20、根据所述目标评价指标对所述优化决策数据进行评价,得到决策评价值;
21、基于所述决策评价值与指标目标值,得到所述优化决策数据对应的奖励数据。
22、可选地,所述基于所述决策评价值与所述目标评价指标的指标目标值,得到所述优化决策数据对应的奖励数据,包括:
23、获取决策评价值、指标目标值、奖励系数与奖励数据之间的对应关系;
24、根据所述优化决策数据的决策评价值、所述目标评价指标的指标目标值、所述目标评价指标的奖励系数以及所述对应关系,计算得到所述优化决策数据对应的奖励数据。
25、可选地,所述获取当前业务场景下当前决策数据对应的当前业务数据,将所述当前业务数据输入预设神经网络模型,得到当前权重数据之前,还包括:
26、基于所述当前业务场景下的实际决策数据与实际业务数据,构建业务场景模拟器;
27、基于所述业务场景模拟器,生成所述当前业务场景下当前决策数据对应的当前业务数据。
28、可选地,所述基于优化后的预设神经网络模型,确定目标权重数据,包括:
29、基于所述业务场景模拟器,生成所述优化决策数据对应的优化业务数据;
30、将所述优化业务数据输入所述优化后的预设神经网络模型,得到优化权重数据;
31、在满足优化条件时,确定所述目标权重数据为所述优化权重数据;
32、在不满足优化条件时,将所述当前权重数据更新为所述优化权重数据,将所述当前业务数据更新为所述优化业务数据,返回执行基于所述当前权重数据与所述当前业务数据,得到优化决策数据的步骤。
33、可选地,所述将所述目标决策数据应用于所述当前业务场景之后,还包括:
34、将所述目标决策数据输入所述业务场景模拟器,得到目标业务数据;
35、基于所述目标业务数据与所述实际业务数据,得到业务变化数据;
36、输出并展示所述业务变化数据。
37、可选地,所述预设神经网络模型包括第一神经网络层与第二神经网络层,所述第一神经网络层至少包括两层卷积神经网络层,所述第二神经网络层至少包括两层全连接神经网络层,所述第一神经网络层用于确定输入数据之间的关联数据,并将所述关联数据输入所述第二神经网络层,所述第二神经网络层用于对所述关联数据进行降维后输出。
38、此外,为实现上述目的,本专利技术提出一种多目标决策权重优化装置,所述多目标决策权重优化装置,包括:
39、权重优化模块,用于获取当前业务场景下当前决策数据对应的当前业务数据,将所述当前业务数据转换后输入预设神经网络模型,得到当前权重数据;
40、求解运算模块,用于基于所述当前权重数据与所述当前业务数据,得到优化决策数据;
41、所述权重优化模块,还用于基于所述优化决策数据对应的奖励数据,对所述预设神经网络模型的参数进行优化;
42、所述权重优化模块,还用于基于优化后的预设神经网络模型,确定目标权重数据;
43、所述求解运算模块,还用于根据所述目标权重数据,确定目标决策数据,将所述目标决策数据应用于所述当前业务场景。
44、此外,为实现上述目的,本专利技术还提出一种多目标决策权重优化设备,所述多目标决策权重优化设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多目标决策权重优化程序,所述多目标决策权重优化程序配置为实现如上文所述的多目标决策权重优化方法的步骤。
45、此外,为实现上述目的,本专利技术还提出一种存储介质,所述存储介质上存储有多目标决策权重优化程序本文档来自技高网...
【技术保护点】
1.一种多目标决策权重优化方法,其特征在于,所述多目标决策权重优化方法,包括:
2.如权利要求1所述的方法,其特征在于,所述基于所述当前权重数据与所述当前业务数据,得到优化决策数据,包括:
3.如权利要求2所述的方法,其特征在于,所述将所述当前业务数据转换为所述场景数学模型的优化目标,包括:
4.如权利要求2所述的方法,其特征在于,所述基于所述优化目标、所述优化目标对应的权重以及优化目标与变量之间的对应关系,对所述决策变量进行求解,得到目标函数最小值对应的优化决策数据,包括:
5.如权利要求1所述的方法,其特征在于,所述基于所述优化决策数据对应的奖励数据,对所述预设神经网络模型的参数进行优化之前,还包括:
6.如权利要求5所述的方法,其特征在于,所述基于所述决策评价值与所述目标评价指标的指标目标值,得到所述优化决策数据对应的奖励数据,包括:
7.如权利要求1所述的方法,其特征在于,所述获取当前业务场景下当前决策数据对应的当前业务数据,将所述当前业务数据输入预设神经网络模型,得到当前权重数据之前,还包括:
>8.如权利要求7所述的方法,其特征在于,所述基于优化后的预设神经网络模型,确定目标权重数据,包括:
9.如权利要求7所述的方法,其特征在于,所述将所述目标决策数据应用于所述当前业务场景之后,还包括:
10.如权利要求1至9任一项所述的方法,其特征在于,所述预设神经网络模型包括第一神经网络层与第二神经网络层,所述第一神经网络层至少包括两层卷积神经网络层,所述第二神经网络层至少包括两层全连接神经网络层,所述第一神经网络层用于确定输入数据之间的关联数据,并将所述关联数据输入所述第二神经网络层,所述第二神经网络层用于对所述关联数据进行降维后输出。
11.一种多目标决策权重优化装置,其特征在于,所述多目标决策权重优化装置,还包括:
12.一种多目标决策权重优化设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多目标决策权重优化程序,所述多目标决策权重优化程序配置为实现如权利要求1至10中任一项所述的多目标决策权重优化方法的步骤。
13.一种存储介质,其特征在于,所述存储介质上存储有多目标决策权重优化程序,所述多目标决策权重优化程序被处理器执行时实现如权利要求1至10任一项所述的多目标决策权重优化方法的步骤。
...【技术特征摘要】
1.一种多目标决策权重优化方法,其特征在于,所述多目标决策权重优化方法,包括:
2.如权利要求1所述的方法,其特征在于,所述基于所述当前权重数据与所述当前业务数据,得到优化决策数据,包括:
3.如权利要求2所述的方法,其特征在于,所述将所述当前业务数据转换为所述场景数学模型的优化目标,包括:
4.如权利要求2所述的方法,其特征在于,所述基于所述优化目标、所述优化目标对应的权重以及优化目标与变量之间的对应关系,对所述决策变量进行求解,得到目标函数最小值对应的优化决策数据,包括:
5.如权利要求1所述的方法,其特征在于,所述基于所述优化决策数据对应的奖励数据,对所述预设神经网络模型的参数进行优化之前,还包括:
6.如权利要求5所述的方法,其特征在于,所述基于所述决策评价值与所述目标评价指标的指标目标值,得到所述优化决策数据对应的奖励数据,包括:
7.如权利要求1所述的方法,其特征在于,所述获取当前业务场景下当前决策数据对应的当前业务数据,将所述当前业务数据输入预设神经网络模型,得到当前权重数据之前,还包括:
8.如权利要求7所述的方法,其特征在于,所述基于优化后的...
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。