[发明专利]基于BLS和LSTM的云排产方法及系统

权利要求书

1.基于BLS和LSTM的云排产方法，其特征在于，包括如下步骤：

A.客户端向云排产系统发起排产请求；

B.云排产系统根据排产请求建立任务队列，并划分任务队列中各个任务的优先级；

C.云排产系统获取各个数据处理服务器的负荷率，为各个任务选择合适的数据处理服务器作为节点服务器；得到初步云排产信息；

D.云排产系统利用BLS技术和LSTM技术对各个节点服务器进行云排产生产状态预测操作，得到的预测信息返回给客户端用于作为优化参照；

E.云排产系统根据客户端的优化信息、初步云排产信息和各个任务的优先级，最终得出云排产处理结果；各个数据处理服务器根据云排产处理结果启动线程进行数据处理，数据处理结果返回至云排产系统。

2.根据权利要求1所述的基于BLS和LSTM的云排产方法，其特征在于：所述D步骤中云排产系统利用BLS技术和LSTM技术对各个节点服务器进行云排产生产状态预测操作，包括如下内容：

运用BLS和LSTM模型进行训练得到稳定模型；

客户端将排产请求发送至云排产系统后，所述云排产系统利用所述稳定模型得到所述预测信息；

客户端根据输入信息，对所述预测信息进行优化，得到优化信息。

3.根据权利要求2所述的基于BLS和LSTM的云排产方法，其特征在于：所述运用BLS和LSTM模型进行训练得到稳定模型的步骤，具体包括如下内容：

首先，将物料库存、设备能力、人员技能和工具工装设为固定的四个输入，表示为(x₁,x₂,x₃,x₄)；将每一次生产订单的状态参数进行输入，一共有5个参数，分别是成本、优先级、时间、利用率和交付期，表示为(x₅,x₆,x₇,x₈,x₉)，然后将9个参数作为特征值(x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈,x₉)输入到LSTM网络层；

LSTM的第一步为决定从细胞状态中舍弃哪些信息，LSTM网络层接收h_t-1和x_t，其中x_t是输入值，h_t-1代表上一时刻的输出值；并且细胞状态C_t-1的每一个输出值都介于0和1之间，1表示“完全接受”,0表示“完全忽略”，

f_t＝σ(W_f.[h_t-1,x_t]+b_f)

其中，f_t是遗忘门，W_f是权值矩阵，x^t为t时刻生产订单信息的输入，h^t-1是t-1时刻中输出，b_f是偏置值；

第二步，确定需要在细胞状态中保存哪些新信息，这里分为两部分，一部分是通过输入门层确定哪些信息需要更新，第二部分是通过tanh函数创建一个新的备选向量——

i_t＝σ(W_i.[h_t-1,x_t]+b_i)

其中,i_t为输入门，b_t，b_c为偏置值，为备选的细胞状态，需要将旧的细胞状态C_t-1更新到C_t，对旧的状态乘以f_t,然后加上新的候选值

最后，经过过滤后，根据细胞状态输出，首先通过输出门来确定细胞状态中哪些部分可以输出，然后通过向细胞状态输入tanh函数，把数值调整到-1和1之间，再和输出层的值进行相乘：

o_t＝σ(W_o.[h_t-1,x_t]+b_o)

h_t＝o_t*tanh(C_t)

其中,O_t为输出门，W_o为权值矩阵，b_o为偏置值；LSTM网络层最后输出为一个1×9的向量。