[發(fā)明專利]一種調(diào)度模型的訓練方法、裝置以及設(shè)備

在審

• 申請?zhí)枺?/td>: 202010836257.6
• 申請日: 2020-08-19
• 公開（公告）號: CN114077916A
• 公開（公告）日: 2022-02-22
• 發(fā)明（設(shè)計）人: 陀斌;孫斌;陳瑞乾;何煒立;臧玳躍;王永偉;吳梽彬;魏源
• 申請（專利權(quán)）人: 順豐科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/08;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 深圳紫藤知識產(chǎn)權(quán)代理有限公司 44570
• 代理人: 遠明

1.一種調(diào)度模型的訓練方法，其特征在于，所述方法包括：

獲取第一訓練集以及第二訓練集，其中，所述第一訓練集包括在歷史時間段內(nèi)投入應(yīng)用的物流設(shè)備的設(shè)備數(shù)量數(shù)據(jù)，所述第二訓練集包括所述物流設(shè)備的調(diào)度數(shù)據(jù)；

通過所述第一訓練集對第一初始神經(jīng)網(wǎng)絡(luò)模型進行訓練，并將完成訓練的模型確認為預(yù)測模型，其中，所述預(yù)測模型用于預(yù)測在第一預(yù)測時間段內(nèi)投入應(yīng)用的物流設(shè)備的設(shè)備數(shù)量數(shù)據(jù)；

在訓練所述第一初始神經(jīng)網(wǎng)絡(luò)模型的過程中，結(jié)合所述第二訓練集以及所述第一初始神經(jīng)網(wǎng)絡(luò)模型輸出的設(shè)備數(shù)量預(yù)測數(shù)據(jù)，對第二初始神經(jīng)網(wǎng)絡(luò)模型進行訓練，并將完成訓練的模型確認為調(diào)度模型，其中，所述調(diào)度模型用于配置在第二預(yù)測時間段內(nèi)投入應(yīng)用的物流設(shè)備的調(diào)度數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取第一訓練集包括：

獲取在所述歷史時間段內(nèi)投入應(yīng)用的物流設(shè)備的設(shè)備數(shù)量數(shù)據(jù)；

將所述設(shè)備數(shù)量數(shù)據(jù)的數(shù)據(jù)形式通過第一標準化處理轉(zhuǎn)化為二維變量形式，并將第一標準化處理后的所述設(shè)備數(shù)量數(shù)據(jù)確認為所述第一訓練集，其中，所述二維變量形式對應(yīng)的兩個單位包括時刻單位以及物流任務(wù)單位。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述第一訓練集還包括在所述歷史時間段內(nèi)每個物流任務(wù)的處理件量數(shù)據(jù)，所述預(yù)測模型還用于預(yù)測在所述第一預(yù)測時間段內(nèi)每個物流任務(wù)的處理件量數(shù)據(jù)，所述在訓練所述第一初始神經(jīng)網(wǎng)絡(luò)模型的過程中，結(jié)合所述第二訓練集以及所述第一初始神經(jīng)網(wǎng)絡(luò)模型輸出的設(shè)備數(shù)量預(yù)測數(shù)據(jù)，對第二初始神經(jīng)網(wǎng)絡(luò)模型進行訓練包括：

在訓練所述第一初始神經(jīng)網(wǎng)絡(luò)模型的過程中，結(jié)合所述第二訓練集，以及所述第一初始神經(jīng)網(wǎng)絡(luò)模型輸出的所述設(shè)備數(shù)量預(yù)測數(shù)據(jù)、處理件量預(yù)測數(shù)據(jù)，對所述第二初始神經(jīng)網(wǎng)絡(luò)模型進行訓練。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取第一訓練集包括：

獲取在所述歷史時間段內(nèi)投入應(yīng)用的物流設(shè)備的第一設(shè)備數(shù)量數(shù)據(jù)；

根據(jù)預(yù)設(shè)的時間顆粒度以及設(shè)備切換所需時長兩個分類元素，對所述第一數(shù)量數(shù)據(jù)進行分類，得到第二設(shè)備數(shù)量數(shù)據(jù)，并將所述第二設(shè)備數(shù)量數(shù)據(jù)確認為所述第一訓練集。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取第二訓練集包括：

獲取在所述歷史時間段內(nèi)投入應(yīng)用的物流設(shè)備的調(diào)度數(shù)據(jù)；

將所述調(diào)度數(shù)據(jù)的數(shù)據(jù)形式通過第二標準化處理轉(zhuǎn)化為三維變量形式，并將第二標準化處理后的所述調(diào)度數(shù)據(jù)確認為所述第二訓練集，其中，所述三維變量形式對應(yīng)的三個單位包括時刻單位、物流設(shè)備單位以及物流任務(wù)單位。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在訓練所述第一初始神經(jīng)網(wǎng)絡(luò)模型的過程中，結(jié)合所述第二訓練集以及所述第一初始神經(jīng)網(wǎng)絡(luò)模型輸出的設(shè)備數(shù)量預(yù)測數(shù)據(jù)，對第二初始神經(jīng)網(wǎng)絡(luò)模型進行訓練包括：

在訓練所述第一初始神經(jīng)網(wǎng)絡(luò)模型的過程中，結(jié)合所述第二訓練集以及所述第一初始神經(jīng)網(wǎng)絡(luò)模型輸出的所述設(shè)備數(shù)量預(yù)測數(shù)據(jù)以及預(yù)設(shè)的約束條件數(shù)據(jù)，對所述第二初始神經(jīng)網(wǎng)絡(luò)模型進行訓練，其中，所述約束條件數(shù)據(jù)用于指示對于物流設(shè)備工作狀態(tài)的約束條件，所述約束條件數(shù)據(jù)包括設(shè)備切換次數(shù)、設(shè)備連續(xù)工作時長。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取待配置調(diào)度數(shù)據(jù)的目標時間段；

將所述目標時間段輸入所述預(yù)測模型，得到所述預(yù)測模型輸出的目標設(shè)備數(shù)量預(yù)測數(shù)據(jù)；

將所述目標設(shè)備數(shù)量預(yù)測數(shù)據(jù)輸入所述調(diào)度模型，得到所述調(diào)度模型輸出的目標調(diào)度數(shù)據(jù)。