一种基于人工智能的多任务自动分配方法及系统技术方案

本发明专利技术公开了一种基于人工智能的多任务自动分配方法及系统，涉及人工智能技术领域。本发明专利技术通过调度节点接收基础属性数据，将这些信息生成基本调度表，向调度节点分发任务时，由调度节点检查是否存在可使用的调度分配模型，存在则根据分配模型计算出最佳处理节点，直接处理，如果没有则根据基本调度表内的基础属性数据进行随机分配处理节点，所有处理节点把数据处理完毕后再统一上报调度节点，由调度节点对基本调度表进行更新，记录这些处理节点的工作数据，达到了提高人工智能机器人在大型多任务系统中，可自动化扩增系统处理量，在保证处理质量的前提下，同时还能最大化最优化分配处理节点的效果，提高了处理效率的效果。提高了处理效率的效果。提高了处理效率的效果。

【技术实现步骤摘要】
一种基于人工智能的多任务自动分配方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的多任务自动分配方法及系统。

技术介绍

[0002]机器人是未来最具发展潜力的产业领域之一，在工业、农业、服务业等领域，应用越来越广泛。随着机器人技术的不断发展，人类对机器人的需求，已从单一机器人系统转移到多机器人系统。在多机器人协同工作控制过程中，多机器人任务分配是其中的重要任务。多机器人任务分配，是指在具有多个机器人、多个任务点的环境中，将环境中的任务点根据合理的分配策略，分配给每个机器人，在任务分配时，将任务点分配给所需代价最小的机器人，而这些机器人在进行任务处理前还要进行多任务学习，多任务学习，就是一种让机器模仿人类学习行为的一种方法。指的是涉及多个相关的任务同时并行学习，梯度同时反向传播，利用包含在相关任务训练信号中的特定领域的信息来改进泛化能力，通过在多个任务的学习中，共享有用的信息来帮助每个任务的学习都得到提升的一个更为准确的学习模型。针对现有技术存在以下问题：
[0003]现有的机器人在面对多任务点的环境中工作时，系统处理量大幅增加，导致出现处理速度缓慢，处理效率低的问题，同时现有的人工智能机器人在处理新任务时，还需要人工进行干预才能进行学习，导致出现了大大提高人工处理所耗费的时间和精力，提高成本的问题。

