CN117151431A - 一种木质家具订单任务的自动分发方法及系统 - Google Patents
一种木质家具订单任务的自动分发方法及系统 Download PDFInfo
- Publication number
- CN117151431A CN117151431A CN202311414555.6A CN202311414555A CN117151431A CN 117151431 A CN117151431 A CN 117151431A CN 202311414555 A CN202311414555 A CN 202311414555A CN 117151431 A CN117151431 A CN 117151431A
- Authority
- CN
- China
- Prior art keywords
- service
- wooden furniture
- formal
- combination
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000009471 action Effects 0.000 claims abstract description 24
- 238000003860 storage Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000001364 causal effect Effects 0.000 claims description 10
- 238000005192 partition Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000002311 subsequent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域，尤其是一种木质家具订单任务的自动分发方法及系统，方法包括：接收用户输入的关于木质家具的订单任务要求；通过语义分析器，根据订单任务要求，生成正式服务请求；判断服务存储库中是否存在与正式服务请求匹配的服务；若是，输出与正式服务请求匹配的服务；否则，进入下一步；通过组合工厂，生成匹配正式服务请求的多个可选服务组合；通过属性聚合器，计算各个可选服务组合的动作价值，挑选出最优服务组合；通过匹配器，根据最优服务组合，输出最终的服务组合方案；将各个订单任务分发给相应的木质家具设计师。本发明提升了木质家具订单任务的自动分发准确性，提升了木质家具的设计质量，进而提升了客户满意度。
Description
技术领域
本发明涉及数据处理技术领域，尤其是一种木质家具订单任务的自动分发方法及系统。
背景技术
当前，随着互联网技术的高速发展，越来越多的传统家具制造行业开始转型采用互联网模式。然而，由于家具产品的设计过程中需要复杂的设计和加工数据处理，并且不同的客户需求，产品类型和风格都会对设计师提出不同的要求，因此如何实现高效的将家具设计任务匹配到适合的设计师成为了一个亟待解决的问题。
当前的木质家具订单任务分发主要有两种方式，分别是人工分发以及自动分发，其中人工分发仍是主流方式。采用人工分发的方式费时费力且容易出错，因此自动分发的方式应运而生。然而当前的自动分发方式主要是根据设计师的闲忙情况进行分发，手上订单较小的设计师会被优先分发，在分发过程并未考虑木质家具订单的实际要求，例如产品类型、交期、客户需求等，导致木质家具订单任务的自动分发准确性低，木质家具的设计质量下降，影响客户满意度。
发明内容
为解决上述现有技术问题，本发明提供一种木质家具订单任务的自动分发方法及系统：
第一方面，本发明提供一种木质家具订单任务的自动分发方法，包括：
S101：接收用户输入的关于木质家具的订单任务要求；
S102：通过语义分析器，根据所述订单任务要求，生成正式服务请求；
S103：判断服务存储库中是否存在与所述正式服务请求匹配的服务；若是，输出与所述正式服务请求匹配的服务；否则，进入下一步；
S104：通过组合工厂，生成匹配所述正式服务请求的多个可选服务组合；
S105：通过属性聚合器，计算各个可选服务组合的动作价值，挑选出最优服务组合；
S106：通过匹配器，根据所述最优服务组合，输出最终的服务组合方案；
S107：根据最终的服务组合方案，将各个订单任务分发给相应的木质家具设计师。
第二方面，本发明提供一种木质家具订单任务的自动分发系统，可执行第一方面中的木质家具订单任务的自动分发方法。
本发明的有益效果体现在，在木质家具订单任务分发过程中，通过语义分析器生成的正式服务请求可以更精确地捕捉订单任务的实际要求，例如产品类型、交期、客户需求等。同时，通过属性聚合器，计算各个可选服务组合的动作价值，挑选出最优服务组合，将各个订单任务分发给相应的木质家具设计师，最大程度地优化资源分配，提高任务完成的效率。提升了木质家具订单任务的自动分发准确性，提升了木质家具的设计质量，进而提升了客户满意度。
附图说明
图1为本发明所提供的一种木质家具订单任务的自动分发方法的流程示意图；
