[发明专利]评价函数确定方法、装置、电子设备以及存储介质

说明书

本发明公开了一种评价函数确定方法、装置、电子设备以及存储介质。该方法包括获取待优化的目标模型的至少一组初始模型修正参数，并确定各组初始模型修正参数分别对应的各组适应度值；基于各组适应度值确定各组初始模型修正参数的适应度评价参数以及误差评价参数；基于适应度评价参数及其评价权重、误差评价参数及其评价权重，确定各组初始模型修正参数分别对应的目标评价函数，以对各组初始模型修正参数进行参数筛选，并基于筛选后的目标模型修正参数对目标模型进行优化。通过本发明公开的技术方案，解决了在优化过程中出现局部最优解，从而选择全局最优解，提高模型参数寻优的准确性，从而提高模型在后续应用过程中的准确性。

技术领域

本发明涉及计算机数据处理技术领域，尤其涉及一种评价函数确定方法、装置、电子设备以及存储介质。

背景技术

在采用寻优算法(GA，遗传算法；PSO，粒子群算法)对多输入-多目标的神经网络模型(例如碳载量模型自动标定)的模型参数进行优化迭代过程中，评价函数计算是非常重要的。它影响到种群的累积概率，继而影响到种群是否被保留到下一代的概率，但现有技术在优化迭代的过程中，均采用单一的评价参数作为评价函数进行优化迭代，从而容易出现局部最优解，即忽略掉符合选择条件的种群，导致得到的模型参数并不是最优模型参数，降低了模型在后续应用过程中的准确性。

发明内容

本发明提供了一种评价函数确定方法、装置、电子设备以及存储介质，以解决在优化过程中出现局部最优解，即忽略掉符合选择条件的模型参数的问题，从而选择全局最优解，提高模型参数寻优的准确性，从而提高模型在后续应用过程中的准确性。

第一方面，本发明实施例提供了一种评价函数确定方法，该方法包括：

获取待优化的目标模型的至少一组初始模型修正参数，并确定各组初始模型修正参数分别对应的各组适应度值；

基于所述各组适应度值确定所述各组初始模型修正参数的适应度评价参数以及误差评价参数；

基于所述适应度评价参数及其评价权重、所述误差评价参数及其评价权重，确定所述各组初始模型修正参数分别对应的目标评价函数，以对所述各组初始模型修正参数进行参数筛选，并基于筛选后的目标模型修正参数对所述目标模型进行优化。

可选的，所述确定各组初始模型修正参数分别对应的各组适应度值，包括：

获取用于优化所述目标模型的实验数据；

分别将所述各组初始模型修正参数和所述实验数据输入至所述目标模型中，得到所述目标模型分别输出的各组适应度值。

可选的，所述基于所述各组适应度值确定所述各组初始模型修正参数的适应度评价参数，包括：

对于任一组适应度值，确定当前组适应度值中的最大适应度值以及最小适应度值；

基于所述最大适应度值以及所述最小适应度值确定所述当前组适应度值对应的当前组初始模型修正参数的初始适应度评价参数；

对所述初始适应度评价参数进行归一化处理，得到所述当前组初始模型修正参数的适应度评价参数。

可选的，所述基于所述各组适应度值确定所述各组初始模型修正参数的误差评价参数，包括：

对于任一组适应度值，确定当前组适应度值中的各适应度值的平均适应度值，并基于所述平均适应度值确定所述当前组适应度值对应的初始模型修正参数的初始误差评价参数；

对所述初始误差评价参数进行归一化处理，得到所述当前组初始模型修正参数的误差评价参数。

可选的，所述基于所述适应度评价参数及其评价权重、所述误差评价参数及其评价权重，确定所述各组初始模型修正参数分别对应的目标评价函数，包括：