CN115129982A - 基于改进贝叶斯优化的实验参数推荐方法、装置、终端及介质 - Google Patents

Abstract

本申请提供了一种基于改进贝叶斯优化的实验参数推荐方法、装置、终端及介质，旨在借助改进的贝叶斯优化推荐的实验参数减少实验次数，降低整个实验成本；通过引入参数组合的加密和解密，确保在不直接获取原始实验参数的情况下开展参数优化，确保实验的数据安全；通过对实验结果的分析和评价给出后续的实验参数推荐意见，能够在很大程度上减少推荐过程中对于人的经验的依赖。此外，通过引入有经验的技术人员生成初始推荐参数的方式，能够结合已有人员的经验和自动推荐算法两者各自的优势，加快参数优化；通过与具备开放接口的测试系统的联动，本发明能够向测试系统推荐实验参数，使得自动化的实验过程成为可能。这将能够大大加快实验的进程，提高实验的效率。

Description

基于改进贝叶斯优化的实验参数推荐方法、装置、终端及介质

技术领域

本申请涉及实验参数自动推荐领域，特别是涉及一种基于改进贝叶斯优化的实验参数推荐方法、装置、终端及介质。

背景技术

在新能源、新材料、基因工程和药物研发活动中，经常会涉及到开展各种实验，以便找到最优的实验参数、材料配方和最优工艺。

在实验过程中经常会遇到单次实验成本很高、目标函数不一定是解析表达式、导数未知等情况。在这种情况下，为了获得最优的实验参数，目前的方法大多是首先凭借人工经验任意给出几组初始参数，然后开展实验，等实验结束后根据实验结果由有经验的人员利用实验结果推荐几组新的参数，继续开展下一轮的实验。通常需要反复进行多轮实验后才能够得到达标的实验参数。由于单次实验成本很高，结合参数的推荐往往需要多轮的迭代，导致整个实验成本居高不下。此外，由于对人工经验的高度依赖，导致获取的实验参数的好坏取决于人工经验和运气，不利于数字经验的积累。

在现有技术中，实验过程可以视为以各实验参数为变量的黑盒函数，实验的结果可以视为该黑盒函数的输出。实验参数推荐，实质上是针对黑盒函数的优化过程。贝叶斯优化利用之前已搜索点的信息确定下一个搜索点，常常用于求解维数不高的黑盒优化问题。但是，在实际应用过程中，可能会出现相同实验参数输入，但实验结果出现波动的情况，现有的技术是通过以往的实验数据来估计结果的波动。由于电池充放电全寿命实验耗时长，实验成本高，经常导致无法在实验前获取相同类型电池的相关数据，对已有实验数据的依赖导致已有方法的应用会受到一定程度的限制。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于改进贝叶斯优化的实验参数推荐方法、装置、终端及介质，用于解决现有技术中未涉及的实验参数的保密问题和由于实验成本高，经常导致无法在实验前获取以往的实验数据，进而无法克服实验结果波动影响的问题。

为实现上述目的及其他相关目的，本申请的第一方面提供一种基于改进贝叶斯优化的实验参数推荐方法，包括：生成初始推荐实验参数并输入基于目标实验而选定的黑盒函数，以根据所述黑盒函数输出的实验效果确定较优推荐实验参数；基于所述较优推荐实验参数，使用贝叶斯优化算法在连续实验参数空间中迭代计算得到优化的连续实验参数，并将所述优化的连续实验参数映射至离散实验参数空间，以从映射结果中选择最相近的一个或一组离散点作为所述目标实验的当前推荐实验参数；以所述当前推荐实验参数为所述黑盒函数的输入参数，重复上述步骤直至满足推荐结束条件，以得到所述目标实验的最终推荐实验参数。

于本申请的第一方面的一些实施例中，所述初始推荐实验参数的生成方式包括如下任一种：从记录的已有实验数据中查找其中实验效果最佳的实验参数作为初始推荐实验参数；人为设定一个或多个实验参数组合经验值作为初始推荐实验参数；在预构建的参数空间中随机选取一个或多个实验参数组合作为初始推荐实验参数。

