[发明专利]订单接收和调度方法、装置以及电子设备

权利要求书

1.一种订单接收和调度方法，其特征在于，所述方法包括：

响应于目标订单的到达，获取当前的调度状态信息，所述目标订单为在订单生产过程中新到达的订单，所述调度状态信息表征当前的生产信息和目标订单的信息；

基于训练好的调度智能体和所述调度状态信息对所述目标订单和已接收订单进行虚拟重调度，得到虚拟调度方案、总体预估收益和预估产能消耗量，所述总体预估收益表征接收所述目标订单后的总体收益；

基于所述目标订单的信息、所述生产信息、所述总体预估收益和所述预估产能消耗量，得到接单状态信息；

基于训练好的接单智能体和所述接单状态信息，得到决策结果，所述决策结果表征是否接收所述目标订单；

若所述决策结果表征接收所述目标订单，基于所述虚拟调度方案进行订单调度。

2.根据权利要求1所述的方法，其特征在于，所述响应于目标订单的到达，获取当前的调度状态信息，包括：

响应于目标订单的到达，获取目标订单的信息；

获取当前的生产信息，所述生产信息表征当前机器的占用状况和已接收订单的加工状态；

基于所述目标订单的信息和所述生产信息，得到所述调度状态信息。

3.根据权利要求1所述的方法，其特征在于，所述获取目标订单的信息之前，还包括：

获取训练数据，所述训练数据包括多个订单的信息和生产信息，所述多个订单的信息包括每个订单对应的工序，所述多个订单包括新到达的订单和已接收的订单；

获取预先设计的调度动作空间，所述调度动作空间包括多个调度规则，所述多个调度规则表征初始调度智能体可以执行的动作；

获取预先设计的单步奖励函数，所述单步奖励函数表征所述初始调度智能体执行一个工序可产生的收益；

基于所述训练数据、所述多个调度规则和所述单步奖励函数对所述初始调度智能体进行训练，得到所述训练好的调度智能体。

4.根据权利要求3所述的方法，其特征在于，所述多个调度规则包括第一基础规则、第二基础规则、第三基础规则、第四基础规则和复合规则，所述第一基础规则表征优先加工到达时间早的订单，所述第二基础规则表征优先加工交货期早的订单，所述第三基础规则表征优先加工松弛时间短的订单，所述第四基础规则表征优先加工剩余工序平均可用时间少的订单，所述复合规则表征可以最小化订单延期时间且最大化总利润的规则。

5.根据权利要求3所述的方法，其特征在于，所述基于所述训练数据、所述多个调度规则和所述单步奖励函数对所述初始调度智能体进行训练，得到所述训练好的调度智能体，包括：

基于所述训练数据，获取当次训练过程中的初始调度状态信息，所述初始调度状态信息表征初始生产信息和目标订单的信息；

获取当次训练过程中的初始决策策略，所述初始决策策略为所述初始调度智能体的网络参数；

在当次训练过程中，基于所述初始决策策略对所述调度动作空间进行循环采样，以得到当次训练过程对应的多条决策轨迹，每条决策轨迹表征所述训练数据中多个订单的所有工序被安排完毕所形成的轨迹；

基于所述当次训练过程对应的多条决策轨迹和所述单步奖励函数，得到所述当次训练过程中每条所述决策轨迹的累积收益；

基于所述当次训练过程中每条所述决策轨迹的累积收益和随机梯度上升算法，更新所述初始决策策略；

若当次训练过程满足目标条件，将更新决策策略的调度智能体作为所述训练好的调度智能体；若当次训练过程未满足目标条件，进入下一次训练过程，将所述更新决策策略的调度智能体作为下一次训练过程的初始调度智能体，将当次训练过程中的初始调度状态信息作为下一次训练过程的初始调度状态信息。