数据处理方法、装置、电子设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111178529A(43)申请公布日2020.05.19(21)申请号201911425293.7(22)申请日2019.12.31(71)申请人中科曙光国际信息产业有限公司地址266000山东省青岛市崂山区松岭路169号软件园A区211房间(72)发明人郭庆赵伟谢莹莹于宏亮(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人唐正瑜(51)Int.Cl.G06N3/12(2006.01)权利要求书2页说明书10页附图2页(54)发明名称数据处理方法、装置、电子设备及可读存储介质(57)摘要本申请提供一种数据处理方法、装置、电子设备及可读存储介质，涉及计算机技术领域。该方法包括：确定第i代种群的最优适应度以及第i-1代种群的最优适应度；基于第i代种群的最优适应度与第i-1代种群的最优适应度确定适应度变化趋势；确定第i代种群进行下一次遗传算法迭代时第i代种群中淘汰的个体；基于适应度变化趋势生成新的个体，使用新的个体替换淘汰的个体；将所述第i代种群中保留的个体以及新的个体进行下一次遗传算法迭代，直至获得最优解。该方案通过基于适应度变化率生成新的个体，使得生成的新的个体的适应度不会太低，并且参与迭代的个体数量增多，从而可避免了遗传算法过早陷入局部收敛的问题，更有利于算法寻找全局最优解。CN111178529ACN111178529A权利要求书1/2页1.一种数据处理方法，其特征在于，所述方法包括：确定第i代种群的最优适应度以及第i-1代种群的最优适应度，其中，i为大于或等于2的整数；基于所述第i代种群的最优适应度与所述第i-1代种群的最优适应度确定适应度变化趋势；确定所述第i代种群进行下一次遗传算法迭代时所述第i代种群中淘汰的个体；基于所述适应度变化趋势生成新的个体，使用所述新的个体替换所述淘汰的个体；将所述第i代种群中保留的个体以及所述新的个体进行下一次遗传算法迭代，直至获得最优解。2.根据权利要求1所述的方法，其特征在于，所述基于所述第i代种群的最优适应度与所述第i-1代种群的最优适应度确定适应度变化趋势，包括：将所述第i代种群的最优适应度映射为多维空间中的第i空间点，以及将所述第i-1代种群的最优适应度映射为所述多维空间中的第i-1空间点；确定所述第i空间点以及所述第i-1空间点之间的方向向量的斜率，所述方向向量的斜率为所述适应度变化趋势。3.根据权利要求1所述的方法，其特征在于，所述确定第i代种群进行下一次遗传算法迭代时所述第i代种群中淘汰的个体，包括：获取所述第i代种群中每个个体的适应度；确定所述第i代种群中个体的适应度低于所述第i-1代种群的最优适应度的目标个体；将所述目标个体确定为所述第i代种群中淘汰的个体。4.根据权利要求1所述的方法，其特征在于，所述确定第i代种群进行下一次遗传算法迭代时所述第i代种群中淘汰的个体，包括：获取所述第i代种群中每个个体的适应度；确定所述适应度低于目标值的目标个体；将所述目标个体确定为所述第i代种群中淘汰的个体。5.根据权利要求4所述的方法，其特征在于，所述目标值为所述第i代种群中个体的平均适应度。6.根据权利要求1所述的方法，其特征在于，所述第i代种群的最优适应度为所述第i代种群中各个个体的适应度中的最大适应度，所述第i-1代种群的最优适应度为所述第i-1代种群中各个个体的适应度中的最大适应度。7.根据权利要求1-6任一所述的方法，其特征在于，所述确定第i代种群的最优适应度，包括：将所述第i代种群中的多个个体均分到MapReduce分布式计算框架中的多个Map计算平台中；利用每个Map计算平台分别计算各个个体的适应度；利用每个Map计算平台基于各个个体的适应度确定所述第i代种群的多个最优适应度；利用所述MapReduce分布式计算框架中的Reduce计算平台基于所述多个最优适应度确定所述第i代种群的最优适应度。8.一种数据处理装置，其特征在于，所述装置包括：2CN111178529A权利要求书2/2页最优适应度获取模块，用于确定第i代种群的最优适应度以及第i-1代种群的最优适应度，其中，i为大于或等于2的整数；适应度变化趋势获取模块，用于基于所述第i代种群的最优适应度与所述第i-1代种群的最优适应度确定适应度变化趋势；淘汰个体确定模块，用于确定所述第i代种群进行下一次遗传算法迭代时所述第i代种群中淘汰的个体；个体替换模块，用于基于所述适应度变化趋势生成新的个体，使用所述新的个体替换所述淘汰的个体；迭代模块，用于将所述第i代种群中保留的个体以及所述新的个体进行下一次遗传算法迭代，直至获得最优解。9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述