买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北大学申请的专利具有受限运输资源的混合流水车间调度问题协同优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118966625B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410956753.3，技术领域涉及：G06Q10/0631；该发明授权具有受限运输资源的混合流水车间调度问题协同优化方法是由赵也践;罗小川设计研发完成，并于2024-07-17向国家知识产权局提交的专利申请。

本具有受限运输资源的混合流水车间调度问题协同优化方法在说明书摘要公布了：本发明公开了具有受限运输资源的混合流水车间调度问题协同优化方法，涉及车间调度领域。该方法包括获取HFSP‑FTR实例及其生产加工信息；将HFSP‑FTR实例建模为同时包含工序节点、并行机节点以及AGV节点的异构图模型；构建结构感知异构图神经网络，获取异构图模型的多维度特征向量；构建复合调度动作选择网络，将实例异构图模型的多维度特征向量作为网络的输入，计算每一个复合调度动作的动作选择概率；将步骤4得到的动作选择概率输入近端策略优化算法中，获得最优调度动作选择策略。该方法可以端到端地表征出当前时刻的调度状态特征，无需人为干预；该方法能够求解小规模以及超大规模的调度问题，并获得较优的调度结果。

本发明授权具有受限运输资源的混合流水车间调度问题协同优化方法在权利要求书中公布了：1.具有受限运输资源的混合流水车间调度问题协同优化方法，其特征在于，该方法包括如下步骤： 步骤1：获取HFSP-FTR实例及其生产加工信息； 步骤2：根据HFSP-FTR实例的生产加工信息，将HFSP-FTR实例建模为同时包含工序节点、并行机节点以及AGV节点的异构图模型，称为HFSP-FTR实例异构图模型； 步骤3：根据现有的注意力机制理论和图神经网络理论，构建结构感知异构图神经网络，并利用结构感知异构图神经网络获取HFSP-FTR实例异构图模型的多维度特征向量； 所述结构感知异构图神经网络包括1个全图嵌入网络和并行的3个嵌入子网络；所述并行的3个嵌入子网络为工序节点嵌入子网络SENO、并行机节点嵌入子网络SENM以及AGV节点嵌入子网络SENA；所述全图嵌入网络用于计算整个HFSP-FTR实例异构图模型的图嵌入；所述工序节点嵌入子网络SENO用于计算工序节点Oi,h的节点嵌入；所述并行机节点嵌入子网络SENM用于计算并行机节点Mk,h的节点嵌入；所述AGV节点嵌入子网络SENA用于计算AGV节点Au,h的节点嵌入； 所述SENO、SENM和SENA均由N≥2个注意力层组合构建，其中SENO的输出为Oi,h在调度时刻t的嵌入SENM的输出为Mk,h在调度时刻t的嵌入SENA的输出为Au,h在调度时刻t的嵌入 按照式43构建全图嵌入网络SENG，获取每个HFSP-FTR实例异构图模型在调度时刻t的嵌入 其中，M'表示HFSP-FTR实例中的并行机总数；A'表示HFSP-FTR实例中的AGV总数；O'表示HFSP-FTR实例中的工序总数；S'表示HFSP-FTR实例中的阶段总数； 步骤4：构建复合调度动作选择网络ASNt，将实例异构图模型的多维度特征向量作为ASNt的输入，通过ASNt计算每一个复合调度动作的动作选择概率Piku,h； 表示在调度时刻t，Oi,h由Au,h运送至Mj,h上加工这一完整的调度动作，它同时包含并行机选择以及AGV选择这两个调度过程，因而称为复合调度动作，该复合调度动作表示如下： 所述复合调度动作选择网络ASNt的构建方法如下： 首先，按照式45计算复合调度动作的动作优先级分数： 其中，MLP[]是多层感知机；τ是网络参数；为拼接操作； 其次，按照式46计算在调度时刻t的动作选择概率： 其中，ASt为调度时刻t的动作空间，包含了调度时刻t下所有的复合调度动作；at'为ASt中的一个其他复合调度动作； 步骤5：将步骤4得到的动作选择概率输入近端策略优化算法中，获得最优调度动作选择策略πt。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。