一种基于决策参数动态搜索的策略生成方法、系统、平台及存储介质与流程

本发明属于数据处理，具体涉及一种基于决策参数动态搜索的策略生成方法、系统、平台及存储介质。

背景技术：

1、在众多需要对大规模对象进行决策分配与参数配置的技术领域中，策略的制定与优化是影响系统整体效率的关键环节。以资源调度、任务分配、服务路由等场景为例，决策系统通常需要依据每个目标对象的属性特征，为其分配合适的执行路径、执行主体及具体的执行参数配置。

2、当前，现有策略通常基于固定的规则（例如按属性分档、按区域划分），规则参数一经设定便长期保持不变。由于外部环境（如执行主体的能力变化、对象的分布漂移）是动态演进的，静态规则无法适应这种变化，导致策略的时效性和准确性持续下降。并且策略效果的评估高度依赖于执行结果的完整反馈，该周期通常较长。系统需要等待数月甚至更长时间才能获得用于评估策略优劣的完整数据，导致策略调整严重滞后于环境和业务需求的变化。

3、此外，现有方案缺乏对如果采用不同策略将产生何种效果的反事实推断能力。决策者无法在策略执行前预判其优劣，只能依赖成本高昂的试错或a/b测试来摸索前进，这在大规模系统中是不可接受的；而且参数空间庞大，人工调优困难，其策略参数通常涉及多维度的决策逻辑（如路径选择阈值、分配权重、参数配比等），其参数空间巨大且包含离散与连续混合型变量。人工调参不仅效率低下，且极易陷入局部最优，无法保证全局最优解。

4、因此，针对上述所存在的的技术缺陷问题，急需设计和开发一种基于决策参数动态搜索的策略生成方法、系统、平台及存储介质。

技术实现思路

1、为克服上述现有技术存在的不足及困难，本发明之目的在于提供一种基于决策参数动态搜索的策略生成方法、系统、平台及存储介质，能够对未执行的策略效果进行准确预测；能够基于预测结果在庞大的参数空间中自动、高效地搜索最优策略参数；并且能够在执行过程中持续采集反馈数据，实现策略的自适应动态调整。

2、本发明的第一目的在于提供一种基于决策参数动态搜索的策略生成方法；本发明的第二目的在于提供一种基于决策参数动态搜索的策略生成系统；本发明的第三目的在于提供一种基于决策参数动态搜索的策略生成平台；本发明的第四目的在于提供一种计算机可读取存储介质。

3、本发明的第一目的是这样实现的，所述方法包括：

4、创建生成并获取与目标对象相对应的第一数据，并将所述第一数据与多个候选决策编码分别组合，结合经训练的预测模型，构建生成并获取与所述目标对象相对应且在各候选决策编码下的第二数据；其中，所述第一数据为特征数据；所述第二数据为预测状态数据；

5、基于所述第二数据，于预定义的参数空间中动态搜索满足预设优化目标的目标参数；其中，所述参数空间中的参数用于生成所述决策编码；所述参数空间中的参数用于定义一决策函数，所述决策函数根据所述特征数据依次输出对象分配路径、执行主体标识和执行参数配置；所述参数包括所述决策函数的权重参数和偏置参数；

6、稳定性验证处理所述目标参数，创建生成与所述目标参数相对应的第三数据，基于所述第三数据生成并输出相对应的第四数据；其中，所述第三数据为执行参数，且为通过验证的目标参数；所述第四数据为根据执行参数生成控制指令。

7、进一步地，所述创建生成并获取与目标对象相对应的第一数据，并将所述第一数据与多个候选决策编码分别组合，结合经训练的预测模型，构建生成并获取与所述目标对象相对应且在各候选决策编码下的第二数据，还包括：

8、建立生成并提取与所述目标对象相对应的第五数据；其中，所述第五数据为初始属性数据；

9、归一化处理所述第五数据中的连续型数据，并向量化映射处理所述第五数据中的离散型数据；

10、基于处理后所述连续型数据和所述离散型数据，创建生成相对应的第一数据。

11、进一步地，所述预测模型通过以下方式训练：

12、获取历史记录集；其中，所述历史记录集包含历史对象的特征数据、历史决策编码和对应的历史状态结果；

13、将所述历史对象的特征数据和所述历史决策编码输入待训练的预测模型，生成预测状态结果；

14、根据所述预测状态结果与所述历史状态结果之间的差异，以及所述历史决策编码的倾向性得分，调整所述待训练的预测模型的参数。

15、进一步地，所述基于所述第二数据，于预定义的参数空间中动态搜索满足预设优化目标的目标参数，还包括：

16、创建生成包含多个参数个体的初始种群，并重复执行以下步骤直至满足迭代停止条件：

17、根据所述第二数据计算生成与种群中每个参数个体相对应的适应度值；其中，所述适应度值用于表征其对应的参数个体所确定的策略的预期收益与负载均衡成本之间的差值；所述预期收益根据所述预测模型输出的效率指标、时效指标和成功概率指标确定；