图2为本发明所提供的一种木质家具订单任务的自动分发方法的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参照图1，示出了一种木质家具订单任务的自动分发方法的流程示意图。
参照图2，示出了一种木质家具订单任务的自动分发方法的结构示意图。
本发明实施例提供的一种木质家具订单任务的自动分发方法，包括：
S101：接收用户输入的关于木质家具的订单任务要求。
其中，订单任务要求包括：订单产品类型、交付期限以及客户需求。
具体而言，可以接收用户在纸质订单中填写的订单任务要求，也可以接收用户在应用程序或者网页界面的电子订单中填写的订单任务要求。本发明对于获取用户输入的关于木质家具的订单任务要求的具体途径不做限定。
S102：通过语义分析器，根据订单任务要求，生成正式服务请求。
其中，语义分析器是一种计算机程序或系统，旨在解释和理解自然语言文本的含义，将其转化为计算机能够处理的结构化形式。语义分析器是自然语言处理（NLP）领域的关键技术，能够使计算机理解人类语言的含义和上下文，从而进行更高级的语义理解和推理。
在本发明中，在木质家具订单任务分发过程中，通过语义分析器生成的正式服务请求可以更精确地捕捉订单任务的实际要求，例如产品类型、交期、客户需求等。提升了木质家具订单任务的自动分发准确性，提升了木质家具的设计质量，进而提升了客户满意度。
在一种可能的实施方式中，S102具体包括子步骤S1021至S1024：
S1021：解析订单任务要求。
S1022：将解析后的信息映射到服务本体中，构建服务需求描述。
其中，服务本体包括服务配置文件（Service Profile）、服务模型（ServiceModel）以及服务细节（Service Grounding）。
其中，服务配置文件用于服务描述，介绍服务做什么。
其中，服务模型用于服务交互，介绍服务怎样运行。
其中，服务细节用于规定服务访问细节，介绍如何访问服务。
需要说明的是，构建服务需求描述可以使得后续生成的正式服务请求能够更精确地捕捉订单任务的实际要求。
S1023：将服务需求描述与可用的Web服务进行语义匹配。
需要说明的是，语义匹配的本质是服务之间的接口参数的语义匹配。本发明根据不同Web服务的输入、输出参数之间的语义匹配来实现Web服务组合。简单来说，如果服务A的输出与服务B的输入在语义关系上匹配程度比较高，则可以将服务A与服务B连接在一起。
进一步地，语义匹配考虑了输入和输出参数的语义关系，从而能够更精确地组合适用的服务，提高了服务组合的质量和匹配度。
S1024：根据语义匹配等级，将多个Web服务进行组合，生成正式服务请求。
其中，语义匹配等级包括：精准匹配（Exact）、插入匹配（Plug In）、包含匹配（Subsume）和匹配失败（Fail）。
对于精准匹配（Exact）来说，如果请求的概念和应答的概念是位于本体分类树中同一位置的相同概念，则两者为精确匹配。另外，如果请求的概念是应答概念的直接子类，那么两者之间也是精确匹配。
对于插入匹配（Plug In）来说，如果请求的概念是应答概念的子类但不是直接子类，则两者之间为插入匹配。
对于包含匹配（Subsume）来说，如果请求的概念包含应答的概念，那么此时两者之间为包含匹配。在这种情况下，提供者并不会完全满足要求，请求者可以借助提供者来实现其目标，但是请求者很可能要修改计划或执行其他请求来完成其任务。
对于匹配失败（Fail）来说，当请求与应答的两个概念之间并没有任何包含、被包含关系时，两者之间就会匹配失败。
进一步地，以上匹配等级是按照概念间的离散程度来划分的。毫无疑问，精准匹配（Exact）优于其他三个匹配等级；插入匹配（PlugIn）是仅次于精准匹配（Exact）的匹配等级，因为其应答的结果很可能可以用来替代请求者的期望；包含匹配（Subsume）是继插入匹配（Plug In）之后的第三个匹配等级，原因是请求者的需求只能被部分满足；匹配失败（Fail）是最差的匹配等级，该结果表明两个概念之间没有任何联系。通过以上这四种匹配规则，我们可以将Web服务之间的输入、输出参数进行语义匹配，这是将Web服务组合在一起的基础。
需要说明的是，将根据语义匹配等级生成多个可选服务组合，包括精准匹配、插入匹配、包含匹配等。这种多样性的组合允许系统在满足需求的基础上提供多种选择，增加了灵活性和适应性。
进一步地，通过匹配等级分类，系统可以更好地选择合适的服务组合，将提供最优解决方案的服务放在前面。这有助于优化资源分配，提高任务完成效率。
S103：判断服务存储库中是否存在与正式服务请求匹配的服务。若是，输出与正式服务请求匹配的服务。否则，进入下一步。
在本发明中，通过判断服务存储库中是否存在与正式服务请求匹配的服务，系统可以迅速确定是否有满足要求的服务可供选择。这有助于提高整个分发过程的效率，并在较短的时间内为订单任务提供响应。若服务存储库中已有与正式服务请求匹配的服务，系统可以直接输出这些服务作为可供选择的服务。这避免了不必要的重复服务生成和计算，从而减少了资源的浪费。而在没有匹配服务的情况下，系统进一步进行S104，通过组合工厂生成匹配正式服务请求的多个可选服务组合。这有助于确保即使没有直接匹配的服务，系统仍能提供多样性的选择，增加用户满意度，因为用户可以从多个服务组合中选择最适合他们需求的选项。
