[发明专利]一种连续变量分布的软网格编码方法及其解码方法

说明书

本发明提供了一种连续变量分布的软网格编码方法，包括以下步骤：1）输入带编码变量的分布信息，可以是公式、函数形式输入，也可以是数值数组形式输入；2）设置网格编码参数；3)执行编码算法；4）输出编码结果。本发明还提供了一种连续变量分布的软网格解码方法。本发明的有益效果是：提出了一种网格编码技术，即软网格编码方法，并设计了该编码方法的解码方法。软网格编码技术使得连续变量分布的预测称为可能，应用该技术，可以构建模型预测某连续变量的概率分布。

技术领域

本发明涉及网格编码方法，尤其涉及一种连续变量分布的软网格编码方法及其解码方法。

背景技术

连续变量，可以是单变量，也可以是多变量，如时间、距离、速度等参数。在目前数学建模、算法设计过程中，会常用到需要将类似连续变量作为模型的输入或者输出的情况。直接将连续变量作为模型输入，往往很难取得理想的实际应用效果。例如，汽车自动驾驶算法设计中，采用强化学习中，需要将距离和速度作为两个连续变量输入神经网络模型，以实现模型状态的输入，但直接用两个连续变量难以取得、甚至无法取得理想效果。又例如，时间变量，在故障诊断模型中，常需要预测某个故障发生的时间，或者以时间为横坐标的故障发生概率分布，此时直接以时间作为模型输出，几乎无法在使用中取得效果。

既有技术中提出过一种二进编码，称为网格编码(Tile-Coding)，已经广泛应用于强化学习领域，实现连续变量为状态的模型输入设计。但目前为止，由于网格编码本身不存在解码器，使得该编码方法无法应用于模型输入。

既有的网格编码方法，可以描述如下：给定m个网格，每个网格有n个格子，以及每个格子长度为ΔT＞0，给定随机偏置{d_j∈[0，ΔT)；j＝1，2，...m}，单维变量T≥0可以被编码为F(T|m，n，ΔT，d)，为一个m行n列的矩阵，其中第i个值和第j个值可以被描述为：

对于i＝1，2，...，n-1；j＝1，2，...，m，

对于i＝n；j＝1，2，...，m，

因此，给定参数m，n，ΔT和d，可以将连续单维变量值T编码为m*n长度的二进制序列F(T|m，n，ΔT，d)，这是既有的网格编码技术。

对于给定m*n的二进制序列F，既有网格编码满足下面两个属性：1)F_ij(T)∈{0，1}和2)∑_iF_ij(T)＝1，但仅满足上述两个条件不能保证总存在连续值T使得F(T|m，n，ΔT，d)＝F。也即，既有技术中的网格编码不存在解码器。

网格编码方法，仅适用于单变量值的编码过程，不存在解码过程，这极大程度上使得该编码技术无法广泛应用于模型输出的用途。目前，网格编码主要应用于强化学习模型中，连续状态的编码输入过程，可用范围极为狭窄。

发明内容

为了解决现有技术中的问题，本发明提供了一种连续变量分布的软网格编码方法及其解码方法。

本发明提供了一种连续变量分布的软网格编码方法，包括以下步骤：

1)输入待编码变量的分布信息，可以是公式、函数形式输入，也可以是数值数组形式输入，如果是数值数组形式输入，则本专利中所有积分符号对应为求和符号；

2)设置网格编码参数；

4)执行编码算法；

4)输出编码结果。

本发明还提供了一种连续变量分布的软网格解码方法，包括以下步骤：

1)输入如上述中任一项所述的连续变量分布的软网格编码方法输出的待解码的软网格编码序列；

2)输入待解码坐标序列；