18、根据所述预测模型的梯度信息，变异处理所述参数个体中的连续型参数分量；

19、交叉重组处理所述参数个体中的离散型参数分量；

20、根据所述适应度值，从当前种群中筛选进入下一代种群的个体；

21、其中，所述迭代停止条件包括以下任一项：迭代轮次达到预设轮次阈值；所述种群中最优个体的适应度值在连续预设轮次内的变化量小于变化量阈值。

22、进一步地，所述稳定性验证处理所述目标参数，创建生成与所述目标参数相对应的第三数据，基于所述第三数据生成并输出相对应的第四数据，还包括：

23、构建生成并获取与所述目标参数相对应的决策分布，并计算生成所述决策分布与参考分布之间的偏离度；

24、扰动处理所述第一数据，并评估生成在扰动处理后的特征数据下所述目标参数的效果波动幅度；

25、根据所述偏离度和所述效果波动幅度，于多个所述目标参数中筛选出所述第三数据。

26、进一步地，所述方法还包括：

27、创建生成并获取所述控制指令执行后的第六数据，并根据所述第六数据更新处理所述预测模型的模型参数；其中，所述第六数据为实际反馈数据；

28、当检测到预设的触发事件时，基于更新后的所述预测模型，重新执行在参数空间中动态搜索目标参数的步骤。

29、本发明的第二目的是这样实现的，所述系统用于实现所述基于决策参数动态搜索的策略生成方法，所述系统包括：

30、创建生成单元，用于创建生成并获取与目标对象相对应的第一数据，并将所述第一数据与多个候选决策编码分别组合，结合经训练的预测模型，构建生成并获取与所述目标对象相对应且在各候选决策编码下的第二数据；其中，所述第一数据为特征数据；所述第二数据为预测状态数据；

31、动态搜索单元，用于基于所述第二数据，于预定义的参数空间中动态搜索满足预设优化目标的目标参数；其中，所述参数空间中的参数用于生成所述决策编码；所述参数空间中的参数用于定义一决策函数，所述决策函数根据所述特征数据依次输出对象分配路径、执行主体标识和执行参数配置；所述参数包括所述决策函数的权重参数和偏置参数；

32、验证处理单元，用于稳定性验证处理所述目标参数，创建生成与所述目标参数相对应的第三数据，基于所述第三数据生成并输出相对应的第四数据；其中，所述第三数据为执行参数，且为通过验证的目标参数；所述第四数据为根据执行参数生成控制指令。

33、进一步地，所述创建生成单元，还包括：

34、建立生成模块，用于建立生成并提取与所述目标对象相对应的第五数据；其中，所述第五数据为初始属性数据；

35、归一化处理模块，用于归一化处理所述第五数据中的连续型数据，并向量化映射处理所述第五数据中的离散型数据；

36、第一生成模块，用于基于处理后所述连续型数据和所述离散型数据，创建生成相对应的第一数据；

37、所述预测模型通过以下模块训练：

38、获取模块，用于获取历史记录集；其中，所述历史记录集包含历史对象的特征数据、历史决策编码和对应的历史状态结果；

39、第二生成模块，用于将所述历史对象的特征数据和所述历史决策编码输入待训练的预测模型，生成预测状态结果；

40、调整处理模块，用于根据所述预测状态结果与所述历史状态结果之间的差异，以及所述历史决策编码的倾向性得分，调整所述待训练的预测模型的参数；

41、和/或，所述动态搜索单元，还包括：

42、第三生成模块，用于创建生成包含多个参数个体的初始种群，并重复执行以下模块直至满足迭代停止条件：

43、第四生成模块，用于根据所述第二数据计算生成与种群中每个参数个体相对应的适应度值；其中，所述适应度值用于表征其对应的参数个体所确定的策略的预期收益与负载均衡成本之间的差值；所述预期收益根据所述预测模型输出的效率指标、时效指标和成功概率指标确定；

44、变异处理模块，用于根据所述预测模型的梯度信息，变异处理所述参数个体中的连续型参数分量；

45、重组处理模块，用于交叉重组处理所述参数个体中的离散型参数分量；

46、第一筛选模块，用于根据所述适应度值，从当前种群中筛选进入下一代种群的个体；

47、其中，所述迭代停止条件包括以下任一项：迭代轮次达到预设轮次阈值；所述种群中最优个体的适应度值在连续预设轮次内的变化量小于变化量阈值；

48、和/或，所述验证处理单元，还包括：

49、第五生成模块，用于构建生成并获取与所述目标参数相对应的决策分布，并计算生成所述决策分布与参考分布之间的偏离度；

50、扰动处理模块，用于扰动处理所述第一数据，并评估生成在扰动处理后的特征数据下所述目标参数的效果波动幅度；

51、第二筛选模块，用于根据所述偏离度和所述效果波动幅度，于多个所述目标参数中筛选出所述第三数据；

52、和/或，所述系统，还包括：

53、更新处理单元，用于创建生成并获取所述控制指令执行后的第六数据，并根据所述第六数据更新处理所述预测模型的模型参数；其中，所述第六数据为实际反馈数据；

54、检测判定单元，用于当检测到预设的触发事件时，基于更新后的所述预测模型，重新执行在参数空间中动态搜索目标参数的步骤。

55、本发明的第三目的是这样实现的：包括处理器、存储器以及基于决策参数动态搜索的策略生成平台控制程序；其中在所述的处理器执行所述的基于决策参数动态搜索的策略生成平台控制程序，所述的基于决策参数动态搜索的策略生成平台控制程序被存储在所述存储器中，所述的基于决策参数动态搜索的策略生成平台控制程序，实现所述的基于决策参数动态搜索的策略生成方法。

56、本发明的第四目的是这样实现的：所述计算机可读取存储介质存储有基于决策参数动态搜索的策略生成平台控制程序，所述的基于决策参数动态搜索的策略生成平台控制程序，实现所述的基于决策参数动态搜索的策略生成方法。

57、本发明方案通过构建具备反事实预测能力的预测模型、将策略逻辑编码为可优化的数学参数、并采用梯度引导的进化搜索算法在混合型参数空间中进行高效寻优，同时辅以异常检测与扰动模拟双重验证机制筛选鲁棒策略，最终形成预测、搜索、验证、执行、反馈、再预测的自动化闭环，实现了策略参数的智能化生成、执行前的精准预判、以及系统对环境变化的持续自适应动态调整，从而在提升决策质量的同时，降低了人工调参成本和试错风险，保证了策略在复杂动态环境下的长期稳定性和泛化能力。