税务研究 2021年 第5期
“数字经济与税收治理”征文
运用遗传算法优化税收风险分析指标模型的思考
上一篇 下一篇内容提要:遗传算法作为生物科学与工程科学相互结合的典范,在很多领域发挥了重要作用。遗传算法是一种宏观层面的仿生算法,它模拟了生物的遗传和进化机制,将独特的生物特征运用于计算机领域,成为人工智能基础算法之一。目前,税收风险分析主要借助指标模型来完成,然而传统的指标模型建立方式存在诸多缺陷。本文在分析遗传算法与指标模型建设相似性的基础上,创造性地提出将人工智能遗传算法运用于税收风险分析指标模型建设的构想,并将税收风险分析指标模型的建设与遗传算法的选择、交叉及变异三大基础算法有机结合,展现了人工智能时代税收风险分析指标模型建设的路线图,并为之后人工智能涉入税收风险分析领域提供理论支持。
关键词:遗传算法,税收风险,指标模型,人工智能
遗传算法作为生物科学与工程科学相互结合的典范,在很多领域发挥了重要作用。遗传算法是一种宏观层面的仿生算法,它模拟了生物的遗传和进化机制,将独特的生物特征运用于计算机领域,成为人工智能基础算法之一。目前,税收风险分析主要借助指标模型来完成,然而传统的指标模型建立方式存在诸多缺陷。本文在分析遗传算法与指标模型建设相似性的基础上,创造性地提出将人工智能遗传算法运用于税收风险分析指标模型建设的构想,并将税收风险分析指标模型的建设与遗传算法的选择、交叉及变异三大基础算法有机结合,展现了人工智能时代税收风险分析指标模型建设的路线图,并为之后人工智能涉入税收风险分析领域提供理论支持。