于本申请的第一方面的一些实施例中，所述预构建的参数空间包括连续实验参数空间和离散实验参数空间；所述连续实验参数空间基于每个连续实验参数的上、下限生成；所述离散实验参数空间基于每个离散实验参数的可选择档位生成。

于本申请的第一方面的一些实施例中，还包括：对实验参数进行加密处理后存入所述参数空间中，并在使用实验参数前对其进行解密处理。

于本申请的第一方面的一些实施例中，对于开放实验参数接口的实验系统，将实验参数发送至实验设备后开展自动实验。

于本申请的第一方面的一些实施例中，对于同一组实验参数展开多批次实验，采用通过多批次实验结果的数学期望值作为所述同一组实验参数的评价指标。

于本申请的第一方面的一些实施例中，所述推荐结束条件包括已经达到预设的推荐轮次和/或已经达到预设的优化目标。

为实现上述目的及其他相关目的，本申请的第二方面提供一种基于改进贝叶斯优化的实验参数推荐装置，包括：黑盒函数模块，用于生成初始推荐实验参数并输入基于目标实验而选定的黑盒函数，以根据所述黑盒函数输出的实验效果确定较优推荐实验参数；参数推荐模块，用于基于所述较优推荐实验参数，使用贝叶斯优化算法在连续实验参数空间中迭代计算得到优化的连续实验参数，并将所述优化的连续实验参数映射至离散实验参数空间，以从映射结果中选择最相近的一个或一组离散点作为所述目标实验的当前推荐实验参数；以所述当前推荐实验参数为所述黑盒函数的输入参数，重复上述步骤直至满足推荐结束条件，以得到所述目标实验的最终推荐实验参数。

为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于改进贝叶斯优化的实验参数推荐方法。

为实现上述目的及其他相关目的，本申请的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述基于改进贝叶斯优化的实验参数推荐方法。

如上所述，本申请的基于改进贝叶斯优化的实验参数推荐方法、装置、终端及介质，具有以下有益效果：

(1)本发明提供了一种提高实验参数推荐效率的方法，能够借助改进的贝叶斯优化推荐的实验参数减少实验次数，实现整个实验成本的有效降低。

(2)通过引入参数组合的加密和解密，能够确保在不直接获取原始实验参数的情况下开展参数优化，确保实验的数据安全。

(3)通过引入多批次实验结果的数学期望值作为所述同一组实验参数的评价指标，能够在缺少以往的实验数据的情况下，有效克服实验结果波动对于贝叶斯优化结果的影响，扩大贝叶斯优化技术的适用场景，以便应用于不同类型的实验。

(4)本发明可以通过对实验结果的分析和评价给出后续的实验参数推荐意见，能够在很大程度上减少推荐过程中对于人的经验的依赖。此外，通过引入有经验的技术人员生成初始推荐参数的方式，能够结合已有人员的经验和自动推荐算法两者各自的优势，从而加快参数优化。

(5)通过与具备开放接口的测试系统的联动，本发明能够向测试系统推荐实验参数，使得自动化的实验过程成为可能。这将能够大大加快实验的进程，提高实验的效率。

附图说明

图1显示为本申请一实施例中基于改进贝叶斯优化的实验参数推荐方法的流程示意图。

图2显示为本申请一实施例中以锂离子电池的循环寿命实验参数推荐实施的示意图。

图3显示为本申请一实施例中电池充放电实验中不同充电电流的示意图。

图4显示为本申请一实施例中实验参数推荐终端的结构示意图。

图5显示为本申请一实施例中实验参数推荐装置的结构示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。

在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”、“固持”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

为解决上述背景技术中的问题，本发明提供一种基于改进贝叶斯优化的实验参数推荐方法、系统、装置及介质，旨在围绕着现有的贝叶斯优化在实验参数推荐中存在的问题，对整个过程进行了改进。与此同时，为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。

