并行智能体多任务资源分配冲突消解方法与流程
本发明涉及计算机，更具体地说，本发明涉及并行智能体多任务资源分配冲突消解方法。
背景技术：
1、随着机器人流程自动化rpa技术在金融、制造、政务等领域的规模化部署，单一rpa机器人已难以满足高吞吐量业务需求，并行数字智能体的协同执行成为必然趋势；然而，多个数字智能体在共享应用资源如企业资源规划系统界面、数据库客户端、办公套件等上的并发访问，不可避免地引发资源分配冲突，成为制约rpa引擎整体效率的关键瓶颈。
2、现有并行数字智能体在rpa场景下的资源冲突消解方案，冲突消解决策缺乏数据流语义感知，现有方案将资源冲突视为单纯的时间窗重叠，通过先到先得或固定优先级仲裁，未考虑rpa工作流中任务间的变量输入输出依赖关系，导致让渡决策可能引发下游链路连锁阻塞；
3、缺乏面向ui操作的可逆恢复机制，rpa智能体通过用户界面对外部应用程序执行的实际操作，无法通过传统数据库事务回滚恢复，冲突让渡后通常只能丢弃已执行操作并完全重试，造成资源浪费与执行不确定性；
4、引擎故障切换时令牌状态一致性难以保障，主备切换或执行上下文重建过程中，预占令牌与生效令牌状态同步滞后，易引发幽灵占用或重复分配，导致新纪元下冲突消解策略误判。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供并行智能体多任务资源分配冲突消解方法，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种并行智能体多任务资源分配冲突消解方法，应用于基于有向无环图编排的rpa流程自动化引擎，所述引擎为每个运行的并行数字智能体维护一执行上下文，所有对共享应用资源的访问经由资源访问中介层进行仲裁，所述方法包括以下步骤：
3、s1、资源语义解析与依赖图谱构建：获取多个并行数字智能体各自待执行的任务集合，解析每一任务包含的至少一个资源访问描述符，所述资源访问描述符至少包括：目标共享应用资源标识、访问模式、预计占用时间窗及该任务在其所属rpa工作流编排链路中的下游数据消费节点标识；基于所述下游数据消费节点标识，构建跨智能体的数据流依赖图谱，所述数据流依赖图谱以各智能体为节点，以所述下游数据消费节点标识所表征的数据流传递关系为有向边，所述有向边的权重由所述数据流传递关系中的数据字段敏感度与传递频次共同确定；
4、s2、三层自适应索引结构部署：部署资源占用状态追踪层，所述追踪层维护一布隆过滤器层、一跳表层及一线段树层，所述布隆过滤器层以资源标识为键进行粗粒度冲突预探测，所述跳表层以〈资源标识，时间片区间〉为有序键存储中粒度占用记录，所述线段树层以资源时间轴为区间域组织占用状态的布尔聚合；当所述跳表层中某一资源标识对应的冲突检测次数在滑动窗口内超过预设阈值且该资源的外部不可撤销调用占比超过预设比例时，自动将该资源标识的索引迁移至所述线段树层；
5、s3、语义感知的预声明与令牌签发：对每一资源请求执行预声明阶段：将该资源请求对应的目标共享应用资源标识插入所述布隆过滤器层，在所述跳表层中以该资源请求的预计占用时间窗为区间插入一条候选占用记录，并基于所述数据流依赖图谱计算该智能体的数据流传播影响因子，为该智能体签发一携带所述数据流传播影响因子、当前全局租约纪元标识及局部逻辑时间戳的语义加权临时预占令牌；
6、s4、双重冲突检测与让步序列确定：基于所述跳表层或线段树层执行时间窗交叠冲突检测，当检测到时间窗交叠时，提取冲突涉及的目标共享应用资源和竞争智能体集合，基于所述数据流依赖图谱构建语义因果依赖图增量，对所述语义因果依赖图增量执行拓扑排序以确定让步序列，所述拓扑排序的优先级规则为：数据流传播影响因子越大则优先级越高；
