[發明專利]基于納什博弈的可外掛式智能排序方法及裝置

在審

• 申請號: 202110552721.3
• 申請日: 2021-05-20
• 公開（公告）號: CN113191088A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 常松;盛建東;陳冰;石書兵;康定明;馬英杰;張紅忠;程軍回;張凱
• 申請（專利權）人: 新疆海貍農牧業軟件有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G06F111/08
• 代理公司: 烏魯木齊合縱專利商標事務所 65105
• 代理人: 周星瑩;湯潔

本發明涉及一種人工智能技術領域，是一種基于納什博弈的可外掛式智能排序方法及裝置，包括：獲取原始數據；確定有限條件，根據有限條件對學習樣本集進行排序學習，輸出符合有限條件的最簡優化規則；采用遞歸排序對測試樣本集執行最簡優化規則，獲得對應的最優測試結果，輸出對應的模型。本發明是一個人工智能軟件應用庫，具有獨立性，能運行在各種操作系統和軟件架構上，并且操作簡單，操作人員無需學習編程知識，無需超參數的設置、無需人工干預。同時本發明使用納什博弈論作為理論基礎，通過有邊界的搜索學習機制來發現學習樣本的最簡排序操作，完成有限博弈，再采用遞歸排序對測試樣本集執行最簡優化規則，完成有限策略。

技術領域

本發明涉及一種人工智能技術領域，是一種基于納什博弈的可外掛式智能排序方法及裝置。

背景技術

現在隨著人工智能，神經網絡技術的發展，越來越多的計算能力被用來解決普通的問題，這是一個浪費。比如在農業領域或者大多數工業領域，只需要數百至數千個輸入矢量，每個輸入矢量包含數十列數據，總共幾千至一萬個數據是最常用的，此時用大型人工智能系統對這些應用就是一個浪費。同時現有人工智能機器學習系統多需要人工進行數據預處理及復雜參數的設置，故而對操作人員要求較高。

發明內容

本發明提供了一種基于納什博弈的可外掛式智能排序方法及裝置，克服了上述現有技術之不足，其能有效解決現有人工智能機器學習系統多依托于大型系統，存在資源浪費，且需要專業工作人員進行數據預處理、復雜參數設置的問題。

本發明的技術方案之一是通過以下措施來實現的：一種基于納什博弈的可外掛式智能排序方法，包括：

獲取原始數據，將原始數據分為學習樣本集和測試樣本集；

確定有限條件，根據有限條件對學習樣本集進行排序學習，輸出符合有限條件的最簡優化規則，其中學習樣本集包括若干學習樣本，每個學習樣本均包括學習數據和對應的結果數據；

采用遞歸排序對測試樣本集執行最簡優化規則，獲得對應的最優測試結果，將最優測試結果與測試樣本集中的結果數據進行對比，響應于小于設定誤差，則輸出對應的模型，其中測試樣本集包括若干測試樣本，每個測試樣本均包括測試數據和對應的結果數據。

下面是對上述發明技術方案的進一步優化或/和改進：

上述還包括將最優測試結果與測試樣本集中的結果數據進行對比，響應于大于設定誤差，則重新根據有限條件對學習樣本集進行排序學習，輸出符合有限條件的最簡優化規則。

上述還包括將最優測試結果與測試樣本集中的結果數據進行對比，響應于大于設定誤差，則將該最優測試結果對應的規則作為初始規則，對學習樣本集進行重新排序學習。

上述確定有限條件，根據有限條件對學習樣本集進行排序學習，輸出符合有限條件的最簡優化規則，包括：

確定有限條件，并生成初始隨機規則，有限條件包括內存限制、速度要求、時間限制、執行次數限制、最大排序總次數、單一方向排序總次數、評估預設值、評估誤差設定值；

根據該初始隨機規則對學習樣本進行N次遞歸排序，輸出初始排序；

獲得初始排序的評估結果與評估預設值的差值，并與評估誤差設定值比較；

響應于大于誤差，則雙向爬山算法對學習樣本進行隨機排序，輸出符合有限條件的最簡優化規則。

上述雙向爬山算法包括正向排序和反向排序，具體過程包括：

隨機選擇一個方向進行排序，生成排序結果；

獲得該次排序的評估結果，判斷該次排序的評估結果是否小于初始排序的評估結果；

響應于是，則判斷該次排序的評估結果是否小于評估誤差設定值，響應于是，則輸出該次排序對應的規則，響應于否，則繼續沿該方向進行排序；