在对本发明进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释：

<1>黑盒函数：一个黑盒函数f可以理解为从

到

的一个映射，但是映射关系f的解析表达式及工作方式未知，只能通过不断地将数据输入到黑盒函数中然后通过得到的输出值来猜测黑盒函数的结构信息。

<2>贝叶斯优化是一种使用贝叶斯定理来指导搜索以找到目标函数的最小值或最大值的方法；在每次迭代的时候，利用之前观测到的历史信息(先验知识)来进行下一次的优化。贝叶斯优化的原理是首先生成一个初始候选解集合，然后根据初始候选解集合寻找下一个最有可能是极值的点，将该点加入集合中；重复这一步骤，直至迭代终止。最后从这些点中找出函数值最大的点作为问题的解。

本发明实施例提供基于改进贝叶斯优化的实验参数推荐方法、实施实验参数推荐方法的系统、以及存储用于实现实验参数推荐方法的可执行程序的存储介质。就实验参数推荐方法的实施而言，本发明实施例将对实验参数推荐的示例性实施场景进行说明。

如图1所示，展示了本发明实施例中的一种基于改进贝叶斯优化的实验参数推荐方法的流程示意图。本实施例中的实验参数推荐方法主要包括如下各步骤：

步骤S11：生成初始推荐实验参数并输入基于目标实验而选定的黑盒函数，以根据所述黑盒函数输出的实验效果确定较优推荐实验参数。

本步骤用于选定用于模拟实验过程的黑盒函数及待推荐实验参数，所述黑盒函数即为实验过程。所述实验过程的黑盒参数以实验输入参数为所述黑盒函数的自变量，并以实验输出参数为所述黑盒函数的应变量。

举例来说，以电池循环寿命的测试作为目标实验，整个实验过程即是一个黑盒函数，而实验中的输入参数(例如充放电参数)就是黑盒函数的自变量，而实验得到的电池循环寿命就是黑盒函数的应变量；由于实验类型非常多，而且即使是相同类型的实验，其选择的输入参数也都有所不同，故不再一一赘述。

应理解，本发明实施例中所述的实验是根据科学研究的目的，尽可能排除外界影响，突出主要因素并利用一些专门的仪器设备，人为地变革、控制或模拟研究对象，使某些事物(或过程)发生或再现，从而去认识自然现象、自然性质、自然规律。通常而言，实验类型可分为感知性实验、验证性实验、设计性实验或观察性实验等；此处的实验可以是实际的实验，也可以是通过物理、数学建模过程构建的模拟实验；本实施例不做限定。

在一些示例中，所述初始推荐实验参数的生成方式包括如下任一种：

方式1：对于已有实验数据的情况(如已经开展过类似实验)，从记录的已有实验数据中查找其中实验效果最佳的实验参数作为初始推荐实验参数。

方式2：人为设定一个或多个实验参数组合经验值作为初始推荐实验参数(如由具备一定经验的技术人员选定实验参数)。

方式3：在预构建的参数空间中随机选取一个或多个实验参数组合作为初始推荐实验参数。

在一些示例中，所述预构建的参数空间包括连续实验参数空间和离散实验参数空间；所述连续实验参数空间基于每个连续实验参数的上、下限生成；所述离散实验参数空间基于每个离散实验参数的可选择档位生成。

需说明的是，由于各方面因素的限制，实验中通常不可能实现对参数在连续区间内任意数值参数组合的实验，即能够开展实验的参数组合通常是有限的，是离散空间。然而，贝叶斯优化在离散空间上容易陷入局部极小点的问题，因此本发明改进了贝叶斯优化，采用了连续参数空间和离散参数空间相结合的方式来进行实验参数的推荐。

较为优选的，所述方法还包括对实验参数进行加密处理后存入所述参数空间中，并在使用实验参数前对其进行解密处理。本实施例中的加密处理和解密处理是为了适应对实验数据保密要求较高的场合，生成初始推荐实验参数时首先需要通过加密模块对原始的数据进行加密处理，在开展实验前需要通过解密模块将加密的参数还原成为原始的实验参数组合，以便接下来开展实验。

