本發明涉及計算機,尤其涉及一種站點評價方法、裝置、電子設備、存儲介質及產品。
背景技術:
1、當前站點/基站評價方法主要有“專家經驗評分法”、“熵權法”和“協同推薦算法”三種。“專家經驗評分法”是根據專家經驗人工設置每一個指標的權重,對指標數據維度進行加權,得到最終計算結果;“熵權法”是將指標分類后,再從每一類中選取指標進行加權計算;“協同推薦算法”是結合各省上報的權重配置采用協同推薦算法生成一套全國適用的推薦加權權值,但生成的權值可能不能完全適配各省情況。
2、然而,現有站點評價方法中存在對指標權重的分配不合理、人工設置的權重難以精準描述各指標的重要性、人工對權重的設置存在主觀性的問題,從而導致最終計算結果對站點評價不準確。
3、因此,如何在準確進行站點評價是目前亟待解決的問題。
技術實現思路
1、本發明提供一種站點評價方法、裝置、電子設備、存儲介質及產品,用以解決現有技術中對指標權重的分配不合理、人工設置的權重難以精準描述各指標的重要性、人工對權重的設置存在主觀性的缺陷,實現對無線網絡規劃場景中站點對象的準確評價。
2、本發明提供一種站點評價方法,包括:
3、獲取無線網絡規劃場景中站點對象的指標數據;
4、基于因子分析法對所述指標數據進行信息提取,確定各個指標維度的第一權重,得到多維指標數據;
5、將所述多維指標數據作為融合局部尋優的群體算法的輸入,確定各個指標維度的第二權重;
6、基于所述第一權重和所述第二權重,確定各個指標維度的最終權重;
7、基于所述站點對象的指標數據和所述各個指標維度的最終權重,對所述站點對象進行評價,得到最終評價結果。
8、根據本發明提供的一種站點評價方法,所述將所述多維指標數據作為融合局部尋優的群體算法的輸入,確定各個指標維度的第二權重,包括:
9、基于所述多維指標數據的多個維度,生成權重個體組成權重群體,并初始化所述權重群體;
10、計算所述權重群體中的權重個體的適應度;
11、根據所述權重個體的適應度,從所述權重群體中分別選取局部尋優群體和交叉變異群體;
12、對所述局部尋優群體中的權重個體進行局部尋優,得到新的局部尋優群體并更新至所述權重群體中;
13、對所述交叉變異群體中的權重個體進行交叉操作和變異操作,得到新的交叉變異群體并更新至所述權重群體中;
14、基于更新后的權重群體,確定各個指標維度的第二權重。
15、根據本發明提供的一種站點評價方法,所述計算所述權重群體中的權重個體的適應度,包括:
16、計算各個站點對象在各個權重個體下的初始評價結果;
17、對所述初始評價結果進行轉化處理;
18、根據評價指標需求,對轉化后的評價結果計算目標指標維度作為每個權重個體的初始適應度;
19、在用戶對指標維度有約束性要求的情況下,若所述權重個體不滿足所述約束性要求,則對所述適應度增加懲罰函數,得到所述權重個體的適應度。
20、根據本發明提供的一種站點評價方法,所述根據所述權重個體的適應度,從所述權重群體中分別選取局部尋優群體和交叉變異群體,包括:
21、按照所述權重群體中各個權重個體的適應度由高到低的順序,選取出多個權重個體,利用梯度下降算法進行局部尋優,得到局部尋優群體;
22、根據所述局部尋優群體中的權重個體的適應度,計算所述局部尋優群體中的權重個體的選擇概率;
23、根據所述選擇概率,選擇權重編碼組成交叉變異群體。
24、根據本發明提供的一種站點評價方法,所述對所述局部尋優群體中的權重個體進行局部尋優,得到新的局部尋優群體并更新至所述權重群體中,包括:
25、計算所述局部尋優群體中的原權重個體在指標維度上的偏導;
26、基于偏導計算結果和學習率,對所述原權重個體進行更新,得到新權重個體;
27、將所述局部尋優群體中的原權重個體替換為所述新權重個體,得到新局部尋優群體;
28、將所述局部尋優群體替換為所述新局部尋優群體,以將所述新局部尋優群體更新至所述權重群體中。
