[发明专利]算法整合

说明书

本发明涉及由计算机实现的对算法进行控制的方法以及用于实现所述方法的装置，所述方法包括以下步骤：通过机器学习处理将所述算法从第一状态开发至第二状态；确定执行处于其第二状态的所述算法的第二计算成本；确定所述第二计算成本是否满足触发条件；并且如果是，则将所述算法从所述第二状态整合至第三状态，其中，执行处于其第三状态的所述算法的第三计算成本小于所述第二计算成本。

技术领域

本发明涉及用于整合算法的方法和设备。

背景技术

计算系统中的算法是表征特定计算的一组规则。通常，计算机程序员定义一种算法，以定义给定情况下的一个或更多个输入基于特定目标应该如何映射至一个或更多个输出。因此，定义该组规则所涉及的技能随着给定问题的复杂性增加而增加。此外，输入、输出或目标的任何变化都要求计算机程序员重新访问算法并更新规则。

机器学习领域的出现使算法的开发自动化，并被应用于多个计算领域(如自主计算系统)。通常，机器学习处理采用与环境相关的示例数据集(“训练数据”)。机器学习处理对训练数据集使用一种或更多种统计技术来定义一组规则(即算法)，该规则将输入转换为输出(通常基于性能目标)。机器学习处理随后就可以通过基于任何新数据和/或性能目标重新评估该组规则来随时间的推移开发算法。然而，如果算法包含大量规则，则这可能导致该算法变得越来越复杂，从而增加了计算系统的计算负担。在通过机器学习处理来开发算法以使得该算法的新版本的执行需要执行该算法的所有先前版本的场景中，该问题尤其严重。在这种情况下，计算负担随着算法的每个新版本而增加。

在受监管的学习场景中，监管者可以定期查看由机器学习处理开发的算法，以确定是否应该执行整合操作。整合操作用于降低算法的计算负担(诸如通过减少算法中的规则的数量)，同时尝试最大程度地降低对算法性能的影响。

发明内容

根据本发明的第一方面，提供了一种由计算机实现的对算法进行控制的方法，所述方法包括以下步骤：通过机器学习处理将所述算法从第一状态开发至第二状态；确定执行处于其第二状态的所述算法的(第二)计算成本；确定所述(第二)计算成本是否满足触发条件；并且如果是，则将所述算法从所述第二状态开发至第三状态，其中，执行处于其第三状态的所述算法的进一步(第三)计算成本小于所述(第二)计算成本。

本发明的实施方式提供了以下优点：由机器学习处理开发的过于复杂的算法在基于执行所述算法所需的计算资源的触发之后可以被自动整合成较简单的算法。这对于很容易随着时间的推移而开发冗余元素的算法特别有用，诸如当所述算法与高度可变的环境相关、在迭代之间具有非常短的时间延迟或所述算法的性能目标被配置成使得所述算法相对敏捷(例如低接受标准)时特别有用。

所述方法可以还包括以下步骤：对与计算系统相关的第一组输入执行处于其第二状态的所述算法，以产生第二组输出，其中，所述第二组输出中的每个输出是第一可能输出和第二可能输出中的一者；对所述第一组输入执行处于第三状态的所述算法，以产生第三组输出，其中，所述第三组输出中的每个输出是所述第一可能输出和所述第二可能输出中的一者；确定所述第二组输出与所述第三组输出之间的第一匹配值。

所述方法可以还包括以下步骤：确定所述第一匹配值是否满足阈值。

所述方法可以还包括以下步骤：将所述算法从所述第三状态开发至第四状态，其中，如果所述第一匹配值满足所述阈值，则以第一学习速率开发所述算法，而如果所述第一匹配值不满足所述阈值，则以第二学习速率开发所述算法。

所述算法可以是具有多个分支节点和多个叶节点的决策树，并且所述计算成本可以基于所述多个分支节点的计数来确定。

将所述算法从所述第二状态开发至所述第三状态的步骤可以包括开发新算法。另选地，将所述算法从所述第二状态开发至所述第三状态的步骤可以包括从所述算法的第二状态修改所述算法。