S104：通过组合工厂，生成匹配正式服务请求的多个可选服务组合。
其中，组合工厂是指在服务组合领域中，负责根据给定的正式服务请求，生成多个匹配该请求的可选服务组合的算法或系统。其目的是将不同的服务按照一定的逻辑和条件进行组合，以满足用户的需求。组合工厂通常在自动化的服务组合过程中发挥重要作用，帮助系统从可用的服务中选择和组合那些能够最好地满足用户需求的服务，从而生成最优的服务组合方案。
在一种可能的实施方式中，S104具体包括子步骤S1041和S1042：
S1041：解析正式服务请求，获取正式服务请求的功能性属性和非功能性属性。
其中，功能性属性是服务的目标、输入、输出、前提条件和效果。功能性属性用于执行服务发现、匹配和组合。
其中，非功能性属性包括成本、安全性、性能、可靠性等。非功能属性用于限制满足服务请求的组合的空间，并对生成的组合集进行排序。
S1042：根据正式服务请求的功能性属性，生成可完成各个任务段的多个可选服务组合。
在本发明中，通过解析正式服务请求的功能性属性，系统可以针对每个任务段生成满足需求的可选服务组合，确保服务组合与任务的目标一致。生成多个可选服务组合意味着用户有更多的选择余地，可以根据实际情况选择最适合的组合，从而提高了灵活性。
在一种可能的实施方式中，S1042具体包括孙步骤S10421至S10423：
S10421：根据正式服务请求的功能性属性，将正式服务请求划分为多个子任务分区。
S10422：将各个子任务分区进一步划分为多个任务段。
S10423：通过因果注释轨迹算法，生成可完成各个任务段的多个可选服务组合。
其中，因果注释轨迹算法是一种用于任务规划和组合的智能算法，它可以在任务执行过程中根据因果关系和逻辑约束，生成可行的任务序列或组合方案。这种算法通常用于处理具有一定复杂性和时序关系的任务，以确保任务的逻辑正确性和效率。
具体而言，根据任务之间的因果关系和逻辑约束，构建一个因果关系图。该图表示任务之间的依赖关系，即哪些任务需要在其他任务之前执行。根据因果关系图，算法开始对任务进行排序和组合，会考虑任务的前提条件和后续效果，以确保任务按正确的顺序执行。进而可以生成多个不同的任务序列或组合方案，以提供多样性选择。这些方案可以根据不同的因果关系和约束生成。
在本发明中，通过将任务分解为子任务分区和任务段，系统能够更好地理解和规划任务的复杂性，同时可以为每个任务段提供更精确的服务组合。因果注释轨迹算法考虑了任务段之间的因果关系，从而确保生成的服务组合能够满足任务的逻辑流程和要求。生成多个可选服务组合可以为每个任务段提供多种不同的选择，从而提高了任务执行的灵活性和效率。
S105：通过属性聚合器，计算各个可选服务组合的动作价值，挑选出最优服务组合。
其中，属性聚合器一种用于计算和评估多个属性值的聚合工具，通常用于决策制定或选择最优方案。在本发明中，属性聚合器用于计算各个可选服务组合的动作价值，以便从中挑选出最优的服务组合方案。
在一种可能的实施方式中，S105具体包括子步骤S1051至S1054：
S1051：获取可选服务组合在各个状态下的各个QoS属性的标准化值：
其中，表示状态s下的第i个QoS属性的标准化值，/>表示状态s下的第i个QoS属性的观测值，/>表示所有状态中第i个QoS属性的最小值，/>表示所有状态中第i个QoS属性的最大值；
S1052：根据可选服务组合在各个状态下的各个QoS属性的标准化值，计算可选服务组合在各个状态下的奖励值：
其中，Rs表示状态s下的奖励值，wi表示第i个QoS属性的权重，m表示QoS属性的数量。
需要说明的是，通过对可选服务组合的各个QoS属性进行标准化和奖励值计算，可以综合考虑多个属性对于决策的影响。这样可以更全面地评估服务组合在不同状态下的性能表现。
S1053：考虑执行可选服务组合中的服务的时间步长，使用Q-学习算法，更新执行可选服务组合的动作价值，直至收敛或者达到预设的迭代次数：
其中，Q(s, a)执行服务a状态s下的动作价值，α表示学习率，γ表示折扣因子，表示在下一个状态/>时在所有动作中选择最佳动作/>时的动作价值。
需要说明的是，考虑执行可选服务组合中的服务的时间步长，以及通过Q-学习算法更新动作价值，使系统能够根据实际执行情况进行适应性学习，有助于适应环境的变化和不确定性。
进一步地，通过不断更新动作价值，Q-学习算法能够在多个迭代中找到一种最优策略，即选择动作以达到最大的累积奖励。这样可以在多个可能的服务组合中选择出具有最优性能的方案。
S1054：将动作价值最大的可选服务组合作为最优服务组合。
在本发明中，基于Q-学习算法的动态规划方法可以在多属性决策问题中帮助系统自动选择最优的服务组合方案，从而提高决策效率、性能和适应性。
S106：通过匹配器，根据最优服务组合，输出最终的服务组合方案。
进一步地，匹配器还可以考虑每个设计师的技能、经验和工作负载等因素。它会将最优服务组合方案与每个设计师的能力进行匹配，以确保将任务分发给能够最好完成任务的设计师。这样可以提高任务的完成质量和效率。
在一种可能的实施方式中，S106具体为：根据正式服务请求的非功能性属性，选取最优服务组合中非功能性属性最优的服务组合作为最终的服务组合方案，并进行输出。
