基于Graph图世界模型的推理决策方法、装置及介质与流程

摘要: 本发明涉及图结构应用,具体是一种基于graph图世界模型的推理决策方法、装置及介质。背景技术:1、随着复杂系统规模不断扩大,诸如多机器人协同系统、智能制造系统、...
基于Graph图世界模型的推理决策方法、装置及介质与流程

本发明涉及图结构应用,具体是一种基于graph图世界模型的推理决策方法、装置及介质。

背景技术:

1、随着复杂系统规模不断扩大,诸如多机器人协同系统、智能制造系统、智能交通系统及生物调控系统等场景中,系统状态已不再适合用单一向量或标量形式进行描述,而是呈现为多对象、多关系、强耦合的结构化形态。graph图因其能够同时表达对象节点、节点属性及对象间关系结构,逐渐成为刻画复杂系统世界状态的重要方式。

2、然而,仅仅构建graph图进行状态表示并不能直接支持高质量决策。决策过程不仅需要理解当前结构状态,还需要预测操作引发的结构演化趋势,并评估未来结构与目标结构之间的差异程度;现有技术方案大都采用强化学习或策略网络直接输出动作决策,将graph图嵌入为向量后进行端到端决策,但缺乏明确的结构推理路径与结构可解释性,因此,如何从节点属性差异、关系一致性、拓扑结构保持度及结构路径偏移等多个结构维度,对未来graph图结构状态与目标graph图进行统一量化评价,从而形成稳定、可比较、可排序的综合决策评分架构是本发明技术方案想要解决的技术问题。

技术实现思路

1、本发明的目的在于提供一种基于graph图世界模型的推理决策方法、装置及介质,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、一种基于graph图世界模型的推理决策方法,所述方法包括:

4、获取目标系统在当前时刻的结构化状态数据,并构建当前graph图;所述当前graph图包括对象节点集合、节点属性集合、对象间关系集合以及边集合,用于表征目标系统的当前结构化世界状态;

5、根据决策任务构建目标graph图;所述目标graph图用于描述期望达到的结构状态;

6、基于当前graph图生成候选操作集合;每一候选操作用于对当前graph图中的至少一个对象节点属性、对象间关系或边结构产生结构性变更;

7、对于候选操作集合中的每一候选操作,基于预先训练的状态演化模型对当前graph图进行循环递归结构预测,生成对应的未来graph图结构状态序列;

8、对于所述未来graph图结构状态序列,计算其与目标graph图之间的多维结构距离指标;所述多维结构距离指标至少包括节点属性差异指标、关系一致性指标、结构拓扑保持度指标以及结构路径偏移指标;

9、基于所述多维结构距离指标、结构变化幅度指标以及约束满足度,对候选操作进行综合评分并排序,输出最优候选操作及对应的结构解释信息作为决策结果;

10、上述数据均应用标准化输出接口,数据至少包括:graph图结构、候选操作、结构距离和决策结果。

11、作为本发明进一步的方案:所述获取目标系统在当前时刻的结构化状态数据,并构建当前graph图的步骤包括:

12、采集目标系统在当前时刻的多源状态数据;

13、对所述多源状态数据进行时间对齐与数据清洗处理;

14、识别多源状态数据中的对象实体并生成对象节点集合;

15、提取各对象实体的属性字段并生成节点属性集合;

16、识别对象实体之间的结构关系并生成对象间关系集合及边集合;

17、建立对象节点、节点属性及关系之间的关联索引,形成可计算的当前graph图。

18、作为本发明进一步的方案:所述根据决策任务构建目标graph图的步骤包括:

19、获取目标状态结构描述或约束条件结构描述;

20、识别目标状态中的目标对象并生成目标节点集合;

21、识别目标属性要求并生成目标属性集合;

22、识别目标关系结构并生成目标关系集合及边集合;

23、建立目标graph图或约束graph图的结构约束索引,用于后续结构匹配与校验。

24、作为本发明进一步的方案:所述基于当前graph图生成候选操作集合的步骤包括:

25、分析当前graph图中各对象节点的可变更属性范围;

26、识别当前graph图中允许调整的对象间关系结构;

27、基于结构变更规则生成对节点属性或关系结构产生修改的操作;

28、对候选操作进行可达性校验;

29、剔除违反约束graph图的非法操作;

30、形成满足结构约束条件的候选操作集合。

31、作为本发明进一步的方案:所述循环递归结构预测的过程包括:

