[发明专利]一种数据处理方法及装置

说明书

本申请实施例公开了一种数据处理方法及装置，获取当代种群，计算该种群中每个个体的适应度值，将适应度值最大的个体确定为精英个体。再根据个体的适应度值确定出N个个体，构成选择种群，计算选择种群中任意两个个体的相似度，根据相似度以及随机数确定进行单点交叉操作的两个个体。然后在该两个个体的第n个基因位进行单点交叉操作，获得交叉种群。再对交叉种群中的个体进行突变，获得变异种群，从变异种群中选取K个个体，作为遗传种群。利用随机种子函数生成N‑K‑1个个体，获得再生种群。将精英个体、遗传种群以及再生种群组合成下一代种群，将下一代种群作为当代种群重复上述操作，直至遗传代数大于遗传总代数T，则输出第T代种群的精英个体。

技术领域

本申请涉及计算机领域，具体涉及一种数据处理方法及装置。

背景技术

针对于为车辆推荐最优路线问题，可看作为最优化问题，其是工程实践和科学研究中主要的问题之一。而对于最优化问题的求解主要包括解析法和智能仿生法两种方法。

其中，解析法只适用于目标函数和约束条件有明显的解析表达式的情况，求解方法是：先求出最优的必要条件，得到一组方程或不等式，再求解这组方程或不等式，一般是用求导数的方法或变分法求出必要条件，通过必要条件将问题简化。但是现实生活中的优化问题较为复杂或者不能用变量显函数描述，此时可采用智能仿生法经过若干次迭代搜索到最优点。然而大部分智能仿生法，例如遗传方法，随着进化过程不断进行，种群多样性逐渐减小，容易陷入局部最优。在利用上述方法进行最优路线推荐时，由于在样本多样性逐渐减小，导致无法获得准确预测结果。

发明内容

有鉴于此，本申请实施例提供一种数据处理方法及装置，以减小陷入局部最优的概率，提高路线推荐准确性。

为解决上述问题，本申请实施例提供的技术方案如下：

本申请实施例第一方面，提供了一种数据处理方法，所述方法包括：

计算第i代种群中每个个体的适应度值；所述种群包括N个个体，i不大于T，T为遗传总代数；

将适应度值最大的个体确定为精英个体；

根据每个所述个体的适应度值确定选择种群；所述选择种群包括N个个体；

计算所述选择种群中任意两个个体的相似度，当所述相似度不大于预设相似度阈值且第一随机数r不大于预设交叉概率时，分别对所述两个个体的第n个基因位进行交叉操作，重复计算所述选择种群中任意两个个体的相似度，直至遍历完所述选择种群，获得交叉种群；其中，0≤r≤1，所述n为随机数，1≤n≤M，所述M为个体长度，所述变异种群包括N个个体；

对所述交叉种群中的个体进行突变操作，获得变异种群；

从所述变异种群中选取K个个体，作为遗传种群；所述K小于N且大于0；

利用随机种子函数生成L个个体，获得再生种群；所述L＝N-K-1；

根据所述精英个体、所述遗传种群以及所述再生种群组合生成第i+1代种群；

若i+1不大于T，则对所述第i+1代种群重复执行上述操作，直至所述i+1大于T，输出第T代种群的精英个体。

在一种可能的实现方式中，所述根据每个所述个体的适应度值确定选择种群，包括：

根据所述个体的适应度值对个体进行从大到下排序；

根据所述个体的适应度值计算所述个体遗传到下一代的遗传概率；

根据所述个体的遗传概率确定所述个体对应的累积概率；

生成第二随机数γ，并判断所述第二随机数γ是否小于第一个体的累积概率；所述第一个体为适应度值最大的个体，其中，0≤γ≤1；