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！

申请/专利权人：中海油信息科技有限公司

摘要：本发明实施例提供一种基于图神经网络的涂料车间智能排程方法，包括以下步骤：步骤一：在一个动作完成时或者初始状态时，强化学习根据当前的状态并结合训练的策略做出行动，步骤二：行动将一个目前仍未分配机器的工单分配给一个空闲的机器，步骤三：根据迁移矩阵和行动的选择将状态更新到行动执行之后的状态，步骤四：根据更新的状态判定本次行动的奖励，步骤五：通过奖励的增减来修正策略中每个行动的概率分布，通过Q‑Learning结合softmax激活层实现策略的学习，步骤六：重复步骤一至步骤五直到所有工单都被分配到可用的机器上，通过以上方法在保持高效率的同时能够取得更好的调度性能，并且能够有效地推广到训练中未见的更大规模的问题。

主权项：1.一种基于图神经网络的涂料车间智能排程方法，其特征在于，包括以下步骤：步骤一：在一个动作完成时或者初始状态时，强化学习根据当前的状态并结合训练的策略做出行动，在强化学习根据当前的状态并结合训练的策略做出行动之前，通过图注意力网络提取有向异构图中的特征，将强化学习无法识别的有向异构图中的图结构信息转化为可用于强化学习的固定维度特征化向量，其中，所述通过图注意力网络提取有向异构图中的特征，将强化学习无法识别的有向异构图中的图结构信息转化为可用于强化学习的固定维度特征化向量包括以下步骤：a：分别将每个机器节点的特征和工单节点的特征编码为一维向量vk和ui，所述vk为机器节点的特征，所述ui为工单节点的特征；b：使用两个线性变换WM和WO来处理机器节点的特征vk和工单节点ui的特征；c：将处理后的机器节点和操作节点的特征进行拼接，并输入到一个多层感知机中，计算出每个操作节点的注意力系数eik，所述eik为LeakyReLUaT[WMvk||WOui]；d：使用softmax函数对所有的eik进行归一化，得到归一化的注意力系数αik；e：使用邻接矩阵来表示图的整体性质；f：根据邻接矩阵将操作节点的特征按照注意力系数加权求和，并加上机器节点的特征，得到了机器节点结合了相邻工单节点的特征向量v′k，用于强化学习的神经网络构建，其中，σ为激活函数，激活函数为Sigmoid函数或者ReLU函数，α为多层感知机的权重，||为向量的拼接操作；步骤二：行动将一个目前仍未分配机器的工单分配给一个空闲的机器；步骤三：根据迁移矩阵和行动的选择将状态更新到行动执行之后的状态；步骤四：根据更新的状态判定本次行动的奖励；步骤五：通过奖励的增减来修正策略中每个行动的概率分布，通过Q-Learning结合softmax激活层实现策略的学习；步骤六：重复步骤一至步骤五直到所有工单都被分配到可用的机器上；所述状态由当前所有工单和机器的信息构成的有向异构图确定，所述有向异构图包括弧、连接在弧一端的工单节点和连接在弧远离工单节点一端的机器节点。

全文数据：

权利要求：

百度查询： 中海油信息科技有限公司 基于图神经网络的涂料车间智能排程方法