【摘要】针对物流装备制造企业对外服务业务的工具箱在客户间流转进行研究,提出了一种新的调度方法。首先描述了工具箱调度的重要性,分析了现有工具箱调度的现状和需求,建立了对外服务业务对象模型,在客户需求、工具箱内容、时间状态、就近原则、工具箱使用频度等约束条件下,筛选出适合具体任务的工具箱,在此基础上应用深度学习算法,选出符合任务要求的工具箱,进行工具组合,从而实现多目标决策。实验设计四种对象,采用特征值归一化方法,并将训练后的网络模型分配属性权重,进一步,当推荐的案例未能满足给定的相似度阈值时,引入属性优先级的概念,通过多隐层的数据采样,将局部优化结果组合,并在原有的逐层预训练和整体精调之间进行额外的预训练,有效地提高了学习精度。最后进行算例分析,证明了这种调度算法的可行性。