CN117149561A - 策略生成方法、装置、设备及存储介质 - Google Patents
策略生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117149561A CN117149561A CN202311010469.9A CN202311010469A CN117149561A CN 117149561 A CN117149561 A CN 117149561A CN 202311010469 A CN202311010469 A CN 202311010469A CN 117149561 A CN117149561 A CN 117149561A
- Authority
- CN
- China
- Prior art keywords
- population
- individual
- parameter
- fitness function
- environmental
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000007613 environmental effect Effects 0.000 claims abstract description 174
- 238000005457 optimization Methods 0.000 claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 230000005283 ground state Effects 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013433 optimization analysis Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 description 138
- 238000012545 processing Methods 0.000 description 13
- 239000000779 smoke Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 239000000523 sample Substances 0.000 description 12
- 230000015654 memory Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 3
- 238000007654 immersion Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 101100284369 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) has-1 gene Proteins 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种策略生成方法、装置、设备及存储介质,可以应用于计算机技术领域和金融技术领域。该方法包括:获取与目标场所对应的M个环境参数的参数值,其中,M为大于等于2的整数;针对每个环境参数,根据与环境参数对应的基态参数值,确定与环境参数对应的优化变量;根据M个环境参数的参数值,确定适应度函数;基于适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果;基于与每个环境参数对应的分析结果,生成针对目标场所的环境调整策略。
Description
技术领域
本公开涉及计算机技术领域和金融技术领域,尤其涉及一种策略生成方法、装置、设备、介质和程序产品。
背景技术
随着现代通信网络的逐步普及,企事业单位对服务器机房监控的依赖越来越明显,服务器机房的消防安全也越来越受到重视。目前服务器机房的消防安全主要依靠机房内布设的烟感探头和温感探头的监控来实现保障。
但相关技术中,在对服务器机房的监控过程中,烟感探头和温感探头会受到机房内其他因素的影响,存在容易出现误报的问题,以至于无法及时采取对应的措施,从而造成事故,使得机房不能正常工作。
发明内容
鉴于上述问题,本公开提供了一种策略生成方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种策略生成方法,包括:
获取与目标场所对应的M个环境参数的参数值,其中,M为大于等于2的整数;
针对每个上述环境参数,根据与上述环境参数对应的基态参数值,确定与上述环境参数对应的优化变量;
根据上述M个环境参数的参数值,确定适应度函数;
基于上述适应度函数,对上述优化变量进行优化分析,得到与上述环境参数对应的分析结果;
基于与上述每个环境参数对应的上述分析结果,生成针对上述目标场所的环境调整策略。
根据本公开的实施例,上述针对每个环境参数,根据与上述环境参数对应的基态参数值,确定与上述环境参数对应的优化变量,包括:
根据与上述环境参数对应的参数值和上述基态参数值,得到与上述环境参数对应的分布因子;以及
根据上述分布因子和上述基态参数值,确定上述优化变量。
根据本公开的实施例,上述根据上述M个环境参数的参数值,确定适应度函数,包括:
根据与上述每个环境参数对应的裕度和裕度权值,得到目标函数;
根据与上述每个环境参数对应的约束条件,得到惩罚函数;
基于上述目标函数和上述惩罚函数,确定上述适应度函数。
根据本公开的实施例,上述基于上述适应度函数,对上述优化变量进行优化分析,得到与上述环境参数对应的分析结果,包括:
初始化与上述环境参数对应的控制参数,生成初始种群;
基于优化策略,根据上述初始种群和上述适应度函数,对上述优化变量进行优化分析,生成目标种群;以及
根据上述目标种群,确定与上述环境参数对应的分析结果。
