一种基于DQN算法原理的工作流调度方法技术

本发明专利技术公开一种基于DQN算法原理的工作流调度方法。本发明专利技术属于办公自动化领域，用于OA工作流的优化。所述工作流调度系统分为工作流实例处理模块、状态观测模块、双DQN训练模块、智能化综合调度模块四大部分。所述工作流调度系统对OA系统业务流转过程提供辅助办公提示——包括流转决策以及办理优先级，最终达到提升办公效率和质量的目的。为此本发明专利技术设计了用于处理智能服务请求的DQN多规则选择算法模块，按照在开发应用过程中提供的团体接口标准以及数据库架构设计方案实施落地。该算法通过强化学习方法与深度学习网络对当前OA系统工作流引擎运行状态进行特征分析，通过从规则库中选择恰当的规则进而给出工作流调度方案的智能推荐。智能推荐。智能推荐。

【技术实现步骤摘要】
一种基于DQN算法原理的工作流调度方法


[0001]本专利技术涉及OA智能化技术范畴是广泛应用的数据驱动工作流技术，具体细分为数据驱动工作流的智能化。

技术介绍

[0002]传统OA工作流系统基于最基本的业务流程规则(例：对当前的可执行审批环节，其前提条件必须满足，前提条件指另外一个或几个审批环节的进行状态)进行流转，没有或者很少有控制调度策略参与其中，流程的流转依赖于员工的经验进行。由于新手不熟悉业务以及其他各类意外情况导致的业务办理时间延误对政务系统的服务职能造成了负面的影响。
[0003]与此同时，企业和组织在漫长运营周期内积累了大量业务数据和日志，但大部分公司仅仅将数据闲置于数据库中，并未加以利用。随着存储介质的发展，大数据存储的成本不再高昂，数据驱动工作流技术为企业有效利用这些沉睡数据提供了可能。
[0004]很多公司和机构通过算法挖掘这些沉睡数据的价值，从而构建了由数据驱动的工作流引擎系统。数据驱动工作流部分或者完全摒弃了基于配置项表单的管理方式，并运用智能算法结合主流web技术实现对大量同步到达的工作流业务进行安全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于DQN算法原理的工作流调度方法，其特征在于：所述工作流调度系统包括工作流实例处理模块、状态观测模块、双DQN训练模块、智能化综合调度模块四大部分。工作流实例处理模块负责将总体状态信息解析为对应格式的数据并生成初始的DAG图；双DQN训练模块基于工作流实例处理模块解析得到的结构化数据训练并整定模型参数；状态观测模块负责在训练整定参数和输出调度结果的过程中为双DQN训练模块和智能化综合调度模块提供每一步训练和调度结果输出的状态特征计算。2.根据权利要求1所述的基于DQN算法原理的工作流调度方法，其特征在于：采用TCP/IP协议与目标OA系统实现数据和调度结果信息的交互。整个交互流程通过HttpRequest的方式实现，具有轻量化松耦合的特点。在数据信息交互部分，发明提出在目标OA客户端实现大数据分析计算和建模的方法，并给出了回调时的数据结构，运用边缘计算方法减轻服务器压力。3.根据权利要求1所述的基于DQN算法原理的工作流调度方法，其特征在于：运用强化学习算法解决办公自动化领域的工作流实例综合调度问题，将DDQN网络与办公自动化领域各项状态参数的结合，从而构建了双DQN训练模块、智能化综合调度模块。前者通过在线无监督的方式进行参数的整定，为后者的综合调度输出提供网络参数。4.根据权利要求3所述的双DQN训练模块，其特征在于：所述模块采用双DQN(DDQN)强化学习方法整定Q值网络的参数。所述Q值网络采用人工神经网络进行构建，结构适应于办公自动化领域，由输入层、双隐层、输出层构成。发明提出了如下7个状态观测特征，组成了DDQN网络的...

【专利技术属性】
技术研发人员：于劲松，廖晨阳，张润芝，乐祥立，刘浩，李鑫，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：