本發(fā)明涉及人工智能技術(shù)，尤其涉及基于人工智能的數(shù)字化項目管理方法及系統(tǒng)。

背景技術(shù)：

1、現(xiàn)有的資源管理方法缺乏對多維度資源約束的全面考慮。通常只關(guān)注單一維度的資源約束，如時間或空間維度，而忽視了資源類型、數(shù)量等多維度約束因素的綜合影響，導(dǎo)致資源配置不夠精準(zhǔn)，難以實現(xiàn)資源的最優(yōu)化利用。

2、其次，傳統(tǒng)的資源調(diào)度方法往往采用靜態(tài)的調(diào)度策略，無法及時響應(yīng)工程建設(shè)過程中的動態(tài)變化。這種固定的調(diào)度方案難以適應(yīng)實際施工中的各種突發(fā)情況和資源狀態(tài)的實時變化，容易造成資源浪費或工程進(jìn)度延誤。

3、最后，現(xiàn)有的資源協(xié)同管理系統(tǒng)缺乏智能化和自適應(yīng)能力。在資源調(diào)度執(zhí)行過程中，無法實時監(jiān)控資源狀態(tài)，難以及時發(fā)現(xiàn)和解決資源調(diào)度中的沖突問題。同時，系統(tǒng)缺乏自我優(yōu)化和學(xué)習(xí)能力，無法根據(jù)歷史數(shù)據(jù)和實時反饋不斷改進(jìn)調(diào)度策略，導(dǎo)致資源調(diào)度效率低下，難以實現(xiàn)真正的智能化協(xié)同管理。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供基于人工智能的數(shù)字化項目管理方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中的問題。

2、本發(fā)明實施例的第一方面，

3、提供基于人工智能的數(shù)字化項目管理方法，包括：

4、采集電網(wǎng)工程建設(shè)資源數(shù)據(jù)，所述電網(wǎng)工程建設(shè)資源數(shù)據(jù)包括物資資源數(shù)據(jù)、設(shè)備資源數(shù)據(jù)和施工場地資源數(shù)據(jù)；基于所述電網(wǎng)工程建設(shè)資源數(shù)據(jù)構(gòu)建多層級資源約束矩陣，所述多層級資源約束矩陣包括時間維度約束子矩陣、空間維度約束子矩陣和資源類型約束子矩陣；將所述多層級資源約束矩陣輸入預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，生成電網(wǎng)工程建設(shè)資源協(xié)同優(yōu)化配置模型；

5、基于所述電網(wǎng)工程建設(shè)資源協(xié)同優(yōu)化配置模型，計算各類資源的實時調(diào)度權(quán)重系數(shù)，所述實時調(diào)度權(quán)重系數(shù)用于表征不同資源類型的調(diào)度優(yōu)先級；根據(jù)所述實時調(diào)度權(quán)重系數(shù)構(gòu)建資源調(diào)度目標(biāo)函數(shù)，所述資源調(diào)度目標(biāo)函數(shù)包括資源利用率子函數(shù)、工程進(jìn)度子函數(shù)和成本控制子函數(shù)；采用改進(jìn)蟻群算法對所述資源調(diào)度目標(biāo)函數(shù)進(jìn)行迭代優(yōu)化求解，生成最優(yōu)資源調(diào)度方案，其中，改進(jìn)蟻群算法在蟻群算法的基礎(chǔ)上引入動態(tài)啟發(fā)因子和局部搜索機制以及全局更新規(guī)則；

6、將所述最優(yōu)資源調(diào)度方案輸入預(yù)設(shè)的智能協(xié)同控制器，所述智能協(xié)同控制器包括資源狀態(tài)監(jiān)控模塊、沖突檢測模塊和調(diào)度優(yōu)化模塊；所述資源狀態(tài)監(jiān)控模塊實時監(jiān)控各類資源的調(diào)度執(zhí)行狀態(tài)，所述沖突檢測模塊基于預(yù)設(shè)規(guī)則庫識別資源調(diào)度過程中的沖突事件，所述調(diào)度優(yōu)化模塊根據(jù)所述沖突事件動態(tài)調(diào)整所述最優(yōu)資源調(diào)度方案；將調(diào)整后的最優(yōu)資源調(diào)度方案發(fā)送至各資源調(diào)度執(zhí)行終端，實現(xiàn)電網(wǎng)工程建設(shè)資源的智能協(xié)同調(diào)度。

