基于改進遺傳算法的電子商務交易風險評估

基于改進遺傳算法的電子商務交易風險評估基于改良遺傳算法的電子商務交易風險評估

中圖分類號：TN99《34；TP391文獻標識碼：A文章編號：1004《373X〔2022〕13《0094《04

Abstract：Inordertoreducetheriskofe《commercetransaction，itisnecessarytoperformthequantitativeevaluationoftransactionrisk，thereforeane《commercetransactionriskevaluationmethodbasedonimprovedgeneticalgorithmisputforward.Thesparsescatteredpointclouddatatechnologyisusedtosamplethedataofthee《commercetransactioninformation，andinputitintothecloudstoragesystem.Thespecialistdatabaseofthee《commercetransactionriskdataevaluationwasestablished.Themerchanttrustrecommendationparametersine《commerceplatformareextracted，andconductedwithinformationfusion.Thegeneticalgorithmisusedtoperformthecrossoverandmutationforthefusedmerchanttrustinformation，andcombinedwiththeadaptiveglobalgeneticevolutionalgorithmtopredictthee《commercetransactionriskinformationaccurately，andrealizethetransactionriskassessment.Thesimulationresultsshowthatthemethodhashighpredictionaccuracyandlowconvergenceerrorfore《commercetransactionriskassessment，andisfeasible.

Keywords：geneticalgorithm；e《commerce；transaction；informationfusion；riskassessment

0引言

網(wǎng)絡技術和現(xiàn)代物流技術催生了電子商務的快速開展，電子商務平臺建立在P2P和O2O交易平臺根底上，交易平臺具有開放性和自組織性，導致電子商務交易的管理和控制有漏洞，容易出現(xiàn)交易風險，為商家和顧客帶來了較大的損失[1]。

為了最大限度地降低電子商務交易的風險，需要采用量化信息評估辦法進行電子商務交易預測評估，提高應對風險的能力和水平，因此，研究電子商務交易風險評估辦法具有重要意義。

傳統(tǒng)辦法主要采用神經(jīng)網(wǎng)絡預測評估辦法和決策樹預測評估辦法進行電子商務交易風險評估，采用無監(jiān)督學習訓練辦法進行電子商務交易風險信息的線性相關性擬合，提取電子商務交易數(shù)據(jù)的風險關聯(lián)性特征[2]，示例，文獻[3]中提出一種電子商務下的信任網(wǎng)絡構造與優(yōu)化辦法，結合工程分類和云模型辦法進行商家的信任度推薦，取得了較好的風險預測效果，但該模型的收斂性不好，計算復雜度較高。

針對上述問題，本文提出一種基于改良遺傳算法的電子商務交易風險評估辦法，首先提取電子商務平臺中商家的信任度推薦參量值，并進行信息融合處理，然后采用全局遺傳進化辦法實現(xiàn)電子商務交易風險信息的準確預測和風險評估，最后進行仿真實驗分析，展示了本文辦法在提高電子商務交易風險評估準確性方面的優(yōu)越性能。

1電子商務交易風險先驗數(shù)據(jù)分析

1.1信息采集

為了實現(xiàn)對電子商務交易風險準確評估，采用信息處理算法進行電子商務交易風險先驗數(shù)據(jù)采集和數(shù)據(jù)分析。采用稀疏散點云數(shù)據(jù)采集技術進行電子商務交易信息的數(shù)據(jù)采樣，若統(tǒng)計電子商務交易風險數(shù)據(jù)時間序列采樣的先驗知識表示為，按照序列的秩進行數(shù)據(jù)排列分析，得到電子商務交易風險原始序列幅值，采用自適應回歸分析辦法構建電子商務交易風險數(shù)據(jù)的特征分量[4]，把交易數(shù)據(jù)的風險等級劃分為個等級，為，即，按照電子商務交易習慣，對交易的風險序列進行降那么處理，采用云計算技術得到風險信息的稀疏散點云數(shù)據(jù)采樣變量為是風險數(shù)據(jù)的指數(shù)譜，每個對應一個解向量，為：

通過對交易風險數(shù)據(jù)的稀疏散亂點重排[5]，結合先驗規(guī)那么函數(shù)，得到電子商務交易風險數(shù)據(jù)的統(tǒng)計信息的擬合時間序列模型，表示為：式中：是均值為0，方差為的正態(tài)分布函數(shù)；稱為電子商務交易風險的時間反演不可逆特征分解系數(shù)；為交易數(shù)據(jù)采樣的測量誤差。

1.2商家的信任度推薦值計算

將上述采集的電子商務交易風險數(shù)據(jù)輸入到云存儲系統(tǒng)中，建立電子商務交易風險數(shù)據(jù)評估的專家數(shù)據(jù)庫，提取電子商務平臺中商家的信任度推薦參量值，并進行信息融合處理[6]，電子商務平臺中交易雙方風險最低約束條件下的最優(yōu)解為：

采用遺傳進化算法進行交叉和變異操作，降低交易風險，計算變量與交易風險控制函數(shù)值的最大〔或最小〕值，在遺傳進化過程中，建立初始種群，設計一個種群的適應度函數(shù)，得到風險控制的先驗概率密度，對應的遺傳準那么為：

