摘要
本发明公开了一种基于AI的软件项目进度排期与监督系统,涉及人工智能技术领域,包括,利用强化学习与模拟退火算法相结合对项目的初始排期进行优化,综合考虑任务间的多维度因素,生成初步排期方案;基于遗传算法对项目的初始排期进行动态调整,重新排序任务的优先级和执行顺序,最小化项目延误和资源浪费;使用多模态数据融合对项目进度进行风险预测,通过整合各类数据源识别初始排期中的潜在风险;通过生成对抗网络对初始排期方案进行最终模拟与优化,生成多个候选排期方案并选出最优排期方案。本发明利用生成对抗网络生成多个候选方案,结合非支配排序与蒙特卡洛仿真筛选最优排期,确保项目在工期、成本与风险间达到综合最优平衡。
技术关键词
监督系统
项目
长短期记忆网络
时间序列特征
资源分配
模拟退火算法
生成对抗网络
多模态数据融合
遗传算法
风险
软件
无监督学习算法
多维度特征提取
瓶颈
深度强化学习算法
资源依赖关系
多层感知机层