业务组合推荐方法、装置、电子设备和存储介质与流程

1.本发明涉量子计算技术领域，具体而言，涉及一种业务组合推荐方法、装置、电子设备和存储介质。


背景技术：

2.在业务场景中，为了满足业务需求，一般要确定多个业务项目的最优组合以向用户进行推荐。确定最优业务组合可以看作二次规划即qp问题，目前通常采用二次规划经典求解的方式，但是在数据量较大的情况下，这种方式存在处理速度慢、效率低、消耗大量计算资源的问题。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种业务组合推荐方法、装置、电子设备和存储介质。
4.为了实现上述目的，本发明实施例采用的技术方案如下：
5.第一方面，本发明提供一种业务组合推荐方法，所述方法包括：
6.基于用户选择的每个业务的业务数据和所述用户的偏好评估参数，获得业务函数；所述业务函数表示全部业务之间的占比与业务结果的关系；
7.基于全部业务的总数确定量子比特的数目和初始量子线路；
8.基于所述业务函数对所述初始量子线路中的参数进行优化，获得目标量子线路；
9.利用所述目标量子线路对全部量子比特进行处理，获得输出的每个量子态及其概率值；
10.基于每个所述量子态的概率值确定每个所述业务的占比，获得推荐的业务组合。
11.在可选的实施方式中，所述初始量子线路包括哈达玛门和多个网络层，所述网络层包含参数；
12.所述基于所述业务函数对所述初始量子线路中的参数进行优化，获得目标量子线路的步骤，包括：
13.利用所述哈达玛门对初始化的全部量子比特进行处理，得到叠加后的每个量子态；
14.基于所述业务函数和每个所述量子态，对每个所述网络层的参数进行优化获得每个所述网络层的最优参数，得到所述目标量子线路。
15.在可选的实施方式中，所述基于所述业务函数和每个所述量子态，对每个所述网络层的参数进行优化获得每个所述网络层的最优参数的步骤，包括：
16.基于所述业务函数和每个所述量子态，对第一个网络层的参数进行优化，直至达到第一预设条件，得到所述第一个网络层的目标参数；
17.基于所述第一个网络层的目标参数对每个所述网络层的参数进行优化，直至达到第二预设条件，得到每个所述网络层的最优参数。
18.在可选的实施方式中，所述基于所述业务函数和每个所述量子态，对第一个网络层的参数进行优化，直至达到第一预设条件，得到所述第一个网络层的目标参数的步骤，包括：
19.将所述第一个网络层的初始参数作为第一参数；
20.利用所述第一个网络层的第一参数对每个所述量子态进行处理，得到每个所述量子态的第一概率值；
21.基于每个所述量子态的第一概率值确定每个所述业务的第一占比，并计算所述业务函数的第一函数值；
22.基于所述第一函数值对所述第一参数进行调整，得到第二参数；
23.获取当前调整总次数并判断是否达到第一预设次数；
24.若否，则将所述第二参数作为所述第一参数，并重复执行所述利用所述第一个网络层的第一参数对每个所述量子态进行处理，得到每个所述量子态的第一概率值的步骤，直至所述当前调整总次数达到所述第一预设次数；
25.若是，则将所述第二参数作为所述第一个网络层的目标参数。
26.在可选的实施方式中，所述网络层包括含参单量子比特旋转门和双量子比特门；
27.利用所述第一个网络层的第一参数对每个所述量子态进行处理，得到每个所述量子态的第一概率值的步骤，包括：
28.利用所述第一个网络层中的含参单量子比特旋转门按照所述第一参数对全部量子态进行旋转；
29.利用所述第一个网络层中的双量子比特门对旋转后的全部量子态进行纠缠处理；
30.对纠缠处理后的全部量子态进行测量，得到每个所述量子态的第一概率值。
31.在可选的实施方式中，所述基于每个所述量子态的概率值确定每个所述业务的占比，获得推荐的业务组合的步骤，包括：
32.若全部量子态的总数与全部业务的总数相等，则将每个所述量子态的概率值分别作为每个所述业务的占比；
33.若全部量子态的总数大于全部业务的总数，则将每个所述业务对应的量子态的概率值进行归一化处理，得到每个所述业务的占比。
34.第二方面，本发明提供一种业务组合推荐装置，所述装置包括：
35.获取模块，用于基于用户选择的每个业务的业务数据和所述用户的偏好评估参数，得到业务函数；所述业务函数表示全部业务之间的占比与业务结果的关系；
36.处理模块，用于基于全部业务的总数确定量子比特的数目和初始量子线路；
37.基于所述业务函数对所述初始量子线路中的参数进行优化，获得目标量子线路；
38.利用所述目标量子线路对全部量子比特进行处理，获得输出的每个量子态及其概率值；
39.推荐模块，用于基于每个所述量子态的概率值确定每个所述业务的占比，获得推荐的业务组合。
