难度自适应学习方法、系统、电子设备以及存储介质

技术特征：
1.一种旅行商问题难度自适应学习方法，其特征在于，所述方法包括：将训练样本集输入所述预设模型进行多次训练，其中，所述多次训练包括：根据所述预设模型对所述训练样本集的本次训练结果，通过难度评估器确定本次所述训练样本集的难度值；根据本次所述训练样本集的难度值，通过难度调整器调整所述预设模型下一次对训练样本集训练时的训练权重；在所述预设模型针对训练样本集的多次训练达到标定训练状态时，通过难度自适应生成器生成难度值增加的新样本集，所述新样本集作为训练样本集输入所述预设模型进行所述多次训练；在所述预设模型达到预设的停止训练状态时，停止对所述预设模型的训练，将训练完毕后得到预设模型作为旅行商问题的求解器。2.根据权利要求1所述的方法，其特征在于，将训练样本集输入所述预设模型进行多次训练，包括：通过固定均匀分布生成器生成训练样本集，所述训练样本集为对不同难度的样本进行均匀采样得到的；将所述均匀分布的训练样本集作为首次输入预设模型的训练样本集；所述预设模型针对所述均匀分布的训练样本集进行多次训练。3.根据权利要求1所述的方法，其特征在于，所述预设模型对训练样本集的本次训练结果包括成本；根据所述预设模型对所述训练样本集的本次训练结果，通过难度评估器确定本次所述训练样本集的难度值，包括：获取所述预设模型对训练样本集的本次训练的成本，通过难度评估器确定本次所述训练样本集的难度值。4.根据权利要求1所述的方法，其特征在于，根据本次所述训练样本集的难度值，通过难度调整器调整所述预设模型下一次对训练样本集训练时的训练权重，包括：获取训练过程中的玻尔兹曼温度；根据所述本次训练样本集的难度值以及所述玻尔兹曼温度，通过难度调整器确定训练样本集的样本权重，以增加训练样本集中难度值大的样本的权重；基于调整后的样本权重更新所述预设模型的训练参数，调整所述预设模型下一次对训练样本集训练时的训练权重。5.根据权利要求1-4任一所述的方法，其特征在于，在所述预设模型针对训练样本集的多次训练达到标定训练状态时，通过难度自适应生成器生成难度值增加的新样本集，包括：获取所述预设模型达到标定训练状态时的当前训练样本集的难度值；难度自适应生成器根据所述当前训练样本集的难度值，自适应地生成难度值不小于所述当前训练样本集的难度值的新样本集。6.根据权利要求5所述的方法，其特征在于，所述难度自适应生成器设置有调节参数，通过设置所述调节参数的值，调节所述难度自适应生成器生成的样本集的难度。7.一种旅行商问题难度自适应学习系统，其特征在于，所述系统包括：训练模块，用于将训练样本集输入所述预设模型进行多次训练；难度评估器，用于根据预设模型对训练样本集的本次训练结果，确定本次所述训练样
本集的难度值；难度调整器，用于根据本次所述训练样本集的难度值，调整所述预设模型下一次对训练样本集训练时的训练权重；难度自适应生成器，用于在所述预设模型针对训练样本集的多次训练达到标定训练状态时，生成难度值增加的新样本集，将所述新样本集作为训练样本集输入所述预设模型进行所述多次训练；控制模块，用于在所述预设模型达到预设的停止训练状态时，停止对所述预设模型的训练，将训练完毕后得到预设模型作为旅行商问题的求解器。8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。

技术总结
本申请提供一种难度自适应学习方法、系统、电子设备以及存储介质，属于模型训练的技术领域。所述方法包括将训练样本集输入预设模型进行多次训练，多次训练包括：根据预设模型对训练样本集的本次训练结果，通过难度评估器确定本次训练样本集的难度值；根据本次训练样本集的难度值，通过难度调整器调整预设模型下一次对训练样本集训练时的训练权重；在预设模型针对训练样本集的多次训练达到标定训练状态时，通过难度自适应生成器生成难度值增加的新样本集，新样本集作为训练样本集输入预设模型进行多次训练；在预设模型达到预设的停止训练状态时，停止对预设模型的训练。本申请旨在提高求解器的泛化能力。提高求解器的泛化能力。提高求解器的泛化能力。


技术研发人员：朱文武 王鑫 张子威 张泽阳
受保护的技术使用者：清华大学
技术研发日：2022.02.18
技术公布日：2022/6/14