根据本公开的实施例,上述基于优化策略,根据上述初始种群和上述适应度函数,对上述优化变量进行优化分析,生成目标种群,包括重复执行以下操作直至满足终止条件:
在确定第二种群不满足上述终止条件的情况下,
根据上述适应度函数,计算得到与第一种群中的每个个体对应的第一适应度函数值,其中,上述第一种群表征上述初始种群;
根据与上述每个个体对应的上述第一适应度函数值,更新上述第一种群,得到上述第二种群,其中,上述第二种群表征新的第一种群;
将在满足上述终止条件的情况下得到的上述第二种群确定为上述目标种群。
根据本公开的实施例,上述根据与上述每个个体对应的上述第一适应度函数值,更新上述第一种群,得到上述第二种群,包括:
根据与上述每个个体对应的上述第一适应度函数值,将上述第一适应度函数值最小的个体确定为上述第一种群的最优个体;
针对上述第一种群中的每个个体,根据从上述第一种群中随机选择的第一目标个体和上述第一种群的最优个体,对上述每个个体进行繁衍操作,得到与上述每个个体对应的子代个体;
根据上述适应度函数,计算得到与每个上述子代个体对应的第二适应度函数值;以及
将与上述每个个体对应的上述第一适应度函数值和与上述子代个体对应的上述第二适应度函数值进行比对,选择适应度函数值小的个体作为上述第二种群中的个体,得到上述第二种群。
根据本公开的实施例,上述根据上述目标种群,确定与上述环境参数对应的分析结果,包括:
根据与上述目标种群中的每个个体对应的适应度函数值,将适应度函数值最小的个体确定为上述目标种群中的最优个体;
根据与上述目标种群中的最优个体对应的控制参数,确定与上述环境参数对应的分析结果。
本公开的第二方面提供了一种策略生成装置,包括:获取模块、第一确定模块、第二确定模块、获得模块和生成模块。其中,获取模块,用于获取与目标场所对应的M个环境参数的参数值,其中,M为大于等于2的整数。第一确定模块,用于针对每个上述环境参数,根据与上述环境参数对应的基态参数值,确定与上述环境参数对应的优化变量。第二确定模块,用于根据上述M个环境参数的参数值,确定适应度函数。获得模块,用于基于上述适应度函数,对上述优化变量进行优化分析,得到与上述环境参数对应的分析结果。生成模块,用于基于与上述每个环境参数对应的上述分析结果,生成针对上述目标场所的环境调整策略。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法。
根据本公开提供的策略生成方法、装置、设备、介质和程序产品,获取与目标场所对应的M个环境参数的参数值,并针对每个环境参数,根据与环境参数对应的基态参数值,确定与环境参数对应的优化变量,从而根据由各个环境参数的参数值确定的适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果,最后基于与每个环境参数对应的分析结果,生成针对目标场所的环境调整策略,由于实时获取目标场所的M个环境参数的参数值,能够起到随时随地监控的效果,以对目标场所的环境了如指掌,并基于对优化变量进行优化分析得到的的环境调整策略,以在目标场所发生灾难的情况下,根据得到的环境调整策略,对目标场所的环境及时做出调整,避免灾难发生以及产生不必要的损失。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的策略生成方法的应用场景图;
图2示意性示出了根据本公开实施例的策略生成方法的流程图;
图3示意性示出了根据本公开实施例的策略生成方法的系统结构图;
图4示意性示出了根据本公开实施例的生成目标种群的流程图;
图5示意性示出了根据本公开实施例的得到第二种群的流程图;
图6示意性示出了根据本公开实施例的策略生成装置的结构框图;以及
图7示意性示出了根据本公开实施例的适于实现策略生成方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本发明的技术方案中,所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息,例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理,均遵守相关国家和地区的相关法律法规和标准,采取了必要保密措施,不违背公序良俗,并提供有相应的操作入口,供用户选择授权或者拒绝。
在实施本公开的过程中发现,目前服务器机房的消防监控主要依靠机房内布设的烟感探头和温感探头实现,当烟感探头或温感探头探测到温度或烟雾浓雾浓度超过设定值时,发出报警,提醒运维人员注意,但是在机房环境中的各项参数(粉尘、烟雾等)发生变化时,烟感和温感探头容易出现误报。另外,如果机房内漏水或者空气湿度增加,会导致机房电气柜内各电气元件浸水或老化,不能正常工作,引起设备故障,影响机房设备的正常运转。另外,传统机房监控采用声光报警,一旦工作人员临时离开或忽视,容易错过报警信息,耽误对已发生故障的处理。因此,相关技术中,在对服务器机房的监控过程中,烟感探头和温感探头会受到机房内其他因素的影响,存在容易出现误报的问题,以至于无法及时采取对应的措施,从而造成事故,使得机房不能正常工作。
为此,本公开的实施例提供了一种策略生成方法,包括:获取与目标场所对应的M个环境参数的参数值,其中,M为大于等于2的整数;针对每个环境参数,根据与环境参数对应的基态参数值,确定与环境参数对应的优化变量;根据M个环境参数的参数值,确定适应度函数;基于适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果;基于与每个环境参数对应的分析结果,生成针对目标场所的环境调整策略。
图1示意性示出了根据本公开实施例的策略生成方法的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互,以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