40.在可选的实施方式中，所述初始量子线路包括哈达玛门和多个网络层，所述网络层包含参数；所述处理模块具体用于：
41.利用所述哈达玛门对初始化的全部量子比特进行处理，得到叠加后的每个量子
态；
42.基于所述业务函数和每个所述量子态，对每个所述网络层的参数进行优化获得每个所述网络层的最优参数，得到所述目标量子线路。
43.第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现前述实施方式中任一项所述的方法。
44.第四方面，本发明提供一种存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现前述实施方式中任一项所述的方法。
45.本发明实施例提供的业务组合推荐方法、装置、电子设备和存储介质，基于用户选择的每个业务的业务数据和用户的偏好评估参数，获得业务函数，其中业务函数表示全部业务之间的占比与业务结果的关系；然后基于全部业务的总数确定量子比特的数目和初始量子线路；并基于业务函数对初始量子线路中的参数进行优化，获得目标量子线路；再利用目标量子线路对全部量子比特进行处理，获得输出的每个量子态及其概率值；最后基于每个量子态的概率值确定每个业务的占比，获得推荐的业务组合。通过对量子线路中的参数进行优化即采用量子算法来确定最优业务组合，可以减少运算量、提高处理速度和避免耗费大量资源，并且根据各量子态的概率得到业务的占比，能够更好的满足业务需求。
46.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
47.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
48.图1示出了本发明实施例提供的电子设备方框示意图；
49.图2示出了本发明实施例提供的业务组合推荐方法的流程示意图之一；
50.图3示出了本发明实施例提供的业务组合推荐方法的流程示意图之二；
51.图4示出了本发明实施例提供的业务组合推荐方法的流程示意图之三；
52.图5示出了本发明实施例提供的业务组合推荐方法的一个示例图；
53.图6示出了本发明实施例提供的业务组合推荐方法的流程示意图之四；
54.图7示出了本发明实施例提供的业务组合推荐装置的一种功能模块图。
55.图标：100-电子设备；110-总线；120-处理器；130-存储器；150-i/o模块；170-通信接口；300-业务组合推荐装置；310-获取模块；330-处理模块；350-推荐模块。
具体实施方式
56.下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
57.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人
员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
58.需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
59.在业务场景中，为了满足业务需求，一般要确定多个业务项目的最优组合以向用户进行推荐。例如，在销售场景中，在一定成本下什么样的产品组合可以使利润最大；在投资场景中，在一定收益下什么样的资产组合可以使风险最小，或者在一定风险下什么样的资产组合可以使收益最大。这些确定最优业务组合可以看作二次规划即qp问题，目前通常采用二次规划经典求解的方式，但是在数据量较大的情况下，这种方式存在处理速度慢、效率低、消耗大量计算资源的问题。同时，还存在可能无法满足业务需求的情况。
60.为了便于理解，下面将以投资场景为例进行说明。在投资场景中，业务可以理解为资产如股票、债券等，目前确定最优资产组合的问题通常抽象为二次无约束二值化问题即qubo问题，但其使用场景较为限制，由于其决策变量仅为二值即0和1，其中0表示不买入该只股票，1表示买入该只股票，而在实际的投资场景中，往往不可能简单地决定是否买入一只股票，通常是以每只股票投资占比多少的方式进行投资。如此，不同于qubo问题，此时的决策变量为0至1之间的小数，确定最优资产组合的问题可以看作二次规划即qp问题，如果采用二次规划的经典求解方式，在资产数量较大时，会导致运算量大、处理速度慢且消耗大量的计算资源。进而本发明实施例提供了一种业务组合推荐方法以解决上述问题。
61.请参照图1，是本发明实施例提供的一种电子设备100的方框示意图。电子设备100包括总线110、处理器120、存储器130、i/o模块150、通信接口170。
62.总线110可以是将上述元件相互连接并在上述元件之间传递通信(例如控制消息)的电路。
