信息处理方法及装置、计算设备与流程

1.本申请涉及电子设备技术领域，尤其涉及一种信息处理方法及装置、计算设备。


背景技术：

2.黑盒算法是一种只能观测到输入与输出，其内部计算结构或者计算过程较为复杂，难以解析的函数或者计算系统。在黑盒优化过程中，首先使用黑盒算法生成待优化参数的候选解，之后，通过目标函数对候选解进行参数试验，以判断该候选解是否为符合预定目标的目标解。黑盒优化算法指的是目标函数为黑盒算法，计算结构或者函数未知。
3.现有技术中，黑盒优化过程中，为了获得候选解，可以采用与目标函数近似的贝叶斯模型代表目标函数，以在待优化参数最初的几个少量候选解的基础上，利用利用少量的候选解构建贝叶斯模型，并利用贝叶斯模型在acquisition function(ac function，采集函数)的基础上重新进行采样，获得新的比较好的候选解，再利用目标函数对新获得的候选解的使用效果进行评价，以不断获得候选解以及候选解的评价信息，从中选择评价效果最高的候选解作为目标解。
4.但是，黑盒算法生成待优化参数的候选解时，基于贝叶斯模型的采样过程较为简单，无法快速达到收敛，导致参数优化效率较低。


技术实现要素：

5.有鉴于此，本申请实施例提供一种信息处理方法及装置、计算设备，用以解决现有技术中因使用贝叶斯优化导致参数优化效率较低的技术问题。
6.第一方面，本申请实施例提供一种信息处理方法，包括：
7.响应于待优化参数的参数优化请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定所述待优化参数的局部特征信息；
8.根据所述局部特征信息，采集获得所述待优化参数的第一候选解；
9.如果所述第一候选解满足参数使用条件，确定所述第一候选解为所述待优化参数的目标解。
10.第二方面，本申请实施例提供一种信息处理方法，包括：
11.检测资源管理方针对目标资源触发的资源管理请求；
12.响应所述资源管理请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定所述待优化参数的局部特征信息；
13.根据所述局部特征信息，采集获得所述待优化参数的第一候选解；
14.如果所述第一候选解满足参数使用条件，确定所述第一候选解为所述待优化参数的目标解；
15.基于所述目标解，生成所述资源参数的资源设置信息；
16.向所述资源管理方反馈所述资源设置信息，以供所述资源管理方根据所述资源设置信息设置所述目标资源。
17.第三方面，本申请实施例提供一种信息处理方法，包括：
18.检测访问用户针对网络交易系统触发的系统访问请求；
19.响应所述系统访问请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定所述待优化参数的局部特征信息；
20.根据所述局部特征信息，采集获得所述待优化参数的第一候选解；
21.如果所述第一候选解满足参数使用条件，确定所述第一候选解为所述待优化参数的目标解；
22.基于所述目标解，生成所述系统访问参数对应的目标访问信息；
23.向所述访问用户反馈所述目标访问信息，以供所述访问用户基于所述目标访问信息，操作所述网络交易系统。
24.第四方面，本申请实施例提供一种信息处理方法，包括：
25.响应于调用信息处理接口的请求，确定所述信息处理接口对应的处理资源；
26.利用所述信息处理接口对应的处理资源执行如下步骤：
27.响应于待优化参数的参数优化请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定所述待优化参数的局部特征信息；
28.根据所述局部特征信息，采集获得所述待优化参数的第一候选解；
29.如果所述第一候选解满足参数使用条件，确定所述第一候选解为所述待优化参数的目标解。
30.第五方面，本申请实施例提供一种信息处理装置，包括：
31.请求响应模块，用于响应于待优化参数的参数优化请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定所述待优化参数的局部特征信息；
32.局部采样模块，用于根据所述局部特征信息，采集获得所述待优化参数的第一候选解；
33.目标确定模块，用于如果所述第一候选解满足参数使用条件，确定所述第一候选解为所述待优化参数的目标解。
34.第六方面，本申请实施例提供一种计算设备，包括：存储组件以及处理组件；所述存储组件用于存储一条或多条计算机指令；所述一条或多条计算机指令被所述处理组件调用；
35.所述处理组件用于：
36.响应于待优化参数的参数优化请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定所述待优化参数的局部特征信息；根据所述局部特征信息，采集获得所述待优化参数的第一候选解；如果所述第一候选解满足参数使用条件，确定所述第一候选解为所述待优化参数的目标解。
37.本申请实施例，响应于待优化参数的参数优化请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息。根据具备采集信息，采集获得待优化参数的第一候选解。如果第一候选解满足参数使用条件，可以确定第一候选解为待优化参数的目标解。在对待优化参数进行采样时，通过确定全局以及局部两个方面的信息，实现对待优化参数的多方位分析，可以在第二候选解的基础上实现快速的局部收敛，提高参数优化效率。
附图说明
38.为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1为本申请实施例提供的一种信息处理方法的一个实施例的流程图；
40.图2为本申请实施例提供的一种信息处理方法的又一个实施例的流程图；
41.图3为本申请实施例提供的一种信息处理方法的又一个实施例的流程图；
42.图4为本申请实施例提供的一种信息处理方法的又一个实施例的流程图；
43.图5为本申请实施例提供的一种信息处理方法的又一个实施例的流程图；
44.图6为本申请实施例提供的一种信息处理方法的又一个实施例的流程图；
45.图7为本申请实施例提供的一种信息处理方法的又一个实施例的流程图；
46.图8为本申请实施例提供的一种信息处理方法的一个应用示例图；
47.图9为本申请实施例提供的一种信息处理装置的一个实施例的结构示意图；
48.图10为本申请实施例提供的一种计算设备的一个实施例的结构示意图。
具体实施方式
49.为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
50.在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
51.应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
52.取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于识别”。类似地，取决于语境，短语“如果确定”或“如果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述的条件或事件)时”或“响应于识别(陈述的条件或事件)”。
