[发明专利]基于连续动作学习自动机的全局优化系统及方法在审
| 申请号： | 201710520108.7 | 申请日： | 2017-06-30 |
| 公开（公告）号： | CN109214518A | 公开（公告）日： | 2019-01-15 |
| 发明（设计）人： | 李生红;葛昊;马颖华;黄德双;江文;狄冲;周之晟;李怡晨 | 申请（专利权）人： | 上海交通大学;携程计算机技术（上海）有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于连续动作学习自动机(CALA)的全局优化系统及方法，包括：初始化模块、行为选择模块、环境反馈模块、更新模块和输出模块，其中：初始化模块初始化CALA算法的参数，输入行为选择模块进行行为选择，行为通过...环境的...进入环境反馈模块，得到行为对应的环境反馈，得到局部最优解；更新模块根据环境反馈更新算法参数，将更新的参数输入行为选择模块完成一次迭代，并改进平滑函数；将改进的平滑函数引入下一次迭代的环境反馈模块，进行多次迭代，最终得到极值点，将当前的环境反馈输入输出模块，输出...；作为全局极小值输出；本发明设计合理，引入平滑函数并加入斜率分量进行改进，使得CALA更易跳出局部最小解，并使得后续的搜索具有方向性，大大提高了算法的收敛速度和正确率。 | ||
| 搜索关键词： | 环境反馈 平滑函数 行为选择 初始化模块 学习自动机 更新模块 连续动作 全局优化 一次迭代 算法 输入输出模块 改进 参数输入 多次迭代 更新算法 输出模块 输入行为 选择模块 输出 引入 初始化 极值点 正确率 最小解 最优解 收敛 搜索 跳出 更新 全局 | ||
【主权项】：
1.一种基于连续动作学习自动机的全局优化系统，其特征在于，包括：初始化模块、行为选择模块、环境反馈模块、更新模块和输出模块，其中：初始化模块初始化CALA算法的参数，输入行为选择模块进行行为选择，行为通过路径环境的应用得到反馈然后进入环境反馈模块，得到行为对应的环境反馈；更新模块根据环境反馈更新CALA算法的参数，将更新的参数输入行为选择模块完成一次迭代；当迭代次数达到设定值时，将当前的环境反馈输入输出模块，输出最优的路径信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学;携程计算机技术（上海）有限公司，未经上海交通大学;携程计算机技术（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710520108.7/，转载请声明来源钻瓜专利网。
- 上一篇：量子状态搜索方法及装置
- 下一篇：数据处理系统、方法和设备
