[发明专利]模型训练方法和工作量分配方法

权利要求书

1.一种模型训练方法，包括：

获取训练样本集，其中，训练样本包括状态特征样本和对应的得分分布样本；

执行以下训练步骤：从所述训练样本集中选取一对状态特征样本和得分分布样本；基于选取的状态特征样本和得分分布样本对初始求解模型进行训练，得到损失值；响应于所述损失值满足第一阈值条件，将所述初始求解模型确定为基础求解模型；对所述基础求解模型进行优化，得到优化后的求解模型；响应于优化次数满足第二阈值条件，将所述优化后的求解模型确定为目标求解模型。

2.根据权利要求1所述的方法，还包括：

响应于所述损失值不满足所述第一阈值条件，调整所述初始求解模型的参数，再次执行所述从所述训练样本集中选取一对状态特征样本和得分分布样本；

响应于所述优化次数不满足所述第二阈值条件，将所述优化后的求解模型作为所述基础求解模型，再次执行所述对所述基础求解模型进行优化。

3.根据权利要求2所述的方法，其中，所述基于选取的状态特征样本和得分分布样本对初始求解模型进行训练，得到损失值包括：

将选取的状态特征样本输入到所述初始求解模型中，得到初始得分分布；

基于所述初始得分分布与选取的得分分布样本，计算得到所述损失值。

4.根据权利要求3所述的方法，其中，所述对所述基础求解模型进行优化，得到优化后的求解模型包括：

对所述基础求解模型进行变形，生成第一求解模型和第二求解模型；

分别基于所述第一求解模型和第二求解模型进行多次求解，得到多个第一得分分布和多个第二得分分布；

基于所述多个第一得分分布和多个第二得分分布，对所述基础求解模型进行参数调整，得到所述优化后的求解模型，并将所述优化次数累加一次。

5.根据权利要求4所述的方法，其中，所述对所述基础求解模型进行变形，生成第一求解模型和第二求解模型包括：

生成多个噪声数据，所述多个噪声数据与所述基础求解模型的多个参数一一对应；

将所述基础求解模型的多个参数分别加上对应的噪声数据，得到所述第一求解模型；

将所述基础求解模型的多个参数分别减去对应的噪声数据，得到所述第二求解模型。

6.根据权利要求5所述的方法，其中，所述分别基于所述第一求解模型和第二求解模型进行多次求解，得到多个第一得分分布和多个第二得分分布包括：

从所述训练样本集中选取一个状态特征样本，作为初始状态特征；

将所述初始状态特征分别输入到所述第一求解模型和第二求解模型中进行求解，得到第一求解结果和第二求解结果，并将求解次数累加一次；

响应于所述求解次数不满足第三阈值条件，基于所述第一求解结果和第二求解结果生成第一更新状态特征和第二更新状态特征；将所述第一更新状态特征和第二更新状态特征确定为所述初始状态特征，分别输入到所述第一求解模型和第二求解模型中再次求解；

响应于所述求解次数满足所述第三阈值条件，将得到的多个第一求解结果确定为所述多个第一得分分布，并将得到的多个第二求解结果确定为所述多个第二得分分布。

7.一种工作量分配方法，包括：

获取工作量分配成本函数和工作量分配约束条件；

基于所述工作量分配成本函数和工作量分配约束条件生成初始状态特征；

将所述初始状态特征输入到目标求解模型中，得到工作量分配结果，其中，所述目标求解模型基于权利要求1-6任一项所述的训练方法训练得到。