53.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
54.本申请实施例的技术方案可以应用于参数优化场景中，在参数采样过程中即考虑目标函数的全局特征又考虑其局部特征，实现参数的多角度优化，提供更多的优化信息，提
高优化效率。
55.现有技术中，为了获得候选解，通常采用与目标函数近似的贝叶斯模型代表目标函数，以在待优化参数最初的几个少量候选解的基础上，利用利用少量的候选解构建贝叶斯模型，并利用贝叶斯模型在acquisition function(采集函数)的基础上重新进行采样，获得新的比较好的候选解，再利用目标函数对新获得的候选解的使用效果进行评价，以不断获得候选解以及候选解的评价信息，从中选择评价效果最高的候选解作为目标解。但是，黑盒算法生成待优化参数的候选解时，基于贝叶斯模型的采样过程是一种全局采样算法，仅利用目标函数的代理模型以及采集函数进行了全局探索，采样过程较为简单，无法快速达到收敛。
56.本申请实施例中，响应于待优化参数的参数优化请求，在所述待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息。根据局部特征信息，采集获得待优化参数的第一候选解。如果第一候选解满足参数使用条件，可以确定第一候选解为待优化参数的目标解。在对待优化参数进行采样时，通过利用全局特征信息进行切换判断，以对是否进行局部分析进行确认，实际采用全局以及局部两个方面的信息，实现对待优化参数的多方位分析，可以在第二候选解的基础上实现快速的局部收敛，提高参数优化效率。
57.下面将结合附图对本申请实施例进行详细描述。
58.如图1所示，为本申请实施例提供的一种信息处理方法的一个实施例的流程图，方法可以包括以下几个步骤：
59.101：响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息。
60.本申请实施例可以应用于计算设备中，计算设备例如可以包括：计算机、服务器、云服务器、超级个人计算机、笔记本电脑、平板电脑等，本申请实施例对计算设备的具体类型并不作出过多限定。在实际应用中，若本申请实施例的技术方案应用于具有gpu(graphics processing unit，图形处理器)的计算设备时，可以由gpu执行本申请实施例的技术方案。
61.目标用户可以使用用户设备与计算设备进行数据或者信息的交互，用户设备例如可以包括：手机、平板电脑、计算机、笔记本、虚拟现实设备、增强现实设备或者可穿戴设备等，本申请实施例对用户设备的具体类型并不作出过多限定。
62.参数优化请求可以为目标用户针对待优化参数发起，具体可以由用户设备检测目标用户触发的请求操作时生成。
63.可选地，待优化参数可以为普通参数，或者超参数。其中，普通参数可以为在模型计算过程中，模型中的各个参数。超参数可以为在数据模型计算或者学习过程之前，为建立该数据模型而设置的一种参数，并非训练过程中使用的模型参数。通常一个超参数可以包括多个子超参数。而超参数的类型可以包括多种，例如，除各个子超参数无关联的普通超参数之外，比例型超参数也可以为超参数的一种。机器学习模型中的深层网络的网络层数、模型的学习率等均可以属于普通超参数中的两个子超参数。比例参数可以为多个子超参数各自占用的参数比例之和为1的超参数，假设存在n个子超参数，n个子超参数分别对应的参数值为a
i
，其中，a
i
∈[0,1]，本申请实施例中对待优化参数的具体类型并不作出
过多限定。
[0064]
局部切换规则可以包括：为全局特征信息设计的比较信息的比较结果与切换至局部采样的关联关系。当全局特征信息比较结果为第一结果时，可以切换至局部采样，当全局特征信息的比较结果为第二结果时，可以不切换至局部优化，并继续执行全局采样。
[0065]
102：根据局部特征信息，采集获得待优化参数的第一候选解。
[0066]
第一候选解可以为在第二候选解的基础上使用局部特征信息采样获得。通过对待优化参数进行局部采样，可以实现快速收敛。
[0067]
103：如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0068]
当第一候选解满足参数使用条件时，该第一候选解即可以为待优化参数的目标解。第一候选解是否满足参数使用条件可以根据第一候选解在目标函数的第二目标值确定。
[0069]
本申请实施例中，响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息。根据局部特征信息，采集获得待优化参数的第一候选解。如果第一候选解满足参数使用条件，可以确定第一候选解为待优化参数的目标解。在对待优化参数进行采样时，通过利用全局特征信息进行切换判断，以对是否进行局部分析进行确认，实际采用全局以及局部两个方面的信息，实现对待优化参数的多方位分析，可以在第二候选解的基础上实现快速的局部收敛，提高参数优化效率。
[0070]
如图2所示，为本申请实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括以下几个步骤：
[0071]
201：响应于待优化参数的参数优化请求，确定待优化参数的全局特征信息。
[0072]
本申请实施例中部分步骤与图1所示实施例中部分步骤相同，在此不再赘述。
[0073]
202：如果全局特征信息满足局部切换规则，利用预设全局采样算法获得待优化参数的第二候选解。
[0074]
全局特征信息可以为待优化参数在整个采样范围内的采样点的分布情况。通过全局特征信息可以对待优化参数的整体使用效果最高的采样点进行预估，以获得第二候选解。在获得全局范围内的第二候选解之后，可以对第二候选解附近进行测试，获得局部使用效果最高的采样点，也即第一候选解。通过全局以及局部的特征采样，以获得准确的目标解。
[0075]
203：基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息。
[0076]
204：根据局部特征信息，采集获得待优化参数的第一候选解。
[0077]
205：如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0078]
本申请实施例中，响应于待优化参数的参数优化请求，可以确定待优化参数的全局特征信息，从而判断全局特征信息是否满足局部切换规则。若全局特征信息满足局部切换规则，则可以利用全局采样算法获得待优化参数的第二候选解，实现全局特征上的参数采样。之后基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局
部特征信息。从而根据局部特征信息，采集获得待优化参数的第一候选解，实现局部特征上的参数采样。进而在第一候选解满足参数使用条件时，确定第一候选解为目标解。通过采用全局以及局部两个方面的信息，实现对待优化参数的多方位分析，可以在第二候选解的基础上实现快速的局部收敛，提高参数优化效率。
[0079]
如图3所示，为本申请实施例提供的一种信息处理方法的一个实施例的流程图，方法可以包括以下几个步骤：
[0080]
301：响应于待优化参数的参数优化请求，确定待优化参数的全局特征信息。
