买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏科技大学

摘要：本发明公开了融合在线学习的分层差分进化算法的虚拟机舱协作智能评估优化方法及系统，包括以下步骤：成员完成一次完整的评估，计算出科目内评估的成员的得分及其降衡得分；提取与当前时间相距一段时间内的评估数据，在线学习的方法将有效历史数据集按时间分批次处理，在衰减因子作用下对数据点执行过采样操作，降衡得分以高斯分布进行拟合；以目标高斯误差的评价指标最小化为进化目标，分层差分进化算法优化，达到所设置的最大函数评价次数；按得到的各评估科目间的权重分布情况，重新计算有效历史数据集内数据点对应的得分情况。本发明通过衰减因子的作用对数据点执行过采样操作，找到最小的权重从而使得评价结果离差最小，提高数据的合理性。

主权项：1.融合在线学习的分层差分进化算法的虚拟机舱协作智能评估优化方法，其特征在于：所述该方法包括以下步骤：S1：在评估开始前，可按需要对一个或多个评估科目进行调整，也可仅对一个或多个评估科目内的一个或多个评估环节进行调整，对于首次增加的评估科目或评估环节，利用标准AHP方法确定基准权重系数；S2：指引全部机组成员完成一次完整的评估，并记录所产生的各类数据，从而计算各评估科目内各评估环节的得分情况，将一位机组成员进行一次完整评估过程中产生的全部数据称为一个数据点，称剔除掉必须达到满分的评估科目或评估环节后，对某数据点计算得出的分数为降衡得分，参考最近一次使用的评估指标权重分配数据，计算出初始情况下，参与评估的各机组成员的得分及其降衡得分；S3：提取与当前时间相距一段时间内的历史评估数据，称为有效历史数据集，利用在线学习的方法将有效历史数据集按时间分批次处理，在衰减因子作用下对其中的部分数据点执行过采样操作，并计算每个数据点的降衡得分，将所有降衡得分以高斯分布进行拟合；S4：以目标高斯误差这一评价指标的最小化为进化目标，利用分层差分进化算法优化，先对各评估科目间的权重分布情况进行顶层差分优化，再对各评估科目间的各评估环节的权重分布情况进行次层差分优化；重复这一步骤，直至达到所设置的最大函数评价次数；利用分层差分进化算法执行优化操作，具体为：步骤4-1：以目标高斯误差这一评价指标的最小化为进化目标，计算初始状态下，扩增数据集的目标高斯误差的值；将扩增数据集中的每个数据点作为一个个体，共同用于实现分层差分进化算法的初始种群的初始化；计算目标高斯误差，具体为：步骤4-1-1：根据预设的区间切片长度L，将扩增数据集中全部数据点的降衡得分映射到各分数区间内，并统计出各分数区间内的数据点数量；步骤4-1-2：根据如下公式计算得到目标高斯误差： ；其中，为所求的目标高斯误差，为第j个分数区间的目标区间高斯误差，n为分数区间的总数量，为对正在处理的种群进行高斯拟合得到的高斯分布，和分别为高斯分布的期望和标准差，为用户输入的期望高斯分布均值E与实际高斯分布均值的差值的绝对值，越大，则拟合得到的高斯分别的中心与期望高斯分布的中心的偏离越大，和分别为第j个分数区间的目标区间的左、右端点处的分数的值，为落在第j个分数区间内的数据点的数量；步骤4-2：先对各评估科目间的权重分布情况进行顶层差分优化；用标准差分进化算法，对各评估科目间的权重分布情况进行一次迭代，称迭代前与迭代后的种群分别为父代和子代，对子代进行一次高斯拟合，从而计算出子代的目标高斯误差，计算父代的目标高斯误差减去子代的目标高斯误差所得到的误差差值，若误差差值为非负数，则接受此次迭代，将子代种群传入步骤3，若误差差值不为非负数，则拒绝此次迭代，将父代种群传入步骤3；步骤4-3：对各评估科目间的各评估环节的权重分布情况进行次层差分优化，利用标准差分进化算法，对各评估科目间的各评估环节的权重分布情况进行一次迭代，对子代进行一次高斯拟合，从而计算出子代的目标高斯误差；计算父代的目标高斯误差减去子代的目标高斯误差所得到的误差差值，若误差差值为非负数，则接受此次迭代，将子代种群传入步骤4-4，若误差差值不为非负数，则拒绝此次迭代，将父代种群传入步骤4；步骤4-4:重复步骤4-2、步骤4-3两个步骤，直至达到所设置的最大函数评价次数，退出迭代，并返回优化后的各评估科目间的权重分布情况及各评估科目间的各评估环节的权重分布情况；S5：按得到的各评估科目间的权重分布情况及各评估科目间的各评估环节的权重分布情况，重新计算有效历史数据集内所有数据点对应的得分情况，展示各机组成员的组内得分排名情况、得分在有效历史数据内的排名百分比等相关数据。

全文数据：

权利要求：

百度查询： 江苏科技大学 融合在线学习的分层差分进化算法的虚拟机舱协作智能评估优化方法及系统