式中：為電子商務交易雙方的交叉概率。

在遺傳進化中，種群個體在維空間中的個體適應度函數(shù)為，其表示對應商家的風險代價函數(shù)，計算每個個體的適應度，得到第個遺傳種群的最終歸集解為，其中：

在遺傳進化控制下，得到商家的信任度推薦值計算迭代式為：

式中為迭代步長。

2交易風險評估模型實現(xiàn)

2.1交易信息融合處理

在上述進行了電子商務交易風險數(shù)據(jù)采集和信任度推薦特征參量提取的根底上，進行電子商務交易《L險評估模型改良設計，本文提出一種基于改良遺傳算法的電子商務交易風險評估辦法，對提取的電子商務平臺中商家的信任度推薦參量值進行信息融合處理[7]，采用遺傳算法得到電子商務交易風險誤差統(tǒng)計特征量的計算式為：

式中：是比例元集；是遺傳進化的敏感算子；是整個搜索空間的第個節(jié)點的全局極值；是每個染色體相應的代價值。

選擇一個已經(jīng)設定了的適應度函數(shù)，依據(jù)貪婪搜索進行風險代價函數(shù)的最大尋優(yōu)[8]，并計算適應度高的個體的代價值：

云交易主體在演化博弈中常會處于一個相對穩(wěn)定的狀態(tài)，對全局最優(yōu)個體進行部分搜索，實現(xiàn)對電子商務交易風險的量化評估，用線性加權得到交易雙方的信任度的信息融合權重迭代式為：

初始化隸屬度函數(shù)通過改良的遺傳算法對新的交易個體進行風險量化評估，確定全局最優(yōu)個體為：

設置門限值當時，交易信任度評價滿足低風險要求。

采用改良的遺傳優(yōu)化算法對交易主體的風險信息進行重排[9]，根據(jù)特征值的大小進行閾值估計，得到交易風險評估的信息融合權重系數(shù)為：此時電子商務交易風險評估的狀態(tài)估計式為：

根據(jù)遺傳算法的優(yōu)化目標函數(shù)，其中第個進化個體的風險權重表示為根據(jù)主成分分析辦法，得到電子商務交易風險評估的量化估計值為：

根據(jù)上述信息融合結果，對融合后的商家信任度信息采用遺傳算法進行交叉變異處理，進行交易風險預測與評估。

2.2電子商務交易風險預測評估

采用自適應全局遺傳進化辦法，得到在交叉和變異操作下個體最優(yōu)的風險聚斂目標函數(shù)：

根據(jù)遺傳算法的優(yōu)化目標函數(shù)，其中第個進化個體的風險權重表示為，結合電子商務交易的穩(wěn)態(tài)性，得到風險評估的穩(wěn)態(tài)目標函數(shù)為：

在遺傳進化的最優(yōu)代數(shù)下，風險最小的個體位置為，也稱為構建電子商務交易風險評估狀態(tài)特征方程，在種群進化代數(shù)為的第個個體的時刻的風險評價值為：

通過一個適應度函數(shù)對群體自身的速度和位置進行自適應估計，得到電子商務交易雙方的適應度泛函為：

式中：是最大代數(shù)；是遺傳種群的適應度值；和是操作算子常數(shù)，通常取和是交叉概率；為[0，1]的隨機泛函。對于每個電子商務平臺的風險估計特征值滿足：

式中：是兩個交叉點的鄰域匹配函數(shù)；表示匹配區(qū)域內(nèi)的映射。采用交叉運算進行自適應更新，選取種群的規(guī)模為得到在遺傳算法下電子商務風險交易數(shù)據(jù)的主成分更新公式為：

式中：為關系副本函數(shù)，當?shù)玫降倪m應度值較大時，采用梯度下降辦法進行特征分解，得到風險分解函數(shù)更新遺傳進化的種群集。

考慮全局優(yōu)化問題進行電子商務交易風險評估的全局尋優(yōu)，得到變異適應度值為：

搜索過程中進行交叉和變異兩種基因操作，得到電子商務交易風險評估狀態(tài)的全局最優(yōu)點，由此實現(xiàn)電子商務交易風險信息的準確預測。最后結合云端效勞器進行交易監(jiān)管，實現(xiàn)風險控制，這一實現(xiàn)過程如圖1所示。

3仿真實驗分析

為了測試本文算法在實現(xiàn)電子商務交易風險評估中的應用性能，進行仿真測試，實驗采用Matlab仿真設計，遺傳進化的種群數(shù)量為10000個，模因組數(shù)12個，電子商務交易雙方的信任度控制權重為0.2，風險評估數(shù)據(jù)采樣的信息維度設置為20，主體商戶的風險控制約束參量分別為：遺傳算法的關聯(lián)系數(shù)設定為：根據(jù)上述仿真參量的設定，進行電子商務交易風險評估的仿真分析，電子商務交易信息的先驗數(shù)據(jù)采樣結果如圖2所示。

以圖2采集的數(shù)據(jù)為測試樣本進行電子商務交易風險預測評估，并采用不同辦法進行評估準確性比擬，得到的比照結果如圖3所示。分析圖3的結果得