[发明专利]基于元模型和资源数据的模型自主动态优化方法

权利要求书

1.一种基于元模型和资源数据的模型自主动态优化方法，其特征在于，具体包括如下步骤：

1)根据产品生命周期中各种资源数据的特征构造好产品生命周期所需的资源统一元模型；

2)创建强化学习智能体，将现存资源数据作为智能体的训练环境；

智能体对现有存资源数据进行学习，根据每条数据建立、改进或完善出一个虚拟模型，智能体每个动作都会返回相应的奖赏，奖赏值的高低反映了此次优化行为的优劣，累计奖赏最高的动作或动作集，趋向与最佳优化策略；

3)智能体通过步骤2)历史经验的训练，可判断某状态下执行何种既定动作的奖赏最高，即在数据不匹配的情况下的最佳优化方式，优化后的智能体作为虚拟模型；

4)当有新的资源数据进入，新的资源数据同时进入智能体和元模型，智能体和元模型本身共同处理新的资源数据，若新的资源数据与元模型匹配，则直接用元模型描述新的资源数据；若不匹配，则智能体根据历史经验优化虚拟模型，优化后的虚拟模型与新的资源数据匹配成功后，则此动作对应为元模型的最佳优化方法，将此优化动作用于现实世界的元模型中。

2.根据权利要求1所述基于元模型和资源数据的模型自主动态优化方法，其特征在于，所述智能体的训练方法：

首先、用户自定义优化动作，包括添加属性、扩大范围、完善参数、改动描述方式，包括参数和结构在内的每一处可优化的点，作为智能体可以选择的优化动作；同时，用户指定奖惩机制，对于完全匹配、部分匹配的状态，按匹配的比例对当前执行的动作制定奖赏值，对于不匹配的状态，同样制定惩罚值；因奖赏为正值、惩罚为负值；

然后、将现有的资源数据作为与智能体的交互环境，根据强化学习中基于模型的思想，智能体对现有数据进行学习，根据每条数据建立、改进或完善出一个虚拟模型，其具体过程为智能体基于现有数据，从无到有建立虚拟模型，并与虚拟模型进行交互，在虚拟模型上匹配每一条数据，面对数据不匹配的情况，智能体选择预定义中的动作对模型进行操作后，返回奖赏，保存此次操作的模型状态、所选动作和奖赏为状态S_n、动作A_n、奖赏B_n组合数据，再匹配下一条数据，根据最终整体的数据匹配情况反馈相应的累积奖赏，多次重复上述过程后，累计奖赏达到预期设定的峰值时，即现有数据中的每一条都完全与智能体建立出的虚拟模型匹配时，智能体训练完毕。

3.根据权利要求2所述基于元模型和资源数据的模型自主动态优化方法，其特征在于，所述与元模型不匹配的新的资源数据，智能体将根据历史经验和新数据，选择预定义动作中，在该状态下奖赏最高的动作或动作集，对虚拟模型进行改进；在虚拟模型改进后，若可与新数据匹配，则此动作即为元模型的最佳优化方法；若改进后的虚拟模型依旧无法与新数据匹配，则智能体继续进行上述优化虚拟模型的过程，直至与新数据匹配为止。

4.根据权利要求3所述基于元模型和资源数据的模型自主动态优化方法，其特征在于，所述优化虚拟模型的过程重复超过用户定义的一个阈值，即所有动作都无法将虚拟模型优化成可与新数据匹配的状态，人工介入检查是否为智能体训练不充分、预定义动作需要补充，或其它人为、数据、冲突类型的错误；针对问题人为优化元模型或重新训练智能体。