[发明专利]业务模型强化学习方法以及装置

权利要求书

1.一种业务模型强化学习方法，其特征在于，包括：

获取业务样本；

基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型；所述初始业务模型基于执行业务操作所依赖的业务策略曲线构建；

基于所述目标业务模型生成执行所述业务操作所依赖的目标业务策略曲线。

2.根据权利要求1所述的业务模型强化学习方法，其特征在于，所述业务样本包括：历史时间段内的业务样本；

相应的，所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型，包括：

基于所述历史时间段内的业务样本，对所述初始业务模型进行强化学习，强化学习之后获得所述业务样本对应的学习奖励；

判断所述学习奖励是否大于或者等于目标奖励；

若是，将所述学习奖励对应的业务样本作为最优业务样本，并将基于所述最优业务样本进行强化学习之后的业务模型作为所述目标业务模型。

3.根据权利要求1所述的业务模型强化学习方法，其特征在于，所述业务样本包括：历史时间段内的业务样本；

相应的，所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型，包括：

基于所述历史时间段内的业务样本，对所述初始业务模型进行强化学习，获得所述业务样本对应的学习奖励；

将所述历史时间段内学习奖励最高的业务样本作为最优业务样本；

将所述最优业务样本对所述初始业务模型进行强化学习之后的业务模型，作为所述目标业务模型。

4.根据权利要求1所述的业务模型强化学习方法，其特征在于，所述获取业务样本步骤执行之后，且所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型步骤执行之前，包括：

确定在基准执行条件下执行所述业务操作的业务执行目标。

5.根据权利要求4所述的业务模型强化学习方法，其特征在于，所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型，包括：

基于所述业务样本对初始业务模型进行强化学习，强化学习之后获得业务模型；

基于所述业务模型生成执行所述业务操作的强化业务策略曲线；

判断按照所述强化业务策略曲线执行所述业务操作的业务执行结果是否满足所述业务执行目标；

若是，将所述强化学习之后获得业务模型作为所述目标业务模型。

6.根据权利要求1至5任意一项所述的业务模型强化学习方法，其特征在于，所述基于所述目标业务模型生成执行所述业务操作所依赖的目标业务策略曲线，包括：

根据所述目标业务模型确定所述业务策略曲线的目标参数；

基于所述目标参数和所述业务策略曲线的曲线表达式，确定所述目标业务策略曲线。

7.根据权利要求1所述的业务模型强化学习方法，其特征在于，所述初始业务模型，采用如下方式构建：

确定所述业务策略曲线涉及的业务数据；

对所述业务数据进行预处理；

基于所述预处理后的业务数据以及所述业务策略曲线的曲线表达式，构建所述初始业务模型。

8.根据权利要求7所述的业务模型强化学习方法，其特征在于，所述业务数据，包括下述至少一项：

业务操作、业务操作的执行条件、业务操作的执行结果。

9.根据权利要求6至8任意一项所述的业务模型强化学习方法，其特征在于，所述曲线表达式的底数包括所述业务操作，所述业务操作的执行结果为所述曲线表达式中所述底数对应指数的一个组成部分。

10.根据权利要求1所述的业务模型强化学习方法，其特征在于，所述基于所述目标业务模型生成执行所述业务操作所依赖的目标业务策略曲线步骤执行之后，包括：

按照所述目标业务策略曲线确定的业务策略阈值执行所述业务操作。