63.处理器120可以通过总线110从上述其它元件(例如存储器130、i/o模块150、通信接口170等)接收命令，可以解释接收到的命令，并可以根据所解释的命令来执行计算或数据处理。
64.处理器120可以是一种集成电路芯片，具有信号处理能力。该处理器120可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
65.存储器130可以存储从处理器120或其它元件(例如i/o模块150、通信接口170等)接收的命令或数据或者由处理器120或其它元件产生的命令或数据。
66.存储器130可以是但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)。
67.i/o模块150可以接收经由输入-输出手段(例如，传感器、键盘、触摸屏等)从用户输入的命令或数据，并可以通过总线110向处理器120或存储器130传送接收到的命令或数据。并且用于显示从上述元件接收、存储、处理的各种信息(例如多媒体数据、文本数据)，可以向用户显示视频、图像、数据等。
68.通信接口170可用于与其他节点设备进行信令或数据的通信。
69.可以理解的是，图1所示的结构仅为电子设备100的结构示意图，电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
70.下面将以上述的电子设备作为执行主体，执行本发明实施例提供的各个方法中的各个步骤，并实现对应技术效果。为了便于理解，下述将以投资场景作为示例说明，应当理解的是，本发明实施提供的业务组合推荐方法也可以应用于其他业务场景，本实施例不做限定。
71.请参阅图2，图2是本发明实施例提供的一种业务组合推荐方法的流程示意图。
72.步骤s21，基于用户选择的每个业务的业务数据和用户的偏好评估参数，获得业务函数；业务函数表示全部业务之间的占比与业务结果的关系；
73.在投资场景中，用户可以选择多个想要投资的业务即资产，然后获取每个资产的业务数据如预期收益参数，并获取该用户的偏好评估参数如风险评估参数，该风险评估参数用于评估用户的风险偏好，风险评估参数越小表示用户越偏好风险，且风险评估参数为非负数。
74.基于每个资产的预设收益参数和用户的风险评估参数，按照投资业务规则如风险减去收益为效用，可以获得业务函数如效用函数，其表示全部资产之间的占比与效用的关系。
75.为了便于理解，假设用户选择了n个资产，向量u中的每个元素表示每个资产的预期收益参数，q表示用户的风险评估参数，向量x中的每个元素表示每个资产的投资占比，则效用函数可以表示为：
[0076][0077][0078]
xi∈[0,1]；
[0079]
其中，σ为历史变动协方差，用于表示不同资产收益变化趋势之间的关系，例如一个资产收益增加时另一资产收益减少，则其之间的协方差系数为负数；xi为向量x中的第i个元素即表示第i个资产的投资占比。
[0080]
在投资场景中，用户通常期望风险越低收益越高，该效用函数为风险减去收益，在风险评估参数一定的情况下，最优的资产组合即为效用函数的值为最小时的解。
[0081]
步骤s23，基于全部业务的总数确定量子比特的数目和初始量子线路；
[0082]
可以理解的是，量子比特是量子计算中的基本单元，其除了处于0态或1态以外，还可以处于叠加态，一个叠加态中的全部量子态的概率和为1，则可以基于每个量子态的概率
确定每个资产的投资占比。对于m个量子比特，可以有2m个量子态。
[0083]
量子线路是最常用的量子计算模型，表示在抽象概念下对于量子比特进行操作的线路，其包括时间线和以及各种量子逻辑门。初始量子线路可以理解为基础的量子计算模型，是一个含参量子线路。
[0084]
在本实施例中，可以按照预设公式基于全部资产的总数确定出量子比特的数目。如预设公式为其中，n表示资产总数；m表示量子比特的数目。例如，若用户选择的资产总数n为4，则量子比特的数目为2；若资产总数n为6，则量子比特的数目为3。
[0085]
步骤s25，基于业务函数对初始量子线路中的参数进行优化，获得目标量子线路；
[0086]
在本实施例中，可以采用变分量子算法，即将效用函数作为损失函数，通过对初始量子线路中的参数进行优化，以使损失函数的值最小。当初始量子线路中的参数经过多次优化后，使损失函数的值小到一定程度时，则得到目标量子线路。
[0087]
步骤s27，利用目标量子线路对全部量子比特进行处理，获得输出的每个量子态及其概率值；
[0088]
在本实施例中，获得目标量子线路后，可以利用目标量子线路对全部量子比特进行处理，并对量子态进行多次测量可以获得每个量子态的概率值。可以理解为，量子比特按照这个目标量子线路进行演化，得到的量子态可以使损失函数的值最小，即效用函数的值最小。
