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！

龙图腾网获悉浪潮智慧供应链科技(山东)有限公司申请的专利一种基于AI的供应链调度方法及系统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：CN120806576B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511299444.4，技术领域涉及：G06Q10/0631；该发明授权一种基于AI的供应链调度方法及系统是由孙世国;高亚坤;张元哲;洪华奥设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本一种基于AI的供应链调度方法及系统在说明书摘要公布了：本发明涉及供应链调度技术领域，公开了一种基于AI的供应链调度方法及系统，包括获取供应链的订单、资源、物流拓扑数据和历史履约数据；利用图神经网络生成交付不确定性嵌入向量；根据交付不确定性嵌入向量确定非对称梯形函数的中心时刻和斜率以及高斯函数的均值和方差，为各目的地节点的调度任务构建模糊时间窗；获取强化学习模型，输出调度目标函数中成本项、时间项和鲁棒性项的权重组合；根据权重组合确定调度目标函数，对调度目标函数进行求解；遗传算法的交叉操作为关键子图交换，通过识别并交换两个父代调度方案的关键路径子图实现。本发明不仅能够准确刻画复杂履约风险分布，而且能适应实时变化，同时还减少了计算量。

本发明授权一种基于AI的供应链调度方法及系统在权利要求书中公布了：1.一种基于AI的供应链调度方法，其特征在于，包括如下步骤： 获取供应链的订单、资源、物流拓扑数据和历史履约数据；利用图神经网络处理物流拓扑数据和历史履约数据，为各调度任务的目的地节点生成交付不确定性嵌入向量；其中，图神经网络的输入为供应链的图结构和特征，图结构的边为商品流转方向或者过程，图结构的节点特征包括产能、库存水平，图结构的边特征包括历史运输时长、成本、运输方式；将历史订单的历史履约数据作为图神经网络的训练标签，对于任一目的地节点，图神经网络的输出为该节点的交付不确定性嵌入向量； 根据交付不确定性嵌入向量的各维度分量确定非对称梯形函数的中心时刻和斜率以及高斯函数的均值和方差，为各目的地节点的调度任务构建复合形态的模糊时间窗，所述模糊时间窗的隶属度函数由非对称梯形函数与高斯函数的加权和得到，具体包括： 模糊时间窗的隶属度函数的计算公式为：；为非对称梯形函数，为高斯函数，w为权重；利用交付不确定性嵌入向量的前五个分量，通过以下变换确定隶属度函数的参数： 非对称梯形函数的中心时刻； 非对称梯形函数的左侧斜率； 非对称梯形函数的右侧斜率； 高斯函数的均值； 高斯函数的方差； 其中至和至为预设的变换系数；其中，非对称梯形函数的中心时刻表示客户期望送达时间，右侧斜率表示提早送达的容忍度，左侧斜率表示延迟送达的容忍度；高斯部分在高斯均值附近形成一个次要的满意度峰值，代表客户还有一个备选的收货时段； 获取强化学习模型，强化学习模型的输入为当前供应链状态的状态向量，包含待处理订单数量、资源负载、当前不确定性水平，强化学习模型的动作空间为多维连续空间，用于输出调度目标函数中成本项、时间项和鲁棒性项的权重组合；强化学习模型的奖励函数包含基于模糊时间窗计算的履约惩罚项及表示前后调度周期的调度方案之间结构差异的稳定性惩罚项；其中，成本项为总运输和生产成本，时间项为所有任务的计划完成时间代入各自模糊时间窗函数计算的惩罚值之和，鲁棒性项为所有任务对应交付不确定性嵌入向量的范数之和； 强化学习模型的奖励函数的计算方式为： 针对调度方案中的每一个任务i，获取任务计划完成时间，并根据任务的目的地节点的复合形态模糊时间窗计算隶属度值； 计算履约惩罚项：，其中求和遍历方案中的所有任务； 将当前调度方案中各任务所分配的资源，与上一调度周期的调度方案进行逐一对比，统计发生资源变更的任务数量； 计算稳定性惩罚项：，其中c为预设的正常数权重； 奖励函数； 根据所述权重组合确定调度目标函数，利用遗传算法对调度目标函数进行调度求解；遗传算法的交叉操作为关键子图交换，通过识别并交换两个父代调度方案的任务依赖有向无环图中的关键路径子图实现。

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浪潮智慧供应链科技(山东)有限公司，其通讯地址为：250100 山东省济南市历城区贞元街1277号鲁坤天鸿创谷1-12号楼201室；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”。

以上内容由龙图腾AI智能生成。