7、基于所述電網(wǎng)工程建設(shè)資源數(shù)據(jù)構(gòu)建多層級資源約束矩陣，所述多層級資源約束矩陣包括時間維度約束子矩陣、空間維度約束子矩陣和資源類型約束子矩陣；將所述多層級資源約束矩陣輸入預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，生成電網(wǎng)工程建設(shè)資源協(xié)同優(yōu)化配置模型包括：

8、將工程建設(shè)周期按照施工工序劃分為多個時間單元，對每個所述時間單元建立資源可用性向量，所述資源可用性向量包括設(shè)備運行時長參數(shù)、物資供應(yīng)時間參數(shù)和場地占用時間參數(shù)，根據(jù)所述時間單元與所述資源可用性向量的時序映射關(guān)系，生成時間維度約束子矩陣；

9、將工程建設(shè)場地按照施工區(qū)域劃分為多個區(qū)域單元，所述區(qū)域單元的劃分基于施工工序銜接關(guān)系和資源調(diào)配半徑，對每個所述區(qū)域單元建立資源容量向量，所述資源容量向量包括作業(yè)人員容量參數(shù)、機械設(shè)備容量參數(shù)、物資存儲容量參數(shù)和場地承載容量參數(shù)，基于所述區(qū)域單元的空間分布與所述資源容量向量的對應(yīng)關(guān)系，構(gòu)建空間維度約束子矩陣；

10、針對不同資源類型構(gòu)建資源特征識別模型，基于所述資源特征識別模型提取資源屬性特征向量，所述資源屬性特征向量包括資源使用優(yōu)先級特征、資源調(diào)配靈活性特征、資源使用成本特征和資源替代性特征，建立資源類型分類器，所述資源類型分類器采用支持向量機算法對資源進(jìn)行分類，根據(jù)資源類型與所述資源屬性特征向量的關(guān)聯(lián)關(guān)系，生成資源類型約束子矩陣；

11、將所述時間維度約束子矩陣、所述空間維度約束子矩陣和所述資源類型約束子矩陣輸入深度神經(jīng)網(wǎng)絡(luò)模型，所述深度神經(jīng)網(wǎng)絡(luò)模型包括輸入層、三個隱藏層和輸出層，相鄰層之間設(shè)置relu激活函數(shù)；

12、基于復(fù)合損失函數(shù)訓(xùn)練所述深度神經(jīng)網(wǎng)絡(luò)模型，所述復(fù)合損失函數(shù)包括資源利用率損失項、時空約束違背損失項和資源協(xié)同效率損失項，每個損失項設(shè)置對應(yīng)的權(quán)重系數(shù)；在所述深度神經(jīng)網(wǎng)絡(luò)模型的每個所述隱藏層后設(shè)置dropout層，所述dropout層的丟棄率為零點三，添加l2正則化權(quán)重衰減項；

13、采用adam優(yōu)化器對所述深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，設(shè)置初始學(xué)習(xí)率，并根據(jù)訓(xùn)練輪次動態(tài)調(diào)整所述學(xué)習(xí)率，生成電網(wǎng)工程建設(shè)資源協(xié)同優(yōu)化配置模型。

14、基于所述電網(wǎng)工程建設(shè)資源協(xié)同優(yōu)化配置模型，計算各類資源的實時調(diào)度權(quán)重系數(shù)，所述實時調(diào)度權(quán)重系數(shù)用于表征不同資源類型的調(diào)度優(yōu)先級；根據(jù)所述實時調(diào)度權(quán)重系數(shù)構(gòu)建資源調(diào)度目標(biāo)函數(shù)，所述資源調(diào)度目標(biāo)函數(shù)包括資源利用率子函數(shù)、工程進(jìn)度子函數(shù)和成本控制子函數(shù)包括：

15、構(gòu)建資源評估指標(biāo)體系，所述資源評估指標(biāo)體系包括時效性指標(biāo)、關(guān)鍵度指標(biāo)、可替代性指標(biāo)和協(xié)同度指標(biāo)，其中，

16、所述時效性指標(biāo)通過任務(wù)截止時間、當(dāng)前時間和計劃工期計算得到一級時效性指標(biāo)，通過關(guān)聯(lián)工序權(quán)重與資源工序關(guān)聯(lián)系數(shù)計算得到二級時效性指標(biāo)；所述關(guān)鍵度指標(biāo)基于工序網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中工序最長路徑長度與關(guān)鍵路徑長度的比值以及資源使用強度計算得到；所述可替代性指標(biāo)基于資源特征相似度矩陣與替代成本系數(shù)矩陣計算得到；所述協(xié)同度指標(biāo)基于資源協(xié)同效率矩陣計算資源節(jié)點中心度得到；