进一步地，数据加密方式包括但不限于如数据隐匿、参数乱序和参数空间变换等。所述数据隐匿主要是指使用隐写、改写等隐匿技术实现加密效果；所述参数乱序是指将原先的参数按照一定的顺序打乱，在使用时再恢复到原有顺序即可；所述参数空间变换主要是指通过坐标变换等方式进行空间变换来实现加密效果。

在一些示例中，所述根据所述黑盒函数输出的实验效果确定较优推荐实验参数，是指以初始推荐实验参数为条件分别进行实验，按照预设的一个或多个实验结果指标来评价各初始推荐实验参数的实验效果，并从中选择实验效果最好的作为较优推荐实验参数。

在一些示例中，所述实验结果指标包括单个或多个指标的组合；在多个指标组合的情况下，可根据指标的重要度设定相应的权重，权重的设定根据实验的实际情况进行预设。

进一步地，在实验系统开放实验参数接口的情况下，可以支持将实验参数直接发送至实验设备，从而开展自动实验。对于不支持实验参数自动输入的情况，可采用人工设置的方式来设定实验参数。需说明的是，此处的实验可以是实际的实验，也可以是通过物理、数学建模过程构建的模拟实验。

步骤S12：基于所述较优推荐实验参数，使用贝叶斯优化算法在连续实验参数空间中迭代计算得到优化的连续实验参数，并将所述优化的连续实验参数映射至离散实验参数空间，以从映射结果中选择最相近的一个或一组离散点作为所述目标实验的当前推荐实验参数。

需说明的是，贝叶斯优化算法是一种使用贝叶斯定理来指导搜索以找到目标函数的最小值或最大值的方法，其在每次迭代时，利用之前观测到的历史信息(先验知识)来进行下一次的优化。另外，在使用贝叶斯优化器之前，需先设定贝叶斯优化器的参数，包括拟合函数、采集函数、优化轮次和预设的优化目标等，因贝叶斯优化本身是现有，故不再赘述。

在一些示例中，所述最相近的一个或一组离散点是指与映射前的所述优化的连续实验参数距离最小或相似度最高的离散点。具体而言，在将所述优化的连续实验参数映射至离散实验参数空间后，分别计算各个/各组离散点到所述化的连续实验参数之间的距离或相似度；距离越小越相近，反之表示越不相近；相似度越大越相近，反之表示越不相近。

进一步地，距离计算方式包括但不限于欧式距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离等。参数相似度优先选择余弦相似度，也可以根据情况选择其它的相似性度量。相似度计算方式优选余弦相似度，或也可根据情况选择其它的相似性度量。

在一些示例中，对于同一组实验参数展开多批次实验，采用多批次实验结果的数学期望值作为所述同一组实验参数的评价指标，这种评价方式适用于实验结果波动较大的情况；而在实验结果波动较小的情况下，可以将同一实验参数的实验次数设置为1次。值得注意的是，本发明实施例通过引入相同参数多次实验结果的数学期望作为后续的贝叶斯优化搜索判断的依据，能够有效提高贝叶斯优化对于实验结果波动的适应性，进而降低贝叶斯优化失败的概率。

步骤S13：以所述当前推荐实验参数为所述黑盒函数的输入参数，重复上述步骤直至满足推荐结束条件，以得到所述目标实验的最终推荐实验参数。

在一些示例中，所述推荐结束条件包括但不限于：已经达到预设的推荐轮次和/或已经达到预设的优化目标。若满足上述条件则表示可以结束当前的推荐流程并返回末轮推荐得到的最终推荐实验参数。

