【技術實現步驟摘要】
本專利技術屬于智能算法評估，提出了一種數據驅動的智能算法能力邊界構建方法及裝置。
技術介紹
1、隨著科技的快速發展，智能算法在各個領域得到了廣泛應用。大大減少了人力資源投入。然而，隨著智能算法面臨的各種影響因素復雜程度的提升，有效評估智能算法在多種影響因素下的能力邊界成為亟待解決的問題。
2、智能算法能力邊界構建的現有技術主要包括以下幾種：
3、基于任務的智能算法能力邊界評估方法：根據智能算法類型，如目標檢測、目標跟蹤、路勁規劃、任務規劃、自主決策等，通過構建對應的測試任務，開展任務測試，根據智能算法在不同任務下的表現，評估其能力邊界。該方法針對具體任務，能夠反映智能算法在實際任務中的表現，但通常僅依賴于單次測試來得出智能算法能力邊界評估結果，具有較大的不確定性，導致測試結果不夠準確。
4、基于任務復雜度、環境復雜度和人工干預度的三維智能算法能力邊界評估方法：使用任務復雜度、環境復雜度和人工干預設計一個三軸表示，每個軸都有一組度量指標。任務復雜度可以通過任務級別、決策制定和協作效率、感知準確性、計劃和執行性能等指標來衡量。環境復雜度可以通過障礙物大小、障礙物密度、地形類型、背景特征等來衡量。人工干預可以通過交互時間和頻率、操作人員工作量、技能水平、自動啟動等指標來測量。將三個方面進行組合，可以得到不同難度的任務，再根據智能算法的任務完成情況，得到能力邊界。該方法針對性強、適用于多種智能算法，但由于人工干預度的存在，容易受到主觀影響，測試結果客觀性不足。同時未對任務復雜度與環境復雜度評估指標與智
5、綜上所述，現有智能算法能力邊界評估方法存在著任務設置規則單一、算法能力邊界獲取困難等問題，主要體現在：(1)已有智能算法能力邊界測評方法沒有分析各影響因素與智能算法能力相關性，僅通過測試任務測試結果得出智能算法能力測評結論，導致無法根據智能算法能力影響因素變化獲取準確智能算法能力邊界。(2)傳統的智能算法能力邊界測評方法通常僅依賴于單次測試來得出結論。由于智能算法的復雜性和多變性，其性能往往具有較大的統計不確定性，單次測試難以覆蓋智能算法能力邊界范圍。其次單次測試的結果容易受到偶然因素的影響，不能代表算法在多樣化實際應用中的表現。
技術實現思路
1、本專利技術提出一種數據驅動的智能算法能力邊界構建方法及系統，可以獲取更精確的智能算法能力邊界。
2、根據本公開實施例的第一方面，提供了一種數據驅動的智能算法能力邊界構建方法，包括：
3、獲取影響智能算法能力的靜態屬性和動態屬性；
4、分別計算靜態屬性的影響力得分、動態屬性的影響力得分和智能算法的智能算法能力得分后，組成三元組數據，并根據所述智能算法能力得分，對所述三元組數據進行標注；
5、基于標注后的三元組數據，構建智能算法的智能算法能力邊界。
6、可選地，在所述智能算法為規劃類算法的情況下，所述靜態屬性包括：路徑擬合程度、碰撞次數、急動度和任務規劃合理性；其中，所述規劃類算法包括：路徑規劃算法、避障算法或任務規劃算法；
7、在所述智能算法為規劃類算法的情況下，所述動態屬性包括：路徑擬合程度、碰撞次數、急動度、任務規劃合理性、動態障礙物速度和噪聲干擾。
8、可選地，所述計算靜態屬性的影響力得分，包括：
9、對于每一靜態屬性對應的影響力評估指標，獲取影響力評估指標值；其中，所述影響力評估指標包括：任務時間、道路連通度、道路容納度和關鍵點數量；
10、通過對所述影響力評估指標值的兩兩比較，構建靜態屬性的影響力評估指標對比矩陣a；
11、基于所述影響力評估指標對比矩陣a，獲取每一靜態屬性的影響力評估指標權重wi；
12、檢測所述靜態屬性的影響力評估指標權重wi的精確性，并在所述影響力評估指標的指標權重wi的精確性滿足設定條件下，基于靜態屬性對應的影響力評估指標值與該影響力評估指標的指標權重wi，得到所述靜態屬性的影響力得分。
13、可選地，所述對于每一靜態屬性對應的影響力評估指標，獲取影響力評估指標值，包括：
14、利用測評數據，獲取靜態屬性對應的影響力評估指標計算結果；
15、對影響力評估指標計算結果進行歸一化處理，得到歸一化處理后的影響力評估指標計算結果qi；
16、對于與智能算法能力呈負相關的影響力評估指標，將歸一化處理后的影響力評估指標計算結果qi作為影響力評估指標值pi；