17、建立指標(biāo)重要性評估矩陣，所述指標(biāo)重要性評估矩陣的矩陣元素表征所述資源評估指標(biāo)體系中不同指標(biāo)間的相對重要程度，基于所述指標(biāo)重要性評估矩陣計算得到初始權(quán)重向量，構(gòu)建時變調(diào)節(jié)因子，所述時變調(diào)節(jié)因子與工程總工期和調(diào)節(jié)系數(shù)相關(guān)，基于所述初始權(quán)重向量、所述時變調(diào)節(jié)因子以及資源評估指標(biāo)中各個指標(biāo)的歸一化得分，生成資源調(diào)度動態(tài)權(quán)重；

18、所述資源調(diào)度目標(biāo)函數(shù)包括資源利用率子函數(shù)、工程進(jìn)度子函數(shù)和成本控制子函數(shù)，所述資源利用率子函數(shù)基于實際利用率、計劃利用率和資源效能系數(shù)計算得到，所述工程進(jìn)度子函數(shù)基于實際進(jìn)度、計劃進(jìn)度和進(jìn)度影響因子計算得到，所述成本控制子函數(shù)基于實際成本、計劃成本和成本敏感系數(shù)計算得到；

19、采用模糊層次分析法確定所述資源利用率子函數(shù)、所述工程進(jìn)度子函數(shù)和所述成本控制子函數(shù)對應(yīng)的資源調(diào)度動態(tài)權(quán)重，基于所述資源調(diào)度動態(tài)權(quán)重對各個子函數(shù)進(jìn)行線性加權(quán)組合得到資源調(diào)度目標(biāo)函數(shù)。

20、采用改進(jìn)蟻群算法對所述資源調(diào)度目標(biāo)函數(shù)進(jìn)行迭代優(yōu)化求解，生成最優(yōu)資源調(diào)度方案包括：

21、建立信息素矩陣，所述信息素矩陣的行向量表示可用資源，列向量表示任務(wù)需求，矩陣元素根據(jù)信息素衰減系數(shù)與前一時刻信息素矩陣的乘積以及信息素增量確定，所述信息素增量由螞蟻經(jīng)過路徑的所述資源調(diào)度目標(biāo)函數(shù)對應(yīng)的目標(biāo)值計算得到；

22、計算資源調(diào)度決策距離，所述資源調(diào)度決策距離基于所述可用資源與任務(wù)需求的匹配度確定，根據(jù)所述資源調(diào)度決策距離計算動態(tài)啟發(fā)因子，所述動態(tài)啟發(fā)因子通過所述資源調(diào)度決策距離的倒數(shù)與動態(tài)調(diào)節(jié)系數(shù)的冪運算得到；

23、基于所述信息素矩陣與所述動態(tài)啟發(fā)因子計算狀態(tài)轉(zhuǎn)移概率，初始化蟻群搜索路徑，根據(jù)所述狀態(tài)轉(zhuǎn)移概率在滿足預(yù)設(shè)約束條件列表的情況下隨機生成初始螞蟻種群的資源調(diào)度方案，計算每個資源調(diào)度方案對應(yīng)的所述資源調(diào)度目標(biāo)函數(shù)對應(yīng)的目標(biāo)值，將所述目標(biāo)值最小的資源調(diào)度方案記錄為當(dāng)前最優(yōu)解，其中，預(yù)設(shè)約束條件列表包括資源層約束、任務(wù)層約束與系統(tǒng)層約束；

24、執(zhí)行蟻群迭代搜索，基于所述狀態(tài)轉(zhuǎn)移概率為每只螞蟻確定新的資源調(diào)度決策方案；在每輪迭代中采用局部搜索機制優(yōu)化當(dāng)前最優(yōu)解，通過定義以當(dāng)前最優(yōu)解為中心的鄰域結(jié)構(gòu)計算移動增量，基于所述移動增量與metropolis準(zhǔn)則判斷是否接受鄰域內(nèi)的候選解；

25、根據(jù)局部搜索結(jié)果更新全局最優(yōu)解，當(dāng)出現(xiàn)優(yōu)于當(dāng)前最優(yōu)解的全局最優(yōu)解時，更新所述信息素矩陣并重置局部搜索次數(shù)，同時記錄新的全局最優(yōu)解；當(dāng)達(dá)到最大迭代次數(shù)時停止迭代，輸出最優(yōu)資源調(diào)度方案。