[0081]
可选地，待优化参数的全局特征信息可以包括待优化参数的采样点的概率分布模型。全局特征信息可以包括概率分布模型。
[0082]
302：如果全局特征信息满足局部切换规则，利用预设全局采样算法采集获得待优化参数的第二候选解。
[0083]
本申请实施例中部分步骤与图1所示实施例中部分步骤相同，为了描述的简洁性考虑，在此不再赘述。
[0084]
全局采样算法是对待优化参数在目标函数的整个搜索域范围内进行采样，并对采样获得的候选解的使用效果进行评估，以获得在全局范围内使用效果最高的第二候选解。任一效果信息可以包括效果指标数据，通常，任一个候选解的效果信息可以包括将该候选解输入到目标函数，计算获得对应的目标值，目标值即可以为效果指标数据。在一种可能的设计中，效果指标数据与使用效果正相关，效果指标数据越高，使用效果越好，效果指标数据越低，使用效果越差。
[0085]
可选地，全局采样算法可以包括：贝叶斯优化算法、网络搜索算法、随机搜索算法等。在全局采样算法中，通常是对待优化参数的参数取值在全局范围内进行采样，以获得全局范围内使用效果最高的参数取值，以获得待优化参数的目标解。
[0086]
以贝叶斯算法为例，利用预设全局采样算法获得待优化参数的第二候选解具体可以是采用与目标函数在待优化参数的实际采样点，也即候选解以及候选解对应的实际目标值的分布情况相近似的贝叶斯模型代理目标函数，以利用贝叶斯模型对候选解的全局分布情况进行分析，获得全局范围内使用效果最高的第二候选解。
[0087]
获得第二候选解之后，即可以以第二候选解作为分析基础，对第二候选解附近的采样区域进行分析，以获得待优化参数的局部特征信息。全局采集算法对待优化参数进行采样时，是在待优化参数的整个搜索范围内进行采样以获得全局使用效果最高的目标解。局部采集特征可以为第二候选解附近的采样区域的分析结果，第二候选解为当前采样获得的全局效果指标数据最高的候选解，在第二候选解的基础上确定待优化参数的局部特征信息有利于加速寻找目标解，实现参数的快速收敛。
[0088]
303：基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息。
[0089]
304：根据局部特征信息，采集获得待优化参数的第一候选解。
[0090]
305：判断第一候选解是否满足参数使用条件；如果是，执行步骤306；如果否，执行步骤307。
[0091]
306：确定第一候选解为待优化参数的目标解。
[0092]
307：更新第一候选解为第二候选解，返回至步骤303继续执行。
[0093]
可选地，第一候选解满足参数使用条件可以包括：第二目标值与历史候选解对应的历史目标值之间的目标值差异小于预设差异阈值，可以确定第一候选解满足参数使用条件。历史候选解可以为一个或多个，具体可以为第一候选解之前几次采样获得的第一候选解，任一个第一候选解进行参数使用条件判断之后，可以保存该第一候选解，此时，该第一候选解即成为一历史候选解。第一候选解满足参数使用条件还可以包括：第二目标值大于或等于预设目标阈值，此时可以确定第一候选解满足参数使用条件。
[0094]
本申请实施例中，响应于待优化参数的参数优化请求，利用预设全局采样算法采集获得的待优化参数的第二候选解之后，可以基于第二候选解，对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息。根据局部特征信息，可以采集获得待优化参数的第一候选解。当第一候选解满足参数使用条件时，可以确定第一候选解为目标解。当第一候选解不满足参数使用条件时，更新第一候选解为第二候选解，可以返回至基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息继续执行。通过多次局部分析，以对候选解的局部区域进行准确采样，实现参数的快速收敛，提高参数优化效率。
[0095]
采用全局采样算法时，可以是将采样获得的各个候选解输入到目标函数，以获得多个候选解分别对应的目标值，并利用多个候选解分别对应的目标值，选择目标值最高的作为目标解。这种采样方式需要对多个候选解分别进行目标函数的计算，而由于目标函数的计算过程较为复杂，导致参数优化效率较低。全局采样算法可以为贝叶斯优化算法。在贝叶斯优化算法中，可以采用少量的初始参数，构建高斯模型，然后利用高斯模型进行参数采采样，获得第二候选解。
[0096]
目标函数可以为预先设置的，用于对候选解进行参数试验，以获得候选解的评价指数的黑盒函数。目标函数的数学表达形式位置，具有较高的复杂性。将第一候选解输入到目标函数可以计算获得第一候选解的评价指数。评价指数越高，第一候选解的使用效果更高，评价指数越低，第一候选解的使用效果更低。通过对第一候选解的使用效果进行评价可以对此次采样的效果及时进行处理，以获得第一候选解的评价指数。
[0097]
在全局优化中，全局特征信息可以包括概率分布模型，通过概率分布模型的模型分布情况可以判断当前的模型是否还需要再进行优化，当概率分布模型满足一定的局部切换规则时，即可以将概率分布模型切换至局部采样。概率分布模型可以基于多个初始候选解进行分布拟合获得。
[0098]
作为一个实施例，响应于待优化参数的参数优化请求，确定待优化参数的全局特征信息可以包括：
[0099]
响应于待优化参数的参数优化请求，确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息；
[0100]
根据多个初始候选解以及多个初始候选解分别对应的初始效果信息，对待优化参数的分布模型进行拟合，获得概率分布模型；
[0101]
如果全局特征信息满足局部切换规则，利用预设全局采样算法采集获得待优化参数的第二候选解可以包括：
[0102]
如果概率分布模型满足局部切换规则，则基于概率分布模型，利用预设采集函数对待优化参数进行参数采样，获得第二候选解。
[0103]
可选地，以概率分布模型为高斯分布模型为例，根据多个初始候选解以及多个初始候选解分别对应的初始效果信息，对待优化参数的分布模型进行拟合，获得概率分布模型可以包括：根据多个初始候选解以及多个初始候选解分别对应的初始效果信息，对待优化参数的分布模型进行高斯拟合，获得高斯分布模型。此时，基于概率分布模型，利用预设采集函数对待优化参数进行参数采样，获得第二候选解可以包括：基于高斯分布模型，利用预设采集函数对待优化参数进行参数采样，获得第二候选解。
[0104]
任一初始候选解对应的初始效果信息可以包括该初始候选解对应的效果指标数据。通常，任一个候选解的效果信息可以包括将该候选解输入到目标函数，计算获得对应的目标值，目标值即可以为效果指标数据。
[0105]
在实际应用中，多个初始候选解的概率分布模型可以包括多种，除高斯模型之外，还可以为多项式模型、伯努利模型等，本申请实施例中对概率分布模型的具体类型并不作出过多限定。
[0106]
在贝叶斯优化过程中，ac function可以包括多种，诸如可以包括：probability of improvement(poi，增益概率)、expected improvement(ei，增益期望)、entropy search(熵搜索)、upper/lower confidence bound(置信度上/下限)等，本申请实施例中对采样函数的具体类型并不作出过多限定。在对待优化参数进行采样时，还可以采用批采样方式，同时采集一批候选解，以从中选择第二候选解，提高采样效率。