技术实现思路

[0004]本专利技术提供一种基于人工智能的多任务自动分配方法及系统，以解决上述
技术介绍
中提出的问题。
[0005]为解决上述技术问题，本专利技术所采用的技术方案是：
[0006]一种基于人工智能的多任务自动分配方法及系统，该基于人工智能的多任务自动分配方法包括以下步骤：
[0007]步骤一：生成基础调度表；
[0008]步骤二：更新基本调度表；
[0009]步骤三：检查调度节点；
[0010]步骤四：任务上报；
[0011]步骤五：记录数据；
[0012]步骤六：检查处理节点。
[0013]本专利技术技术方案的进一步改进在于：系统中各处理节点向调度节点注册本节点，同时上报本节点基础属性数据，包括不限于计算能力、存储能力、网络连接性等，调度节点将使用这些信息来生成基础调度表。
[0014]本专利技术技术方案的进一步改进在于：调度节点记录处理节点上报的基础数据并以
此建立或更新基本调度表。
[0015]本专利技术技术方案的进一步改进在于：任务进件时由调度节点检查是否存在调度分配模型，如有则依据分配模型计算出最佳处理节点，如无则根据基本调度表随机分配处理节点。
[0016]本专利技术技术方案的进一步改进在于：处理节点任务处理完毕后统一将处理结果上报至调度节点。
[0017]本专利技术技术方案的进一步改进在于：调度节点更新基本调度表，记录处理节点的工作数据。
[0018]本专利技术技术方案的进一步改进在于：调度节点检测是否每个处理节点都有历史处理结果数据来训练模型，如无则继续等待，如有则通过处理结果数据使用无监督训练和在线学习的方式创建或更新分配模型，等待下一次任务调度。
[0019]由于采用了上述技术方案，本专利技术相对现有技术来说，取得的技术进步是：
[0020]1、本专利技术提供一种基于人工智能的多任务自动分配方法，采用调度节点、基本调度表、处理节点的配合，通过调度节点接收基础属性数据，将这些信息生成基本调度表，向调度节点分发任务时，由调度节点检查是否存在可使用的调度分配模型，存在则根据分配模型计算出最佳处理节点，直接处理，如果没有则根据基本调度表内的基础属性数据进行随机分配处理节点，所有处理节点把数据处理完毕后再统一上报调度节点，由调度节点对基本调度表进行更新，记录这些处理节点的工作数据，解决了现有的机器人在面对多任务点的环境中工作时，系统处理量大幅增加，导致出现处理速度缓慢，处理效率低的问题，达到了提高人工智能机器人在大型多任务系统中，可自动化扩增系统处理量，在保证处理质量的前提下，同时还能最大化最优化分配处理节点的效果，提高了处理效率的效果。
[0021]2、本专利技术提供一种基于人工智能的多任务自动分配方法，通过调度节点检测每个处理节点是否都有历史处理结果数据来训练模型，方便提高训练效率，如处理节点都没有则继续等待，如其中某个处理节点有历史处理结果数据则通过处理结果数据使用无监督训练和在线学习的方式创建或更新分配模型进行学习，并等待下一次任务调度，解决了现有的人工智能机器人在处理新任务时，还需要人工进行干预才能进行学习，导致出现了大大提高人工处理所耗费的时间和精力，提高成本的问题，达到了使机器人无需人工干预即可自动学习新的内容，实时进行更新和创建新模型，有效降低了运行成本，并减少了人工处理所耗费的时间和精力的效果。
[0022]3、本专利技术提供一种基于人工智能的多任务自动分配方法，采用处理节点、调度节点的配合，通过将系统中各处理节点向调度节点注册本节点，同时上报本节点基础属性数据，包括不限于计算能力、存储能力、网络连接性等，调度节点再将这些信息统一生成基础调度表，达到了方便数据的整合，提高系统数据采集能力的效果。
附图说明
[0023]图1为本专利技术的流程示意图；
[0024]图2为本专利技术的系统示意图。
具体实施方式
[0025]下面结合实施例对本专利技术做进一步详细说明：
[0026]实施例1
[0027]如图1所示，本专利技术提供了一种基于人工智能的多任务自动分配方法及系统，该基于人工智能的多任务自动分配方法包括以下步骤：
[0028]步骤一：生成基础调度表；
[0029]步骤二：更新基本调度表；
[0030]步骤三：检查调度节点；
[0031]步骤四：任务上报；
[0032]步骤五：记录数据；
[0033]步骤六：检查处理节点。
[0034]系统中各处理节点向调度节点注册本节点，同时上报本节点基础属性数据，包括不限于计算能力、存储能力、网络连接性等，调度节点将使用这些信息来生成基础调度表，调度节点记录处理节点上报的基础数据并以此建立或更新基本调度表。
[0035]在本实施例中，不同配置机型在运行同一软件时表现出来的运行速度是有差别的，与计算能力强的机型相比，计算能力较弱的机型在同一款运行软件时所需要的时间长，因此得出不同机器人所持有的计算能力，存储能力指系统可配内存的容量，由可配内存条的数目和单条内存条容量决定机器人的存储能力，网络连接性则是指人工智能机器人的网络连接稳定性，通过调度节点接收这些基础属性数据后，即可将这些信息数据生成基本调度表。
[0036]实施例2
[0037]如图1所示，在实施例1的基础上，本专利技术提供一种基于人工智能的多任务自动分配方法技术方案：优选的，任务进件时由调度节点检查是否存在调度分配模型，如有则依据分配模型计算出最佳处理节点，如无则根据基本调度表随机分配处理节点，处理节点任务处理完毕后统一将处理结果上报至调度节点，调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的多任务自动分配方法，其特征在于：该基于人工智能的多任务自动分配方法包括以下步骤：步骤一：生成基础调度表；步骤二：更新基本调度表；步骤三：检查调度节点；步骤四：任务上报；步骤五：记录数据；步骤六：检查处理节点。2.根据权利要求1所述的一种基于人工智能的多任务自动分配方法，其特征在于：系统中各处理节点向调度节点注册本节点，同时上报本节点基础属性数据，包括不限于计算能力、存储能力、网络连接性等，调度节点将使用这些信息来生成基础调度表。3.根据权利要求1所述的一种基于人工智能的多任务自动分配方法，其特征在于：调度节点记录处理节点上报的基础数据并以此建立或更新基本调度表。4.根据权利要求1所述的一种基于人工智能的多任务自动分配方法，其特征在于：任务进件时由调度节点检查是否存在...

【专利技术属性】
技术研发人员：秦国庆，陶润东，
申请(专利权)人：南京桔加信息科技有限公司，
类型：发明
国别省市：