17、對于與智能算法能力呈正相關的影響力評估指標，該影響力評估指標的影響力評估指標值pi＝1-qi。
18、可選地，基于所述影響力評估指標對比矩陣a，獲取每一影響力評估指標的指標權重wi，包括：
19、將所述影響力評估指標對比矩陣a中每列的元素進行標準化；
20、將標準化后的各元素按行求和，并將求和結果進行標準化，得到每一影響力評估指標的指標權重wi。
21、可選地，所述檢測所述靜態屬性的影響力評估指標權重wi的精確性，包括：
22、基于所述影響力評估指標對比矩陣a與靜態屬性的影響力評估指標權重wi，計算影響力評估指標對比矩陣的最大特征值λmax；
23、根據所述最大特征值λmax，計算靜態屬性的影響力評估指標權重矩陣的一致性值ci；其中，所述靜態屬性的影響力評估指標權重矩陣基于靜態屬性的影響力評估指標權重wi構建；
24、根據satty對該靜態屬性進行若干次的模擬測試，得到隨機一致性指標值ri；
25、計算一致性值ci與隨機一致性指標值ri的比值，并在該比值小于一設定閾值的情況下，判定該影響力評估指標的指標權重wi的精確性滿足要求。
26、可選地，所述基于標注后的三元組數據，構建智能算法的智能算法能力邊界，包括：
27、生成智能能力邊界曲線求解算法模型，所述智能能力邊界曲線求解算法模型基于公式wx+y+b＝0構建，w表示所述能力邊界曲線的邊界斜率，b表示偏置，x表示靜態屬性的影響力得分，y表示動態屬性的影響力得分；
28、求解最優邊界斜率w*和最優偏置b*；
29、將靜態屬性的影響力得分和動態屬性的影響力得分輸入到基于最優邊界斜率w*和最優偏置b*的智能能力邊界曲線求解算法模型中，得到該智能算法的智能算法能力邊界。
30、可選地，求解公式wx+y+b＝0中邊界斜率w所對應的最優邊界斜率w*和偏置b所對應的最優偏置b*，包括：
31、將公式wx+y+b＝0轉換為公式g＝w(x+y)；其中，g為邊界截距；
32、取邊界斜率使得邊界截距g∈[0,1]后，將公式g＝w(x+y)轉換為公式
33、將公式轉換為測試用例影響因素度量值關于場景影響因素度量值的線性函本文檔來自技高網...
【技術保護點】
1.一種數據驅動的智能算法能力邊界構建方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求1所述的方法，其特征在于，所述計算靜態屬性的影響力得分，包括：
4.根據權利要求3所述的方法，其特征在于，所述對于每一靜態屬性對應的影響力評估指標，獲取影響力評估指標值，包括：
5.根據權利要求3所述的方法，其特征在于，基于所述影響力評估指標對比矩陣A，獲取每一影響力評估指標的指標權重Wi，包括：
6.根據權利要求3所述的方法，其特征在于，所述檢測所述靜態屬性的影響力評估指標權重Wi的精確性，包括：
7.根據權利要求1所述的方法，其特征在于，所述基于標注后的三元組數據，構建智能算法的智能算法能力邊界，包括：
8.根據權利要求7所述的方法，其特征在于，求解公式wx+y+b＝0中邊界斜率w所對應的最優邊界斜率w*和偏置b所對應的最優偏置b*，包括：
9.根據權利要求8所述的方法，其特征在于，所述基于標注后的三元組數據，構建智能算法的智能算法能力邊界之后，還包括
10.一種數據驅動的智能算法能力邊界構建裝置，其特征在于，所述系統包括：
...【技術特征摘要】
1.一種數據驅動的智能算法能力邊界構建方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求1所述的方法，其特征在于，所述計算靜態屬性的影響力得分，包括：
4.根據權利要求3所述的方法，其特征在于，所述對于每一靜態屬性對應的影響力評估指標，獲取影響力評估指標值，包括：
5.根據權利要求3所述的方法，其特征在于，基于所述影響力評估指標對比矩陣a，獲取每一影響力評估指標的指標權重wi，包括：
6.根據權利要求3所述的方法，其特征在于，所述檢測...
【專利技術屬性】
技術研發人員：董乾，薛云志，王鵬淇，孟令中，李瑞，陳賀，
申請(專利權)人：中國科學院軟件研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。