[0107]
本申请实施例中，响应于待优化参数的参数优化请求，可以确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息。通过对待优化参数进行少量的采样，以利用数量较少的多个初始候选解对待优化参数的分布模型进行拟合，获得概率分布模型。通过概率分布模型可以对待优化参数进行采样，获得第二候选解。全局采样过程使用效率更高的概率模型估计以对采样进行提示，可以提高采样效率。
[0108]
在一种可能的设计中，该方法还可以包括：
[0109]
如果概率分布模型不满足局部切换规则，则确定第二候选解的第一效果信息，并将第二候选解增加为初始候选解，返回至响应于待优化参数的参数优化请求，确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息的继续执行。
[0110]
可选地，当概率分布模型的统计指标不满足局部切换规则时，可以认为概率分布模型不够准确，或者信息不够全面，可以将新采集的第二候选解增加到初始候选解中，以利用更多的候选解对概率分布模型进行拟合，以提高概率分布模型的准确度。利用准确度更高的概率分布模型进行参数采样，可以减少非必要的局部收敛，使得全局分析与局部分析的结合更紧密，提高参数优化的效率以及准确性。
[0111]
作为一种可能的实现方式，概率分布模型是否满足局部切换规则可以通过以下方式确定：
[0112]
确定概率分布模型的统计指标；
[0113]
如果统计指标满足预设指标阈值，确定第二候选解满足局部切换规则；
[0114]
如果统计指标不满足预设指标阈值，确定第二候选解不满足局部切换规则。
[0115]
概率分布模型实际可以通过计算多个初始候选解以及多个初始候选解分布对应的初始效果信息的后验分布概率，或者先验分布概率获得，可以由概率统计指标构成，统计指标可以用于包括概率分布模型的至少一个模型数据，例如，模型类型、期望、方差、协方差
等。以高斯模型为例，高斯模型的统计指标可以包括：高斯期望、高斯方差。
[0116]
通过对概率分布模型的统计指标进行条件判断，以确认当前的概率分布模型是否满足局部切换规则，实现全局分析到局部分析的准确切换，提高切换效率。此时，局部切换规则具体可以包括：概率分布模型的统计指标与预设指标阈值之间的比较结果与切换至局部优化的关联关系，当概率分布模型的统计指标满足预设指标阈值时，比较结果即为第一结果，概率分布模型即满足局部切换规则，当概率分布模型的统计指标不满足预设指标阈值时，比较结果即为第二结果，概率分布模型即不满足局部切换规则。
[0117]
可选地，概率分布模型的统计指标例如可以包括：均值、方差、协方差等。
[0118]
获得概率分布模型的统计指标之后，通过使用统计指标与预设的指标阈值的比较，可以准确判断概率分布模型是否满足局部切换规则。
[0119]
统计指标满足预设指标阈值例如可以包括统计指标与预设指标阈值的差值小于误差阈值。例如，当统计指标为均值时，概率分布模型的均值与预设均值阈值的误差若小于0.1则可以认为该概率分布模型满足局部切换规则，若概率分布模型的均值与预设均值预设的误差大于0.1则可以认为该概率分布模型不满足局部切换规则。
[0120]
如图4所示，为本申请实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括以下几个步骤：
[0121]
401：响应于待优化参数的参数优化请求，确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息。
[0122]
本申请实施例中部分步骤与前述实施例中部分步骤相同，在此不再赘述。
[0123]
402：根据多个初始候选解以及多个初始候选解分别对应的初始效果信息，对待优化参数的分布模型进行拟合，获得概率分布模型。
[0124]
403：基于概率分布模型，利用预设采集函数对待优化参数进行参数采样，获得第二候选解。
[0125]
404：判断概率分布模型是否满足局部切换规则，如果是，执行步骤405；如果否，确定第二候选解的第一效果信息，并将第二候选解增加为初始候选解，返回至步骤301继续执行。
[0126]
405：基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息。
[0127]
406：根据局部特征信息，采集获得待优化参数的第一候选解。
[0128]
407：判断第一候选解是否满足参数使用条件；如果是，执行步骤408；如果否，执行步骤409。
[0129]
408：确定第一候选解为待优化参数的目标解。
[0130]
409：更新第一候选解为第二候选解，返回至步骤405继续执行。
[0131]
本申请实施例中，响应于待优化参数的参数优化请求，可以确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息。之后，根据多个初始候选解以及多个初始候选解分别对应的初始效果信息，对待优化参数的分布模型进行拟合，获得概率分布模型。基于概率分布模型，可以利用预设采集函数对待优化参数进行参数采样，获得第二候选解。概率分布模型是对待优化参数的采样点的全局分析，可以标识待优化参数的全局特性。通过判断概率分布模型的统计指标判断是否满足局部切换规则，如果是，则执
行后续的局部分析，如果否，则确定第二候选解的第一效果信息，并增加第二候选解为初始候选解，返回至确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息继续执行。
[0132]
通过对概率分布模型的统计指标进行局部切换规则的判断，可以使得更多的候选解对概率分布模型进行拟合，以提高概率分布模型的准确度。从而在后续概率分布模型满足局部切换规则时，基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息，获得准确的局部特征信息。
[0133]
进而根据局部特征信息，采集获得待优化参数的第一候选解。在第一候选解满足参数使用条件时，确定第一候选解为目标解，在第一候选解不满足参数使用条件时，更新第一候选解为第二候选解，返回至基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息继续执行，实现局部的快速收敛。通过对全局的概率分布模型的准确把握，可以获得全局的第二候选解，在第二候选解的基础上对待优化参数进行局部的迭代采样，以获得准确的第一候选解，从而快速收敛，获得目标解。
[0134]
作为一个实施例，基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息可以包括：
[0135]
对待优化参数在第二候选解进行梯度估计处理，获得采样位移数据；
[0136]
根据局部特征信息，采集获得待优化参数的第一候选解可以包括：
[0137]
按照采样位移数据在第二候选解的基础上对待优化参数进行参数采样获得第一候选解。