例如,可以通过服务器105获取与目标场所对应的M个环境参数的参数值,并针对每个环境参数,根据与环境参数对应的基态参数值,可以确定与环境参数对应的优化变量,并根据M个环境参数的参数值,确定适应度函数,从而基于适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果,最终基于与每个环境参数对应的分析结果,能够生成针对目标场所的环境调整策略。
需要说明的是,本公开实施例所提供的策略生成方法一般可以由服务器105执行。相应地,本公开实施例所提供的策略生成装置一般可以设置于服务器105中。本公开实施例所提供的策略生成方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的策略生成装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图5对公开实施例的策略生成方法进行详细描述。
图2示意性示出了根据本公开实施例的策略生成方法的流程图。
如图2所示,该方法200包括操作S210~操作S250。
在操作S210,获取与目标场所对应的M个环境参数的参数值。
根据本公开的实施例,目标场所可以包括服务器机房,其中,服务器机房是为计算机服务器持续运行而设计的房间。M为大于等于2的整数,其中,M个环境参数可以包括目标场所的温度、湿度、烟雾及浸水情况等。可以实时获取与目标场所对应的M个环境参数的参数值。
在操作S220,针对每个环境参数,根据与环境参数对应的基态参数值,确定与环境参数对应的优化变量。
根据本公开的实施例,针对每个环境参数,与环境参数对应的基态参数值可以表征人为设定的目标场所在正常运行情况下的理想环境参数值。例如,在目标场所为服务器机房的情况下,环境参数可以包括温度,则与温度对应的基态参数值可以表征人为设定的服务器机房在正常运行情况下的理想温度值,理想温度值可以是26℃。
根据本公开的实施例,针对每个环境参数,优化变量可以表征环境参数的基态参数值和某个时刻获取的该环境参数的参数值之间的变化量。例如,在环境参数为温度的情况下,与温度对应的优化变量可以表征设定的基态温度值与实时获取到的温度值之间的变化量。
根据本公开的实施例,为了保证目标场所的正常运行,可以针对每个环境参数设置对应的阈值,并将获得的目标场所的M个环境参数的参数值与对应环境参数的阈值进行比对,在获得的M个环境参数的参数值均不超过对应的阈值的情况下,该目标场所可以正常运行,但在获得的至少一个环境参数的参数值超过对应的阈值的情况下,该目标场所可能会无法正常运行。
根据本公开的实施例,在获得的至少一个环境参数的参数值超过阈值的情况下,可以针对每个环境参数,根据与环境参数对应的基态参数值,确定与该环境参数对应的优化变量,以便后续基于对优化变量的优化分析,实现对目标场所的环境的调整,使得目标场所能够正常运行。
在操作S230,根据M个环境参数的参数值,确定适应度函数。
根据本公开的实施例,适应度函数可以由与目标场所对应的目标函数和惩罚函数组成。其中,目标函数可以根据某个时刻下该目标场所的M个环境参数的参数值确定,惩罚函数可以根据与每个环境参数对应的约束条件确定,由于与每个环境参数对应的约束条件是不同的,则每个环境参数会存在对应的惩罚函数。
根据本公开的实施例,在针对不同的环境参数对应的优化变量进行优化分析的情况下,可以基于与环境参数对应的约束条件对惩罚函数进行调整,得到与每个优化变量对应的适应度函数。
在操作S240,基于适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果。
根据本公开的实施例,针对与每个环境参数对应的优化变量,可以根据得到的适应度函数,利用差分进化算法对优化变量进行优化分析,从而能够得到与环境参数对应的分析结果。
在操作S250,基于与每个环境参数对应的分析结果,生成针对目标场所的环境调整策略。
根据本公开的实施例,根据得到的与每个环境参数对应的分析结果,可以生成针对目标场所的环境调整策略,以便根据环境调整策略对目标场所的环境进行调整。例如,在分析结果表征烟雾过大的情况下,环境调整策略可以表征抽气泵抽气和通风处理。
根据本公开的实施例,获取与目标场所对应的M个环境参数的参数值,并针对每个环境参数,根据与环境参数对应的基态参数值,确定与环境参数对应的优化变量,从而根据由各个环境参数的参数值确定的适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果,最后基于与每个环境参数对应的分析结果,生成针对目标场所的环境调整策略,由于实时获取目标场所的M个环境参数的参数值,能够起到随时随地监控的效果,以对目标场所的环境了如指掌,并基于对优化变量进行优化分析得到的的环境调整策略,以在目标场所发生灾难的情况下,根据得到的环境调整策略,对目标场所的环境及时做出调整,避免灾难发生以及产生不必要的损失。
图3示意性示出了根据本公开实施例的策略生成方法的系统结构图。
如图3所示,该策略生成方法的系统结构300可以包括环境探测模块310、数据处理模块320、中央控制模块330、网络模块340和策略执行模块350。
根据本公开的实施例,环境探测模块310可以包括温度探测器311、湿度探测器312、烟雾探测器313及浸水探测器314,还可以根据需要添加针对其他环境参数的探测器,例如,声音探测器。环境探测模块310可以实时对目标场所的环境进行探测,如目标场所的温度、湿度、烟雾及浸水情况等。
根据本公开的实施例,环境探测模块310可以将采集的信息数据传输至数据处理模块320,其中,信息数据可以包括M个环境参数的参数值。数据处理模块320可以对M个环境参数的参数值进行分析,得到分析结果,即数据处理模块320可以执行上操作S210~操作S250。
