-
公开(公告)号：CN114581221B
公开(公告)日：2022-07-29
申请号：CN202210481598.5
申请日：2022-05-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F17/00 , G06Q40/02 , G06Q10/04 , G06F30/20 , G06F111/04
Abstract: 本说明书实施例提供一种分布式计算系统及计算机设备。该分布式计算系统在原有的master‑slave（主从模式）的分布式计算框架下，增加了计算能力较高的算子节点，利用该算子节点处理求解基于原始优化问题构建的目标优化模型的过程中，一些计算量较大，处理较为耗时的任务，从而提高处理效率。
-
公开(公告)号：CN114493885A
公开(公告)日：2022-05-13
申请号：CN202210321635.6
申请日：2022-03-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种策略组合的优化方法及装置。所述方法涉及对用于识别风险用户的策略组合的多轮次迭代更新，其中任一轮次包括：在当前策略组合的基础上分别添加多个可选策略，得到多个第一策略组合；对伯努利分布进行随机采样；在采样结果指示本轮接受次优策略的情况下，基于所述多个第一策略组合随机选取某个第一策略组合，作为本轮更新后的当前策略组合。
-
公开(公告)号：CN114462601A
公开(公告)日：2022-05-10
申请号：CN202210384008.7
申请日：2022-04-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例描述了一种用于确定遗传算法中使用的超参数的方法和装置。根据实施例的方法，在确定遗传算法中使用的超参数时，首先获取至少两个第一超参数组合。然后基于应用该至少两个超参数组合得到的遗传求解个体所能达到的收益确定出目标超参数组合，最后即可将该目标超参数组合中的超参数设为遗传算法中使用的超参数。由于超参数实现了对遗传求解过程的限制，使得遗传求解能够向得到最优解有利的方向进行演进，从而快速得到高质量的解。而且确定出的目标超参数是基于遗传求解个体所能达到的收益确定的，这与遗传求解的目标是一致的。因此，根据本方案确定出的超参数能够提高遗传求解的效率。
-
公开(公告)号：CN115392426A
公开(公告)日：2022-11-25
申请号：CN202210987681.X
申请日：2022-08-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了自组织迁移的业务处理方法。方案包括：随机处理步骤：在包含多个个体的种群中随机选择一个个体，作为领导者，将种群中的其他个体向领导者迁移，对迁移后的个体进行评估，得到第一评估结果，据此确定是否保留迁移后的个体；聚类处理步骤：对保留的各迁移后的个体进行聚类，生成多个子类，在子类中选择一个评估结果最优的个体，作为子类中的领导者，将子类中的其他个体向子类中的领导者迁移，对迁移后的个体进行评估，得到第二评估结果，据此确定是否保留迁移后的个体；迭代处理步骤：根据处理后的种群，对随机处理步骤、聚类处理步骤迭代执行，根据迭代结果选择最优个体，以便根据所述最优个体执行相关业务。
-
公开(公告)号：CN114418247B
公开(公告)日：2022-07-26
申请号：CN202210324428.6
申请日：2022-03-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例描述了数据处理方法和装置。根据实施例的方法，首先获取到数据处理任务中待进行整数规划的目标规划对象，然后选取各个目标规划对象的局部最优解作为各目标规划对象的解组成至少一个初级规划个体。进一步利用初级规划个体得到更多的待选规划个体。最后利用得到的多个待选规划个体进行遗传处理直至达到终止条件，即可根据遗传处理得到的解对目标规划对象进行规划处理。由于遗传处理的待选规划个体是通过选取至少一个目标规划对象的局部最优解得到的，如此能够使得规划个体的优势明显，相当于已经给了一个优化问题的次优解。因此利用该次优解进行演进，能够更快速得到整数规划的最优解，从而提高对目标规划对象进行规划处理的效率。
-
Patent Agency Ranking
公开(公告)号：CN116862660A
公开(公告)日：2023-10-10
申请号：CN202310893897.4