[0138]
作为一种可能的实现方式，采样位移数据可以包括：方向数据以及步长数据，此时，按照采样位移数据，在第二候选解的基础上对待优化参数进行参数采样获得第一候选解可以包括：在第二候选解的基础上按照方向数据以及步长数据进行参数采样，获得第一候选解。具体可以是在第二候选解的取值基础上按照方向数据移动步长数据进行数据采样，获得第一候选解。
[0139]
在一种可能的设计中，基于第二候选解，对待优化参数的扰动信息进行评估，获得采样位移数据可以包括：
[0140]
基于梯度估计算法，对第二候选解进行扰动分析处理，获得采样位移数据。
[0141]
可选地，基于梯度估计算法，对第二候选解进行扰动分析处理，获得采样位移数据可以包括：确定第二候选解与历史候选解；对历史候选解进行梯度估计计算获得的梯度计算结果；对梯度计算结果进行扰动分析处理获得采样位移数据。梯度估计算法例如可以包括有限差分法(finite difference)、无穷小摄动分析法(infinitesimal perturbation analysis)、梯度抽样法(gradient sampling)或者同时摄动随机逼近法(simultaneous perturbation stochastic approximation)等。扰动分析(perturbation analysis)是一种数据处理和分析方法，可以为采用数学方向对第二候选解附近的优化位置以及方向进行分析，获得待优化参数的采样位移数据，进而通过采样位移数据进行参数采样，获得第一候选解。关于扰动分析处理的原理可以参考现有技术中的描述，在此不再赘述。通过扰动分析处理可以直接获得有关系统特性对待优化参数选择的“灵敏度”的信息，从而可以大幅度提高优化效率。
[0142]
可选地，历史候选解可以从多个初始候选解中选择获得。例如，可以从多个初始候
选解中选择任一个作为历史候选解。还可以根据多个初始候选解分别对应的初始效果信息中选择初始效果信息最高的初始候选解作为历史候选解。
[0143]
作为一个实施例，响应于待优化参数的参数优化请求，利用预设全局采样算法采集获得待优化参数的第二候选解之前，还可以包括：
[0144]
接收目标用户发送的参数优化请求；
[0145]
如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解之后，还可以包括：
[0146]
为目标用户输出目标解。
[0147]
可选地，参数优化请求可以由目标用户发起。本申请提供的信息处理方法可以向目标用户展示，使得用户使用本申请实施例提供的信息处理服务，实现目标解的获取。参数优化请求可以由目标用户的用户设备发送至配置有图1所示信息处理方法的计算设备。
[0148]
目标解可以向目标用户输出。若目标用户的用户端与计算设备为同一设备，为目标用户输出目标解可以包括在显示界面中为目标用户展示目标解。若目标用户的用户端与计算设备为不同设备，为目标用户输出目标解可以包括：将目标解发送至目标用户的用户端，以供该用户端为目标用户输出目标解。
[0149]
在实际应用中，为了提供更具个性化的参数服务，可以为目标用户提供参数调整服务。在某些实施例中，该方法还可以包括：
[0150]
检测目标用户针对目标解发起的参数调整请求；
[0151]
响应参数调整请求，获取目标用户提供的参数调整信息；
[0152]
根据参数调整信息调整目标解，获得目标用户的预期解。
[0153]
可选地，检测目标用户针对目标解发起的参数调整请求之前，还可以包括：向目标用户展示参数调整控件，以使得目标用户获知目标解处于可调整状态。检测目标用户针对目标解发起的参数调整请求可以包括：检测目标用户针对目标解的参数调整控件执行的触发操作，生成参数调整请求。
[0154]
在诸多应用领域中可能直接涉及到参数优化问题，为了提高参数优化效率，可以使用本申请实施例的技术方案。
[0155]
在电力资源、水利资源的分配过程中，可以将电力资源或者水利资源在各个地区的分配结果作为一待优化参数发起参数优化请求，待优化参数具体可以为各个区域所对应的资源量，例如，电力场景中可以为区域的负载容量。
[0156]
如图5所示，为本申请实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括：
[0157]
501：检测资源管理方针对目标资源触发的资源管理请求。
[0158]
502：响应资源管理请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息。
[0159]
503：根据局部特征信息，采集获得待优化参数的第一候选解。
[0160]
504：如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0161]
505：基于目标解，生成资源参数的资源设置信息。
[0162]
506：向资源管理方反馈资源设置信息，以供资源管理方根据资源设置信息设置目
标资源。
[0163]
可选地，该方法还可以包括，如果第一候选解不满足参数使用条件，确定第一候选解为第二候选解，返回至基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息继续执行。
[0164]
待优化参数具体代表的资源元素可以根据目标资源的处理目标确定。例如，当目标资源的处理目标可以为不同地区设置的电力负载容量，以使得电网总耗能最小，此时，不同地区的电力负载容量即可以为待优化参数的各个子参数，处理目标即可以为电网总耗能对应的目标函数。待优化参数的目标解可以为获得的电网总耗能最小的情况下，各个地区的电力负载容量。按照待优化参数在目标解，可以生成目标资源的处理信息，也即，可以按照待优化参数在目标解，生成各个地区的电力负载容量的提示信息或者设置指令，通过设置指令可以按照各个地区的电力负载容量进行容量设置。提示信息可以为用户展示，以供用户按照提示信息中提示的各个地区的电力负载容量对各个地区进行容量设置。
[0165]
在电子商务领域中，也会涉及到参数优化问题。以较为常见的产品推荐为例，由于用户的消费习惯、关注领域、历史浏览行为等浏览特征的不同，为用户推荐的内容或者产品也不同。在实际应用中，为了提高用户的点击率，可以将用户的消费习惯、关注领域等浏览特征进行参数化，生成不同的浏览参数，并通过对多个浏览参数的设置实现对用户的点击目标的特性进行准确分析，从而查找到与用户关注度更高的目标产品。将多个浏览参数作为待优化参数，并对待优化参数不断进行参数采样，并进行参数使用效果的计算，以评价指数最高的目标解。该方案可以适用于本申请实施例的技术方案，以提高待优化参数的参数优化效率。
[0166]
如图6所示，为本申请实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括：
[0167]
601：检测访问用户针对网络交易系统触发的系统访问请求。
[0168]
602：响应系统访问请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息。
[0169]
603：根据局部特征信息，采集获得待优化参数的第一候选解。
[0170]