[0089]
步骤s29，基于每个量子态的概率值确定每个业务的占比，获得推荐的业务组合。
[0090]
在本实施例中，基于每个量子态的概率值确定出每个资产的投资占比即得到推荐的业务组合。可以理解为，对于用户选择的n个资产，按照该投资占比进行组合时可以使效用函数的值最小，即获得最优的资产组合。
[0091]
可见基于上述步骤，基于用户选择的每个业务的业务数据和用户的偏好评估参数，获得业务函数，其中业务函数表示全部业务之间的占比与业务结果的关系；然后基于全部业务的总数确定量子比特的数目和初始量子线路；并基于业务函数对初始量子线路中的参数进行优化，获得目标量子线路；再利用目标量子线路对全部量子比特进行处理，获得输出的每个量子态及其概率值；最后基于每个量子态的概率值确定每个业务的占比，获得推荐的业务组合。通过对量子线路中的参数进行优化即采用量子算法来确定最优业务组合，可以减少运算量、提高处理速度和避免耗费大量资源，并且根据各量子态的概率得到业务的占比，能够更好的满足业务需求。
[0092]
可选地，对于上述步骤s25，本发明实施例提供了一种可能的实现方式。请参阅图3，其中步骤s25可以包括以下步骤：
[0093]
步骤s25-1，利用哈达玛门对初始化的全部量子比特进行处理，得到叠加后的每个量子态；
[0094]
可以理解的是，初始量子线路包括哈达玛门即hadamard门，也可以称为h门，其是一种可以将基态变为叠加态的量子逻辑门。当然，在其它的实施方式中，也可以不利用h门进行处理，对此本发明不作具体限制。
[0095]
在本实施例中，利用哈达玛门对初始化的全部量子比特进行处理，得到等振幅叠加态，该等振幅叠加态中的每个子态即为每个量子态。例如，假设资产总数n为4，量子比特的数目为2。将这2个量子比特进行初始化制备为|0》态，经过h门作用，得到等振幅叠加态即
其包括4个子态即|00》、|01》、|10》、|11》，得到每个量子态。
[0096]
步骤s25-3，基于业务函数和每个量子态，对每个网络层的参数进行优化获得每个网络层的最优参数，得到目标量子线路；
[0097]
可以理解的是，初始量子线路还包括多个含参数的网络层，该网络层的个数可以按照实际应用设置，本发明实施例不做限定。
[0098]
基于上述示例，利用每个网络层对经h门作用后的等振幅叠加态即进行处理，经过测量会得到叠加态即α|00》 β|01》 γ|10》 δ|11》，其中|α|2 |β|2 |γ|2 |δ|2＝1，可以将|α|2、|β|2、|γ|2、|δ|2分别作为四个资产的投资占比，计算损失函数的值。
[0099]
网络层的参数不同，|α|2、|β|2、|γ|2、|δ|2的值就不同，那么损失函数的值也不同，则可以对网络层中的参数进行优化，降低损失函数的值，得到使损失函数的值为最小时的参数，即获得网络层的最优参数。
[0100]
获得每个网络层的最优参数，即得到目标量子线路。可以理解的是，目标量子线路相比初始量子线路仅参数发生了变化，即目标量子线路的参数变为了最优参数，而其结构并未改变。
[0101]
可选地，对于上述步骤s25-3，本发明实施例提供了一种可能的实现方式，请参阅图4，其中步骤s25-3包括以下步骤：
[0102]
步骤s25-3-1，基于业务函数和每个量子态，对第一个网络层的参数进行优化，直至达到第一预设条件，得到第一个网络层的目标参数；
[0103]
步骤s25-3-3，基于第一个网络层的目标参数对每个网络层的参数进行优化，直至达到第二预设条件，得到每个网络层的最优参数；
[0104]
在本实施例中，每个网络层的初始参数可以是随机数，可以通过层层优化的方式，对每个网络层的参数进行优化。
[0105]
例如，网络层有3个，第一预设条件为第一预设次数如k次，第二预设条件为第二预设次数如l次。应当理解的是，第一预设条件和第二预设条件可以按照实际应用设置，本发明实施例不做限定。
[0106]
首先对第一个网络层的参数进行优化，直至优化次数达到k次，得到第一个网络层的目标参数。然后，将该目标参数作为第一个网络层的初始参数，对第一个和第二个网络层的参数进行优化，直至优化次数达到l次，得到第一个网络层新的目标参数和第二个网络层的目标参数；并将其分别将作为第一网络层的初始参数和第二个网络层的初始参数，对第一个网络层、第二个网络层和第三个网络层的参数进行优化，直至优化次数达到l次，得到每个网络层的最终参数。通过层层优化，得到每个网络层的最优参数。
[0107]
可以理解的是，在优化除第一个网络层以外的其他网络层的参数过程中，均要用到第一个网络层的参数，为了提高得到最优参数的速度和准确性，可以设置k大于l，即第一个网络层的参数优化次数多于其他网络层。同时，在优化第一个和第二个网络层的参数过程中，可以优化第一个网络层的参数，在优化第一个、第二个和第三个网络层的参数过程
