多目標優化路由算法在英語翻譯軟件中的應用

李蓉

（延安大學西安創新學院，陜西 西安 710100）

1 引言

隨著信息處理技術和機器翻譯技術的發展，采用智能的信息處理技術進行英語翻譯軟件的優化設計，建立英語翻譯軟件的自適應參數學習和控制模型，采用多目標優化的學習方法，進行英語翻譯軟件的優化設計，提高英語翻譯軟件的多目標優化和自學習能力，從而提高英語翻譯軟件的輸出準確性和穩定性，相關的英語翻譯軟件優化設計方法研究受到人們的極大關注[1]。

目前大多數學者是通過參數優化識別[2]和特征提取方法[3]，進行英語翻譯軟件的統計特征分析，結合大數據演化聚類分析的方法實現英語翻譯。由此得到的翻譯結果雖準確性較高，但當出現多目標需要綜合考慮翻譯結果時，翻譯的準確性有待考究。本文提出基于多目標優化路由算法的英語翻譯軟件學習算法，構建英語翻譯軟件信息的多目標優化模型，通過自適應尋優控制方法，進行多目標優化下的路由控制，實現多目標優化路由算法在英語翻譯軟件中的應用，最后進行實驗測試分析，展示了本文方法在提高英語翻譯軟件輸出準確性方面的優越性能。

2 構建英語翻譯軟件的多目標學習參數模型

為提高英語翻譯軟件參數估計精度以及輸出的穩定性、準確性等性能。首先，建立英語翻譯軟件的多目標學習參數模型，采用多參數融合方法進行英語翻譯軟件的目標進化控制。結合模糊參數信息融合方法，得到英語翻譯軟件的多目標優化的路由分布元素為：

式中，“*”表示復共軛，t表示優化時間，m，n表示所翻譯的句子和時態。根據英語翻譯軟件中多目標優化的路由的分布情況，采用空間網格聚類方法[4]進行英語翻譯軟件多目標特征量分類挖掘，得到英語翻譯軟件多目標的檢測統計特征量為：

根據上式結果以及多參數融合方法，進行英語翻譯軟件多目標算法的優化控制，得到參數統計特征為：

其中，L表示對所翻譯的句子和時態中關鍵詞的優化長度，結合關聯學習算法，得到英語翻譯軟件多目標的相關參數句型、單詞、時態Φ，Ω，分別為：

根據得到的英語翻譯軟件多目標的相關參數x，采用多目標配置的方法，進行英語翻譯軟件的最優參數配置[5-8]，得到模糊隸屬度函數：

其中，a，u，m為0 到1 之間的隨機數，p(i)為英語翻譯軟件多目標尋優的最優解，即個體極值，b為英語翻譯軟件多目標配置系數。

根據模糊隸屬度函數，建立英語翻譯軟件的多目標學習參數模型為：

其中，A是一個維數為P×L的英語翻譯軟件多目標特征分布矩陣。

在上述英語翻譯軟件的多目標學習參數模型的基礎上，采用多元參數融合和自適應參量估計方法，進行英語翻譯軟件的多目標學習和自適應參數跟蹤。采用反復迭代和概率推理的方法[9-11]，得到多目標學習的推理模型表述為：

其中，對所翻譯的語義映射向量T=(T1，T2，…，TM)進行若干次迭代后，通過自適應尋優控制方法，進行多目標優化下的路由控制，根據多目標優化路由設計實現英語翻譯軟件的優化輸出轉換控制和組網控制[12]。

3 英語翻譯軟件的多目標優化

通過自適應尋優控制方法，進行多目標優化下的路由控制，路由進化的更新規則為：

式中，Xj(t)為多次迭代后英語翻譯軟件多目標優化的最終完整關系特征量，特征分布集pg(t)定義為：

根據上述分析，具體實現流程如圖1所示。

圖1 實現流程

通過上述過程實現多目標優化在英語翻譯軟件中的應用，從而提高英語翻譯軟件的輸出穩定性和準確性。

4 仿真測試分析

為了驗證本文方法在實現英語翻譯軟件的多目標優化和路由輸出控制中的應用性能，采用Matlab進行仿真測試，采用30 次試驗進行收斂性分析，假設語義本體向量的維數為24，關聯系數為0.21，全局迭代次數為1000，根據上述參數設定，測試集和訓練集的尋優性能，與文獻[13]和文獻[14]進行對比實驗，得到結果如圖2和圖3所示。

圖2 測試集的收斂性能

圖3 訓練集的收斂性能

分析圖2 和圖3 得知，采用本文方法進行英語翻譯軟件設計和多目標路由優化的參數估計精度較高，自適應性能較好，提高了英語翻譯軟件的輸出穩定性和準確性。

5 結束語

采用多目標優化的學習方法，進行英語翻譯軟件的優化設計，提高英語翻譯軟件的多目標優化和自學習能力，采用多目標配置的方法，進行英語翻譯軟件的最優參數配置，結合語義本體特征分解的方法，得到英語翻譯軟件多目標約束進化特征解。建立本體之間的語義關聯分布模型，結合非合作博弈論，根據多目標優化路由設計實現英語翻譯軟件的優化輸出轉換控制。分析得知，本文方法進行英語翻譯軟件設計的收斂性和尋優能力較好。