具体而言，匹配器将最优服务组合方案与木质家具订单任务的非功能属性进行匹配，例如成本、安全性、性能等。它会筛选出那些在非功能属性方面与订单任务要求相匹配的服务组合，确保最终的方案不仅在功能层面优化，还在非功能属性方面满足要求。
在本发明中，匹配器在整个木质家具订单任务自动分发过程中扮演着关键的角色，它确保最优服务组合不仅在功能性方面优化，还在非功能属性、设计师能力、客户需求等方面与实际情况相匹配，从而实现任务的高效、质量和客户满意度的提升。
S107：根据最终的服务组合方案，将各个订单任务分发给相应的木质家具设计师。
本发明的有益效果体现在，在木质家具订单任务分发过程中，通过语义分析器生成的正式服务请求可以更精确地捕捉订单任务的实际要求，例如产品类型、交期、客户需求等。同时，通过属性聚合器，计算各个可选服务组合的动作价值，挑选出最优服务组合，将各个订单任务分发给相应的木质家具设计师，最大程度地优化资源分配，提高任务完成的效率。提升了木质家具订单任务的自动分发准确性，提升了木质家具的设计质量，进而提升了客户满意度。
实施例2
本发明实施例提供的一种木质家具订单任务的自动分发系统，可执行实施例1中的木质家具订单任务的自动分发方法。
本发明实施例提供的一种木质家具订单任务的自动分发系统，可实现实施例1中的木质家具订单任务的自动分发方法的步骤以及效果，为避免重复，本发明不再赘述。
本发明的有益效果体现在，在木质家具订单任务分发过程中，通过语义分析器生成的正式服务请求可以更精确地捕捉订单任务的实际要求，例如产品类型、交期、客户需求等。同时，通过属性聚合器，计算各个可选服务组合的动作价值，挑选出最优服务组合，将各个订单任务分发给相应的木质家具设计师，最大程度地优化资源分配，提高任务完成的效率。提升了木质家具订单任务的自动分发准确性，提升了木质家具的设计质量，进而提升了客户满意度。
在本发明的实施例的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“中心”、“顶”、“底”、“顶部”、“底部”、“内”、“外”、“内侧”、“外侧”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。其中，“里侧”是指内部或围起来的区域或空间。“外围”是指某特定部件或特定区域的周围的区域。
在本发明的实施例的描述中，术语“第一”、“第二”、“第三”、“第四”仅用以描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“组装”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的实施例的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的实施例的描述中，需要理解的是，“-”和“~”表示的是两个数值之同的范围，并且该范围包括端点。例如：“A-B”表示大于或等于A，且小于或等于B的范围。“A~B”表示大于或等于A，且小于或等于B的范围。
在本发明的实施例的描述中，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种木质家具订单任务的自动分发方法，其特征在于，包括：
S101：接收用户输入的关于木质家具的订单任务要求；
S102：通过语义分析器，根据所述订单任务要求，生成正式服务请求；
S103：判断服务存储库中是否存在与所述正式服务请求匹配的服务；若是，输出与所述正式服务请求匹配的服务；否则，进入下一步；
S104：通过组合工厂，生成匹配所述正式服务请求的多个可选服务组合；
S105：通过属性聚合器，计算各个可选服务组合的动作价值，挑选出最优服务组合；
S106：通过匹配器，根据所述最优服务组合，输出最终的服务组合方案；
S107：根据最终的服务组合方案，将各个订单任务分发给相应的木质家具设计师。
2.根据权利要求1所述的木质家具订单任务的自动分发方法，其特征在于，所述S102具体包括：
S1021：解析所述订单任务要求；
S1022：将解析后的信息映射到服务本体中，构建服务需求描述；
S1023：将所述服务需求描述与可用的Web服务进行语义匹配；
S1024：根据语义匹配等级，将多个Web服务进行组合，生成所述正式服务请求。
3.根据权利要求2所述的木质家具订单任务的自动分发方法，其特征在于，所述订单任务要求包括：订单产品类型、交付期限以及客户需求。
4.根据权利要求2所述的木质家具订单任务的自动分发方法，其特征在于，所述服务本体包括服务配置文件、服务模型以及服务细节。
5.根据权利要求2所述的木质家具订单任务的自动分发方法，其特征在于，所述语义匹配等级包括：精准匹配、插入匹配、包含匹配和匹配失败。
6.根据权利要求1所述的木质家具订单任务的自动分发方法，其特征在于，所述S104具体包括：
S1041：解析所述正式服务请求，获取所述正式服务请求的功能性属性和非功能性属性；
S1042：根据所述正式服务请求的功能性属性，生成可完成各个任务段的多个可选服务组合。
7.根据权利要求6所述的木质家具订单任务的自动分发方法，其特征在于，所述S1042具体包括：
