(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211151956.2 (22)申请日 2022.09.21 (71)申请人 中国联合网络通信集团有限公司 地址 100033 北京市西城区金融大街21号 (72)发明人 樊学宝　凌秀芬　何春霞　王浩宇　 谢小乔　黄智勇　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 张海明　臧建明 (51)Int.Cl. G06F 9/50(2006.01) G06N 3/12(2006.01) (54)发明名称 数据资源处理方法、 装置、 电子设备及存储 介质 (57)摘要 本申请提供一种数据资源处理方法、 装置、 电子设备及存储介质， 涉及计算机技术领域。 该 方法包括： 先 获取与边缘服务器相连的采集设备 采集到的训练样本； 其中， 不同边缘服务器对应 不同类型的训练样本； 获取待训练的全局模型的 模型参数， 并将待训练的全局模 型的模型参数划 分为若干个参数集合； 然后利用改进的烟花算法 在预设的若干个边缘服务器中进行寻优， 当判断 到满足预设迭代终止条件时， 确定参数集合和边 缘服务器的组合； 最后接收所有组合中的边缘服 务器发送的训练完成的局部模型的参数集合， 并 将所有局部模 型的参数集合进行聚合， 得到训练 完成的全局模 型的模型参数。 上述方式提高了全 局模型的训练精度， 进而提高了数据资源处理的 准确性。 权利要求书4页 说明书14页 附图3页 CN 115454641 A 2022.12.09 CN 115454641 A 1.一种数据资源处 理方法， 其特 征在于， 包括： 获取与边缘服务器相连的采集设备采集到的训练样本； 其中， 不同所述边缘服务器对 应不同类型的训练样本； 获取待训练的全局模型的模型参数， 并将所述待训练的全局模型的模型参数划分为若 干个参数集 合； 利用改进的烟花算法在预设的若干个边缘服务器中进行寻优， 当判断到满足预设迭代 终止条件时， 确定所述参数集合和边缘服务器的组合； 其中， 所述组合中的边缘服务器用于 基于与其相连的采集设备采集到的训练样本训练所述参数集合对应的局部模型， 以使 所述 局部模型对所述训练样 本的类型进行预测； 所述改进的烟花算法在 迭代过程中产生的爆炸 火花的数量根据预设的非线性递减公式随着迭代次数的增大而减小， 且所述改进的烟花算 法的候选种群中烟花的数量在迭代过程中根据预设的非线性递增公式随着迭代次数的增 大而增大； 接收所有所述组合中的边缘服务器发送的训练完成的局部模型的参数集合， 并将所有 所述局部模型 的参数集合进行聚合， 得到训练完成的全局模型的模型参数， 以使所述训练 完成的全局模型对任一所述边缘服务器采集到的数据资源的类型进行预测， 得到预测结 果。 2.根据权利要求1所述的方法， 其特征在于， 所述利用改进的烟花算法在预设的若干个 边缘服务器中进行寻优， 当判断到满足预设迭代终止条件时， 确定所述参数集合和 边缘服 务器的组合， 包括： 基于预设的若干个边缘服务器， 随机生成包含多个烟花的初始烟花种群， 并记录所述 初始烟花种群中烟花的数量； 其中， 每个所述烟花包括： 任一所述参数集合和用于训练所述 参数集合对应的局部模型的边 缘服务器； 根据预设的适应度函数计算每个所述烟花的适应度值， 并根据每个所述烟花的适应度 值和预设的非线性递减公式， 计算与每个所述烟花对应的爆 炸火花的数量； 其中， 预设的非 线性递减公式为式(1)： 其中， Si为所述爆炸火花的数量， S*用于限制爆炸火花的数量， 且S*＝Smax*(1‑γT‑t)， Smax为预设的爆炸火花的数量最大值， γ为常数， T为所述改进的烟花算法的最大迭代次数， t为所述改进的烟花算法的当前迭代次数， Ymax为烟花的适应度最差值， f(xi)为烟花xi的适 