为便于本领域技术人员对本发明的技术方案有更深的了解，下文以锂离子电池循环寿命实验为实施例进行说明。

锂离子电池由于具有很高的能量密度和良好的充放电循环性能，已被广泛应用于新能源汽车。伴随着新能源汽车及其充电桩的日渐普及，新能源汽车的快速充电问题已变得日益突出。锂离子电池的充放电涉及到复杂的物理、化学和电化学过程，不合理的快速充放电参数不但会导致锂离子电池寿命缩短，有时还可能会造成电池析锂等安全风险。在实际应用中存在寻找最优锂离子电池充放电参数的问题。

所述析锂是锂离子电池的一种损耗状况，若在低温下重复充电，对电池造成损害，降低电池的安全性，特别是在受到外界的挤压和冲击等。因此，锂离子电池不能在温度低于0℃的环境下对电池充电，尽管会显示充电正常,但是在阳极表面会有金属锂析出，这个过程不可逆，如果在低温下重复充电,对电池造成损害,降低电池的安全性,特别是在受到外界的挤压和冲击等。

充放电实验可以视为以各实验参数为变量的黑盒函数，函数的输出为由各评价指标定义的目标函数。锂离子电池充放电参数推荐，实质上是黑盒函数的优化过程。以锂离子电池的循环寿命实验参数推荐实施例如图2所示。

锂离子电池通常在固定环境(湿度和温度等环境条件)下开展电池充放电实验，以最经常开展的恒流-恒压充电实验为例，在测试对象选定后，电池的容量和截止电压通常是确定的，其中的实验参数包括但不限于：恒流阶段选用的充电电流的段数、充电电流的大小、充电电流的持续时间和各段充电电流的先后顺序等。

举例来说，在本实施例中，如图3所示，电池充放电实验中的恒流-恒压充电将采用4段不同的充电电流，分别是充电电流CC1、CC2、CC3及CC4，这些充电电流均采用固定的充电时长，充电电流CC4的大小可由充电电流CC1、CC2、CC3计算得到。因此，本实施例中的推荐参数为充电电流CC1、CC2、CC3的大小。

于本实施例中，目标函数为单个指标，此处选定为电池的循环寿命；必要情况下也可以扩展至多个不同指标的组合。需说明的是，必要情况下目标函数也可拓展至多个不同指标的组合，各指标还可根据重要性设定对应的权重值，本实施例不做限定。

本实施例中通过穷举可实验的参数组合的方式构建离散实验参数空间。连续实验参数空间的构建则通过定义每个充放电参数的上下限的方式来获得。

考虑到在充放电实验中，即便对于相同批次的电池，相同的充放电参数输入经常会出现实验结果的明显波动。本实施例中，对于同一充放电参数，采用的批次实验的方式，批次实验的次数为大于1的整数。评价充放电参数将采用通过批次实验得到的电芯寿命的数学期望值。

为了加速实验进程，经常会采用多通道的电池充放电设备，同时开展实验。这种情况下需要同时使用多个推荐实验参数组合。对于每次只开展一次实验的情况，每次只生成一组推荐参数即可。本实施例中采用了依次推荐多个实验参数的模式，以便能够支持多通道的充放电设备。

本实施例采用连续空间上的贝叶斯优化来进行推荐参数生成，然后将该结果映射至离散实验参数空间，映射的距离优先选择欧式距离，但不限于欧式距离。也可以选择曼哈顿距离、切比雪夫距离、闵可夫斯基距离等。从离散实验参数空间中找到最接近的一组或多组离散点作为后续的充放电推荐参数。

通过本发明中给出的基于改进贝叶斯优化的实验参数推荐技术，对实施例中的电池充放电实验参数进行优化，在电池充放电寿命波动较大的情况下，将能够在降低人员经验依赖的同时，大大提高实验参数的推荐效率，减少70％以上的实验次数，进而达到控制整个实验成本的目的。

本发明实施例提供的基于改进贝叶斯优化的实验参数推荐方法可以采用终端侧或服务器侧实施，就基于改进贝叶斯优化的实验参数推荐装置的硬件结构而言，请参阅图4，为本发明实施例提供的基于改进贝叶斯优化的实验参数推荐终端400的一个可选的硬件结构示意图，该终端400可以是移动电话、计算机设备、平板设备、个人数字处理设备、工厂后台处理设备等。基于改进贝叶斯优化的实验参数推荐终端400包括：至少一个处理器401、存储器402、至少一个网络接口404和用户接口406。装置中的各个组件通过总线系统405耦合在一起。可以理解的是，总线系统405用于实现这些组件之间的连接通信。总线系统405除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统。

其中，用户接口406可以包括显示器、键盘、鼠标、轨迹球、点击枪、按键、按钮、触感板或者触摸屏等。

可以理解，存储器402可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，StaticRandom Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static RandomAccess Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类别的存储器。

本发明实施例中的存储器402用于存储各种类别的数据以支持基于改进贝叶斯优化的实验参数推荐终端400的操作。这些数据的示例包括：用于在基于改进贝叶斯优化的实验参数推荐终端400上操作的任何可执行程序，如操作系统4021和应用程序4022；操作系统4021包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序4022可以包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例提供的基于改进贝叶斯优化的实验参数推荐方法可以包含在应用程序4022中。

上述本发明实施例揭示的方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器401可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器401可以是微处理器或者任何常规的处理器等。结合本发明实施例所提供的配件优化方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成前述方法的步骤。

在示例性实施例中，基于改进贝叶斯优化的实验参数推荐终端400可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，ComplexProgrammable Logic Device)，用于执行前述方法。

如图5所示，展示了本发明实施例中的一种基于改进贝叶斯优化的实验参数推荐装置的结构示意图。本实施例中，实验参数推荐装置500包括黑盒函数模块501和参数推荐模块502。

所述黑盒函数模块501用于生成初始推荐实验参数并输入基于目标实验而选定的黑盒函数，以根据所述黑盒函数输出的实验效果确定较优推荐实验参数。

在一些示例中，所述初始推荐实验参数的生成方式包括如下任一种：从记录的已有实验数据中查找其中实验效果最佳的实验参数作为初始推荐实验参数；人为设定一个或多个实验参数组合经验值作为初始推荐实验参数；在预构建的参数空间中随机选取一个或多个实验参数组合作为初始推荐实验参数。

在一些示例中，所述预构建的参数空间包括连续实验参数空间和离散实验参数空间；所述连续实验参数空间基于每个连续实验参数的上、下限生成；所述离散实验参数空间基于每个离散实验参数的可选择档位生成。

在一些示例中，所述实验参数推荐装置500还包括加密模块和解密模块；所述加密模块用于对实验参数进行加密处理后存入所述参数空间中；所述解密模块用于在使用实验参数前对其进行解密处理。

在一些示例中，对于开放实验参数接口的实验系统，将实验参数发送至实验设备后开展自动实验。

在一些示例中，对于同一组实验参数展开多批次实验，采用通过多批次实验计算得到的数学期望值作为所述同一组实验参数的评价指标。

所述参数推荐模块502用于基于所述较优推荐实验参数，使用贝叶斯优化算法在连续实验参数空间中迭代计算得到优化的连续实验参数，并将所述优化的连续实验参数映射至离散实验参数空间，以从映射结果中选择最相近的一个或一组离散点作为所述目标实验的当前推荐实验参数；以所述当前推荐实验参数为所述黑盒函数的输入参数，重复上述步骤直至满足推荐结束条件，以得到所述目标实验的最终推荐实验参数。

在一些示例中，所述推荐结束条件包括已经达到预设的推荐轮次和/或已经达到预设的优化目标。

需要说明的是：上述实施例提供的基于改进贝叶斯优化的实验参数推荐装置在进行实验参数推荐时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的实验参数推荐装置与实验参数推荐方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

