买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽农业大学;安徽安宠宠物用品有限公司

摘要：本发明公开了一种基于双层异构图神经网络的企业协同制造决策方法，采用图神经网络对产业链以及企业内部工作关系进行建模，并利用企业数据进行训练。相较于传统的针对单一领域的工作流建模方法，本发明可获得应用范围更广，覆盖多个产业流程的关系模型。采用双层异构图神经网络，首先将产业链模型训练产生粗粒度的生产决策，然后将粗粒度决策与企业内部协同网络进行耦合，进一步产生细粒度的生产决策。采用双层异构图神经网络方法可直接对其中复杂企业关系和企业内部关系进行耦合分析,针对所做出的决策，将其输入决策评价系统进行分析，得到决策的综合质量评估，形成对最终决策结果的反馈优化，较传统人工决策和单一行业决策更全面，可行度更高。

主权项：1.一种基于双层异构图神经网络的企业协同制造决策方法，其特征在于，包括以下步骤：S1、企业间数据获取与处理；所述企业间数据获取，通过爬虫获取的大量企业静态和动态图谱数据；所述企业间数据处理，将企业静态和动态图谱数据转换为图结构节点-节点类型数据，公司特征主要包含两种类型的输入信息-数字信息和文字信息，将数字信息和文字信息相结合，得到了企业特征的深度表征；所述企业特征的深度表征，根据异构输入为每个公司生成节点嵌入：具体来说，对于每个企业文字描述则采用词序列wi＝{w1,w2，…,wt}，首先利用word2vec将序列中的每个单词wt转换为一个n维的预先训练的单词嵌入向量；考虑到企业文字描述有不同的长度，我们利用双向门控循环单元Bi-GRU保留了大部分企业文字信息的前后上下文信息；形式上，给定企业的描述序列wi＝{w1,w2,…,wT}与序列长度T，将第一层的输入Bi-GRU定义为： 在时间步长t时，前向隐藏状态和后向隐藏状态为每一层i根据之前的隐藏状态和更新，两个方向分别为: 其中，和分别表示要学习的前向和后向GRU参数；为了提取企业描述中的深层上下文关系，引入具有Bi-GRU层的GRU结构；将数字信息和文字信息相结合，得到了企业特征的深度表征；为得到最后一个时间步长的公司v描述序列表示，为获得结合了数字信息和文字信息的企业特征的深度表达向量xv，将与连接： 每个特征向量只能描述企业的信息，并没有考虑与其他企业的关系，所有公司之间的各种关系用企业关系图G表示：G＝V,E,W其中，V代表企业节点，E为企业间的关系，W代表企业间关系权重；所有企业的统一表示不仅要包含节点的特征，还要包含企业关系图G中的结构信息，由于企业关系图G中的每个节点之间存在多重关系，我们采用关系图卷积网络对其生成嵌入；对于每个企业节点及其输入特性{fv}作为初始节点特征，通过i层其他节点传递的消息计算节点v的嵌入： 其中，σ为激活函数，为公司v关系为r的邻居，cv,r节点v和关系r的归一化常数，可以学习或提前选择，和是两个需要学习的权矩阵；S2、建立双层异构图神经网络的企业协同制造决策模型；所述双层异构图神经网络的企业协同制造决策模型，包括企业间的协同制造模型和企业内部职能关系的协同模型；所述企业间的协同制造模型，采用邻接矩阵+自注意力机制的方式获取企业的图结构，利用企业的空间信息和特征信息获取企业的协同关系，然后使用图神经网络对企业之间信息进行耦合；所述企业内部职能关系的协同模型，利用深度优先搜索方法获取企业的合作邻居关系，通过职能模块划分实现跨企业间职能部门信息传递，然后聚合企业间的协同制造模型的输出结果实现企业职能部门的细粒度决策，并通过自学习实现决策反馈和优化；S3、训练模型，并基于模型生产决策，通过决策反馈调整模型。

全文数据：

权利要求：

百度查询： 安徽农业大学 安徽安宠宠物用品有限公司 一种基于双层异构图神经网络的企业协同制造决策方法