摘要
本发明涉及供应链调度技术领域,公开了一种基于AI的供应链调度方法及系统,包括获取供应链的订单、资源、物流拓扑数据和历史履约数据;利用图神经网络生成交付不确定性嵌入向量;根据交付不确定性嵌入向量确定非对称梯形函数的中心时刻和斜率以及高斯函数的均值和方差,为各目的地节点的调度任务构建模糊时间窗;获取强化学习模型,输出调度目标函数中成本项、时间项和鲁棒性项的权重组合;根据权重组合确定调度目标函数,对调度目标函数进行求解;遗传算法的交叉操作为关键子图交换,通过识别并交换两个父代调度方案的关键路径子图实现。本发明不仅能够准确刻画复杂履约风险分布,而且能适应实时变化,同时还减少了计算量。
技术关键词
强化学习模型
供应链调度系统
隶属度函数
遗传算法
节点
计划
关键路径法
资源重分配
形态
鲁棒性
物流
有向无环图
数据
高风险
订单
周期
资源库
模块
参数
系统为您推荐了相关专利信息
交易分配方法
队列
区块链系统
时效性
区块链交易网络
动态调控方法
客车风道
多节点
脉冲气流发生器
智能调节系统
对称约束提取方法
自定义模板
监督学习模型
子系统
机器学习模型训练