中，也可以优化第一个和第二个网络层的参数。
[0108]
可选地，对于上述步骤s25-3-1，本发明实施例提供了一种可能的实现方式，其中步骤s25-3-1可以包括以下步骤：
[0109]
步骤s25-3-1-1，将第一个网络层的初始参数作为第一参数；
[0110]
步骤s25-3-1-3，利用第一个网络层的第一参数对每个量子态进行处理，得到每个量子态的第一概率值；
[0111]
步骤s25-3-1-5，基于每个量子态的第一概率值确定每个业务的第一占比，并计算业务函数的第一函数值；
[0112]
步骤s25-3-1-7，基于第一函数值对第一参数进行调整，得到第二参数；
[0113]
步骤s25-3-1-9，获取当前调整总次数并判断是否达到第一预设次数；
[0114]
步骤s25-3-1-11a，将第二参数作为第一参数，并重复执行利用第一个网络层的第一参数对每个量子态进行处理，得到每个量子态的第一概率值的步骤，直至当前调整总次数达到第一预设次数；
[0115]
步骤s25-3-1-11b，将第二参数作为第一个网络层的目标参数。
[0116]
在本实施例中，网络层包括含参单量子比特旋转门和双量子比特门。应当理解的是，网络层也可以采用其他含参量子逻辑门实现，本发明实施例不做限定。
[0117]
为了便于理解，假设量子比特的数目为2，网络层为3个，网络层中的单量子比特旋转门为ry门，网络层中的双量子比特门可以cnot门，本发明实施例提供了一个初始量子线路的示例图，请参阅图5，下面将结合图5对上述步骤s25-3-1-1至步骤s25-3-1-11b进行说明。
[0118]
在步骤s25-3-1-1中，第一个网络层的参数包括θ1和θ2，初始参数分别为随机数z1和z2，将z1和z2作为第一参数。
[0119]
在步骤s25-3-1-3中，首先利用第一个网络层中的ry门按照第一参数z1和z2对经h门作用后的叠加态进行旋转；然后利用第一个网络层中的cnot门对经ry门作用后的叠加态进行纠缠处理，再对经cnot门作用后的叠加态进行测量，得到其各个子态的概率值，即获得每个量子态的第一概率值。
[0120]
在步骤s25-3-1-5中，基于每个量子态的第一概率值确定每个资产的第一占比，并计算损失函数的第一函数值。
[0121]
在步骤s25-3-1-7中，基于第一函数值对第一参数z1和z2进行调整，得到第二参数z3和z4。
[0122]
在步骤s25-3-1-9中，获取当前调整总次数，判断是否达到第一预设次数；若否，则执行步骤s25-3-1-11a，将第二参数z3和z4作为新的第一参数，重复执行步骤s25-3-1-3至步骤s25-3-1-9，直至当前调整总次数达到第一预设次数；若是，则执行步骤s25-3-1-11b，将第二参数z3和z4分别作为第一个网络层的参数θ1和θ2，即得到第一个网络层的目标参数。可以理解的是，该目标参数是单独对第一个网络层的参数进行优化的中间结果，不一定是第一个网络层的最优参数。
[0123]
将第一个网络层的目标参数作为其初始参数，对第一个和第二网络层的参数即θ1至θ4进行优化，直至得到达到第二预设次数，得到第一个网络层新的目标参数和第二网络层的目标参数。可以理解的是，第一个网络层新的目标参数和第二网络层的目标参数，是对
第一个和第二个网络层的参数进行优化的中间结果，不一定是第一个网络层的最优参数和第二个网络层的最优参数。
[0124]
将第一个网络层新的目标参数和第二网络层的目标参数，分别作为第一个网络层的初始参数和第二个网络层的初始参数，对第一个、第二个和第三个网络层的参数即θ1至θ6进行优化，直至得到达到第二预设次数，得到每个网络层的最优参数。
[0125]
通过层层优化，可以得到每个网络层的最优参数即θ1至θ6的最优值，则获得包括哈达玛门和每个包含最优参数的网络层的目标量子路线。
[0126]
可选地，对于上述步骤s29，本发明实施例提供了一种可能的实现方式。请参阅图6，其中步骤s29可以包括以下步骤：
[0127]
步骤s29-1，若全部量子态的总数与全部业务的总数相等，则将每个量子态的概率值分别作为每个业务的占比；
[0128]
在本实施例中，若全部量子态的总数与全部业务的总数相等，如资产总数n为4，量子比特的数目为2，量子态总数为4，每个量子态的概率值分别为|α|2、|β|2、|γ|2、|δ|2，则将每个量子态的概率值分别作为每个资产的投资占比，即得到这4个资产的投资占比分别为|α|2、|β|2、|γ|2、|δ|2。
[0129]