申请日：2023-07-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/03 , G06Q30/0601
Abstract: 本说明书的实施例提供了一种用于资源分配的调整值确定方法、资源分配方法和装置。在该用于资源分配的调整值确定方法中，通过对基于相关业务数据和增广拉格朗日函数构建的初始资源分配模型中的目标系数向量、约束系数矩阵和约束限值向量进行归一化，得到对应的替代目标系数向量、替代约束系数矩阵和替代约束限值向量；再基于替代目标系数向量、替代约束系数矩阵和替代的约束限值向量对初始资源分配模型的相应参数进行更新，得到资源分配模型；以及对该资源分配模型进行求解，得到对偶变量的值作为用于资源分配的调整值。
-
公开(公告)号：CN114579110B
公开(公告)日：2022-08-19
申请号：CN202210480911.3
申请日：2022-05-05
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F8/30
Abstract: 本说明书提供优化模型的求解方法、电子设备、应用程序及存储介质，优化模型的求解过程包括获取描述优化模型的程序指令，其中，程序指令中携带有参数。在获取程序指令的过程中，用户可以输入描述决策变量的信息，描述优化目标的信息以及描述约束条件的信息。其中，输入信息携带有参数的存储位置信息。如此，可以基于存储位置信息读取到程序指令中的参数，并且根据预设模板记录的程序指令转换方式，将输入信息转换为描述优化模型的程序指令。由于用户只需输入上述三种信息，不需要使用建模语言将优化模型编写成计算机程序，因此用户可以不用掌握建模语言，降低了模型建立门槛。同时节省了用户编写计算机程序的时间，因此提高了业务问题解决效率。
-
公开(公告)号：CN114548830B
公开(公告)日：2022-07-29
申请号：CN202210405947.5
申请日：2022-04-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种选择算子确定方法、策略组合优化方法及装置。在选择算子确定方法中，确定选择策略组合时的目标条件和约束条件，基于目标条件和约束条件构建待确定的选择算子，选择算子包含若干个基算子和对应的待确定的系数，确定系数的多组系数取值，得到对应的待选选择算子，针对任意一个待选选择算子，利用多个风险用户样本和该待选选择算子，从第一策略总集中选择识别效果评分最高的策略组合，并确定策略组合对应的识别结果的目标值，作为该待选选择算子对应的目标值，当得到多组待选选择算子和对应的目标值时，将满足预设优选条件的目标值对应的待选选择算子，确定为选择算子。
-
公开(公告)号：CN114595902A
公开(公告)日：2022-06-07
申请号：CN202210495943.0
申请日：2022-05-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/04 , G06F16/2455
Abstract: 本公开提供了一种基于黑盒优化的业务优化实现方法，包括：接收业务场景的优化目标；将该优化目标抽象为黑盒优化问题并确定黑盒优化问题的参数空间；在该参数空间中进行全局搜索以获取多个相对较优解；将多个相对较优解分别作为零阶优化的起始点以寻找相应的局部更优解；将相应的局部更优解迭代收敛至全局最优解；以及将该全局最优解应用于业务场景以实现业务优化。
-
公开(公告)号：CN114580212A
公开(公告)日：2022-06-03
申请号：CN202210459413.0
申请日：2022-04-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/20 , G06F111/04 , G06F111/06
Abstract: 本说明书实施例公开了一种资源的优化配置方法、装置以及设备。通过获取第一子目标函数；根据所述局部约束条件对第一子目标函数进行求解，生成各节点所对应的主变量的局部解；获取第二子目标函数；根据松弛后的所述全局约束条件对所述第二子目标函数进行求解，生成各节点所对应的对于所述主变量的局部校正值；采用所述局部校正值对所述局部解进行校正，生成各节点所对应的主变量的规划值；根据所述主变量的规划值对所述资源进行优化配置。从而实现基于具体问题的类型可以使用通用或定制求解器，并基于具体问题的解进行校正优化，解决线性、非线性以及混合整数优化问题。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.035 seconds)
