申请/专利权人：谷斗科技(上海)有限公司

申请日：2023-12-01

公开（公告）日：2024-04-26

公开（公告）号：CN117522071B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/04;G06Q10/067

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：基于LLM引导ALNS算法的生产调度与资源分配协同系统，包括数据接口模块、问题建模模块、搜索策略优化模块、资源分配分析模块、用户界面模块，数据接口模块用于与实际生产系统的数据进行交互，问题建模模块用于将实际的生产调度与资源分配问题进行数学建模，搜索策略优化模块用于求解邻域内的资源分配搜索策略并动态调整搜索策略，资源分配分析模块用于评估资源分配优化策略并提供最佳调度的决策支持，用户界面模块用于提供允许用户与系统之间的交互式界面。本发明提出基于LLM的改进大邻域搜索算法对邻域内的资源分配搜索策略进行求解，提出改进ALNS算法对资源分配搜索策略进行动态调整，为基于LLM引导ALNS算法的生产调度与资源分配协同系统提供更优的方案。

主权项：1.基于LLM引导ALNS算法的生产调度与资源分配协同系统，其特征在于，包括数据接口模块、问题建模模块、搜索策略优化模块、资源分配分析模块和用户界面模块，数据接口模块用于与实际生产系统的数据进行交互，问题建模模块包括大语言模型建模单元和协同建模单元，大语言模型建模单元用于将实际的生产调度与资源分配问题进行自然语言建模，协同建模单元用于将自然语言建模的问题与算法能够理解的问题进行对接，搜索策略优化模块包括邻域搜索单元和策略自适应单元，邻域搜索单元提出基于LLM的改进大邻域搜索算法对邻域内的资源分配搜索策略进行求解，策略自适应单元提出改进ALNS算法对资源分配的搜索策略进行动态调整，资源分配分析模块包括优化结果评估单元和决策支持单元，优化结果评估单元用于评估资源分配优化策略，决策支持单元用于提供最佳调度的决策支持，用户界面模块用于提供允许用户与系统之间的交互式界面；邻域搜索单元提出基于LLM的改进大邻域搜索算法求解邻域内的资源分配搜索策略，同时生成关于资源分配、生产调度和运营策略的建议，帮助管理层做出更明智的决策；基于LLM的改进大邻域搜索算法具体如下：在大语言模型LLM下，假设资源分配的有序邻域为γ＝{γ1,γ2,…,γmax}，其中，γ为有序邻域集合，γ1为有序邻域γ中的第1个邻域，γ2为有序邻域γ中的第2个邻域，γmax为有序邻域γ中的最大索引邻域，基于LLM的改进大邻域搜索算法探索有序邻域γ的局部最优解，从第1个邻域γ1开始依次获取当前邻域的局部最优解，一旦在某一个邻域中找到更优的资源分配方案，立即切换到第1个邻域γ1重新开始寻找局部最优解，直至资源分配的搜索策略从第1个邻域γ1到达最大索引邻域γmax来找到最优的资源分配搜索策略，基于LLM的改进大邻域搜索算法提出三个互补邻域以改进算法搜索性能，即2-2交换邻域γ22、3-1交换邻域γ31和邻域联合γu，2-2交换邻域γ22对于当前解中的两个任务位置，允许它们进行位置交换以形成新的解，即γ22s＝{s'∣s'＝swaps,i,j}，其中，s为给定的初始解，γ22s为s在2-2交换邻域内的元素集合，s'为在s的基础上进行两个元素的交换，swap·为元素交换运算，i为初始解中的第i个元素，j为初始解中的第j个元素，且2-2交换邻域γ22能划分为多个不相交的邻域块Bs，即其中，Bs为划分的多个不相交的邻域块，distinct·为对生成的所有解进行去重操作，3-1交换邻域γ31对于当前解中的三个任务位置，允许它们进行位置交换以形成新的解，即γ31s＝{s”∣s”＝swaps,i,j,k}，其中，γ31s为3-1交换邻域，s”为在s的基础上进行三个元素的交换，swap·为元素交换运算，i为初始解中的第i个元素，j为初始解中的第j个元素，k为初始解中的第k个元素，邻域联合γu将多个不同类型的邻域组合在一起形成更大的邻域，以提高搜索的广度和深度，即其中，γunions为邻域联合，γls为有序邻域γ中的第l个邻域；然后提出二次Lyapunov函数来提高资源分配搜索策略的稳定性，二次Lyapunov函数为其中，为二次Lyapunov函数，为邻域状态，t为邻域搜索时间，为第1个邻域分量，为第2个邻域分量，为第N个邻域分量，资源分配吞吐量的下限为其中，Xlow为资源分配吞吐量的下限，为在邻域搜索时间t+1时的邻域分量，为二次Lyapunov函数下资源分配方案的最优控制变量，二次Lyapunov函数下资源分配方案的次优控制变量，π为资源分配方案，将次优吞吐量的下限进一步优化为资源分配吞吐量的上限为其中，Xup为资源分配吞吐量的上限，E·为数学期望，同时提出二进制相关变换