根据本公开的实施例,数据处理模块320可以将分析结果和M个环境参数的参数值传递中央控制模块330,其中,分析结果可以包括针对目标场所的环境调整策略。中央控制模块330可以将M个环境参数的参数值通过网络模块340发送到手机终端341和监控终端342,即网络模块340可以将信息数据传送至手机终端341和监控终端342,使得运营管理人员对目标场所的相关环境进行实时监控,及时采取措施,预防事故发生或降低事故造成的损失,确保目标场所的正常运作。
根据本公开的实施例,中央控制模块330可以将执行环境调整策略的命令下达至策略执行模块350。策略执行模块350可以包括报警装置352、灭火装置353及驱动控制电路351,驱动控制电路351可以操控抽气泵电机354和门窗及通风系统电机355。策略执行模块350可以执行中央控制模块330下达的执行环境调整策略的命令,从而在事故发生时做出相应的反应,其中,策略执行模块350可以从可燃物、助燃物和点火源三方面出发进行事故处理,策略执行模块350还可以根据需要添加针对其他的处理装置,例如,烘干装置等。
根据本公开的实施例,通过上述策略生成方法的系统结构300能够全面的精准的对目标场所的环境进行掌握,对目标场所可发生的状况随时随地的进行监控。
根据本公开的实施例,针对每个环境参数,根据与环境参数对应的基态参数值,确定与环境参数对应的优化变量,包括:根据与环境参数对应的参数值和基态参数值,得到与环境参数对应的分布因子;根据分布因子和基态参数值,确定优化变量。
根据本公开的实施例,可以利用N-1预想事故分析方法对目标场所的M个环境参数的参数值进行分析,确定与环境参数对应的优化变量。其中,N-1预想事故分析方法可以表征在一组假设事故分析的基础上判定电力系统安全性的一种准则,又称单一故障安全准则。
根据本公开的实施例,以温度这个环境参数为例,可以假设目标场所在基态情况下的温度参数值为P1,其中,环境1可以表征设定的基态情况下的目标场所的环境。可以获得该目标场所在环境e下的温度参数值为Pe,其中,环境e可以表征某一时刻下该目标场所的环境。以时间为线,同一目标场所不同时刻下的环境可以命名为不同环境,例如,该目标场所不同时刻下的环境可以分别表示为环境3和环境6。
根据本公开的实施例,在目标场所下,温度从某个时刻开始持续变化,可以持续变化到环境e对应的时间节点上,则在环境e下的温度参数值为高温的情况下,需要将环境e下的温度参数值调整到一个可以稳定运行的温度相对低的环境。
根据本公开的实施例,可以用表示环境1的温度参数值P1与环境e的温度参数值Pe之间的变化量,其中,该变化量与温度参数值P1之间可以用环境温度参数分布因子De-1联系起来。根据本公开的实施例,该变化量,即优化变量可以表示为如下公式(1)。
根据本公开的实施例,环境温度参数分布因子De-1可以表示为如下公式(2)。
其中,xe和x1可以分别表示环境e和环境1的温抗,温抗可以表示温度变化的难易程度,可以表示环境1的温度自身之间的互抗性,/>可以表示环境e和环境1的温度之间的互抗性,互抗性也就是温度变化的难易程度,/>可以表示环境e的温度关联列矢量,只在环境e的温度的对应位置处有+1,其余元素皆为零,/>可以表示环境1的温度关联列矢量,只在环境1的温度的对应位置处有-1,其余元素皆为零,X1是X的第1个列矢量,X可以表示温度计算中导纳矩阵B的逆矩阵。
根据本公开的实施例,可以根据与环境参数对应的参数值和基态参数值确定温抗以及互抗性,从而能够得到与环境参数对应的分布因子。针对不同的环境参数可以有不同的环境参数分布因子,例如,针对湿度环境参数可以有环境湿度参数分布因子。
根据本公开的实施例,可以根据以温度环境参数为例的上述公式(1)和(2),基于环境参数的不同,得到不同环境参数对应的优化变量,以便后续对优化变量进行分析。
根据本公开的实施例,根据M个环境参数的参数值,确定适应度函数,包括:根据与每个环境参数对应的裕度和裕度权值,得到目标函数;根据与每个环境参数对应的约束条件,得到惩罚函数;基于目标函数和惩罚函数,确定适应度函数。
根据本公开的实施例,与每个环境参数对应的裕度权值可以表征人为设定的针对每个环境参数的误差权值。
根据本公开的实施例,目标函数可以表示为如下公式(3)。
其中,M可以表示目标场所中环境参数的数目,i为大于等于1且小于等于M的整数,ωi可以表示第i个环境参数的裕度权值,λL,i可以表示第i个环境参数的裕度,L可以表示该目标场所。
根据本公开的实施例,第i个环境参数的裕度λL,i可以表示为如下公式(4)。
其中,PL,i可以表示基态情况下第i个环境参数的参数值,即人为设定的目标场所在正常运行情况下的第i个环境参数的理想参数值,可以表示环境参数变化时第i个环境参数的参数值,即某个时刻实时采集得到的第i个环境参数的参数值。
根据本公开的实施例,与环境参数对应的裕度的实际计算过程一般都是在约束条件范围内增大各个环境的环境参数。约束条件可以包括环境温度约束、湿度约束、烟雾度约束和浸水度约束。具体的,计算目标场所的环境参数裕度需要考虑的约束条件可以表征相应环境参数在基态及N-1预想事故情况下均不越限,即均满足对应的约束条件。
根据本公开的实施例,在得到的目标函数的基础上,适应度函数可以采用惩罚函数法生成。
根据本公开的实施例,针对目标函数的约束优化条件可以表示为如下公式(5)。
maxf(X)
s.t. gj(X)≥0,j=1,2,3…q (5)
hj(X)=0,j=q+1,…,l
根据本公开的实施例,利用差分进化算法对优化变量进行优化分析,会涉及到种群,则针对种群中的每个个体均需要利用适应度函数进行适应度值的计算。
其中,X可以表示针对某个环境参数的种群中的某个个体,针对该个体可以包括l个约束条件,l为大于等于2的整数,q为大于等于1且小于等于l的整数,前q个约束条件均为gj(X),剩余的约束条件均为hj(X),j可以用于表示第j个约束条件。
根据本公开的实施例,惩罚函数是基于个体违反约束条件的程度确定的,个体X违反第j个约束条件的程度可以表示为如下公式(6)。
