买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于大模型的分布式决策方法及系统，该方法包括获取系统参数，并对其进行预处理，得到预处理的系统参数；基于预处理的系统参数，采用自适应混沌采样方法生成系统初始状态参数；计算得到每个目标点在不同时间点的捕捉成功概率矩阵；基于捕捉成功概率矩阵和系统初始状态参数，生成决策训练数据；采用自适应多视角融合微调方法，对预配置的大模型进行微调，得到微调后的大模型；构建分布式决策系统，得到资源分配策略；使用自适应多维度递归分区方法，构建决策树模型，使用决策树模型，生成可视化决策路径。本发明不仅有效解决了传统决策系统在处理大规模数据和复杂模型时存在的性能瓶颈，还提高了模型的决策效率和准确性。

主权项：1.一种基于大模型的分布式决策方法，其特征在于，包括如下步骤：S1、获取系统参数，并对其进行预处理，得到预处理的系统参数；其中系统参数包括系统当前时间，目标位置的经纬度和高度数据，系统运行最大时长，决策数据生成数量，地球长半轴和短半轴的值；S2、基于预处理的系统参数，采用自适应混沌采样方法生成系统初始状态参数；基于系统初始状态参数，计算得到每个目标点在不同时间点的捕捉成功概率矩阵；基于捕捉成功概率矩阵和系统初始状态参数，生成决策训练数据；S3、基于决策训练数据，采用自适应多视角融合微调方法，对预配置的大模型进行微调，得到微调后的大模型；S4、基于微调后的大模型，构建分布式决策系统，得到资源分配策略；其中分布式决策系统包括动态资源编排模块和负载预测模块；S5、基于资源分配策略，使用自适应多维度递归分区方法，构建决策树模型，使用决策树模型，生成可视化决策路径；步骤S3进一步为：S31、将决策训练数据划分为训练集和验证集，基于训练集，进行多视角表示学习，得到融合表示；S32、基于融合表示，计算得到对比损失和决策任务损失；基于对比损失和决策任务损失，更新预配置的大模型的参数，得到微调后的大模型；S33、重复步骤S31到步骤S32，直到达到预设迭代次数，输出最终微调后的大模型；使用验证集，对最终微调后的大模型的性能进行评估；S34、使用知识蒸馏技术，对最终微调后的大模型进行压缩，得到压缩后的模型；对压缩后的模型进行量化，将压缩后的模型的浮点权重转换为定点表示，输出优化后的模型；步骤S31中基于训练集，进行多视角表示学习，得到融合表示，进一步为：S311、基于训练集，通过预配置的大模型生成预定个不同的表示；S312、基于不同的表示，计算视角间的一致性矩阵；基于一致性矩阵，使用谱聚类算法将K个视角分为L个聚类；其中K和L均为大于0的自然数，且K≥L；S313、计算聚类内表示的加权平均和聚类间的重要性得分，基于加权平均和重要性得分，计算多视角的融合表示；步骤S32中基于对比损失和决策任务损失，更新预配置的大模型的参数，得到微调后的大模型，进一步为：S321、基于对比损失和决策任务损失，计算得到总损失；S322、基于总损失和预配置的大模型的参数，计算得到梯度；基于预设阈值，对梯度进行裁剪，得到裁剪后的梯度；S323、基于裁剪后的梯度，更新预配置的大模型的参数，得到微调后的大模型。

全文数据：

权利要求：

百度查询： 中科南京人工智能创新研究院 一种基于大模型的分布式决策方法及系统