S10421：根据所述正式服务请求的功能性属性，将所述正式服务请求划分为多个子任务分区；
S10422：将各个子任务分区进一步划分为多个任务段；
S10423：通过因果注释轨迹算法，生成可完成各个所述任务段的多个可选服务组合。
8.根据权利要求1所述的木质家具订单任务的自动分发方法，其特征在于，所述S105具体包括：
S1051：获取可选服务组合在各个状态下的各个QoS属性的标准化值：
；
其中，表示状态s下的第i个QoS属性的标准化值，/>表示状态s下的第i个QoS属性的观测值，/>表示所有状态中第i个QoS属性的最小值，/>表示所有状态中第i个QoS属性的最大值；
S1052：根据可选服务组合在各个状态下的各个QoS属性的标准化值，计算可选服务组合在各个状态下的奖励值：
；
其中，Rs表示状态s下的奖励值，wi表示第i个QoS属性的权重，m表示QoS属性的数量；
S1053：考虑执行可选服务组合中的服务的时间步长，使用Q-学习算法，更新执行可选服务组合的动作价值，直至收敛或者达到预设的迭代次数：
；
其中，Q(s, a)执行服务a状态s下的动作价值，α表示学习率，γ表示折扣因子，表示在下一个状态/>时在所有动作中选择最佳动作/>时的动作价值；
S1054：将动作价值最大的可选服务组合作为最优服务组合。
9.根据权利要求6所述的木质家具订单任务的自动分发方法，其特征在于，所述S106具体为：
根据所述正式服务请求的非功能性属性，选取最优服务组合中非功能性属性最优的服务组合作为最终的服务组合方案，并进行输出。
10.一种木质家具订单任务的自动分发系统，其特征在于，可执行权利要求1至9任一项所述的木质家具订单任务的自动分发方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414555.6A CN117151431B (zh) | 2023-10-30 | 2023-10-30 | 一种木质家具订单任务的自动分发方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311414555.6A CN117151431B (zh) | 2023-10-30 | 2023-10-30 | 一种木质家具订单任务的自动分发方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117151431A true CN117151431A (zh) | 2023-12-01 |
| CN117151431B CN117151431B (zh) | 2024-01-26 |
Family
ID=88903043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311414555.6A Active CN117151431B (zh) | 2023-10-30 | 2023-10-30 | 一种木质家具订单任务的自动分发方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117151431B (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060242101A1 (en) * | 2005-04-21 | 2006-10-26 | Rama Akkiraju | Method and system for semantic matching of Web Service policies |
| CN101398852A (zh) * | 2008-10-16 | 2009-04-01 | 北京邮电大学 | 语义Web服务匹配方法及系统 |
| CN102004767A (zh) * | 2010-11-10 | 2011-04-06 | 北京航空航天大学 | 一种基于抽象业务逻辑的交互式语义Web服务动态组合方法 |
| CN102193994A (zh) * | 2011-04-22 | 2011-09-21 | 武汉大学 | 一种根据用户非功能性需求搜索Web服务的方法 |
| KR20130078037A (ko) * | 2011-12-30 | 2013-07-10 | 건국대학교 산학협력단 | 온 더 플라이 학습 기반 검색을 이용한 큐 오 에스 인식 웹 서비스 구성방법 |
| CN103646008A (zh) * | 2013-12-13 | 2014-03-19 | 东南大学 | 一种Web服务组合方法 |
| CN103838857A (zh) * | 2014-03-17 | 2014-06-04 | 中国科学院软件研究所 | 一种基于语义的自动服务组合系统及方法 |
| CN107241213A (zh) * | 2017-04-28 | 2017-10-10 | 东南大学 | 一种基于深度强化学习的Web服务组合方法 |
| CN107306207A (zh) * | 2017-05-31 | 2017-10-31 | 东南大学 | 结合Skyline计算与多目标强化学习服务组合方法 |
| CN109063870A (zh) * | 2018-07-24 | 2018-12-21 | 海南大学 | 基于q学习的组合服务策略优化方法及系统 |
| CN110059942A (zh) * | 2019-04-02 | 2019-07-26 | 南京邮电大学 | 一种基于模糊多目标优化的云制造资源服务优化调度方法 |
| CN112488290A (zh) * | 2020-10-21 | 2021-03-12 | 上海旻浦科技有限公司 | 具有依赖关系的自然语言多任务建模、预测方法及系统 |
| CN113610587A (zh) * | 2020-12-17 | 2021-11-05 | 江苏锁安科技有限公司 | 一种智能家居订单服务平台的分发方法和装置 |
| CN113657647A (zh) * | 2021-07-16 | 2021-11-16 | 东华大学 | 一种用于纺织服装工业互联网中的订单分配方法 |
| CN114283023A (zh) * | 2021-12-29 | 2022-04-05 | 工业云制造(四川)创新中心有限公司 | 一种基于云制造支撑技术的制造管理方法及系统 |
| CN114548407A (zh) * | 2022-02-08 | 2022-05-27 | 阿里巴巴（中国）有限公司 | 层级目标定向因果发现方法、装置及电子设备 |
| CN115222088A (zh) * | 2022-05-17 | 2022-10-21 | 重庆大学 | 一种基于QoS的科技咨询平台服务商组合优选方法 |
| CN115564135A (zh) * | 2022-10-26 | 2023-01-03 | 杭州研趣信息技术有限公司 | 需求订单的分配优化方法、装置、设备及介质 |
| CN115641097A (zh) * | 2022-12-23 | 2023-01-24 | 深圳市仕瑞达自动化设备有限公司 | 基于云平台的非标准机械加工协同制造管理方法及系统 |
| CN115660360A (zh) * | 2022-11-03 | 2023-01-31 | 合肥工业大学 | 多主体协同产供销业务链的海外小批量订单分配方法 |
| CN116545856A (zh) * | 2023-04-13 | 2023-08-04 | 中国人民解放军陆军工程大学 | 基于强化学习的服务功能链部署方法、系统及装置 |
-
2023
- 2023-10-30 CN CN202311414555.6A patent/CN117151431B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060242101A1 (en) * | 2005-04-21 | 2006-10-26 | Rama Akkiraju | Method and system for semantic matching of Web Service policies |
| CN101398852A (zh) * | 2008-10-16 | 2009-04-01 | 北京邮电大学 | 语义Web服务匹配方法及系统 |
| CN102004767A (zh) * | 2010-11-10 | 2011-04-06 | 北京航空航天大学 | 一种基于抽象业务逻辑的交互式语义Web服务动态组合方法 |
| CN102193994A (zh) * | 2011-04-22 | 2011-09-21 | 武汉大学 | 一种根据用户非功能性需求搜索Web服务的方法 |
| KR20130078037A (ko) * | 2011-12-30 | 2013-07-10 | 건국대학교 산학협력단 | 온 더 플라이 학습 기반 검색을 이용한 큐 오 에스 인식 웹 서비스 구성방법 |
| CN103646008A (zh) * | 2013-12-13 | 2014-03-19 | 东南大学 | 一种Web服务组合方法 |
| CN103838857A (zh) * | 2014-03-17 | 2014-06-04 | 中国科学院软件研究所 | 一种基于语义的自动服务组合系统及方法 |
| CN107241213A (zh) * | 2017-04-28 | 2017-10-10 | 东南大学 | 一种基于深度强化学习的Web服务组合方法 |
| CN107306207A (zh) * | 2017-05-31 | 2017-10-31 | 东南大学 | 结合Skyline计算与多目标强化学习服务组合方法 |
| CN109063870A (zh) * | 2018-07-24 | 2018-12-21 | 海南大学 | 基于q学习的组合服务策略优化方法及系统 |
| CN110059942A (zh) * | 2019-04-02 | 2019-07-26 | 南京邮电大学 | 一种基于模糊多目标优化的云制造资源服务优化调度方法 |
| CN112488290A (zh) * | 2020-10-21 | 2021-03-12 | 上海旻浦科技有限公司 | 具有依赖关系的自然语言多任务建模、预测方法及系统 |
| CN113610587A (zh) * | 2020-12-17 | 2021-11-05 | 江苏锁安科技有限公司 | 一种智能家居订单服务平台的分发方法和装置 |
| CN113657647A (zh) * | 2021-07-16 | 2021-11-16 | 东华大学 | 一种用于纺织服装工业互联网中的订单分配方法 |
| CN114283023A (zh) * | 2021-12-29 | 2022-04-05 | 工业云制造(四川)创新中心有限公司 | 一种基于云制造支撑技术的制造管理方法及系统 |
| CN114548407A (zh) * | 2022-02-08 | 2022-05-27 | 阿里巴巴（中国）有限公司 | 层级目标定向因果发现方法、装置及电子设备 |
| CN115222088A (zh) * | 2022-05-17 | 2022-10-21 | 重庆大学 | 一种基于QoS的科技咨询平台服务商组合优选方法 |
| CN115564135A (zh) * | 2022-10-26 | 2023-01-03 | 杭州研趣信息技术有限公司 | 需求订单的分配优化方法、装置、设备及介质 |
| CN115660360A (zh) * | 2022-11-03 | 2023-01-31 | 合肥工业大学 | 多主体协同产供销业务链的海外小批量订单分配方法 |
| CN115641097A (zh) * | 2022-12-23 | 2023-01-24 | 深圳市仕瑞达自动化设备有限公司 | 基于云平台的非标准机械加工协同制造管理方法及系统 |
| CN116545856A (zh) * | 2023-04-13 | 2023-08-04 | 中国人民解放军陆军工程大学 | 基于强化学习的服务功能链部署方法、系统及装置 |
Non-Patent Citations (5)
| Title |
|---|
| 刘玉芳;王绍源;吴免利;: "铝电解工业中ZigBee无线传感器网络及其QoS研究", 传感技术学报, no. 10, pages 1471 - 1475 * |
| 姜波;张晓筱;: "基于社会网络的语义Web服务协同", 合肥工业大学学报(自然科学版), no. 05, pages 566 - 571 * |
| 方棚柏;王浩;: "MAS中基于任务分解和QoS的语义Web服务组合模型", 系统仿真学报, no. 2, pages 8 - 11 * |
| 柴雪霞 等: "基于SMDP模型的Web服务组合优化方法", 合肥工业大学学报(自然科学版), vol. 34, no. 10, pages 1496 - 1500 * |
| 翟永翠: "基于HLA的实时仿真研究", 系统仿真学报, no. 9, pages 1966 - 1969 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117151431B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11423295B2 (en) | Dynamic, automated fulfillment of computer-based resource request provisioning using deep reinforcement learning | |
| US10754709B2 (en) | Scalable task scheduling systems and methods for cyclic interdependent tasks using semantic analysis | |
| Nino-Mora | Restless bandits, partial conservation laws and indexability | |
| US9172614B2 (en) | Network capacity management system and method | |
| US20110153507A1 (en) | System, method, and apparatus for server-storage-network optimization for application service level agreements | |
| CA2636827C (en) | Method for modeling a free pool of resources | |
| US20100235843A1 (en) | Improvements relating to distributed computing | |
| Bahrpeyma et al. | An adaptive RL based approach for dynamic resource provisioning in Cloud virtualized data centers | |