根据本公开的实施例,根据上述公式(6),可以分别得到个体X违反每个约束条件的程度,由此,针对每个个体的惩罚函数可以表示为如下公式(7)。
根据本公开的实施例,惩罚函数G(X)可以表示个体X违反约束条件的程度,也可以反映个体X到可行域的距离。
根据本公开的实施例,根据上述公式(3)~公式(7),适应度函数可以表示为如下公式(8)。
Y(X)=f(X)+10a(1-a)×G(X) (8)
其中,f(X)可以表示为目标函数,a是一个大于0且需要调整的常量参数,具体可选取1-10之间的某个整数。
根据本公开的实施例,由于环境不同,适应度函数里包括的环境参数的参数值需要变化为统一基准值下的标幺值再计算。根据适应度函数计算得到的个体的适应度函数值越大越容易发生事故。
根据本公开的实施例,基于目标函数和惩罚函数可以得到适应度函数,以便后续用于对优化变量进行分析过程中,基于得到的适应度函数值更新种群,并选择适应度最好的个体。
根据本公开的实施例,基于适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果,包括:初始化与环境参数对应的控制参数,生成初始种群;基于优化策略,根据初始种群和适应度函数,对优化变量进行优化分析,生成目标种群;根据目标种群,确定与环境参数对应的分析结果。
根据本公开的实施例,可以利用差分进化算法对优化变量进行优化分析。可以初始化种群的个体数目,确定初始种群的个体数目为N。其中,N为大于等于1的整数,可以根据场景需求设置初始种群的个体数目N,需要的精度越大则设置的N的值也就需要越大。
根据本公开的实施例,可以设置每个个体上存在l个控制变量,针对每个控制变量存在对应的约束条件,即上述公式(5)。初始种群中每个个体对应的控制变量的取值可以表示为如下公式(9)。
其中,ui,j[k]可以表示k代种群中第i个个体的第j个控制变量的取值,ui,j[0]可以表示初始种群中第i个个体的第j个控制变量的取值,l可以表示每个个体的控制变量数目,可以表示第j个控制变量取值的上限,/>可以表示第j个控制变量取值的下限,可以表示均匀分布函数。
根据本公开的实施例,第i个个体的第j个控制变量的取值可以为根据均匀分布函数产生的/>与/>之间的随机数。
根据本公开的实施例,控制变量可以表征影响优化变量的因素。
根据本公开的实施例,可以根据适应度函数计算初始种群中每个个体的适应度函数值,并根据每个个体的适应度函数值,对初始种群中的个体进行更新,并经过多次迭代,可以得到目标种群。
根据本公开的实施例,可以根据目标种群,选择目标种群中的最优个体,并将最优个体的l个控制变量的取值作为得到的分析结果。
根据本公开的实施例,利用差分进化算法对优化变量进行分析,可以得到目标种群,从而可以根据目标种群确定的最优个体的l个控制变量的取值,以便后续根据分析结果调整影响对应环境参数的因素。
图4示意性示出了根据本公开实施例的生成目标种群的流程图。
如图4所示,该方法400包括操作S410~操作S440。
在操作S410,根据适应度函数,计算得到与第一种群中的每个个体对应的第一适应度函数值。
根据本公开的实施例,针对第1次迭代,第一种群可以表征初始种群。针对其余次数的迭代,第一种群可以表征后续得到的第二种群。可以根据适应度函数,即上述公式(8),计算种群中每个个体的第一适应度函数值。
在操作S420,根据与每个个体对应的第一适应度函数值,更新第一种群,得到第二种群。
根据本公开的实施例,第二种群可以表征新的第一种群,即第二种群可以用于下一次的迭代。可以对第一种群中的每个个体的部分控制变量的取值施加扰动,得到每个个体对应的子代个体,并根据适应度函数计算每个子代个体的适应度函数值,并根据与每个个体对应的第一适应度函数值和每个子代个体的适应度函数值,从第一种群中的个体及对应的子代个体中选择优胜个体,从而将第一种群进行更新,得到第二种群。其中,第一种群中的个体可以相当于父代个体。
在操作S430,判断第二种群是否满足终止条件。
根据本公开的实施例,在满足终止条件的情况下,执行操作S440;在不满足终止条件的情况下,执行操作S410~操作S420。
根据本公开的实施例,终止条件可以表征第二种群中的每个个体均是来自第一种群的,即第一种群中每个个体的第一适应度函数值均小于对应的子代个体的适应度函数值,则第一种群中的每个个体均是优胜个体。
在操作S440,将在满足终止条件的情况下得到的第二种群确定为目标种群。
根据本公开的实施例,可以通过比较第一种群中的父代个体及对应的子代个体的适应度函数值,选择优胜个体组成第二种群,使得在满足终止条件下得到的目标种群中的个体的适应度函数值均达到了最小值,使得后续根据目标种群确定的分析结果进行调整使目标场所保持正常运行。
图5示意性示出了根据本公开实施例的得到第二种群的流程图。
如图5所示,该方法500包括操作S510~操作S540。
在操作S510,根据与每个个体对应的第一适应度函数值,将第一适应度函数值最小的个体确定为第一种群的最优个体。
根据本公开的实施例,适应函数值越小越不易发生事故,则可以将第一适应度函数值最小的个体确定为第一种群的最优个体。
在操作S520,针对第一种群中的每个个体,根据从第一种群中随机选择的第一目标个体和第一种群的最优个体,对每个个体进行繁衍操作,得到与每个个体对应的子代个体。
根据本公开的实施例,可以利用繁衍规则对每个个体进行繁衍操作,繁衍规则可以表示为如下公式(10)。
其中,u′i,j[k]可以表示第k次迭代过程中第一种群中的第i个个体的第j个控制变量的取值经过扰动之后的取值,ubest,j可以表示第一种群中的最优个体的第j个控制变量的取值,ui,j[k]可以表示第一种群中的第i个个体的第j个控制变量的取值,可以表示第一种群中的第r1个个体的第j个控制变量的取值,/>可以表示第一种群中的第r2个个体的第j个控制变量的取值,r1≠r2≠i,r1、r2可以表示从第一种群中随机选择的第一目标个体,K和F可以表示缩放因子,缩放因子通常在区间[0,1]内取值。
