[发明专利]一种多智能体的集成数据的监控方法及云服务器

权利要求书

1.一种多智能体的集成数据的监控方法，其特征在于，所述方法包括：

获取智能数据监控指示，所述智能数据监控指示用于指示在指定的智能数据监控范围上监控智能数据；

获取所述智能数据监控指示的待选智能数据集合，所述待选智能数据集合中包含第一分类智能数据和第二分类智能数据；其中，所述第一分类智能数据是具有监控频率标准的智能数据，所述第二分类智能数据是通过实时采集的监控数据中筛选监控位置的智能数据；

获取所述智能数据监控指示的待选智能数据集合中的各个智能数据的监控范围参数；

所述监控范围参数用于指示对应的智能数据被发送至所述指定的智能数据监控范围进行监控的系数；其中，所述第一分类智能数据的所述监控范围参数，是通过目标特征训练模型对所述第一分类智能数据的状态数据进行处理后得到的；所述目标特征训练模型是通过对样本集成环境进行强化学习搜索得到的，所述样本集成环境是由至少两个参考智能数据监控指示的待选智能数据集合中的智能数据组成的；

基于所述各个智能数据的监控范围参数获取目标智能数据；

将所述目标智能数据发送至所述指定的智能数据监控范围进行监控；

其中，所述状态数据包括智能数据组数据、全局数据和监控角度特征数据中的至少一种；所述智能数据组数据包括：

对应的智能数据的标签、对应的智能数据监控范围的标签、对应的智能数据的已监控量、对应的智能数据的监控量标准、对应的智能数据的监控范围、以及对应的智能数据的监控量上限中的至少一种；

所述全局数据包括：系统中的所述第一分类智能数据的全局折损率、系统中的所述第一分类智能数据的平均损耗率、系统中的所述第二分类智能数据的平均损耗率、以及系统中的所述第二分类智能数据的平均实时采集的监控数据中的至少一种；

所述监控角度特征包括：对应的智能数据监控指示关联的范围数据、对应的智能数据监控指示关联的坐标数据、以及对应的智能数据监控指示关联的集成数据中的至少一种；

其中，所述获取智能数据监控指示之前，还包括：

获取所述参考智能数据监控指示的待选智能数据集合中的各个指定样本智能数据的状态数据；

所述指定样本智能数据是所述参考智能数据监控指示的待选智能数据集合中的所述第一分类智能数据；

通过第一特征训练模型对所述各个指定样本智能数据的状态数据进行处理，获得样本监控特征训练；

所述样本监控特征训练用于指示所述参考智能数据监控指示的待选智能数据集合中的目标样本智能数据；

通过所述样本监控特征训练对所述样本集成环境中的智能数据的状态数据进行更新；

基于更新前后的所述样本集成环境中的智能数据的状态数据，获取修正参数；

基于所述修正参数对参数修正模型进行更新；

通过所述参数修正模型对所述样本监控特征训练的评价结果，对所述第一特征训练模型进行更新；

基于更新后的所述第一特征训练模型，获取所述目标特征训练模型；

其中，所述基于更新前后的所述样本集成环境中的智能数据的状态数据，获取修正参数，包括：

基于更新前后的所述样本集成环境中的智能数据的状态数据，获取浮动参数，所述浮动参数包括所述样本集成环境中的所述第一分类智能数据的全局折损率的范围参数、所述样本集成环境中的所述第一分类智能数据的平均损耗率的范围参数、以及所述样本集成环境中的所述第二分类智能数据的平均实时采集的监控数据的范围参数中的至少一种；

基于所述浮动参数获取所述修正参数；

其中，所述基于所述浮动参数获取所述修正参数，包括：

对所述浮动参数中的各项范围参数进行权重处理，获得权重处理结果；基于所述权重处理结果获取所述修正参数；

其中，第一特征训练模型包括优先特征训练模型和模拟特征训练模型；所述样本监控特征训练包括所述优先特征训练模型输出的优先监控特征训练，以及所述模拟特征训练模型输出的模拟监控特征训练；所述优先监控特征训练是优先从所述第一分类智能数据中选择所述目标样本智能数据的特征训练；所述模拟监控特征训练是基于所述监控范围参数对所述第一分类智能数据和所述第二分类智能数据进行混合排序并选择所述目标样本智能数据的特征训练；所述基于更新前后的所述样本集成环境中的智能数据的状态数据，获取浮动参数，包括：

基于第一状态数据获取第一浮动参数，所述第一状态数据是通过所述优先监控特征训练对所述样本集成环境中的智能数据的状态数据进行更新前后的状态数据；

基于第二状态数据获取第二浮动参数，所述第二状态数据是通过所述模拟监控特征训练对所述样本集成环境中的智能数据的状态数据进行更新前后的状态数据；

所述基于所述浮动参数获取所述修正参数，包括：获取所述第二浮动参数相对于所述第一浮动参数的增加占比；基于所述增加占比，获取所述修正参数。