基于产业链中作业车间调度问题的调度优化方法及系统

本发明涉及资源调度，尤其涉及一种基于产业链中作业车间调度问题的调度优化方法、系统、终端及计算机可读存储介质。

背景技术：

1、在数字化转型的大背景下，越来越多的制造企业和产业链参与者认识到，通过引入先进的技术和智能算法，可以实现更为灵活、高效、可持续的产业链调度和管理。数字化技术、物联网、人工智能等的应用使企业能够更全面、实时地了解生产环节的状况，从而做出更为智能的决策，数字化转型提供了丰富的数据和信息，为优化产业链调度提供了技术基础。

2、jssp(job shop schelling problem，作业车间调度问题)是产业链中经典的调度问题，涉及在工厂中安排一系列作业(jobs)在一组机器上的执行顺序，以最小化整体的完成时间或最大化资源利用率。作业车间调度问题(jssp)与多个工业场景密切相关，包括但不限于工厂装配、化工生产和半导体制造，该问题在这些领域的研究和应用，为优化生产过程、提高资源利用效率以及降低生产成本提供了重要的理论和实际指导。

3、在现有技术中，通常采用精确的优化方法，例如数学规划和分支定界算法来解决jssp问题，并且会涉及优先级调度规则(pdr)，这些方法采用复杂的搜索程序来探索解空间，以找到高质量的解，但由于维度诅咒的存在，pdr的调度质量仍然远未达到最优，在求解过程中使用的贪婪策略导致了短视，使pdr无法充分考虑邻域信息，导致最终生成的调度方案准确度低，并且缺乏对具体问题和情况的适应能力。

4、因此，现有技术还有待于改进和发展。

技术实现思路

1、本发明的主要目的在于提供一种基于产业链中作业车间调度问题的调度优化方法、系统、终端及计算机可读存储介质，旨在解决现有技术中生成的调度优化方案难以对具体问题和情况进行适应，导致最终生成的调度方案准确度低的问题。

2、为实现上述目的，本发明提供一种基于产业链中作业车间调度问题的调度优化方法，所述基于产业链中作业车间调度问题的调度优化方法包括如下步骤：

3、获取目标产业链的产业链信息，对所述产业链信息进行预处理，得到所述目标产业链对应的jssp问题；

4、根据所述jssp问题生成第一析取图，根据预先训练完成的图神经网络对所述第一析取图进行特征提取，得到所述第一析取图对应的第一状态；

5、将所述第一析取图和所述第一状态输入预先训练完成的决策网络，所述决策网络根据所述第一状态进行动作选择，得到第一选择结果，并根据所述第一选择结果对所述第一析取图进行更新，得到第二析取图；

6、根据所述图神经网络对所述第二析取图进行特征提取，得到所述第二析取图对应的第二状态，将所述第二析取图和所述第二状态输入所述决策网络，所述决策网络根据所述第二状态进行动作选择，得到第二选择结果，并根据所述第二选择结果对所述第二析取图进行更新，得到第三析取图，……，直至完成所有动作选择，生成针对所述目标产业链的调度优化方案。

7、可选地，所述的基于产业链中作业车间调度问题的调度优化方法，其中，所述获取目标产业链的产业链信息，对所述产业链信息进行预处理，得到所述目标产业链对应的jssp问题，具体包括：

8、获取目标产业链对应的产业链信息，其中，所述产业链信息包括任务、资源和处理时间；

9、将所有所述任务作为作业，将所有所述资源作为机器，并获取所有作业之间的工序关系和资源限制；

10、根据所有所述作业、所有所述资源、所有所述工序关系和所有所述资源限制生成所述目标产业链对应的jssp问题。

11、可选地，所述的基于产业链中作业车间调度问题的调度优化方法，其中，所述根据所述jssp问题生成第一析取图，根据预先训练完成的图神经网络对所述第一析取图进行特征提取，得到所述第一析取图对应的第一状态，具体包括：

12、将所述jssp问题中的所有作业的操作作为不同的节点，并根据所有所述资源限制为每个所述节点分配对应的机器，得到每个节点对应的析取节点；

13、根据所有所述析取节点、所述资源限制和所述工序关系构建有向无环图，并作为第一析取图；

14、将所述第一析取图输入预先训练完成的图神经网络，所述图神经网络对所述第一析取图进行特征提取，得到所述第一析取图的第一状态。

15、可选地，所述的基于产业链中作业车间调度问题的调度优化方法，其中，所述将所述第一析取图输入预先训练完成的图神经网络，所述图神经网络对所述第一析取图进行特征提取，得到所述第一析取图的第一状态，具体包括：

16、所述图神经网络分别获取每个析取节点对应的相邻析取节点集，其中，每个所述相邻析取节点集中包含对应的析取节点的所有相邻析取节点；

17、分别获取每个相邻析取节点集中所有相邻析取节点的特征向量，并分别将每个相邻析取节点集对应的特征向量进行聚合操作，得到每个所述相邻析取节点集对应的相邻特征向量；

18、将每个所述相邻析取节点集的相邻特征向量作为每个所述相邻析取节点集对应的析取节点的析取特征向量；

19、将所有所述析取特征向量进行池化操作，得到所述第一析取图的第一全局特征向量，并将所述第一全局特征向量作为所述第一析取图的第一状态。

20、可选地，所述的基于产业链中作业车间调度问题的调度优化方法，其中，所述将所述第一析取图和所述第一状态输入预先训练完成的决策网络，所述决策网络根据所述第一状态进行动作选择，得到第一选择结果，并根据所述第一选择结果对所述第一析取图进行更新，得到第二析取图，具体包括：