根据本公开的实施例,如果u′i,j[k]不在区间之中,则将其固定为或/>
根据本公开的实施例,交叉、变异以及它们的组合可以统称为繁衍规则。将第一种群中的第i个个体的部分控制变量均通过上述公式(10)进行施加扰动变化操作,从而可以得到与第i个个体对应的子代个体,其中,第i个个体相当于父代个体。
根据本公开的实施例,将第一种群中的每个个体均进行上述操作,可以得到与每个个体对应的子代个体。
在操作S530,根据适应度函数,计算得到与每个子代个体对应的第二适应度函数值。
根据本公开的实施例,可以根据适应度函数,即上述公式(8),计算得到每个子代个体的第二适应度函数值。
在操作S540,将与每个个体对应的第一适应度函数值和与子代个体对应的第二适应度函数值进行比对,选择适应度函数值小的个体作为第二种群中的个体,得到第二种群。
根据本公开的实施例,针对第一种群中的每个个体以及对应的子代个体,可以将个体的第一适应度函数值与子代个体的第二适应度函数值进行比对,选择适应度函数值小的个体作为第二种群中的个体。
例如,第一种群中的某个个体A,经过上述公式(10)的繁衍操作之后,可以得到与个体A对应的子代个体B,将个体A的第一适应度函数值与子代个体B的第二适应度函数值进行比对,在第一适应函数值比第二适应度函数值小的情况下,可以将个体A作为第二种群中的个体;在第一适应函数值比第二适应度函数值大的情况下,可以将子代个体B作为第二种群中的个体。
根据本公开的实施例,通过采用“一对一父子竞争”选择策略,即通过比较子代个体和父代个体的适应度函数值,从中选择优胜个体,并将这些优胜个体形成的第二种群,以将该第二种群作为下一代种群的父代种群继续迭代。
根据本公开的实施例,根据目标种群,确定与环境参数对应的分析结果,包括:根据与目标种群中的每个个体对应的适应度函数值,将适应度函数值最小的个体确定为目标种群中的最优个体;根据与目标种群中的最优个体对应的控制参数,确定与环境参数对应的分析结果。
根据本公开的实施例,根据目标种群中的每个个体的适应度函数值,将适应度函数值最小的个体确定为目标种群中的最优个体,从而可以将最优个体的l个控制变量的取值作为得到的分析结果。
根据本公开的实施例,基于目标种群中的最优个体的l个控制参数的取值,调整影响对应环境参数的因素,使得优化变量的值减小,即使得某时刻的环境参数的参数值向基态情况下的基态参数值靠近,保证目标场所能够正常运行。
基于上述策略生成方法,本公开还提供了一种策略生成装置。以下将结合图6对该装置进行详细描述。
图6示意性示出了根据本公开实施例的策略生成装置的结构框图。
如图6所示,该实施例的策略生成装置600包括获取模块610、第一确定模块620、第二确定模块630、获得模块640和生成模块650。
获取模块610用于获取与目标场所对应的M个环境参数的参数值,其中,M为大于等于2的整数。在一实施例中,获取模块610可以用于执行前文描述的操作S210,在此不再赘述。
第一确定模块620用于针对每个环境参数,根据与环境参数对应的基态参数值,确定与环境参数对应的优化变量。在一实施例中,第一确定模块620可以用于执行前文描述的操作S220,在此不再赘述。
第二确定模块630用于根据M个环境参数的参数值,确定适应度函数。在一实施例中,第二确定模块630可以用于执行前文描述的操作S230,在此不再赘述。
获得模块640用于基于适应度函数,对优化变量进行优化分析,得到与环境参数对应的分析结果。在一实施例中,获得模块640可以用于执行前文描述的操作S240,在此不再赘述。
生成模块650用于基于与每个环境参数对应的分析结果,生成针对目标场所的环境调整策略。在一实施例中,生成模块650可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,第一确定模块620包括第一获得子模块和第一确定子模块。
第一获得子模块,用于根据与环境参数对应的参数值和基态参数值,得到与环境参数对应的分布因子。
第一确定子模块,用于根据分布因子和基态参数值,确定优化变量。
根据本公开的实施例,第二确定模块630包括第二获得子模块、第三获得子模块和第二确定子模块。
第二获得子模块,用于根据与每个环境参数对应的裕度和裕度权值,得到目标函数。
第三获得子模块,用于根据与每个环境参数对应的约束条件,得到惩罚函数。
第二确定子模块,用于基于目标函数和惩罚函数,确定适应度函数。
根据本公开的实施例,获得模块640包括第一生成子模块、第二生成子模块和第三确定子模块。
第一生成子模块,用于初始化与环境参数对应的控制参数,生成初始种群。
第二生成子模块,用于基于优化策略,根据初始种群和适应度函数,对优化变量进行优化分析,生成目标种群。
第三确定子模块,用于根据目标种群,确定与环境参数对应的分析结果。
根据本公开的实施例,第二生成子模块包括计算单元、更新单元和第一确定单元。
计算单元,用于在确定第二种群不满足终止条件的情况下,根据适应度函数,计算得到与第一种群中的每个个体对应的第一适应度函数值,其中,第一种群表征初始种群。
更新单元,用于根据与每个个体对应的第一适应度函数值,更新第一种群,得到第二种群,其中,第二种群表征新的第一种群。
第一确定单元,用于将在满足终止条件的情况下得到的第二种群确定为目标种群。
根据本公开的实施例,更新单元包括确定子单元、获得子单元、计算子单元和选择子单元。
确定子单元,用于根据与每个个体对应的第一适应度函数值,将第一适应度函数值最小的个体确定为第一种群的最优个体。
获得子单元,用于针对第一种群中的每个个体,根据从第一种群中随机选择的第一目标个体和第一种群的最优个体,对每个个体进行繁衍操作,得到与每个个体对应的子代个体。
计算子单元,用于根据适应度函数,计算得到与每个子代个体对应的第二适应度函数值。