于本申请提供的实施例中，所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。

综上所述，本申请提供基于改进贝叶斯优化的实验参数推荐方法、装置、终端及介质，本发明提供了一种提高实验参数推荐效率的方法，能够借助改进的贝叶斯优化推荐的实验参数减少实验次数，实现整个实验成本的有效降低；通过引入参数组合的加密和解密，能够确保在不直接获取原始实验参数的情况下开展参数优化，确保实验的数据安全；本发明可以通过对实验结果的分析和评价给出后续的实验参数推荐意见，能够在很大程度上减少推荐过程中对于人的经验的依赖。此外，通过引入有经验的技术人员生成初始推荐参数的方式，能够结合已有人员的经验和自动推荐算法两者各自的优势，从而加快参数优化；通过与具备开放接口的测试系统的联动，本发明能够向测试系统推荐实验参数，使得自动化的实验过程成为可能。这将能够大大加快实验的进程，提高实验的效率。所以，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (10)

1.一种基于改进贝叶斯优化的实验参数推荐方法，其特征在于，包括：

生成初始推荐实验参数并输入基于目标实验而选定的黑盒函数，以根据所述黑盒函数输出的实验效果确定较优推荐实验参数；

基于所述较优推荐实验参数，使用贝叶斯优化算法在连续实验参数空间中迭代计算得到优化的连续实验参数，并将所述优化的连续实验参数映射至离散实验参数空间，以从映射结果中选择最相近的一个或一组离散点作为所述目标实验的当前推荐实验参数；

以所述当前推荐实验参数为所述黑盒函数的输入参数，重复上述步骤直至满足推荐结束条件，以得到所述目标实验的最终推荐实验参数。

2.根据权利要求1所述的基于改进贝叶斯优化的实验参数推荐方法，其特征在于，所述初始推荐实验参数的生成方式包括如下任一种：

从记录的已有实验数据中查找其中实验效果最佳的实验参数作为初始推荐实验参数；

人为设定一个或多个实验参数组合经验值作为初始推荐实验参数；

在预构建的参数空间中随机选取一个或多个实验参数组合作为初始推荐实验参数。

3.根据权利要求2所述的基于改进贝叶斯优化的实验参数推荐方法，其特征在于，所述预构建的参数空间包括连续实验参数空间和离散实验参数空间；所述连续实验参数空间基于每个连续实验参数的上、下限生成；所述离散实验参数空间基于每个离散实验参数的能选择档位生成。

4.根据权利要求3所述的基于改进贝叶斯优化的实验参数推荐方法，其特征在于，还包括：对实验参数进行加密处理后存入所述参数空间中，并在使用实验参数前对其进行解密处理。

5.根据权利要求1所述的基于改进贝叶斯优化的实验参数推荐方法，其特征在于，对于开放实验参数接口的实验系统，将实验参数发送至实验设备后开展自动实验。

6.根据权利要求1所述的基于改进贝叶斯优化的实验参数推荐方法，其特征在于，对于同一组实验参数展开多批次实验，采用通过多批次实验结果的数学期望值作为所述同一组实验参数的评价指标。

7.根据权利要求1所述的基于改进贝叶斯优化的实验参数推荐方法，其特征在于，所述推荐结束条件包括已经达到预设的推荐轮次和/或已经达到预设的优化目标。

8.一种基于改进贝叶斯优化的实验参数推荐装置，其特征在于，包括：

黑盒函数模块，用于生成初始推荐实验参数并输入基于目标实验而选定的黑盒函数，以根据所述黑盒函数输出的实验效果确定较优推荐实验参数；

参数推荐模块，用于基于所述较优推荐实验参数，使用贝叶斯优化算法在连续实验参数空间中迭代计算得到优化的连续实验参数，并将所述优化的连续实验参数映射至离散实验参数空间，以从映射结果中选择最相近的一个或一组离散点作为所述目标实验的当前推荐实验参数；以所述当前推荐实验参数为所述黑盒函数的输入参数，重复上述步骤直至满足推荐结束条件，以得到所述目标实验的最终推荐实验参数。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于改进贝叶斯优化的实验参数推荐方法。

10.一种电子终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述基于改进贝叶斯优化的实验参数推荐方法。

Images