604：如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0171]
605：基于目标解，生成系统访问参数对应的目标访问信息。
[0172]
606：向访问用户反馈目标访问信息，以供访问用户基于目标访问信息，操作网络交易系统。
[0173]
在网络交易系统中，待优化参数可以为用户的浏览参数，通过获取浏览参数对应的目标解可以生成为用户反馈的目标访问信息。例如，目标访问信息可以为向目标用户推荐的产品信息。
[0174]
可选地，该方法还可以包括：如果第一候选解不满足参数使用条件，确定第一候选解为第二候选解，返回至基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息继续执行。
[0175]
在网络交易系统中，通过对目标用户的浏览特征设置相应的浏览参数，以获得相应的浏览参数，从而对浏览参数进行参数试验，以获得评价指数最高的目标解。当然，在实
际应用中，多个浏览参数可以构成待优化参数的多个子参数，多个子参数分别对应的参数值分别采样结束时可以获得一目标解。目标解确定之后，即可以通过目标解生成目标用户的目标访问信息，从而可以查找与目标访问信息相匹配的目标产品，并为目标用户输出。
[0176]
在一些实施例中，浏览参数可以为不同浏览特征的比例，根据浏览参数对应的目标解，可以确定不同的浏览特征在产品查找过程中所占的比例，从而将多个浏览特征按照各自在目标解中的取值，进行加权求和，获得推荐特征，该推荐特征即可以为用户推荐产品的查找，以为目标用户展示查找到的目标产品，将查找到的目标产品作为目标访问信息反馈给目标用户。
[0177]
在又一些实施例中，浏览参数可以为不同类型产品所占的比例，也即，可以从多个类型的产品中分别为用户推荐产品，但是各个类型的产品所占比例不同。以美妆以及服装产品为主要推荐类型的产品为例，对美妆产品以及服装产品各自的推荐比例进行参数优化，最终获得的目标解为3:7，美妆产品为3，服装产品为7，此时按照浏览参数在目标解的取值，从产品数据库中查找3份美妆产品以及7份服装产品，将查找到的美妆产品以及服装产品作为目标访问信息反馈给目标用户。
[0178]
需要说明的是，图5以及图6所示实施例的具体应用方案仅仅是示例性的，并不应构成对本申请实施例的应用限定，本申请实施例可以适用于各种数据模型、计算模型的参数优化场景中。
[0179]
如图7所示，为本申请实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括：
[0180]
701：响应于调用信息处理接口的请求，确定信息处理接口对应的处理资源。
[0181]
利用信息处理接口对应的处理资源执行如下步骤：
[0182]
702：响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息。
[0183]
703：根据局部特征信息，采集获得待优化参数的第一候选解。
[0184]
704：如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0185]
在一种可能的设计中，信息处理接口可以为将本申请实施例提供的技术方案作为处理协议进行定义，获得一对外提供软件服务的应用程序接口。信息处理接口包括sdk(software development kit，软件开发工具包)、api(application programming interface，应用程序编程接口)等形式。本申请实施例的技术方案应用过程中，可以以接口的形式被用户获取，并通过接口接收用户的访问请求，并在获取到目标解之后，通过接口向用户输出目标解，以网络交易系统为例，可以向用户反馈目标解相关的产品对象。此外，在又一种可能的设计中，在使用本申请实施例的技术方案的过程中，还可以生成使用日志，并通过接口将使用日志发送至日志服务器，以便于日志服务器存储使用日志，并利用使用日志对信息处理方法的使用过程进行有效检测。
[0186]
可选地，本申请实施例提供的技术方案可以配置于一云服务器中，通过将信息处理方法封装之后，形成一对外提供信息处理方法的信息处理接口，该信息处理接口可以被用户设备调用，以为用户提供信息处理服务。
[0187]
本申请实施例中的信息处理接口对应的处理资源所执行的具体步骤与图1所示的
信息处理方法所执行的处理步骤相同，各个技术特征的具体实现方式以及技术效果已在图1所示实施例中详细描述，在此不再赘述。
[0188]
为了便于理解，图8示出了本申请实施例提供的一个应用示例图。参考图7，以目标用户可以通过计算机m1与云服务器m2交互实现信息处理为例详细介绍本申请实施例的技术方案。
[0189]
计算机m1可以检测801目标用户发起的参数优化请求，并将参数优化请求发送802至云服务器m2。云服务器m2可以接收计算机m1发送的参数优化请求，并响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定803待优化参数的局部特征信息。根据局部特征信息可以采集804获得待优化参数的第一候选解。通过对第一候选解进行参数使用条件的判断，在第一候选解满足参数使用条件时，确定805第一候选解为待优化参数的目标解。在第一候选解不满足参数使用条件时，可以更新第一候选解为第二候选解，并返回至基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息的步骤继续执行。在获得目标解之后，云服务器m2可以将目标解发送806至计算机m1。
[0190]
计算机m1接收到目标解之后，可以为用户显示807目标解，为目标用户获取满足参数使用条件的目标解并使用，可以实现待优化参数的快速采样，提高采样效率。计算机m1为目标用户输出目标解时，具体的输出方式可以包括多种形式，例如可以以数据、页面、信息或者消息等输出方式，本申请实施例对目标解的具体输出方式并不作出过多限定。
[0191]
在实际应用中，本申请实施例提供的信息处理方法获得的目标解可以直接应用于机器学习模型的模型训练场景中。例如，当用户优化的参数为超参数时，获得的满足参数使用的目标解即为目标超参数。可以利用目标超参数构建机器学习模型，并利用训练数据对机器学习模型进行训练，获得使用目标超参数构建的机器学习模型的模型参数，获得机器学习模型的使用效果更佳，例如在人脸识别领域，使用目标超参数构成的人脸识别模型的识别准确率更高，识别效果更好。
[0192]
本申请实施例的技术方案可以应用于人工智能交互、数据检索、内容推荐、点击率预测、智能工厂、工业控制等多种领域，特别是在内容推荐领域，例如电子商务领域、视频直播领域、社交领域、在线教育领域中的内容推荐，以及资源分配领域，例如金融产品配置、电力资源、水利资源、供应链分配等领域中的适用性更强。
[0193]
为了便于理解，以如下几个实际的使用领域的应用按照对本申请实施例进行详细介绍。
[0194]
