[发明专利]基于多智能体强化学习的信贷工厂订单调度方法及装置

权利要求书

1.基于多智能体强化学习的信贷工厂订单调度方法，其特征在于，该信贷工厂订单调度方法包括：

多智能体将行动发送至环境；

环境计算出所述多智能体共享的状态以及各个智能体的奖励；

环境将所述多智能体共享的状态以及各个智能体的奖励发送至对应的各个智能体；

各个智能体根据收到的状态以及奖励选择行动；

其中，所述多智能体依次处理所述信贷工厂订单，

所述环境根据下述步骤计算奖励：

环境计算，其中为在状态s下采取动作a的衡量指标，为第t步信贷工厂订单的平均等待时间，为第t步信贷工厂订单的超时率；

环境将与状态s下的平均衡量指标相关的参数进行比较，并根据比较结果给出奖励。

2.根据权利要求1所述的基于多智能体强化学习的信贷工厂订单调度方法，其特征在于，所述多智能体的数量为多个，所述环境为所述信贷工厂。

3.根据权利要求1或2所述的基于多智能体强化学习的信贷工厂订单调度方法，其特征在于，所述行动为选择的调度规则。

4.根据权利要求3所述的基于多智能体强化学习的信贷工厂订单调度方法，其特征在于，所述调度规则为先到先服务、最短松弛时间、最早截止时间、以及后到先服务中的一者，其中松弛时间为截止时间与到达时间之差。

5.根据权利要求1所述的基于多智能体强化学习的信贷工厂订单调度方法，其特征在于，所述环境根据如下步骤分配奖励：

获取各个智能体处理信贷工厂订单的松弛时间；

至少获取各个智能体中信贷工厂订单的输入时间、结束时间和等待时间；如果结束时间和到达之间之差大于松弛时间，则该智能体处理信贷工厂订单超时；

计算各个智能体处理信贷工厂订单的平均等待时间和超时率；

根据信贷工厂订单的平均等待时间和超时率，将奖励分配给各个智能体。

6.根据权利要求1所述的基于多智能体强化学习的信贷工厂订单调度方法，其特征在于，环境根据如下步骤计算多智能体共享的状态：

使用编码器对信贷工厂订单处理信息矩阵进行维度处理；

对维度处理后的信贷工厂订单处理信息矩阵进行聚类，得到多智能体共享的状态。

7.基于多智能体强化学习的信贷工厂订单调度装置，其特征在于，该信贷工厂订单调度装置包括多智能体和环境；

多智能体，用于根据收到的状态以及奖励选择行动；将行动发送至环境；

环境，用于计算出所述多智能体共享的状态以及各个智能体的奖励；将所述多智能体共享的状态以及各个智能体的奖励发送至对应的各个智能体；

其中，所述多智能体依次处理所述信贷工厂订单，

所述环境还用于计算，其中为在状态s下采取动作a的衡量指标，为第t步信贷工厂订单的平均等待时间，为第t步信贷工厂订单的超时率；将与状态s下的平均衡量指标相关的参数进行比较，并根据比较结果给出奖励。

8.根据权利要求7所述的基于多智能体强化学习的信贷工厂订单调度装置，其特征在于，所述多智能体的数量为多个，所述环境为所述信贷工厂。

9.根据权利要求7或8所述的基于多智能体强化学习的信贷工厂订单调度装置，其特征在于，所述行动为选择的调度规则。

10.根据权利要求9所述的基于多智能体强化学习的信贷工厂订单调度装置，其特征在于，所述调度规则为先到先服务、最短松弛时间、最早截止时间、以及后到先服务中的一者，其中松弛时间为截止时间与到达时间之差。