选择子单元,用于将与每个个体对应的第一适应度函数值和与子代个体对应的第二适应度函数值进行比对,选择适应度函数值小的个体作为第二种群中的个体,得到第二种群。
根据本公开的实施例,第三确定子模块包括第二确定单元和第三确定单元。
第二确定单元,用于根据与目标种群中的每个个体对应的适应度函数值,将适应度函数值最小的个体确定为目标种群中的最优个体。
第三确定单元,用于根据与目标种群中的最优个体对应的控制参数,确定与环境参数对应的分析结果。
根据本公开的实施例,获取模块610、第一确定模块620、第二确定模块630、获得模块640和生成模块650中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块610、第一确定模块620、第二确定模块630、获得模块640和生成模块650中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块610、第一确定模块620、第二确定模块630、获得模块640和生成模块650中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图7示意性示出了根据本公开实施例的适于实现策略生成方法的电子设备的方框图。
如图7所示,根据本公开实施例的电子设备700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备700还可以包括输入/输出(I/O)接口705,输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至输入/输出(I/O)接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至输入/输出(I/O)接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器701执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分709被下载和安装,和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种策略生成方法,包括:
获取与目标场所对应的M个环境参数的参数值,其中,M为大于等于2的整数;
针对每个所述环境参数,根据与所述环境参数对应的基态参数值,确定与所述环境参数对应的优化变量;
根据所述M个环境参数的参数值,确定适应度函数;
基于所述适应度函数,对所述优化变量进行优化分析,得到与所述环境参数对应的分析结果;
基于与所述每个环境参数对应的所述分析结果,生成针对所述目标场所的环境调整策略。
2.根据权利要求1所述的方法,其中,所述针对每个环境参数,根据与所述环境参数对应的基态参数值,确定与所述环境参数对应的优化变量,包括:
根据与所述环境参数对应的参数值和所述基态参数值,得到与所述环境参数对应的分布因子;以及
根据所述分布因子和所述基态参数值,确定所述优化变量。
3.根据权利要求1所述的方法,其中,所述根据所述M个环境参数的参数值,确定适应度函数,包括:
根据与所述每个环境参数对应的裕度和裕度权值,得到目标函数;
根据与所述每个环境参数对应的约束条件,得到惩罚函数;
基于所述目标函数和所述惩罚函数,确定所述适应度函数。
4.根据权利要求1所述的方法,其中,所述基于所述适应度函数,对所述优化变量进行优化分析,得到与所述环境参数对应的分析结果,包括:
初始化与所述环境参数对应的控制参数,生成初始种群;
基于优化策略,根据所述初始种群和所述适应度函数,对所述优化变量进行优化分析,生成目标种群;以及
根据所述目标种群,确定与所述环境参数对应的分析结果。
5.根据权利要求4所述的方法,其中,所述基于优化策略,根据所述初始种群和所述适应度函数,对所述优化变量进行优化分析,生成目标种群,包括重复执行以下操作直至满足终止条件:
在确定第二种群不满足所述终止条件的情况下,
根据所述适应度函数,计算得到与第一种群中的每个个体对应的第一适应度函数值,其中,所述第一种群表征所述初始种群;
根据与所述每个个体对应的所述第一适应度函数值,更新所述第一种群,得到所述第二种群,其中,所述第二种群表征新的第一种群;
将在满足所述终止条件的情况下得到的所述第二种群确定为所述目标种群。
6.根据权利要求5所述的方法,其中,所述根据与所述每个个体对应的所述第一适应度函数值,更新所述第一种群,得到所述第二种群,包括:
根据与所述每个个体对应的所述第一适应度函数值,将所述第一适应度函数值最小的个体确定为所述第一种群的最优个体;
针对所述第一种群中的每个个体,根据从所述第一种群中随机选择的第一目标个体和所述第一种群的最优个体,对所述每个个体进行繁衍操作,得到与所述每个个体对应的子代个体;
根据所述适应度函数,计算得到与每个所述子代个体对应的第二适应度函数值;以及
将与所述每个个体对应的所述第一适应度函数值和与所述子代个体对应的所述第二适应度函数值进行比对,选择适应度函数值小的个体作为所述第二种群中的个体,得到所述第二种群。
7.根据权利要求4所述的方法,其中,所述根据所述目标种群,确定与所述环境参数对应的分析结果,包括:
根据与所述目标种群中的每个个体对应的适应度函数值,将适应度函数值最小的个体确定为所述目标种群中的最优个体;
根据与所述目标种群中的最优个体对应的控制参数,确定与所述环境参数对应的分析结果。
8.一种策略生成装置,包括:
获取模块,用于获取与目标场所对应的M个环境参数的参数值,其中,M为大于等于2的整数;
第一确定模块,用于针对每个所述环境参数,根据与所述环境参数对应的基态参数值,确定与所述环境参数对应的优化变量;
第二确定模块,用于根据所述M个环境参数的参数值,确定适应度函数;
获得模块,用于基于所述适应度函数,对所述优化变量进行优化分析,得到与所述环境参数对应的分析结果;