步骤s29-3，若全部量子态的总数大于全部业务的总数，则将每个业务对应的量子态的概率值进行归一化处理，得到每个业务的占比；
[0130]
在本实施例中，若全部量子态的总数大于全部业务的总数，如资产总数n为3，量子比特的数目为2，量子态总数为4，每个量子态的概率值分别为|α|2、|β|2、|γ|2、|δ|2，则将前三个量子态的概率值进行归一化处理，即即得到这3个资产的投资占比分别为a、b、c。
[0131]
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种业务组合推荐装置的实现方式。请参阅图7，图7为本发明实施例提供的一种业务组合推荐装置300的功能模块图。需要说明的是，本实施例所提供的业务组合推荐装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该业务组合推荐装置300包括：
[0132]
获取模块310，用于基于用户选择的每个业务的业务数据和用户的偏好评估参数，获得业务函数；业务函数表示全部业务之间的占比与业务结果的关系；
[0133]
处理模块330，用于基于全部业务的总数确定量子比特的数目和初始量子线路；基于业务函数对初始量子线路中的参数进行优化，获得目标量子线路；利用目标量子线路对全部量子比特进行处理，获得输出的每个量子态及其概率值；
[0134]
推荐模块350，用于基于每个量子态的概率值确定每个业务的占比，获得推荐的业务组合。
[0135]
可选地，处理模块330具体用于：利用哈达玛门对初始化的全部量子比特进行处理，得到叠加后的每个量子态；基于业务函数和每个量子态，对每个网络层的参数进行优化获得每个网络层的最优参数，得到目标量子线路。
[0136]
可选地，处理模块330具体用于：基于业务函数和每个量子态，对第一个网络层的
参数进行优化，直至达到第一预设条件，得到第一个网络层的目标参数；基于第一个网络层的目标参数对每个网络层的参数进行优化，直至达到第二预设条件，得到每个网络层的最优参数。
[0137]
可选地，处理模块330具体用于：将第一个网络层的初始参数作为第一参数；利用第一个网络层的第一参数对每个量子态进行处理，得到每个量子态的第一概率值；基于每个量子态的第一概率值确定每个业务的第一占比，并计算业务函数的第一函数值；基于第一函数值对第一参数进行调整，得到第二参数；获取当前调整总次数并判断是否达到第一预设次数；若否，则将第二参数作为第一参数，并重复执行利用第一个网络层的第一参数对每个量子态进行处理，得到每个量子态的第一概率值的步骤，直至当前调整总次数达到第一预设次数；若是，则将第二参数作为第一个网络层的目标参数。
[0138]
可选地，处理模块330具体用于：利用第一个网络层中的含参单量子比特旋转门按照第一参数对全部量子态进行旋转；利用第一个网络层中的双量子比特门对旋转后的全部量子态进行纠缠处理；对纠缠处理后的全部量子态进行测量，得到每个量子态的第一概率值。
[0139]
可选地，推荐模块350具体用于：若全部量子态的总数与全部业务的总数相等，则将每个量子态的概率值分别作为每个业务的占比；若全部量子态的总数大于全部业务的总数，则将每个业务对应的量子态的概率值进行归一化处理，得到每个业务的占比。
[0140]
本发明实施例还提供了一种电子设备，包括处理器120和存储器130，存储器130存储有计算机程序，处理器执行计算机程序时，实现上述实施例揭示的业务组合推荐方法。
[0141]
本发明实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器120执行时实现本发明实施例揭示的业务组合推荐方法。
[0142]
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、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，所述模块、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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
[0143]
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0144]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存
储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0145]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。