策略进一步改善资源分配搜索策略以引入新的解，增加搜索空间的多样性，二进制相关性转换策略将每个邻域分量视为单独的二进制变换问题，二进制相关性转换策略将每个邻域分量转换为m个独立的二进制分量，即Dγ＝{x1,y1,x2,y2,x3,y3,…,xM,yM}，其中，Dγ为转换后的二进制分量集合，x1,y1为Dγ中的第1个二进制分量，x2,y2为Dγ中的第2个二进制分量，x3,y3为Dγ中的第3个二进制分量，xM,yM为Dγ中的第M个二进制分量，决策函数如下式：Y＝{γ,s.t.fγx≥0}，其中，为提高算法的准确性，将决策函数Y改进为Y'＝{γ,s.y.maxfγx,fγx0}，其中，Y'为改进后的决策函数，s.t.为约束条件，基于LLM的改进大邻域搜索算法通过提出三个互补邻域以改进算法搜索性能，然后提出二次Lyapunov函数来提高资源分配搜索策略的稳定性，最后提出改进邻域分量的二进制决策函数提高算法性能，以此来求解邻域内的资源分配最优搜索策略得到最优资源分配方案，并通过对生产调度与资源分配协同系统和实际生产系统数据进行分析，以生成关于资源分配、生产调度和运营策略的建议；策略自适应单元提出改进ALNS算法动态调整资源分配的搜索策略；在上述基于LLM的改进大邻域搜索算法的引导下，改进ALNS具体如下：假设破坏算子为DO＝{DOd|d＝1,2,3,…,|DO|}，其中，DO为破坏算子集合，DOd为DO中的第d个破坏算子，|DO|为破坏算子集合的大小，修复算子为RO＝{ROr|r＝1,2,3,…,|RO|}，其中，RO为修复算子集合，ROr为RO中的第r个修复算子，|RO|为修复算子集合的大小，每次破坏算子修复算子生成新的解时通过以下条件来调整资源分配搜索策略，若在邻域γ中资源分配方案时目前最优的解决方案，则s＝s+δ1，其中，s为给定的初始解，δ1为改变当前目前最优资源分配方案的增量，若在邻域γ中新的解决方案改进了当前的解决方案，则s＝s+δ2，其中，δ2为改变当前改进的资源分配方案的增量，若在邻域γ中新的解决方案没有改进当前的解决方案，但仍然选择此新方案，则s＝s+δ3，其中，δ3为改变当前已选择的新资源分配方案的增量，然后计算初始解s的权重，即其中，w为初始解s的权重，ε为一个介于0到1之间的常数，τ为一个控制权重的参数，改进ALNS算法迭代过程中的候选邻域为CN＝{γb|distanceγa,γb≤rr}，其中，CN为候选邻域集合，distance·为邻域γa和邻域γb之间的距离，γa为第a个邻域，γb为第b个邻域，rr为邻域间半径；然后提出近似极值点方法在搜索过程中对目标函数的极值进行估计，以指导搜索方向并调整搜索策略，假设有一邻域为X，则邻域X的极点EPX被定义为凸包多边形的稳定点，X的每个邻域分量xp由极点EPX表示，即其中，0≤πp,t≤1，t为极值点索引，πp,t为凸组合权重，但极端点不能适用于所有情况，因此提出极点与核空间相结合的方法，定义近似极点值集Z为：其中，Z为近似极点值集，∪l为求并集运算，Zl为Z的第l个子集，Zm为Z的第m个子集，为空集，Zl的任何子集定义为：其中，为衡量zp和中极值点之间线性组合的距离的函数，zp为第p个极点值，μp,t为权重参数，Zt为中的一个极值点，对于能找到一个集合Zl，且zp∈Zl，有下式：其中，为Zl的近似极值子集，因此，目标函数的极值估计为其中，z'p为目标函数的极值估计值，τp为函数的近似误差，以在搜索过程中实现对目标函数的极值估计；为提高算法的自适应性，通过计算实际生产系统数据间的距离自适应的判断邻域间半径rr，根据邻域半径rr，得到数据空间样本的密度，最后通过最小化目标函数值动态调整邻域搜索策略，邻域间半径rr根据下式自适应的确定，即：其中，O为最小化目标，kpu为第u个搜索方向的密度，kpv为第v个搜索方向的密度，dkpu,kpv是kpu和kpv之间的欧氏距离，同时将权重参数μp,t改进为μ'p,t以使邻域搜索策略具有更好的自适应性，即μ'p,t＝μp,t·e-A·direction，其中，μ'p,t为改进后的权重参数，A为衰减因子，e·为指数运算，direction为邻域搜索方向，同时加入factor因子控制权重参数的变化幅度，即μ″p,t＝μ'p,t·factor，其中，μ″p,t为加入factor因子后的权重参数，改进ALNS算法通过提出近似极值点方法在搜索过程中对目标函数的极值进行估计，以指导搜索方向并调整搜索策略，然后提出计算实际生产系统数据间的距离和改进权重参数以使邻域搜索策略具有更好的自适应性，实现对资源分配搜索策略的动态调整。

全文数据：

权利要求：

百度查询： 谷斗科技(上海)有限公司 基于LLM引导ALNS算法的生产调度与资源分配协同系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD