[發明專利]一種多智能體的集成數據的監控方法及云服務器

有效

• 申請號: 202110621145.3
• 申請日: 2021-06-03
• 公開（公告）號: CN113407582B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 董超;陳曉峰;姚俊虎;包治華
• 申請（專利權）人: 上海藍色帛締智能工程有限公司
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06F16/28;G06N3/08
• 代理公司: 北京恒和頓知識產權代理有限公司 11014
• 代理人: 林濤

1.一種多智能體的集成數據的監控方法，其特征在于，所述方法包括：

獲取智能數據監控指示，所述智能數據監控指示用于指示在指定的智能數據監控范圍上監控智能數據；

獲取所述智能數據監控指示的待選智能數據集合，所述待選智能數據集合中包含第一分類智能數據和第二分類智能數據；其中，所述第一分類智能數據是具有監控頻率標準的智能數據，所述第二分類智能數據是通過實時采集的監控數據中篩選監控位置的智能數據；

獲取所述智能數據監控指示的待選智能數據集合中的各個智能數據的監控范圍參數；

所述監控范圍參數用于指示對應的智能數據被發送至所述指定的智能數據監控范圍進行監控的系數；其中，所述第一分類智能數據的所述監控范圍參數，是通過目標特征訓練模型對所述第一分類智能數據的狀態數據進行處理后得到的；所述目標特征訓練模型是通過對樣本集成環境進行強化學習搜索得到的，所述樣本集成環境是由至少兩個參考智能數據監控指示的待選智能數據集合中的智能數據組成的；

基于所述各個智能數據的監控范圍參數獲取目標智能數據；

將所述目標智能數據發送至所述指定的智能數據監控范圍進行監控；

其中，所述狀態數據包括智能數據組數據、全局數據和監控角度特征數據中的至少一種；所述智能數據組數據包括：

對應的智能數據的標簽、對應的智能數據監控范圍的標簽、對應的智能數據的已監控量、對應的智能數據的監控量標準、對應的智能數據的監控范圍、以及對應的智能數據的監控量上限中的至少一種；

所述全局數據包括：系統中的所述第一分類智能數據的全局折損率、系統中的所述第一分類智能數據的平均損耗率、系統中的所述第二分類智能數據的平均損耗率、以及系統中的所述第二分類智能數據的平均實時采集的監控數據中的至少一種；

所述監控角度特征包括：對應的智能數據監控指示關聯的范圍數據、對應的智能數據監控指示關聯的坐標數據、以及對應的智能數據監控指示關聯的集成數據中的至少一種；

其中，所述獲取智能數據監控指示之前，還包括：

獲取所述參考智能數據監控指示的待選智能數據集合中的各個指定樣本智能數據的狀態數據；

所述指定樣本智能數據是所述參考智能數據監控指示的待選智能數據集合中的所述第一分類智能數據；

通過第一特征訓練模型對所述各個指定樣本智能數據的狀態數據進行處理，獲得樣本監控特征訓練；

所述樣本監控特征訓練用于指示所述參考智能數據監控指示的待選智能數據集合中的目標樣本智能數據；

通過所述樣本監控特征訓練對所述樣本集成環境中的智能數據的狀態數據進行更新；

基于更新前后的所述樣本集成環境中的智能數據的狀態數據，獲取修正參數；

基于所述修正參數對參數修正模型進行更新；

通過所述參數修正模型對所述樣本監控特征訓練的評價結果，對所述第一特征訓練模型進行更新；

基于更新后的所述第一特征訓練模型，獲取所述目標特征訓練模型；

其中，所述基于更新前后的所述樣本集成環境中的智能數據的狀態數據，獲取修正參數，包括：

基于更新前后的所述樣本集成環境中的智能數據的狀態數據，獲取浮動參數，所述浮動參數包括所述樣本集成環境中的所述第一分類智能數據的全局折損率的范圍參數、所述樣本集成環境中的所述第一分類智能數據的平均損耗率的范圍參數、以及所述樣本集成環境中的所述第二分類智能數據的平均實時采集的監控數據的范圍參數中的至少一種；

基于所述浮動參數獲取所述修正參數；

其中，所述基于所述浮動參數獲取所述修正參數，包括：

對所述浮動參數中的各項范圍參數進行權重處理，獲得權重處理結果；基于所述權重處理結果獲取所述修正參數；

其中，第一特征訓練模型包括優先特征訓練模型和模擬特征訓練模型；所述樣本監控特征訓練包括所述優先特征訓練模型輸出的優先監控特征訓練，以及所述模擬特征訓練模型輸出的模擬監控特征訓練；所述優先監控特征訓練是優先從所述第一分類智能數據中選擇所述目標樣本智能數據的特征訓練；所述模擬監控特征訓練是基于所述監控范圍參數對所述第一分類智能數據和所述第二分類智能數據進行混合排序并選擇所述目標樣本智能數據的特征訓練；所述基于更新前后的所述樣本集成環境中的智能數據的狀態數據，獲取浮動參數，包括：

基于第一狀態數據獲取第一浮動參數，所述第一狀態數據是通過所述優先監控特征訓練對所述樣本集成環境中的智能數據的狀態數據進行更新前后的狀態數據；

基于第二狀態數據獲取第二浮動參數，所述第二狀態數據是通過所述模擬監控特征訓練對所述樣本集成環境中的智能數據的狀態數據進行更新前后的狀態數據；

所述基于所述浮動參數獲取所述修正參數，包括：獲取所述第二浮動參數相對于所述第一浮動參數的增加占比；基于所述增加占比，獲取所述修正參數。