[发明专利]呼叫放弃率预测方法及系统

权利要求书

1.一种呼叫放弃率预测方法，其特征在于，包括：

将神经网络的结构参数作为猫群中的个体以及将所述神经网络训练的目标函数设置为基于引力搜索算子的柯西猫群算法的适应度函数，采用所述算法优化获得所述神经网络的目标结构参数；

将所述目标结构参数代入所述神经网络后，基于样本通话数据及对应的样本呼叫放弃率对所述神经网络进行训练，获得训练完成的呼叫放弃率预测模型；

将前一时段的历史通话数据输入至所述呼叫放弃率预测模型，获得输出的当前时段的呼叫放弃率预测值。

2.根据权利要求1所述的方法，其特征在于，采用所述算法优化获得所述神经网络的目标结构参数，包括：

S1，初始化群体参数后，获取每只猫的模式信息，所述模式信息包括搜索模式或追踪模式；

S2，根据每只猫的模式信息进行相应的计算，对每只猫的位置进行更新；

S3，采用引力搜索算子算法对每只猫的位置进行更新，获得下一次迭代的初始种群；

S4，评估所有猫的适应度值，根据所述初始种群重复步骤S1至S4，直到获得最优解。

3.根据权利要求2所述的方法，其特征在于，若猫的模式信息为搜索模式，则S2包括：

S201，基于搜索内存池SMP，产生K份种群个体的副本，形成群体cat_i；

S202，选择K个副本中的一只猫，维持所述猫的当前位置不变，其余的K-1个副本受到柯西算子进行突变；

x_i^m＝x_i+σ*C(0,1)

式中，x_i为初始群体，x_i^m是由柯西变异产生的更新个体，C是0到1之间的随机数，σ为标准偏差σ＝SRD*x_i；

S203，评估所有副本的适合度，并根据最佳适应值获得K个副本中的最佳个体，并将所述最佳个体作为最优解；

S204，采用所述最优解替换猫的所述当前位置，将突变后的个体位置重置为x_i。

4.根据权利要求2所述的方法，其特征在于，所述猫的模式信息为追踪模式，则S2包括：

S211，解空间设为D维，1<d<D；并定义第i只猫的速度v_i,d和位置x_i,d分别为x_i,d＝(x_i,1,x_i,2,x_i,3...,x_i,D)，v_i,d＝(v_i,1,v_i,2,v_i,3...,v_i,D)，猫群的全局最优位置x_g,d为x_g,d＝(x_g,1,x_g,2,x_g,3...,x_g,D)；

S212，计算猫群中新个体的运动向量，第i只猫在每一维度的运动向量采用下式计算，

v_i,d＝w*v_i,d+c*r*(x_g,d-x_i,d)

式中，w为上一次迭代时的速度对当下速度的影响，c为常量，r为[0,1]之间的随机值；

S213，采用下式计算第i只猫的新位置，

x_i,dⁿ＝x_i,d+v_i,d；

S214，如果在任何维度的第i个猫的新位置超出搜索空间范围，则将当前维度的速度设置为边界值，以反向搜索重新开始流程。