[发明专利]最优路径的规划方法、装置及计算机可读存储介质

权利要求书

1.一种最优路径的规划方法，其特征在于，所述最优路径的规划方法包括以下步骤：

利用最优算法获取第一参数对应的第二参数，其中，第一参数及第二参数包括多个参数；

将所述第一参数及所述第二参数分别作为输入及输出训练神经网络，以得到所述神经网络对应的神经网络模型；

运行所述神经网络模型，根据获取到的参数变量得到最优结果。

2.如权利要求1所述的最优路径的规划方法，其特征在于，所述将所述第一参数及所述第二参数分别作为输入及输出训练神经网络，以得到所述神经网络对应的神经网络模型的步骤包括：

将所述第一参数及所述第二参数分别作为输入及输出在所述神经网络中进行逐层运算；

确定当前层输出值的误差值是否小于预设阈值；

当所述误差值小于预设阈值时，结束训练，得到所述神经网络对应的神经网络模型。

3.如权利要求2所述的最优路径的规划方法，其特征在于，所述确定当前层输出值的误差值是否小于预设阈值的步骤包括：

获取当前层的实际输出值及所述第二参数中的期望输出值；

基于所述输出值及所述期望输出值获取所述误差值，确定所述误差值是否小于预设阈值。

4.如权利要求3所述的最优路径的规划方法，其特征在于，所述确定当前层输出值的误差值是否小于预设阈值的步骤之后，所述最优路径的规划方法还包括：

当所述误差值大于预设阈值时，获取所述当前层输出值对应的梯度；

调整所述梯度对应的权重，将当前层的输出作为下一层的输入继续调整权重。

5.如权利要求4所述的最优路径的规划方法，其特征在于，所述确定当前层输出值的误差值是否小于预设阈值的步骤之后，所述最优路径的规划方法还包括：

当所述误差值大于预设阈值时，获取当前训练次数，确定所述当前训练次数是否大于预设次数；

当所述当前训练次数大于预设次数时，结束训练。

6.一种最优路径的规划装置，其特征在于，所述最优路径的规划装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的最优路径的规划程序，所述最优路径的规划程序被所述处理器执行时实现以下步骤：

利用最优算法获取第一参数对应的第二参数，其中，第一参数及第二参数包括多个参数；

将所述第一参数及所述第二参数分别作为输入及输出训练神经网络，以得到所述神经网络对应的神经网络模型；

运行所述神经网络模型，根据获取到的参数变量得到最优结果。

7.如权利要求6所述的最优路径的规划装置，其特征在于，所述最优路径的规划程序被所述处理器执行时还实现以下步骤：

将所述第一参数及所述第二参数分别作为输入及输出在所述神经网络中进行逐层运算；

确定当前层输出值的误差值是否小于预设阈值；

当所述误差值小于预设阈值时，结束训练，得到所述神经网络对应的神经网络模型。

8.如权利要求7所述的最优路径的规划装置，其特征在于，所述最优路径的规划程序被所述处理器执行时还实现以下步骤：

获取当前层的实际输出值及所述第二参数中的期望输出值；

基于所述输出值及所述期望输出值获取所述误差值，确定所述误差值是否小于预设阈值。

9.如权利要求8所述的最优路径的规划装置，其特征在于，所述最优路径的规划程序被所述处理器执行时还实现以下步骤：

当所述误差值大于预设阈值时，获取所述当前层输出值对应的梯度；

调整所述梯度对应的权重，将当前层的输出作为下一层的输入继续调整权重。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有最优路径的规划程序，所述最优路径的规划程序被处理器执行时实现以下步骤：

利用预设算法获取第一参数对应的第二参数，其中，第一参数及第二参数包括多个参数；

将所述第一参数及所述第二参数分别作为输入及输出训练神经网络，以得到所述神经网络对应的神经网络模型；

运行所述神经网络模型，根据获取到的参数变量得到最优结果。