(1)电商领域。在电商领域的特征搜索、直播场景下的产品推荐、内容推荐和计算广告点击率等应用场景最为常见，本实施例以内容推荐场景为例，进行了实例部署。推荐场景下的通用推荐过程可以为，对选定场景的要素进行参数化设置，获得对场景产生影响的多个子参数构成的待优化参数，利用多个参数标识场景的不同特征。将本申请实施例中的信息处理方案以服务的形式向目标用户提供，具体的服务形式包括网页服务、软件程序服务或者以sdk或者api形式存在的程序模块，目标用户通过浏览参数优化界面、服务软件或者服务模块等形式获取信息处理服务。
[0195]
从而提供信息处理服务的服务器，可以检测目标用户发起的参数优化请求，响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，
确定待优化参数的局部特征信息；根据局部特征信息，采集获得待优化参数的第一候选解；如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0196]
以点击词推荐场景为例，用户点击app(application，应用程序)中的搜索框时，本系统会为该用户推荐部分搜索词(query词)。为用户推荐搜索词的目的是挖掘用户潜在的购买需求，增加用户的使用粘性并且提高总的商品成交数量。搜索系统中利用如下的架构，结合了一种深度学习encode
‑
decode(编码器—解码器)网络，也即目标函数，对搜索词的推荐进行预测。假设将搜索词的数量搜索效果最高作为优化目标，可以将搜索词数量作为待优化参数。现有技术中，搜索词数量所构成的待优化参数的目标解是按照人工经验手动设置的。利用本专利的信息处理方法，可以利用以上信息处理方法自动对搜索词数量进行参数优化，选择满足参数使用条件的目标解。在参数优化过程中，同时考虑目标函数的全局特征以及局部特征，在全局基础上采样获得第二候选解，并在第二候选解的基础上，进行局部分析，以实现局部的快速采样，获得准确度更高的第一候选解。在第一候选解的评价指数满足参数使用条件时，确定第一候选解为目标解，从而利用目标解确定搜素词数量。通过对搜索词数量进行设置，提高用户使用app时的搜索效率。
[0197]
(2)社交领域，在社交领域中，对社交用户进行内容推荐、对学生进行素材推荐也较为常见。社交领域的推荐通常是，社交用户浏览社交应用程序，应用程序的显示界面中输出用户感兴趣的社交内容。通常，社交领域的推荐通常是，以用户的历史浏览行为、关注领域、用户信息等选项构成子参数，多个子参数可以构成待优化参数。在确定各个子参数的特征值时，可以生成待优化参数最终对应的特征信息，并基于特征信息查找相关内容或产品。为了查找到对社交用户感兴趣的内容，可以对参数的数量以及种类进行优化，以获得准确的社交用户内容。
[0198]
本申请实施例的技术方案可以配置于云服务器中，参数优化请求可以由运维人员发起，运维人员，也即目标用户可以向云服务器发起参数优化请求。云服务器接收到参数优化请求时，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息；根据局部特征信息，采集获得待优化参数的第一候选解；如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。通过目标解即可以生成向用户推荐的目标内容信息，通过参数采样效率的提高可以促进推荐内容快速而准确的向访问用户反馈。
[0199]
(3)金融领域。股票的指数模拟是非常重要的问题，基于线性回归，svm(support vector machines，支持向量积)和lstm(long short
‑
term memory，长短记忆网络)等模型对股票指数的模拟问题较为常见，在模型使用之前，需要先建立一个合适的模型。其中，模型训练过程中可以涉及众多超参数，例如lstm中的time_step(时间步长)，feature_dim(特征维度),hidden featrue(隐藏特征)等，而且在还涉及市场的宏观因素，微观因素，突发事件等上下文特征，这些上下文特征会影响超参数的选择。利用本专利技术，对数学模型的构建产生影响的超参数，以及对超参数选择产生影响的上下文特征等参数，均可以作为子参数以构成一需要优化的参数。为了获得准确的目标解，可以确定以上特征对应的子参数，并利用多个子参数构成待优化参数。
[0200]
利用本申请实施例的技术方案，可以在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息；根据局部特征信息，采集获得待优化参数的
第一候选解；如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。在获得目标解之后，可以利用获得的目标解中的超参数构建指数模拟问题对应的机器学习模型，进行模型训练，获得模型参数。然后利用训练获得的机器学习模型对指数模拟问题进行实际股指的rmse(root mean squared error，均方根误差)差异值等数据进行模拟计算，获得的数据可以用于股市投资指导。
[0201]
(4)资源分配领域，以电力资源分配为例。电力资源的分配通常会涉及很多区域，每个区域可以使用相应的参数代表，这些参数分别可以分配一定比例的资源，资源的分配会影响区域经济、人口、环境等信息。本申请实施例的技术方案可以应用于电力市场动态定价问题、电力经济负荷分配问题中。下面，主要对电力系统的具体应用领域作出详细描述。
[0202]
在电力市场动态定价问题中，用户类型以及用电量的多少对电力市场的影响较为关键。可以将用户类型以及用电量等作为待优化的参数，对待优化参数进行采样，可以获得候选解。任一个候选解中各个子参数的取值对电力系统中收益/成本最高可以作为参数使用条件的判断结果。在参数优化过程中，电力资源管理方可以发起参数优化请求，后台服务器可以响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息；根据局部特征信息，采集获得待优化参数的第一候选解；如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。为电力资源管理方提供该目标解之后，电力资源管理方可以利用该目标解进行电力资源的动态定价。在参数选择过程中，由于在相较于第一参数空间更为简单的第二参数空间中进行参数采样，可以降低参数采样复杂度，提高参数采样效率，从而进一步提高参数优化效率。
[0203]
在电力经济负荷分配问题中，电力供应方可以同时向多个地区提供电力资源，每个地区的电力负载容量可以作为子参数，电网总耗能最低可以作为参数使用条件。利用本申请实施例的技术方案，可以对多个地区各自的电力负载容量进行采样，以获得一待优化参数的候选解。在采样过程中，由所有地区的电力负载容量对应的子参数构成的待优化参数。电力供应方可以发起参数优化请求，后台服务器可以响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息；根据局部特征信息，采集获得待优化参数的第一候选解；如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。确定目标解之后，可以将目标解为电力供应方输出，以使得电力供应方利用目标解获得电力负载的分配策略，减少参数的选择复杂度，提高选择效率。
[0204]
如图9所示，为本申请实施例提供的一种信息处理装置的一个实施例的结构示意图，该装置可以包括：