21、将所述第一析取图和所述第一状态输入预先训练完成的决策网络；

22、所述决策网络根据所述第一状态进行动作选择，选定与所述第一析取图的开始节点相连的任一析取节点作为第一目标节点，并将所述第一目标节点作为第一选择结果；

23、根据所述第一选择结果更新所述第一析取图的析取弧方向，生成第二析取图。

24、可选地，所述的基于产业链中作业车间调度问题的调度优化方法，其中，所述根据所述图神经网络对所述第二析取图进行特征提取，得到所述第二析取图对应的第二状态，将所述第二析取图和所述第二状态输入所述决策网络，所述决策网络根据所述第二状态进行动作选择，得到第二选择结果，具体包括：

25、所述图神经网络分别获取所述第二析取图中每个析取节点对应的相邻析取节点集的相邻特征向量，并分别作为所述第二析取图中每个析取节点对应的析取特征向量，根据所述第二析取图的所有析取特征向量进行池化操作，得到所述第二析取图的第二状态；

26、将所述第二析取图和所述第二状态输入所述决策网络；

27、所述决策网络根据所述第二状态进行动作选择，根据所述工序关系获取除所述第一目标节点外的与开始节点相连的析取节点和与第一目标节点相连的析取节点，作为多个待选择第二目标节点；

28、获取每个所述待选择第二目标节点对应的处理时间，将处理时间最短的待选择第二目标节点作为第二目标节点，并将所述第二目标节点作为第二选择结果。

29、可选地，所述的基于产业链中作业车间调度问题的调度优化方法，其中，所述根据所述第二选择结果对所述第二析取图进行更新，得到第三析取图，……，直至完成所有动作选择，生成针对所述目标产业链的调度优化方案，具体包括：

30、根据所述第二选择结果更新所述第二析取图的析取弧方向，生成第三析取图；

31、根据所述图神经网络对所述第三析取图进行特征提取，得到所述第三析取图对应的第三状态，将所述第三析取图和所述第三状态输入所述决策网络；

32、所述决策网络根据所述第三状态进行动作选择，得到第三选择结果，并根据所述第三选择结果更新所述第三析取图的析取弧方向，生成第四析取图；

33、根据所述图神经网络对所述第四析取图进行特征提取，得到所述第四析取图对应的第四状态，将所述第四析取图和所述第三状态输入所述决策网络，……，直至完成对所述第一析取图中所有析取节点的动作选择，得到最终析取图；

34、获取所述最终析取图中所有析取弧方向，根据所述工序关系和所述析取弧方向生成针对所述目标产业链的调度优化方案。

35、此外，为实现上述目的，本发明还提供一种基于产业链中作业车间调度问题的调度优化系统，其中，所述基于产业链中作业车间调度问题的调度优化系统包括：

36、问题构建模块，用于获取目标产业链的产业链信息，对所述产业链信息进行预处理，得到所述目标产业链对应的jssp问题；

37、特征提取模块，用于根据所述jssp问题生成第一析取图，根据预先训练完成的图神经网络对所述第一析取图进行特征提取，得到所述第一析取图对应的第一状态；

38、析取图更新模块，用于将所述第一析取图和所述第一状态输入预先训练完成的决策网络，所述决策网络根据所述第一状态进行动作选择，得到第一选择结果，并根据所述第一选择结果对所述第一析取图进行更新，得到第二析取图；

39、方案生成模块，用于根据所述图神经网络对所述第二析取图进行特征提取，得到所述第二析取图对应的第二状态，将所述第二析取图和所述第二状态输入所述决策网络，所述决策网络根据所述第二状态进行动作选择，得到第二选择结果，并根据所述第二选择结果对所述第二析取图进行更新，得到第三析取图，……，直至完成所有动作选择，生成针对所述目标产业链的调度优化方案。

40、此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于产业链中作业车间调度问题的调度优化程序，所述基于产业链中作业车间调度问题的调度优化程序被所述处理器执行时实现如上所述的基于产业链中作业车间调度问题的调度优化方法的步骤。

41、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于产业链中作业车间调度问题的调度优化程序，所述基于产业链中作业车间调度问题的调度优化程序被处理器执行时实现如上所述的基于产业链中作业车间调度问题的调度优化方法的步骤。

42、本发明中，获取目标产业链的产业链信息，对所述产业链信息进行预处理，得到所述目标产业链对应的jssp问题；根据所述jssp问题生成第一析取图，根据预先训练完成的图神经网络对所述第一析取图进行特征提取，得到所述第一析取图对应的第一状态；将所述第一析取图和所述第一状态输入预先训练完成的决策网络，所述决策网络根据所述第一状态进行动作选择，得到第一选择结果，并根据所述第一选择结果对所述第一析取图进行更新，得到第二析取图；根据所述图神经网络对所述第二析取图进行特征提取，得到所述第二析取图对应的第二状态，将所述第二析取图和所述第二状态输入所述决策网络，所述决策网络根据所述第二状态进行动作选择，得到第二选择结果，并根据所述第二选择结果对所述第二析取图进行更新，得到第三析取图，……，直至完成所有动作选择，生成针对所述目标产业链的调度优化方案。本发明能在短时间内解决jssp问题并获得令人满意的完工时间，也保证了生成的调度优化方案的准确度。