7、s5、级联影响评估与可逆执行帧锚定：在所述让步序列确定后，对被判定为让步方的智能体执行：(a)监测被判定为让步方的智能体的数据流传播影响因子以评估级联影响范围；(b)当所述数据流传播影响因子超过预设级联阈值时，触发工作流实例分裂：在所述rpa流程自动化引擎的工作流编排器中，依据任务依赖矩阵识别受该让步方影响的下游任务子图，将所述下游任务子图克隆为新的工作流实例并分配至备用数字智能体执行，原工作流实例继续执行不受影响的上游任务；当所述原工作流实例与所述新的工作流实例均执行至终止节点时，依据分布式事务标识对账输出变量以保持最终一致性；(c)对未触发分裂的让步方，将其语义加权临时预占令牌降格，将预计占用时间窗压缩为一微切片粒度的可逆执行帧，并在所述可逆执行帧执行前，通过沙箱内的视觉捕获驱动对目标共享应用资源的界面状态进行快照，生成视觉状态锚点；
8、s6、正式提交与智能回收：对通过冲突检测且未被降格为让步方的语义加权临时预占令牌执行正式提交，将其转换为生效占用令牌写入所述跳表层或线段树层的占用记录中，并将对应的目标共享应用资源的解锁回调注册至该智能体的执行上下文销毁钩子中。
9、优选地，所述步骤s1中构建数据流依赖图谱具体包括：
10、遍历各智能体的任务集合，提取每个任务的输入变量集合与输出变量集合；
11、当第一智能体的输出变量集合与第二智能体的输入变量集合存在交集时，在所述数据流依赖图谱中建立从第一智能体指向第二智能体的有向边；
12、计算所述有向边的权重：，其中为所述交集中数据字段的敏感度等级，为所述数据字段在预设历史周期内的跨智能体传递频次，为所述数据字段的字节长度。
13、优选地，所述步骤s3中数据流传播影响因子的计算包括：
14、基于所述数据流依赖图谱，以当前智能体为根节点执行广度优先遍历，计算该智能体的下游可达智能体集合；
15、所述数据流传播影响因子，其中为当前智能体至第个下游可达智能体的最短路径长度，为对应路径上所有有向边权重的乘积；
16、当超过预设影响阈值时，在所述语义加权临时预占令牌中标记该智能体为关键传播节点，使其在所述拓扑排序中获得额外优先级加成。
17、优选地，所述步骤s4中语义因果依赖图增量的构建与拓扑排序具体包括：
18、以每一竞争智能体为节点，查询该智能体的任务集合中各资源访问描述符所关联的流程实例溯源信息，提取每个任务在其所属rpa工作流编排链路中的上游依赖标识；
19、若第一智能体的上游依赖标识出现在第二智能体的已执行轨迹中，则在所述语义因果依赖图中从第一智能体向第二智能体引一条反向依赖边，边权重赋值为该依赖链的长度倒数乘以第二智能体的数据流传播影响因子；
20、对所述语义因果依赖图增量执行深度优先遍历检测是否存在环结构，若存在环则说明发生了交叉等待死锁前兆，此时引入一基于所述数据流传播影响因子方差的随机偏移量打破对称性，强制将环中数据流传播影响因子方差最小的节点所对应的智能体标记为让步方。
21、优选地，所述步骤s5中视觉状态锚点的生成与一致性校验具体包括：
22、在所述沙箱内拦截对目标共享应用资源的界面操作调用，在操作执行前捕获目标窗口的界面状态快照，并提取该窗口的控件层级树指纹或自动化标识符集合作为界面特征向量，存入所述视觉状态锚点；
23、当触发回滚至让渡点后重新执行前，重新捕获当前窗口的界面特征向量并与所述视觉状态锚点进行比对，若相似度低于预设阈值，则触发异常告警并暂停该智能体，由编排器决定回退至最近检查点重跑或人工介入。
24、优选地，所述步骤s5中工作流实例分裂还包括：
25、在原工作流实例的分裂点设置同步屏障，所述新的工作流实例在备用智能体上从所述下游任务子图的入口任务开始执行；
26、所述新的工作流实例的输出变量在终止节点写入共享变量池时携带所述分布式事务标识，所述原工作流实例在终止节点依据所述分布式事务标识对共享变量池中对应键做覆盖归集，以保证最终一致。