32、将当前graph图输入状态演化模型进行第一步结构预测;

33、基于第一步预测结果继续输入状态演化模型进行下一步结构预测;

34、循环执行预测过程直至达到预设预测步数;

35、在每一步预测中更新对象节点属性及对象间关系结构;

36、生成由多个未来graph图结构状态构成的结构状态序列;

37、对所述结构状态序列进行结构一致性检查,剔除结构异常状态。

38、作为本发明进一步的方案:所述多维结构距离指标的计算过程包括:

39、匹配未来graph图结构状态与目标graph图中的对应对象节点;

40、计算匹配节点之间的属性差异程度;

41、计算对象间关系的一致性差异;

42、计算结构拓扑保持度;

43、计算从当前graph图到未来graph图的结构路径偏移程度;

44、对上述指标进行归一化处理并形成多维结构距离指标集合。

45、作为本发明进一步的方案:所述综合评分并排序的过程包括:

46、基于多维结构距离指标计算目标匹配得分;

47、计算未来graph图结构状态相对于当前graph图的结构变化幅度;

48、基于约束graph图对未来graph图结构状态进行约束校验并生成约束满足度指标;

49、对目标匹配得分、结构变化幅度及约束满足度进行融合计算;

50、对候选操作进行排序;

51、输出评分最高的候选操作及对应的结构变化路径作为决策结果。

52、本发明技术方案还提供了一种基于graph图世界模型的推理决策装置,所述装置包括:

53、当前图构建模块,用于获取目标系统在当前时刻的结构化状态数据,并构建当前graph图;所述当前graph图包括对象节点集合、节点属性集合、对象间关系集合以及边集合,用于表征目标系统的当前结构化世界状态;

54、目标图构建模块,用于根据决策任务构建目标graph图;所述目标graph图用于描述期望达到的结构状态;

55、操作集生成模块,用于基于当前graph图生成候选操作集合;每一候选操作用于对当前graph图中的至少一个对象节点属性、对象间关系或边结构产生结构性变更;

56、循环预测模块,用于对于候选操作集合中的每一候选操作,基于预先训练的状态演化模型对当前graph图进行循环递归结构预测,生成对应的未来graph图结构状态序列;

57、距离计算模块,用于对于所述未来graph图结构状态序列,计算其与目标graph图之间的多维结构距离指标;所述多维结构距离指标至少包括节点属性差异指标、关系一致性指标、结构拓扑保持度指标以及结构路径偏移指标;

58、结果输出模块,用于基于所述多维结构距离指标、结构变化幅度指标以及约束满足度,对候选操作进行综合评分并排序,输出最优候选操作及对应的结构解释信息作为决策结果;

59、上述数据均应用标准化输出接口,数据至少包括:graph图结构、候选操作、结构距离和决策结果。

60、作为本发明进一步的方案:所述当前图构建模块包括:

61、数据采集单元,用于采集目标系统在当前时刻的多源状态数据;

62、数据清洗单元,用于对所述多源状态数据进行时间对齐与数据清洗处理;

63、对象识别单元,用于识别多源状态数据中的对象实体并生成对象节点集合;

64、属性提取单元,用于提取各对象实体的属性字段并生成节点属性集合;

65、关系识别单元,用于识别对象实体之间的结构关系并生成对象间关系集合及边集合;

66、索引建立单元,用于建立对象节点、节点属性及关系之间的关联索引,形成可计算的当前graph图。

67、本发明技术方案还提供了一种介质,所述介质中存储有至少一条程序代码,所述程序代码由处理器加载并执行时,实现所述的基于graph图世界模型的推理决策方法。

68、与现有技术相比,本发明的有益效果是:本发明通过构建多维结构距离指标体系,将未来graph图结构状态与目标graph图之间的差异分解为节点属性差异指标、关系一致性指标、结构拓扑保持度指标及结构路径偏移指标,并对各指标进行归一化处理与融合计算,使不同候选操作产生的结构演化结果能够在统一量化框架下进行可比性评估。同时,引入结构变化幅度与约束满足度指标,对操作代价与合法性进行同步约束,从而避免仅依赖单一目标匹配程度而导致的结构震荡或风险放大问题;实现了基于结构语义的可解释评分与排序过程,提高了决策结果的稳定性、一致性与鲁棒性,并增强了复杂系统场景下多候选操作之间的分辨能力与全局优化能力。