[发明专利]无人档案库房多任务执行控制方法、装置、设备以及介质

权利要求书

1.一种无人档案库房多任务执行控制方法，其特征在于，包括：

获取无人档案库房的特征参数，并基于所述特征参数，确定任务动作关联的初始化参数；

基于所述特征参数和所述初始化参数，构建基于强化学习的档案抓取过程模型；

基于所述档案抓取过程模型，通过仿真迭代，获取档案抓取过程优化策略集；其中，通过随机策略迭代可能发生的所有任务序列，迭代终止条件为已经迭代了所有的可能发生的任务序列，优化策略集为针对各任务序列的用时最短的策略的集合；

基于所述优化策略集与多个待执行任务，确定优化后的任务序列；

其中，所述特征参数包括密集架列数、每列密集架的宽度以及密集架中的固定架的位置；所述基于所述特征参数，确定任务动作关联的初始化参数包括：对密集架的列数编号、密集架的开合时间、自动抓取装置的运行速度进行初始化设定，确定所述初始化参数。

2.根据权利要求1所述的方法，其特征在于，所述档案抓取过程模型满足马尔科夫性质。

3.根据权利要求2所述的方法，其特征在于，所述构建基于强化学习的档案抓取过程模型包括：

基于密集架的列数、已开启的密集架的列数以及自动抓取装置所处的列数，确定抓取的状态空间；

基于密集架的列数、将开启的密集架的列数以及自动抓取装置当前所要到达的目标列数，确定抓取的行为空间；

确定抓取的状态转移概率；

建立状态行为的奖励函数；

确定衰减系数；

基于所述状态空间、所述行为空间、所述状态转移概率、所述奖励函数以及所述衰减系数，构建基于强化学习的档案抓取过程模型。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述档案抓取过程模型，通过仿真迭代，获取档案抓取过程优化策略集，包括：

基于所述档案抓取过程模型，构建任务序列价值函数；

在初始抓取策略为随机策略的情况下，通过迭代计算，确定随机策略下每个状态的价值；

基于更新后的状态的价值，采用更新策略再次迭代计算，得到更新策略下的状态价值；

多次更新并迭代，确定档案抓取过程中的优化策略集；其中，所述优化策略集包括针对各任务的最优策略及最优状态价值。

5.根据权利要求4所述的方法，其特征在于，所述更新策略包括贪心算法。

6.根据权利要求4所述的方法，其特征在于，所述基于所述优化策略集与多个待执行任务，确定优化后的任务序列，包括：

基于所述最优策略及所述最优状态价值，针对多个待执行任务，依次选择当前状态价值最优的行为，形成所述优化后的任务序列；

其中，所述行为表示档案抓取，所述状态价值为确定所述优化后的任务序列的参数依据。

7.一种无人档案库房多任务执行控制装置，其特征在于，包括：

参数获取单元，用于获取无人档案库房的特征参数，并基于所述特征参数，确定任务动作关联的初始化参数；

模型构建单元，用于基于所述特征参数和所述初始化参数，构建基于强化学习的档案抓取过程模型；

仿真迭代单元，用于基于所述档案抓取过程模型，通过仿真迭代，获取档案抓取过程优化策略集；其中，通过随机策略迭代可能发生的所有任务序列，迭代终止条件为已经迭代了所有的可能发生的任务序列，优化策略集为针对各任务序列的用时最短的策略的集合；

序列确定单元，用于基于所述优化策略集与多个待执行任务，确定任务序列；

其中，所述特征参数包括密集架列数、每列密集架的宽度以及密集架中的固定架的位置；所述基于所述特征参数，确定任务动作关联的初始化参数包括：对密集架的列数编号、密集架的开合时间、自动抓取装置的运行速度进行初始化设定，确定所述初始化参数。

8.一种电子设备，其特征在于，包括：处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至6任一项所述方法的步骤。