应度值， Nt为在第t次迭代过程中产生的候选种群中烟花的数量， ε为常数； 根据每个所述烟花的适应度值计算每个所述烟花的爆炸幅度， 并根据与每个所述烟花 对应的爆炸火花的数量和所述烟花的爆炸幅度 产生爆炸火花； 对所述烟花进行变异， 得到变异火花； 根据所述烟花、 所述爆炸火花和所述变异火花， 对所述初始烟花种群进行更新， 得到候 选种群， 并根据预设的非线性递增公式确定所述候选种群中的烟花的数量； 其中， 预设的非 线性递增公式为式(2)： Nt＝int(N*(1+γT‑t))                   (2)权　利　要　求　书 1/4 页 2 CN 115454641 A 2其中， int为取整符号， Nt为在第t次迭代过程中产生的候选种群中烟花的数量， N为初始 烟花种群中烟花的数量， γ为常数， T为所述改进的烟花算法的最大迭代次数， t 为所述改进 的烟花算法的当前迭代次数； 当判断到满足预设迭代终止条件时， 停止迭代， 确定所述参数集合和边缘服务器的组 合。 3.根据权利要求2所述的方法， 其特征在于， 所述根据每个所述烟花的适应度值计算每 个所述烟花的爆炸幅度， 包括： 根据每个所述烟花的适应度值和预设的爆炸幅度公式， 计算每个所述烟花的爆炸幅 度； 其中， 所述预设的爆炸幅度公式为式(3)： 其中， Ai为烟花xi的爆炸幅度， A*用于限制烟花xi的爆炸幅度， 且A*＝Amax*(1‑γT‑t)， Amax 为预设的烟花的爆 炸幅度最大值， γ为常数， T为所述改进的烟花算法的最大迭代次数， t 为 所述改进的烟花算法的当前迭代次数， Ymin为烟花的适应度最优值， f(xi)为烟花xi的适应度 值， Nt为在第t次迭代过程中产生的候选种群中烟花的数量， ε为常数。 4.根据权利要求2所述的方法， 其特征在于， 所述对所述烟花进行变异， 得到变异火花， 包括： 根据所述烟花的爆炸幅度和预设的位移变异公式， 通过对所述烟花的维度进行变异的 方式对所述烟花进行位移变异， 得到变异火花； 其中， 预设的位移变异公式为式(4)： xik(t+1)＝xik(t)+Ai×rand(‑1,1)            (4) 其中， xik(t+1)为下一迭代过程在第k维度上位移变异后的变异火花， xik(t)为当前迭代 过程在第k维度上位移变异前的烟花， Ai为烟花的爆炸幅度， rand( ‑1,1)为(‑1,1)之间的随 机数值； 和/或， 根据预设的高斯变异公式， 对所述烟花进行高斯变异， 得到变异火花； 其中， 所述预设 的高斯变异公式为式(5)： xik′(t+1)＝xik(t)·g              (5) 其中， xik′(t+1)为下一迭代过程在第k维度上高斯变异后的变异火花， xik(t)为当前迭 代过程在第k维度上高斯变异前的烟花， g为 服从均值 为1， 方差为1的高斯分布。 5.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 按照预设映射规则对应的映射公式， 将超出预设可行解空间的烟花进行映射， 以使 映 射后的烟花位于所述预设可行解空间内； 其中， 所述预设映射规则对应的映射公式为式 (6)： xik″(t+1)＝xLB,k(t)+A(xUB,k(t)‑xLB,k(t))×rand(0,1)          (6) 其中， xik″(t+1)为所述映射后的烟花， xUB,k(t)为所述预设可行解空间的上限， xLB,k(t) 所述预设可 行解空间的下限， rand(0,1)为(0,1)之间的随机数值。 6.根据权利要求2所述的方法， 其特征在于， 所述根据所述烟花、 所述爆炸火花和所述 变异火花， 对所述初始烟花种群进行 更新， 得到候选种群， 包括：权　利　要　求　书 2/4 页 3 CN 115454641 A 3