[发明专利]订单排产模型的训练方法、订单排产方法、装置

说明书

本申请公开了一种订单排产模型的训练方法、订单排产方法、装置、电子设备、电子设备以及程序产品，涉及计算机和数据处理技术中的人工智能、大数据、深度学习领域。包括：基于预设的订单排产模型，对样本订单序列进行特征提取，得到样本订单序列的样本排产特征，重复执行如下步骤，直至得到成熟的订单排产模型：依据每一个调整网络的预设干扰数据和预设训练系数、以及样本排产特征，对样本订单序列进行次序调整，并确定每一个调整网络的奖励值，根据各调整网络的预设训练系数和奖励值，对订单排产模型进行更新，成熟的订单排产模型用于对待排产订单序列进行排产处理，可以提高订单排产模型的准确性和可靠性的技术效果。

技术领域

本申请涉及计算机和数据处理技术中的人工智能、大数据、深度学习领域，尤其涉及一种订单排产模型的训练方法、订单排产方法、装置、电子设备、电子设备以及程序产品。

背景技术

订单排产是企业制定生产作业计划的重要因素之一，对于企业的生产效率等具有非常重要的影响。

在现有技术中，通常采用的订单排产方式为：最短作业优先算法(Shortest JobFirst，SJF)，或者，时间顺序优先算法。其中，最短作业优先算法可以理解为基于各订单的作业时间进行排产；时间顺序优先算法可以理解为基于各订单的交付时间进行排产。

然而，通过上述现有技术中的方法，如通过最短作业优先算法可能导致订单的交付时间无法满足需求，而通过时间顺序优先算法可能导致基于排产之后的订单序列进行生产导致生产效率偏低等问题。

发明内容

本申请提供了一种用于提高排产可靠性的订单排产模型的训练方法、订单排产方法、装置、电子设备、电子设备以及程序产品。

根据本申请的第一方面，提供了一种订单排产模型的训练方法，包括：

基于预设的订单排产模型，对样本订单序列进行特征提取，得到所述样本订单序列的样本排产特征；

重复执行如下步骤，直至得到成熟的订单排产模型：依据每一个调整网络的预设干扰数据和预设训练系数、以及所述样本排产特征，对所述样本订单序列进行次序调整，并确定每一个调整网络的奖励值，其中，所述奖励值表征所述样本订单序列的延迟信息与次序调整后的样本订单序列的延迟信息之间的差异，所述预设干扰数据表征干扰订单序列的排产特征；根据各所述调整网络的预设训练系数和奖励值，对所述订单排产模型进行更新；

其中，成熟的订单排产模型用于对待排产订单序列进行排产处理。

根据本申请的第二方面，提供了一种订单排产方法，包括：

将获取到的待排产订单序列输入至预先训练的订单排产模型，得到第一待调整订单；其中，所述订单排产模型是基于上述第一方面的实施例所述的方法训练得到的；

从所述待排产订单序列中，基于预设的选择数量依次选择排序在所述第一待调整订单前后的订单，并将选择出的订单出入至所述订单排序模型，得到第二待调整订单；

在所述待排产订单序列中，将所述第一待调整订单与所述第二待调整订单的位置进行交换，得到排产后的订单序列。

根据本申请的第三方面，提供了一种订单排产模型的训练装置，包括：

提取模块，用于基于预设的订单排产模型，对样本订单序列进行特征提取，得到所述样本订单序列的样本排产特征；

由调整模块和更新模块重复执行如下步骤，直至得到成熟的订单排产模型：

所述调整模块，用于依据每一个调整网络的预设干扰数据和预设训练系数、以及所述样本排产特征，对所述样本订单序列进行次序调整，并确定每一个调整网络的奖励值，其中，所述奖励值表征所述样本订单序列的延迟信息与次序调整后的样本订单序列的延迟信息之间的差异，所述预设干扰数据表征干扰订单序列的排产特征；