27、优选地，还包括冲突热区自适应退避与索引动态调优步骤：
28、维护以资源标识为键的冲突频次计数器，当某一目标共享应用资源在滑动窗口内触发的冲突检测次数超过预设阈值时，将该资源标记为冲突热区；
29、对所述冲突热区后续到达的新资源请求强制执行指数退避延时，所述延时基数与所述数据流传播影响因子成反比；
30、同时对该冲突热区的索引结构进行动态调优：增大所述线段树层的时间微切片粒度以降低空间开销，或启用并行线段树以支持多路区间查询。
31、优选地，所述步骤s4中拓扑排序的优先级规则还包括动态优先级衰减机制：
32、在所述语义因果依赖图增量的拓扑排序过程中，为每个竞争智能体维护一动态优先级值，初始值为该智能体的数据流传播影响因子；
33、每经过一预设排序轮次，对未获得资源分配的智能体执行优先级衰减：，与该智能体在上一轮次中的资源等待时长正相关；
34、当动态优先级值衰减至低于预设下限阈值时，将该智能体纳入所述让步序列，并触发其下游任务子图按所述步骤s5进行工作流实例分裂，避免rpa流程整体超时。
35、优选地，所述跳表层与线段树层的协同查询机制包括：
36、当接收到资源冲突查询请求时，首先查询所述布隆过滤器层进行粗粒度预判定；
37、若判定可能存在冲突，则依据该资源标识的当前索引层级选择查询路径：
38、若该资源标识处于跳表层，则执行跳表范围查询；
39、若该资源标识处于线段树层，则查询线段树内部节点维护的布尔聚合值以判定区间覆盖冲突，所述线段树的内部节点以位图压缩方式存储其子树区间内各时间微切片的占用状态；
40、查询结果返回冲突状态布尔值及冲突涉及的竞争智能体标识列表。
41、优选地，所述语义加权临时预占令牌的有效期与rpa工作流的全局租约纪元绑定；
42、当所述执行引擎发生主备切换或执行上下文重建时，旧纪元下签发的所有语义加权临时预占令牌及生效占用令牌自动失效，所述资源占用状态追踪层响应于纪元变更事件，清空对应纪元的占用记录，并强制所有受影响智能体基于当前全局租约纪元重新发起预声明阶段；
43、其中，重新发起预声明阶段时，所述竞争智能体集合中各智能体的数据流传播影响因子基于当前数据流依赖图谱重新计算，并触发所述语义因果依赖图增量的重建，以避免因令牌失效导致的资源分配冲突误判。
44、本发明的技术效果和优点：
45、通过构建跨智能体的数据流依赖图谱，将任务间的变量输入输出关系显式化为图结构，并据此计算数据流传播影响因子，使冲突消解决策不再孤立地看待单次资源请求，而是综合评估该请求在整个工作流链路中的级联影响范围，当让步方的数据流传播影响因子超过级联阈值时，自动触发工作流实例分裂，将下游任务子图迁移至备用智能体执行，从而将资源冲突的负面影响从全局阻塞降级为局部隔离，显著提升了rpa流程在高并发场景下的吞吐韧性；
46、通过三层自适应索引结构，根据资源冲突频次与不可撤销调用占比动态切换跳表与线段树索引层级，在冲突稀疏时保持跳表的高效区间查询能力，在冲突密集时利用线段树的位图压缩实现快速覆盖判定，同时，针对rpa机器人操作外部应用程序ui无法通过传统数据库事务回滚恢复的问题，通过引入视觉状态锚点机制，在可逆执行帧执行前捕获界面状态快照并提取控件层级树指纹，回滚时通过界面特征向量比对验证一致性，填补了rpa领域缺乏ui级回滚手段的技术空白，使资源冲突让步后的恢复操作具备可验证、可补偿的确定性保障；
47、通过将语义加权临时预占令牌的有效期与rpa工作流的全局租约纪元绑定，旧纪元下的所有令牌在引擎故障恢复时自动失效，资源占用状态追踪层响应纪元变更事件清空历史记录，并强制所有受影响智能体基于当前纪元重新发起预声明阶段，从根本上切断了故障前后状态交叉污染的可能性，确保了资源分配在异常场景下的最终一致性，为rpa流程自动化引擎的高可用部署提供了底层资源仲裁层面的可靠性支撑。