26、所述調(diào)度優(yōu)化模塊根據(jù)所述沖突事件動態(tài)調(diào)整所述最優(yōu)資源調(diào)度方案包括：

27、獲取任務(wù)狀態(tài)向量、資源狀態(tài)向量以及沖突狀態(tài)向量，將所述任務(wù)狀態(tài)向量、所述資源狀態(tài)向量以及所述沖突狀態(tài)向量組合構(gòu)建狀態(tài)空間向量；基于所述狀態(tài)空間向量建立約束條件集；

28、獲取所有任務(wù)的持續(xù)時間，確定最大任務(wù)持續(xù)時間，將所述最大任務(wù)持續(xù)時間與預(yù)設(shè)時間系數(shù)的乘積作為基準(zhǔn)窗口大??；根據(jù)所述基準(zhǔn)窗口大小計算滾動步長，所述滾動步長為所述基準(zhǔn)窗口大小與步長系數(shù)的乘積，所述步長系數(shù)取值范圍為0.2至0.5；根據(jù)所述基準(zhǔn)窗口大小確定預(yù)測區(qū)間，所述預(yù)測區(qū)間為所述基準(zhǔn)窗口大小與預(yù)測系數(shù)的乘積，所述預(yù)測系數(shù)大于等于2；在所述預(yù)測區(qū)間內(nèi)，基于所述約束條件集采用滾動優(yōu)化方法生成多個候選調(diào)整方案；

29、構(gòu)建任務(wù)依賴圖，所述任務(wù)依賴圖的節(jié)點表示任務(wù)，邊表示任務(wù)間的依賴關(guān)系；采用關(guān)鍵路徑算法從所述任務(wù)依賴圖中識別關(guān)鍵路徑，所述關(guān)鍵路徑表示對總工期影響最大的任務(wù)鏈；基于所述關(guān)鍵路徑計算每個任務(wù)的優(yōu)先級，所述優(yōu)先級與任務(wù)在關(guān)鍵路徑上的位置及其后繼任務(wù)數(shù)量正相關(guān)；根據(jù)所述任務(wù)優(yōu)先級對任務(wù)進(jìn)行分解重組，生成重組方案；

30、構(gòu)建資源能力矩陣，所述資源能力矩陣的行表示資源，列表示能力指標(biāo)，矩陣元素表示資源的具體能力值；構(gòu)建任務(wù)需求向量，所述任務(wù)需求向量的每個分量表示任務(wù)對應(yīng)能力指標(biāo)的需求值；基于所述資源能力矩陣和所述任務(wù)需求向量采用余弦相似度計算任務(wù)與資源的匹配程度；根據(jù)所述匹配程度對所述重組方案中的任務(wù)進(jìn)行資源分配，生成資源分配方案；

31、實時計算沖突影響程度，所述沖突影響程度與沖突數(shù)量、沖突強度及沖突波及范圍正相關(guān)；計算調(diào)整方案的調(diào)整代價，所述調(diào)整代價與資源重分配數(shù)量、任務(wù)延遲時間及系統(tǒng)性能損失正相關(guān)；當(dāng)所述沖突影響程度小于第一預(yù)設(shè)閾值且所述調(diào)整代價小于第二預(yù)設(shè)閾值時，從所述候選調(diào)整方案中選擇資源調(diào)度目標(biāo)函數(shù)的目標(biāo)值最大的方案作為輸出方案，否則采用所述資源分配方案作為輸出方案。

32、所述任務(wù)狀態(tài)向量包含任務(wù)完成度、任務(wù)緊急度及任務(wù)依賴關(guān)系，所述資源狀態(tài)向量包含資源占用率、資源剩余能力及資源可用時間段，所述沖突狀態(tài)向量包含沖突類型、沖突影響范圍及沖突持續(xù)時長；

33、所述約束條件集包含時序約束、資源約束以及空間約束，其中所述時序約束定義任務(wù)執(zhí)行的前后順序關(guān)系，所述資源約束定義資源能力上下限及互斥關(guān)系，所述空間約束定義任務(wù)執(zhí)行的空間分布要求。

34、本發(fā)明實施例的第二方面，

35、提供基于人工智能的數(shù)字化項目管理系統(tǒng)，包括：

36、第一單元，用于采集電網(wǎng)工程建設(shè)資源數(shù)據(jù)，所述電網(wǎng)工程建設(shè)資源數(shù)據(jù)包括物資資源數(shù)據(jù)、設(shè)備資源數(shù)據(jù)和施工場地資源數(shù)據(jù)；基于所述電網(wǎng)工程建設(shè)資源數(shù)據(jù)構(gòu)建多層級資源約束矩陣，所述多層級資源約束矩陣包括時間維度約束子矩陣、空間維度約束子矩陣和資源類型約束子矩陣；將所述多層級資源約束矩陣輸入預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)模型，生成電網(wǎng)工程建設(shè)資源協(xié)同優(yōu)化配置模型；

