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！

龙图腾网获悉暨南大学申请的专利大模型智能体辅助的先进计划与调度生成方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120181487B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510272173.7，技术领域涉及：G06Q10/0631；该发明授权大模型智能体辅助的先进计划与调度生成方法及系统是由李明星;周曲;李宛珊;屈挺;陈济涵;王思雨;黄国全设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本大模型智能体辅助的先进计划与调度生成方法及系统在说明书摘要公布了：本申请涉及大模型智能体辅助的先进计划与调度生成方法及系统，该方法包括：从与目标对象进行自然语言交互所生成的上下文信息中，获取目标对象预期的当前计调意图信息，其中，当前计调意图信息包括当前APS所关联的子要素参数项；基于当前计调意图信息，在存储于预设的智能体对应的机制知识库的机制知识中，检索与当前计调意图信息对应的目标机制知识，每个机制知识关联一个子要素参数项；在获取多资源约束制造系统当前对应的多源生产数据之后，将当前计调意图信息、多源生产数据和目标机制知识输入到智能体对应的APS构建模块中，利用检索增强生成法生成目标APS，得到先进计划与调度结果。

本发明授权大模型智能体辅助的先进计划与调度生成方法及系统在权利要求书中公布了：1.一种大模型智能体辅助的先进计划与调度生成方法，其特征在于，包括： 从与目标对象进行自然语言交互所生成的上下文信息中，获取目标对象预期的当前计调意图信息，其中，所述当前计调意图信息包括当前APS所关联的子要素参数项，所述子要素参数项至少包括以下其中一种：APS子目标函数、APS子约束参数，一个APS表征一种先进计划与调度； 基于所述当前计调意图信息，在存储于预设的智能体对应的机制知识库的机制知识中，检索与所述当前计调意图信息对应的目标机制知识，其中，所述机制知识库是根据预设的所述子要素参数项，以提示词激发大模型进行知识扩充所生成的，预设的所述子要素参数项是根据多资源约束制造系统的调度场景特征参数编写生成的，每个所述机制知识关联一个所述子要素参数项； 在获取多资源约束制造系统当前对应的多源生产数据之后，将所述当前计调意图信息、所述多源生产数据和所述目标机制知识输入到所述智能体对应的APS构建模块中，利用检索增强生成法生成目标APS，得到先进计划与调度结果，其中，所述多源生产数据用于表征多资源约束制造系统对应的多维度生产状态; 其中，将所述当前计调意图信息、所述多源生产数据和所述目标机制知识输入到所述智能体对应的APS构建模块中，利用检索增强生成法生成目标APS，得到先进计划与调度结果，包括： 利用预设的上下文编码器，将接收到的所述当前计调意图信息和所述目标机制知识进行一一映射编码，生成对应的第二上下文； 基于所述多源生产数据，对所有所述第二上下文对应的所述目标机制知识中的参数进行实数化处理，生成参数化上下文； 以所述参数化上下文作为提示词，利用所述APS构建模块进行检索增强生成处理，输出所述目标APS，其中，所述APS构建模块是基于注意力机制和知识融合的深度学习神经网络训练的先进计划与调度生成模型，并被训练为根据输入的样本上下文，输出与该样本上下文对应的先进计划与调度； 其中，构建所述机制知识库，包括： 确定所述多资源约束制造系统在预设调度场景下的所述调度场景特征参数，并根据所述调度场景特征参数，编写与每种所述预设调度场景对应的初始子要素参数项，其中，所述初始子要素参数项对应的所述APS子目标函数至少包括以下之一：最小化最大完工时间、最小化订单延误、最小化设备切换后的清洗时间和预设时间、最大化产能利用率，所述初始子要素参数项对应的所述APS子约束参数至少包括以下之一：订单等级排序约束、交货天数排序约束、产品库存约束、设备产线产能区间及订单整合或拆分约束、原料库存约束、设备占用约束，每个所述初始子要素参数项关联表征对应参数项的参数及变量的知识文本； 在利用变量调换方法，对所述初始子要素参数项中预设变量进行调换，生成新增子要素参数项后，将所述新增子要素参数项和所述初始子要素参数项进行合并，生成初始APS知识库，其中，所述初始APS知识库包括候选子要素参数项； 基于所有所述候选子要素参数项，以预设提示词激发大模型进行知识扩充处理，生成备选子要素参数项，并所有所述备选子要素参数项按预设的问答形式拆解，生成包括由索引文本和知识文本组成的知识条目对，其中，所述知识扩充处理对目标参数的以下之一进行修改：名称、复杂化程度、数学公式、公式说明，所述目标参数包括目标函数、约束参数、约束变式项参数，所述索引文本用于表征一个所述备选子要素参数项对应的目标，所述知识文本用于表征一个所述备选子要素参数项对应的参数及变量； 将所有所述备选子要素参数项对应的所述知识条目对进行向量化处理，生成与每个所述备选子要素参数项对应的所述知识条目，并将所生成的所有所述知识条目构建为所述机制知识库，其中，所述向量化处理包括监督式分块处理、数据索引构建处理、特征提取对齐处理、结构标准化处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人暨南大学，其通讯地址为：519000 广东省珠海市香洲区前山路206号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。