多目标优化路由算法在英语翻译软件中的应用

李蓉

（延安大学西安创新学院，陕西 西安 710100）

1 引言

随着信息处理技术和机器翻译技术的发展，采用智能的信息处理技术进行英语翻译软件的优化设计，建立英语翻译软件的自适应参数学习和控制模型，采用多目标优化的学习方法，进行英语翻译软件的优化设计，提高英语翻译软件的多目标优化和自学习能力，从而提高英语翻译软件的输出准确性和稳定性，相关的英语翻译软件优化设计方法研究受到人们的极大关注[1]。

目前大多数学者是通过参数优化识别[2]和特征提取方法[3]，进行英语翻译软件的统计特征分析，结合大数据演化聚类分析的方法实现英语翻译。由此得到的翻译结果虽准确性较高，但当出现多目标需要综合考虑翻译结果时，翻译的准确性有待考究。本文提出基于多目标优化路由算法的英语翻译软件学习算法，构建英语翻译软件信息的多目标优化模型，通过自适应寻优控制方法，进行多目标优化下的路由控制，实现多目标优化路由算法在英语翻译软件中的应用，最后进行实验测试分析，展示了本文方法在提高英语翻译软件输出准确性方面的优越性能。

2 构建英语翻译软件的多目标学习参数模型

为提高英语翻译软件参数估计精度以及输出的稳定性、准确性等性能。首先，建立英语翻译软件的多目标学习参数模型，采用多参数融合方法进行英语翻译软件的目标进化控制。结合模糊参数信息融合方法，得到英语翻译软件的多目标优化的路由分布元素为：

式中，“*”表示复共轭，t表示优化时间，m，n表示所翻译的句子和时态。根据英语翻译软件中多目标优化的路由的分布情况，采用空间网格聚类方法[4]进行英语翻译软件多目标特征量分类挖掘，得到英语翻译软件多目标的检测统计特征量为：

根据上式结果以及多参数融合方法，进行英语翻译软件多目标算法的优化控制，得到参数统计特征为：

其中，L表示对所翻译的句子和时态中关键词的优化长度，结合关联学习算法，得到英语翻译软件多目标的相关参数句型、单词、时态Φ，Ω，分别为：

根据得到的英语翻译软件多目标的相关参数x，采用多目标配置的方法，进行英语翻译软件的最优参数配置[5-8]，得到模糊隶属度函数：

其中，a，u，m为0 到1 之间的随机数，p(i)为英语翻译软件多目标寻优的最优解，即个体极值，b为英语翻译软件多目标配置系数。

根据模糊隶属度函数，建立英语翻译软件的多目标学习参数模型为：

其中，A是一个维数为P×L的英语翻译软件多目标特征分布矩阵。

在上述英语翻译软件的多目标学习参数模型的基础上，采用多元参数融合和自适应参量估计方法，进行英语翻译软件的多目标学习和自适应参数跟踪。采用反复迭代和概率推理的方法[9-11]，得到多目标学习的推理模型表述为：

其中，对所翻译的语义映射向量T=(T1，T2，…，TM)进行若干次迭代后，通过自适应寻优控制方法，进行多目标优化下的路由控制，根据多目标优化路由设计实现英语翻译软件的优化输出转换控制和组网控制[12]。

3 英语翻译软件的多目标优化

通过自适应寻优控制方法，进行多目标优化下的路由控制，路由进化的更新规则为：

式中，Xj(t)为多次迭代后英语翻译软件多目标优化的最终完整关系特征量，特征分布集pg(t)定义为：

根据上述分析，具体实现流程如图1所示。

图1 实现流程

通过上述过程实现多目标优化在英语翻译软件中的应用，从而提高英语翻译软件的输出稳定性和准确性。

4 仿真测试分析

为了验证本文方法在实现英语翻译软件的多目标优化和路由输出控制中的应用性能，采用Matlab进行仿真测试，采用30 次试验进行收敛性分析，假设语义本体向量的维数为24，关联系数为0.21，全局迭代次数为1000，根据上述参数设定，测试集和训练集的寻优性能，与文献[13]和文献[14]进行对比实验，得到结果如图2和图3所示。

图2 测试集的收敛性能

图3 训练集的收敛性能

分析图2 和图3 得知，采用本文方法进行英语翻译软件设计和多目标路由优化的参数估计精度较高，自适应性能较好，提高了英语翻译软件的输出稳定性和准确性。

5 结束语

采用多目标优化的学习方法，进行英语翻译软件的优化设计，提高英语翻译软件的多目标优化和自学习能力，采用多目标配置的方法，进行英语翻译软件的最优参数配置，结合语义本体特征分解的方法，得到英语翻译软件多目标约束进化特征解。建立本体之间的语义关联分布模型，结合非合作博弈论，根据多目标优化路由设计实现英语翻译软件的优化输出转换控制。分析得知，本文方法进行英语翻译软件设计的收敛性和寻优能力较好。