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！

龙图腾网获悉哈尔滨工业大学申请的专利基于图模型与深度强化学习的控制系统的测试任务调度方法及其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：CN119247759B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202410423822.4，技术领域涉及：G05B13/04；该发明授权基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统是由陈静漪;林瑞仕;王慎航;郑伟;向刚;彭宇;俞洋;杨智明设计研发完成，并于2024-04-10向国家知识产权局提交的专利申请。

本基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统在说明书摘要公布了：本发明属于自动测试技术领域，具体涉及一种基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统。对测试任务需求进行分析，再构建Single‑rateDAG任务调度模型；依据Single‑rateDAG任务调度模型，生成有向图作为GNN的输入；基于有向图和GNN建立关于边的热图；依据热图生成任务调度排序，根据任务调度排序规划调度方案；计算损失函数，并依据损失函数更新图神经网络；重复建热图至计算损失函数，直至可规划出符合预期目标的高质量解或在规划出的测试方案makespan的均值和最小值的差值小于一定阈值，迭代结束；步骤7：输出优化后的解。本发明用以解决缺乏对高相关性的测试任务调度过程的规划结果往往随机性较大，难以适用于实际需求的问题。

本发明授权基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统在权利要求书中公布了：1.一种基于图模型与深度强化学习的控制系统的测试任务调度方法，其特征在于，所述测试任务调度方法包括以下步骤： 步骤1：对测试任务需求进行分析，再构建Single-rateDAG任务调度模型； 步骤2：依据Single-rateDAG任务调度模型，生成有向图作为GNN的输入； 步骤3：基于有向图和GNN建立关于边的热图； 步骤4：依据热图生成任务调度排序，根据任务调度排序规划调度方案； 步骤5：计算损失函数，并依据损失函数更新图神经网络； 步骤6：重复步骤3-5，直至规划出符合预期目标的高质量解或在步骤4中规划出的测试方案makespan的均值和最小值的差值小于一定阈值，迭代结束； 步骤7：输出优化后的解； 所述步骤2具体为，对DAG任务调度模型进行精简； 遍历所有任务，若两个任务之间不存在任何的约束关系，包括直接约束关系和间接约束关系，则在两个任务之间新增一条边，表示两任务之间不存在任何依赖关系； 为新边新增加一项权值，用以区分边的类型；对原有的边和新增的边赋予不同的权值； 在新生成的有向图中，节点的含义没有改变，但边的含义发生了改变，表示两任务之间存在连续执行，若存在时，表示在执行后，下一个开始执行的任务是是存在的； 定义具有可训练参数θ的图神经网络GNN并初始化；由GNN主干和MLP解码器组成图神经网络，提取图的节点特征和边缘特征并将其映射为图的边权重输出； 所述步骤3具体为，将给定的有向图输入GNN模型中，GNN模型将会依据当前参数给出一组边的权重作为输出，并以此为依据在建立有向图边上的热图W＝[wij]n+2n+2，其中wi,j表示边属于高质量解的权重。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。