29、根據本發明提供的一種站點評價方法,所述對所述交叉變異群體中的權重個體進行交叉操作和變異操作,得到新的交叉變異群體并更新至所述權重群體中,包括:
30、從所述交叉變異群體中選取相鄰的兩個權重個體,并隨機生成兩個交叉點;
31、將所述相鄰的兩個權重個體在所述兩個交叉點之間的部分進行交換,生成兩個新權重個體,得到交叉后的交叉變異群體;
32、在根據變異概率,判斷出需要對所述交叉后的交叉變異群體中的權重個體進行變異操作的情況下,隨機選擇所述交叉后的交叉變異群體中的權重個體的一個元素替換為隨機數,得到變異后的新的交叉變異群體并更新至所述權重群體中。
33、根據本發明提供的一種站點評價方法,在所述基于因子分析法對所述指標數據進行信息提取,確定各個指標維度的第一權重,得到多維指標數據之前,還包括:
34、對所述指標數據進行數據標準化;
35、對標準化后的指標數據進行抽樣適宜性檢驗;
36、在檢驗結果為指標間相關的情況下,執行基于因子分析法對所述標準化后的指標數據進行信息提取,確定各個指標維度的第一權重,得到多維指標數據的步驟。
37、根據本發明提供的一種站點評價方法,所述基于因子分析法對所述標準化后的指標數據進行信息提取,確定各個指標維度的第一權重,得到多維指標數據,包括:
38、確定所述標準化后的指標數據中指標間的相關系數,構建樣本相關系數矩陣;
39、采用特征方程,計算所述樣本相關系數矩陣的特征值以及對應的特征向量;
40、選取目標特征值以及對應的目標特征向量,求解因子載荷矩陣;
41、對所述因子載荷矩陣作正交旋轉,得到各個指標維度的第一權重;
42、基于所述各個指標維度的第一權重和所述標準化后的指標數據,確定多維度指標數據。
43、根據本發明提供的一種站點評價方法,所述基于所述第一權重和所述第二權重,確定各個指標維度的最終權重之前,還包括:
44、根據所述各個指標維度的第二權重,對所述多維度指標數據中的指標維度進行解釋,生成新維度指標數據;
45、將所述新維度指標數據作為融合局部尋優的群體算法的輸入,重新計算各個指標維度的第二權重。
46、本發明還提供一種站點評價裝置,包括:
47、數據獲取模塊,用于獲取無線網絡規劃場景中站點對象的指標數據;
48、因子分析模塊,用于基于因子分析法對所述指標數據進行信息提取,確定各個指標維度的第一權重,得到多維指標數據;
49、算法尋優模塊,用于將所述多維指標數據作為融合局部尋優的群體算法的輸入,確定各個指標維度的第二權重;
50、權重確定模塊,用于基于所述第一權重和所述第二權重,確定各個指標維度的最終權重;
51、評價模塊,用于基于所述站點對象的指標數據和所述各個指標維度的最終權重,對所述站點對象進行評價,得到最終評價結果。
52、本發明還提供一種電子設備,包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序,所述處理器執行所述程序時實現如上所述的站點評價方法的步驟。
53、本發明還提供一種非暫態計算機可讀存儲介質,其上存儲有計算機程序,所述計算機程序被處理器執行時實現如上所述的站點評價方法的步驟。
54、本發明還提供一種計算機程序產品,包括計算機程序,所述計算機程序被處理器執行時實現如上所述站點評價方法的步驟。
55、本發明提供的站點評價方法、裝置、電子設備、存儲介質及產品,通過利用因子分析法對指標數據進行信息提取,確定各個指標維度的權重,得到因子分析后的多維指標數據,可以解決無線網絡規劃場景中由于站點對象的評價指標繁多、維度復雜導致分析成本高的問題;通過融合局部尋優的群體算法計算每個指標維度的權重,可以尋求全局最優的權重個體,實現迅速、精準地計算各個指標維度的權重配置的目標,提高站點對象評價結果的準確度;通過利用因子分析法和融合局部尋優的群體算法確定各個指標維度的最終權重,對站點對象進行評價得到最終評價結果,從而不需要人工進行分析,可以減少主觀因素對站點評價結果的影響,降低分析成本。