一种数据处理方法及电子设备与流程
本技术涉及人工智能，尤其涉及一种数据处理方法及电子设备。
背景技术：
1、在如工业排产、物流调度、芯片设计、路径规划以及投资组合等场景下的任务执行过程中，为了保证任务执行结果精准可靠，往往需要相应场景下大量的优化问题样本，但由于相应场景下真实存在的历史优化问题数量有限，这就需要生成大量新的优化问题，丰富用于实现该场景任务的优化问题样本集。
2、然而，目前需要专家依赖于个人专业能力，针对相应场景设计大量新的优化问题，不仅费时费力，影响优化问题生成效率和可靠性，且不具有通用性，无法应用于专业知识未知或不可获取的场景。
技术实现思路
1、鉴于上述问题，本技术提供了以下方案：
2、本技术第一方面提供一种数据处理方法，所述方法包括：
3、获取针对业务场景下的不同业务对象的第一优化问题；
4、将所述第一优化问题输入问题生成器，通过学习所述第一优化问题指示的所述不同业务对象的数据分布特征，并约束所生成优化问题的可行优化结果，生成针对所述不同业务对象的至少一个第二优化问题；
5、依据所述至少一个第二优化问题和所述第一优化问题，实现所述业务场景下基于所述第一优化问题的原始任务。
6、在一种可能的实现中，所述将所述第一优化问题输入问题生成器，通过学习所述第一优化问题指示的所述不同业务对象的数据分布特征，并约束所生成优化问题的可行优化结果，生成针对所述不同业务对象的至少一个第二优化问题，包括：
7、将第一优化问题输入问题生成器，确定所述第一优化问题指示的针对所述不同业务对象的待优化参数，以及针对所述待优化参数的第一约束参数集；第一约束参数是所述不同业务对象实现所述业务场景所依赖的业务资源；
8、更新所述第一约束参数集中的部分第一约束参数，得到至少一个第二约束参数集；
9、依据所述第二约束参数集，生成对应的第三约束参数以及针对所述待优化参数的优化目标参数；所述第三约束参数是对实现所述业务场景所依赖的各业务资源的约束；
10、利用所述至少一个第二约束参数集以及对应的所述第三约束参数和所述优化目标参数，生成针对所述不同业务对象的待优化参数的至少一个第二优化问题。
11、在一种可能的实现中，所述更新所述第一约束参数集中的部分第一约束参数，得到一个第二约束参数集，包括：
12、从所述第一约束参数集包含的多个第一约束参数组中，选择至少一个待更新约束参数组；所述第一约束参数组包括所述不同业务对象的待优化参数按照一可行优化结果实现所述业务场景所依赖的各业务资源；
13、将任一噪声数据输入所述问题生成器中的第一生成模块，生成各所述待更新约束参数组对应的第二约束参数组；其中，所述第一生成模块是基于扩散模型以预测出第一优化问题指示的第一约束参数组为训练目标，训练得到的生成模型；
14、由所述第二约束参数组替换所述第一约束参数集中对应的所述待更新约束参数组，得到一个第二约束参数集；所述第二约束参数集的数据分布与所述第一约束参数集的数据分布之间的差异小于第一阈值。
15、在一种可能的实现中，所述从所述第一约束参数集包含的多个第一约束参数组中，选择至少一个待更新约束参数组，包括：
16、获取基于所述第一优化问题实现所述原始任务的任务性能信息；所述任务性能信息包括与所述第一约束参数集包含的多个第一约束参数组各自对应的任务结果误差；
17、依据所述任务结果误差，从所述多个第一约束参数组中，选择至少一个待更新约束参数组。
18、在一种可能的实现中，所述依据所述任务结果误差，从所述多个第一约束参数组中，选择至少一个待更新约束参数组，包括：
19、对所述多个第一约束参数组各自对应的任务结果误差进行标准化处理，得到所述多个第一约束参数组各自的选择概率；
20、依据所述选择概率，从所述多个第一约束参数组中，选择至少一个待更新约束参数组。
21、在一种可能的实现中，所述依据所述第二约束参数集，生成对应的第三约束参数，包括：
22、获取所述第一优化问题的第一可行优化结果；所述第一可行优化结果是满足对实现所述业务场景所依赖的各业务资源的相应约束下所述不同业务对象的待优化参数的取值；
23、将所述第一可行优化结果和所述第二约束参数集输入所述问题生成器中的第二生成模块，生成对应的业务资源约束范围；
24、从所述业务资源约束范围中选择第三约束参数。
25、在一种可能的实现中，所述依据所述第二约束参数集，生成对应的针对所述待优化参数的优化目标参数，包括：