生成模块,用于基于与所述每个环境参数对应的所述分析结果,生成针对所述目标场所的环境调整策略。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311010469.9A CN117149561A (zh) | 2023-08-11 | 2023-08-11 | 策略生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311010469.9A CN117149561A (zh) | 2023-08-11 | 2023-08-11 | 策略生成方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117149561A true CN117149561A (zh) | 2023-12-01 |
Family
ID=88903580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311010469.9A Pending CN117149561A (zh) | 2023-08-11 | 2023-08-11 | 策略生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117149561A (zh) |
-
2023
- 2023-08-11 CN CN202311010469.9A patent/CN117149561A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11050578B2 (en) | Sensor monitoring and control for building condition | |
US10497250B1 (en) | Real property monitoring systems and methods for detecting damage and other conditions | |
US12019437B2 (en) | Web services platform with cloud-based feedback control | |
US11157653B2 (en) | Building system with smart entity personal identifying information (PII) masking | |
US11715074B2 (en) | Integrated home scoring system | |
CN105900540B (zh) | 数据中心控制方法和系统 | |
US9709965B2 (en) | Data center intelligent control and optimization | |
Cremen et al. | A decision‐making methodology for risk‐informed earthquake early warning | |
Mansouri et al. | Metaheuristic neural networks for anomaly recognition in industrial sensor networks with packet latency and jitter for smart infrastructures | |
CN110148053B (zh) | 用户信贷额度评估方法、装置、电子设备和可读介质 | |
CN113159615A (zh) | 一种工业控制系统信息安全风险智能测定系统及方法 | |
US9069864B2 (en) | Prioritizing a content item for a user | |
CN115174353B (zh) | 故障根因确定方法、装置、设备及介质 | |
KR20230134089A (ko) | Ai 기반 사용자 맞춤형 재난 대응 방법, 장치 및 컴퓨터프로그램 | |
Gao et al. | Explainable deep learning powered building risk assessment model for proactive hurricane response | |
CN117149561A (zh) | 策略生成方法、装置、设备及存储介质 | |
US20230005073A1 (en) | Systems and methods for determining personalized loss valuations for a loss event | |
CN115099875A (zh) | 基于决策树模型的数据分类方法及相关设备 | |
Sohn et al. | Siting bio‐samplers in buildings | |
Shang | [Retracted] Integrated Energy Security Defense Monitoring Software Based on Cloud Computing | |
JP2020046853A (ja) | 物件情報提示装置、物件情報提示プログラム、物件情報提示方法、及び情報提供システム | |
CN117349616A (zh) | 数据检测方法、检测模型训练方法、装置、设备及介质 | |
Li et al. | Threat Intelligence Disclosure Trend Analysis Model Based on Time Series | |
CN118297383A (zh) | 资产风险评估方法、装置、电子设备、介质和程序产品 | |
CN117237009A (zh) | 权益推送风险预警方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |