公开(公告)号：CN115034653B

公开(公告)日：2023-07-11

申请号：CN202210738071.6

申请日：2022-06-27

Applicant: 暨南大学

Inventor： 郭洪飞 ,  陈世帆 ,  张恒基 ,  黄祖艺 ,  洪晓杰 ,  姜涛 ,  李建庆

IPC: G06Q10/0631 ,  G06Q10/0633 ,  G06N3/126

Abstract: 本发明涉及用于人工智能技术领域，具体涉及一种基于transformer的端到端动态作业车间调度系统，可以应用于不同尺寸的DJSSP。由特征提取模块、特征压缩模块、动作选择模块所构成。特征提取模块提取生产环境特征，并利用特征压缩模块将生产环境的特征进一步压缩成定长向量。然后，动作选择模块根据压缩后的能够反映生产环境状态的定长向量，实时选择简单优先级规则。本发明所建立的系统是Transformer在DJSSP中的第一个应用，不仅提高了工业调度的生产能力，而且为未来深度学习在DJSSP中的研究提供了范式。

公开(公告)号：CN115034653A

公开(公告)日：2022-09-09

申请号：CN202210738071.6

申请日：2022-06-27

Applicant: 暨南大学

Inventor： 郭洪飞 ,  陈世帆 ,  张恒基 ,  黄祖艺 ,  洪晓杰 ,  姜涛 ,  李建庆

IPC: G06Q10/06 ,  G06N3/12

Abstract: 本发明涉及用于人工智能技术领域，具体涉及一种基于transformer的端到端动态作业车间调度模型，可以应用于不同尺寸的DJSSP(作业车间调度问题)。由特征提取模块、特征压缩模块、动作选择模块所构成。特征提取模块提取生产环境特征，并利用特征压缩模块将生产环境的特征进一步压缩成定长向量。然后，动作选择模块根据压缩后的能够反映生产环境状态的定长向量，实时选择简单优先级规则。本发明所建立的模型是Transformer在DJSSP中的第一个应用，不仅提高了工业调度的生产能力，而且为未来深度学习在DJSSP中的研究提供了范式。

公开(公告)号：CN113282787B

公开(公告)日：2022-01-04

申请号：CN202110567524.9

申请日：2021-05-24

Applicant: 暨南大学

Inventor： 郭洪飞 ,  廖梓钧 ,  陈世帆 ,  曾云辉 ,  何智慧 ,  吴千华 ,  蔡泽炬 ,  张恒基

IPC: G06F16/735 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明提出一种基于强化学习的个性化短视频推荐方法以及系统，个性化短视频推荐方法包括：收集单个用户的历史记录，得到真实数据分布和专家轨迹；将真实数据分布输入GAN‑SD算法，对用户的特征进行建模，得到用户特征分布；将用户特征分布和专家轨迹输入到MAIL算法，对用户的交互行为建模，得到用户的决策函数；得到用户特征分布和决策函数后，完成对用户的建模；建模推荐引擎和用户的马尔科夫决策过程，用TRPO+ANC算法训练推荐引擎的马尔科夫决策过程，根据得到的累积回报值确定不同动作下的短视频推荐策略，从短视频推荐策略中选择最优的短视频推荐策略，将该策略加载为实际使用的推荐引擎。

公开(公告)号：CN113282787A

公开(公告)日：2021-08-20

申请号：CN202110567524.9

申请日：2021-05-24

Applicant: 暨南大学

Inventor： 郭洪飞 ,  廖梓钧 ,  陈世帆 ,  曾云辉 ,  何智慧 ,  吴千华 ,  蔡泽炬 ,  张恒基

IPC: G06F16/735 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明提出一种基于强化学习的个性化短视频推荐方法以及系统，个性化短视频推荐方法包括：收集单个用户的历史记录，得到真实数据分布和专家轨迹；将真实数据分布输入GAN‑SD算法，对用户的特征进行建模，得到用户特征分布；将用户特征分布和专家轨迹输入到MAIL算法，对用户的交互行为建模，得到用户的决策函数；得到用户特征分布和决策函数后，完成对用户的建模；建模推荐引擎和用户的马尔科夫决策过程，用TRPO+ANC算法训练推荐引擎的马尔科夫决策过程，根据得到的累积回报值确定不同动作下的短视频推荐策略，从短视频推荐策略中选择最优的短视频推荐策略，将该策略加载为实际使用的推荐引擎。