[发明专利]基于强化学习的烟叶烘烤曲线推荐方法

权利要求书

1.基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，所述方法包括：

获取烟叶烘烤请求；

获取烟叶烘烤曲线的推荐模型；

判断烟叶烘烤请求是否为空；

若是，则对推荐模型进行初始化，形成实际烟叶烘烤曲线；

若否，则判断烟叶烘烤请求是否有新增数据；

若有，则对推荐模型进行强化学习，形成实际烟叶烘烤曲线；

若无，则根据烟叶烘烤请求推荐最佳烘烤曲线。

2.根据权利要求1所述的基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，获取烟叶烘烤曲线的推荐模型的步骤，包括以下具体步骤：

获取历史烘烤曲线时序温度数据；

获取历史烘烤曲线元数据；

根据时序温度数据以及元数据形成推荐模型。

3.根据权利要求2所述的基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，对推荐模型进行初始化，形成实际烟叶烘烤曲线的步骤，包括以下具体步骤：

创建二维矩阵；

遍历历史烘烤曲线时序温度数据；

创建二维矩阵对应的预测二维矩阵；

根据二维矩阵内的矩阵单元训练预测二维矩阵，形成实际烟叶烘烤曲线。

4.根据权利要求3所述的基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，遍历历史烘烤曲线时序温度数据的步骤，包括以下具体步骤：

获取烘烤曲线以及烘烤曲线的评分，形成向量<时间-1,烘烤曲线,烘烤曲线的评分>，添加至二维矩阵的矩阵单元中。

5.根据权利要求4所述的基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，根据二维矩阵内的矩阵单元训练预测二维矩阵，形成实际烟叶烘烤曲线的步骤，包括以下具体步骤：

初始化预测二维矩阵；

将二维矩阵内的所有向量分割成输入向量以及输出向量；

将所有分割后的输入向量以及输出向量作为训练集，训练预测二维矩阵，形成实际烟叶烘烤曲线。

6.根据权利要求2至5任一项所述的基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，对推荐模型进行强化学习，形成实际烟叶烘烤曲线的步骤，包括以下具体步骤：

获取新增烘烤曲线并获取二维矩阵；

根据新增烘烤曲线遍历新增烘烤曲线的时序温度数据，并遍历结果存储于二维矩阵的矩阵单元内；

根据更新后的矩阵单元，触发矩阵单元对应的预测二维矩阵中的矩阵单元，进行强化学习，形成实际烟叶烘烤曲线。

7.根据权利要求6所述的基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，根据用烟叶烘烤请求推荐最佳烘烤曲线的步骤，包括以下具体步骤：

获取输入的待烘烤烟叶的元数据；

初始化返回的烘烤曲线；

根据元数据依次生成烘烤曲线；

截去烘烤曲线尾部的无数据部分；

返回剩余的烘烤曲线，形成实际烟叶烘烤曲线。

8.根据权利要求7所述的基于强化学习的烟叶烘烤曲线推荐方法，其特征在于，根据元数据依次生成烘烤曲线的步骤，包括以下具体步骤：

整合温度以及元数据，形成输入向量；

将输入向量依次输入给预测模型，生成对应的预测评分；

获取最大的预测评分对应的指标值；

将最小温度和指标值作为温度值，添加入烘烤曲线内。