[0205]
请求响应模块901：用于响应于待优化参数的参数优化请求在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部特征信息；
[0206]
局部采样模块902：用于根据局部特征信息，采集获得待优化参数的第一候选解；
[0207]
目标确定模块903：用于如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0208]
作为一个实施例，请求响应模块可以包括：
[0209]
第一响应单元，用于响应于待优化参数的参数优化请求，确定待优化参数的全局特征信息；
[0210]
第一处理单元，用于如果全局特征信息满足局部切换规则，利用预设全局采样算法采集获得待优化参数的第二候选解；
[0211]
第二处理单元，用于基于第二候选解对待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息。
[0212]
在某些实施例中，该装置还可以包括：
[0213]
条件跳转模块，用于如果第一候选解不满足参数使用条件，更新第一候选解为第二候选解，跳转至局部分析模块继续执行。
[0214]
在某些实施例中，第一响应单元可以包括：
[0215]
第一响应子单元，用于响应于待优化参数的参数优化请求，确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息。
[0216]
模型拟合子单元，用于根据多个初始候选解以及多个初始候选解分别对应的初始效果信息，对待优化参数的分布模型进行拟合，获得概率分布模型；
[0217]
第一处理单元可以包括：
[0218]
第一采样子单元，用于基于概率分布模型，利用预设采集函数对待优化参数进行参数采样，获得第二候选解。
[0219]
可选地，请求响应模块还可以包括：
[0220]
第三处理单元，如果概率分布模型不满足局部切换规则，则确定第二候选解的第一效果信息，并将第二候选解增加为初始候选解，返回至响应于待优化参数的参数优化请求，确定待优化参数的多个初始候选解以及多个初始候选解分别对应的初始效果信息继续执行。
[0221]
在一种可能的设计中，请求响应模块还可以包括：
[0222]
统计分析单元，用于确定概率分布模型的统计指标；如果统计指标满足预设指标阈值，确定第二候选解满足局部切换规则；如果统计指标不满足预设指标阈值，确定第二候选解不满足局部切换规则。
[0223]
作为又一个实施例，第二处理单元还可以包括：
[0224]
第一分析子单元，用于对待优化参数在第二候选解进行梯度估计处理，获得采样位移数据；
[0225]
局部采样模块可以包括：
[0226]
第一采样单元，用于按照采样位移数据在第二候选解的基础上对待优化参数进行参数采样获得第一候选解。
[0227]
在某些实施例中，第一分析子单元具体可以用于：
[0228]
基于梯度估计算法，对第二候选解进行扰动分析处理，获得采样位移数据。
[0229]
作为又一个实施例，该装置还可以包括：
[0230]
请求接收模块，用于接收目标用户发送的参数优化请求。
[0231]
目标输出模块，用于为目标用户输出目标解。
[0232]
在某些实施例中该装置还可以包括：
[0233]
调整接收模块，用于检测目标用户针对目标解发起的参数调整请求。
[0234]
调整确定模块，用于响应参数调整请求，获取目标用户提供的参数调整信息。
[0235]
目标调整模块，用于根据参数调整信息调整目标解，获得目标用户的预期解。
[0236]
作为又一个实施例，该装置还可以包括：
[0237]
第一检测模块，用于检测资源管理方针对目标资源触发的资源管理请求。
[0238]
请求响应模块可以包括：
[0239]
第二响应单元，用于响应资源管理请求，利用预设全局采样算法采集获得目标资源对应资源参数的第二候选解。
[0240]
该装置还可以包括：
[0241]
第一生成模块，用于基于目标解，生成资源参数的资源设置信息。
[0242]
第一反馈模块，用于向资源管理方反馈资源设置信息，以供资源管理方根据资源设置信息设置目标资源。
[0243]
作为又一个实施例，该装置还可以包括：
[0244]
第二检测模块，用于检测访问用户针对网络交易系统触发的系统访问请求。
[0245]
请求响应模块可以包括：
[0246]
第三响应单元，用于响应系统访问请求，利用预设全局采样算法采集获得网络交易系统对应系统访问参数的第二候选解；
[0247]
该装置还可以包括：
[0248]
第二生成模块，用于基于目标解，生成系统访问参数对应的目标访问信息。
[0249]
第二反馈模块，用于向访问用户反馈目标访问信息，以供访问用户基于目标访问信息，操作网络交易系统。
[0250]
图9的实现信息处理装置可以执行图1所示实施例的信息处理方法，其实现原理和技术效果不再赘述。对于上述实施例中的各模块或者单元所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0251]
在实际应用中，图9所示的实施例可以配置为一计算设备，参考图10，为本申请实施例提供的一种计算设备的一个实施例的结构示意图，该设备可以包括：存储组件1001以及处理组件1002；存储组件1001用于存储一条或多条计算机指令；一条或多条计算机指令被处理组件1002调用。
[0252]
处理组件1002可以用于执行图1～图7所示实施例的信息处理方法。
[0253]
作为一个实施例，处理组件1002可以用于：响应于待优化参数的参数优化请求，在待优化参数的全局特征信息满足预设局部切换规则时，确定待优化参数的局部采集特征进行评估，获得待优化参数的局部特征信息；根据局部特征信息，采集获得待优化参数的第一候选解；如果第一候选解满足参数使用条件，确定第一候选解为待优化参数的目标解。
[0254]
其中，处理组件1002可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0255]
存储组件1001被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0256]
当然，计算设备必然还可以包括其他部件，例如输入/输出接口、通信组件等。输
入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口模块可以是输出设备、输入设备等。通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。
[0257]
此外，本申请实施例还提供一种计算机可读存储介质，存储介质可以存储一条或多条计算机指令，一条或多条计算机指令执行时用以实现本申请实施例中任一种信息处理方法。
[0258]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0259]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0260]
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。