37、第二單元，用于基于所述電網(wǎng)工程建設(shè)資源協(xié)同優(yōu)化配置模型，計算各類資源的實時調(diào)度權(quán)重系數(shù)，所述實時調(diào)度權(quán)重系數(shù)用于表征不同資源類型的調(diào)度優(yōu)先級；根據(jù)所述實時調(diào)度權(quán)重系數(shù)構(gòu)建資源調(diào)度目標(biāo)函數(shù)，所述資源調(diào)度目標(biāo)函數(shù)包括資源利用率子函數(shù)、工程進(jìn)度子函數(shù)和成本控制子函數(shù)；采用改進(jìn)蟻群算法對所述資源調(diào)度目標(biāo)函數(shù)進(jìn)行迭代優(yōu)化求解，生成最優(yōu)資源調(diào)度方案，其中，改進(jìn)蟻群算法在蟻群算法的基礎(chǔ)上引入動態(tài)啟發(fā)因子和局部搜索機制以及全局更新規(guī)則；

38、第三單元，用于將所述最優(yōu)資源調(diào)度方案輸入預(yù)設(shè)的智能協(xié)同控制器，所述智能協(xié)同控制器包括資源狀態(tài)監(jiān)控模塊、沖突檢測模塊和調(diào)度優(yōu)化模塊；所述資源狀態(tài)監(jiān)控模塊實時監(jiān)控各類資源的調(diào)度執(zhí)行狀態(tài)，所述沖突檢測模塊基于預(yù)設(shè)規(guī)則庫識別資源調(diào)度過程中的沖突事件，所述調(diào)度優(yōu)化模塊根據(jù)所述沖突事件動態(tài)調(diào)整所述最優(yōu)資源調(diào)度方案；將調(diào)整后的最優(yōu)資源調(diào)度方案發(fā)送至各資源調(diào)度執(zhí)行終端，實現(xiàn)電網(wǎng)工程建設(shè)資源的智能協(xié)同調(diào)度。

39、本發(fā)明實施例的第三方面，

40、提供一種電子設(shè)備，包括：

41、處理器；

42、用于存儲處理器可執(zhí)行指令的存儲器；

43、其中，所述處理器被配置為調(diào)用所述存儲器存儲的指令，以執(zhí)行前述所述的方法。

44、本發(fā)明實施例的第四方面，

45、提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)前述所述的方法。

46、本技術(shù)的有益效果如下：

47、1.?提高資源配置效率和精準(zhǔn)度：

48、本發(fā)明通過采集電網(wǎng)工程建設(shè)的多維資源數(shù)據(jù)，構(gòu)建多層級資源約束矩陣，并利用深度神經(jīng)網(wǎng)絡(luò)模型生成資源協(xié)同優(yōu)化配置模型。這種方法能夠全面考慮時間、空間和資源類型等多個維度的約束條件，實現(xiàn)對電網(wǎng)工程建設(shè)資源的精準(zhǔn)配置，顯著提高資源配置的效率和準(zhǔn)確性。

49、2.?優(yōu)化資源調(diào)度方案：

50、本發(fā)明引入實時調(diào)度權(quán)重系數(shù)，構(gòu)建包含資源利用率、工程進(jìn)度和成本控制等多個子函數(shù)的資源調(diào)度目標(biāo)函數(shù)。通過改進(jìn)的蟻群算法進(jìn)行迭代優(yōu)化求解，能夠生成更加合理和高效的資源調(diào)度方案。改進(jìn)后的蟻群算法引入了動態(tài)啟發(fā)因子、局部搜索機制和全局更新規(guī)則，進(jìn)一步提高了算法的收斂速度和求解質(zhì)量。

51、3.?實現(xiàn)智能協(xié)同調(diào)度：

52、本發(fā)明采用智能協(xié)同控制器，包括資源狀態(tài)監(jiān)控、沖突檢測和調(diào)度優(yōu)化等模塊，能夠?qū)崟r監(jiān)控資源調(diào)度執(zhí)行狀態(tài)，及時識別和處理調(diào)度過程中的沖突事件，并動態(tài)調(diào)整調(diào)度方案。這種智能協(xié)同調(diào)度機制大大提高了電網(wǎng)工程建設(shè)資源調(diào)度的靈活性和適應(yīng)性，有效應(yīng)對復(fù)雜多變的工程環(huán)境，確保資源調(diào)度的連續(xù)性和高效性。