[发明专利]一种基于平行数据的社会演化方法

权利要求书

1.一种基于平行数据的社会演化方法，整合了社会、经济等因素，形成了一个可以模拟和演化的虚拟社会。一方面，该方法用于计算突发事件造成的社会整体损失。另一方面，它还可以用来计算强化学习的奖励来评价策略。我们利用强化学习对当前环境进行建模，通过不断探索和优化智能体来寻找解决方案，从而将异常事件造成的全局损失降到最低。反过来，最终采取的策略会影响社会模型，实现真实社会和虚拟社会动态互动，平行演化。包括以下步骤：

步骤(1)、综合考虑多种因素，建模经济、社会价值模型；

步骤(2)、建模当前社会的状态，作为强化学习可以感知的环境；

S_i＝(Demand_1i,Value_1i,…,Demand_mi,Value_ni,Resource_1i,…,Resource_ni,Other_i) (3)

步骤(3)、根据经济、社会价值模型，建模强化学习的奖励机制；

步骤(4)、根据当前的环境，建模强化学习的动作空间；

A＝Number(1,2,…,n)+Quantity(1,2,..m) (5)

步骤(5)、步骤(2)(3)(4)的结果分别作为强化学习的环境、奖励、动作，选用DeepDeterministic Policy Gradient(DDPG)强化学习模型，通过探索选取当前最优的一个动作，得到奖励，然后计算损失反向传播进行训练。

步骤(6)、通过选择步骤(5)的动作，相关的环境状态发生变化，实现社会演化，重复步骤(2)、(3)、(4)、(5)，直到训练结束，最终得到最优的动作序列。