26、获取针对所述第一优化问题的对偶问题的第二可行优化结果；所述第二可行优化结果是满足所述对偶问题指示的针对所述待优化参数的优化目标参数的约束下，实现所述业务场景所依赖的各业务资源的取值；
27、将所述第二可行优化结果和所述第二约束参数集输入所述问题生成器中的第三生成模块，生成对应的优化目标约束范围；
28、从所述优化目标约束范围中选择针对所述待优化参数的优化目标参数。
29、在一种可能的实现中，所述获取基于所述第一优化问题实现所述原始任务的任务性能信息，包括：
30、获取所述第一优化问题指示的各变量节点特征和各约束节点特征；
31、基于图神经网络对所述各变量节点特征和所述各约束节点特征进行表征学习，得到对应的变量节点表征和约束节点表征；
32、将所述变量节点表征和所述约束节点表征输入任务模型，得到所述第一约束参数集包含的多个第一约束参数组各自对应的任务结果误差；所述任务模型用于实现所述业务场景下的原始任务。
33、在一种可能的实现中，所述依据所述至少一个第二优化问题和所述第一优化问题，实现所述业务场景下基于所述第一优化问题的原始任务，包括：
34、基于所述业务场景下的各第一优化问题及其对应的所述至少一个第二优化问题，实现配置参数预测任务，得到针对所述业务场景的求解器的配置参数；
35、利用所述配置参数更新针对所述业务场景的求解器；
36、将所述业务场景下的任一优化问题输入更新后的所述求解器，输出针对所述优化问题的优化答复；所述优化答复包括实现所述优化问题指示的优化目标时所述不同业务对象的待优化参数的取值。
37、本技术第二方面提供了一种电子设备，所述电子设备包括：至少一个通信端口、至少一个存储器和至少一个处理器，其中：
38、所述通信端口，用于获取针对业务场景下的不同业务对象的第一优化问题；
39、所述处理器，用于加载执行所述存储器存储的多个计算机指令，实现以下步骤：
40、将获取的所述第一优化问题输入问题生成器，通过学习所述第一优化问题指示的所述不同业务对象的数据分布特征，并约束所生成优化问题的可行优化结果，生成针对所述不同业务对象的至少一个第二优化问题；
41、依据所述至少一个第二优化问题和所述第一优化问题，实现所述业务场景下基于所述第一优化问题的原始任务。
技术特征：
1.一种数据处理方法，所述方法包括：
2.根据权利要求1所述的方法，所述将所述第一优化问题输入问题生成器，通过学习所述第一优化问题指示的所述不同业务对象的数据分布特征，并约束所生成优化问题的可行优化结果，生成针对所述不同业务对象的至少一个第二优化问题，包括：
3.根据权利要求2所述的方法，所述更新所述第一约束参数集中的部分第一约束参数，得到一个第二约束参数集，包括：
4.根据权利要求3所述的方法，所述从所述第一约束参数集包含的多个第一约束参数组中，选择至少一个待更新约束参数组，包括：
5.根据权利要求4所述的方法，所述依据所述任务结果误差，从所述多个第一约束参数组中，选择至少一个待更新约束参数组，包括：
6.根据权利要求2所述的方法，所述依据所述第二约束参数集，生成对应的第三约束参数，包括：
7.根据权利要求2所述的方法，所述依据所述第二约束参数集，生成对应的针对所述待优化参数的优化目标参数，包括：
8.根据权利要求4所述的方法，所述获取基于所述第一优化问题实现所述原始任务的任务性能信息，包括：
9.根据权利要求1-8任一项所述的方法，所述依据所述至少一个第二优化问题和所述第一优化问题，实现所述业务场景下基于所述第一优化问题的原始任务，包括：
10.一种电子设备，所述电子设备包括：至少一个通信端口、至少一个存储器和至少一个处理器，其中：
技术总结
本申请公开了一种数据处理方法及电子设备，获取针对业务场景下的不同业务对象的第一优化问题，将该第一优化问题输入问题生成器，通过学习第一优化问题指示的不同业务对象的数据分布特征，并约束所生成优化问题的可行优化结果，生成针对不同业务对象的至少一个第二优化问题，增大该业务场景下的第一优化问题的数量，从而依据生成的至少一个第二优化问题和已有的第一优化问题，实现业务场景下基于第一优化问题的原始任务。
技术研发人员：范晨晨,张亚红,欧阳文理
受保护的技术使用者：联想（北京）有限公司
技术研发日：
技术公布日：2024/9/23