| Horváth et al. | Dynamic constraint satisfaction problems over models | |
| Ramírez et al. | A comparative study of many-objective evolutionary algorithms for the discovery of software architectures | |
| US10839329B2 (en) | Process execution using rules framework flexibly incorporating predictive modeling | |
| Cheng et al. | Tuning configuration of apache spark on public clouds by combining multi-objective optimization and performance prediction model | |
| US20160063164A1 (en) | Method for determining by optimization a multi-core architecture | |
| Ren et al. | Consistency and consensus driven for hesitant fuzzy linguistic decision making with pairwise comparisons | |
| CN117151431B (zh) | 一种木质家具订单任务的自动分发方法及系统 | |
| Hedhli et al. | A DFA‐based approach for the deployment of BPaaS fragments in the cloud | |
| Ebadifard et al. | A modified black hole-based multi-objective workflow scheduling improved using the priority queues for cloud computing environment | |
| Alam et al. | Multi-objective interdependent VM placement model based on cloud reliability evaluation | |
| van Stralen et al. | Fitness prediction techniques for scenario-based design space exploration | |
| Wilson et al. | Computation and complexity of preference inference based on hierarchical models | |
| Metsch et al. | Intent-driven orchestration: Enforcing service level objectives for cloud native deployments | |
| Pagnozzi et al. | Evaluating the impact of grammar complexity in automatic algorithm design | |
| Gwak et al. | Novel dynamic diversity controlling EAs for coevolving optimal negotiation strategies | |
| Yan et al. | Contention-aware mapping and scheduling optimization for NoC-based MPSoCs | |
| Grohmann | Reliable Resource Demand Estimation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240329 Address after: 618113 No.10 Longjin Road, Xinglong Town, Zhongjiang County, Deyang City, Sichuan Province Patentee after: Sichuan yadu Furniture Co.,Ltd. Country or region after: China Address before: 618113, 1st Floor, Building 3, No. 10 Longjin Road, Xinglong Town, Zhongjiang County, Deyang City, Sichuan Province Patentee before: Sichuan Zhilian Digital Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |