[发明专利]一种优先级分层学习方法

摘要

本发明本提出一种优先级分层学习方法，对于有N个不同优先级的任务，对于优先级i的任务，记其评价函数为Qi，并维护一个预测模型πi；对于优先级i的任务，以及所有更高优先级任务j＜i，准备一个预先确定的阈值εij，并维护一个松弛变量λij；对于任意i＞j，如果Qj(πi)+εij＜Qj(πj)，则表示πi在任务j上的表现比πj差太多了，则增大λij；反之则减小λij，但保持λij＞0。以λij，j＜i作为权重优化πi：重复前面的步骤直到收敛，最终得到的πN就是所求的模型。本发明方法中，用约束描述优先级，解决了传统多目标优化方法没有优先级顺序的问题。引入松弛变量，自动调整各个优化目标的权重。对偶变量自适应调节，与原问题零对偶间隙，为凸优化问题，现有求解器可快速求解。