CN107291767A - 任务执行时间的优化处理方法和装置 - Google Patents

任务执行时间的优化处理方法和装置 Download PDF

Info

Publication number
CN107291767A
CN107291767A CN201610220397.4A CN201610220397A CN107291767A CN 107291767 A CN107291767 A CN 107291767A CN 201610220397 A CN201610220397 A CN 201610220397A CN 107291767 A CN107291767 A CN 107291767A
Authority
CN
China
Prior art keywords
optimization
task
practice
candidate
practice values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610220397.4A
Other languages
English (en)
Other versions
CN107291767B (zh
Inventor
朱振华
董庆亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Factory Automation Engineering Ltd
Original Assignee
Siemens Factory Automation Engineering Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Factory Automation Engineering Ltd filed Critical Siemens Factory Automation Engineering Ltd
Priority to CN201610220397.4A priority Critical patent/CN107291767B/zh
Publication of CN107291767A publication Critical patent/CN107291767A/zh
Application granted granted Critical
Publication of CN107291767B publication Critical patent/CN107291767B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2453Query optimisation
    • G06F16/24534Query rewriting; Transformation
    • G06F16/24549Run-time optimisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating
    • G06F16/2308Concurrency control
    • G06F16/2315Optimistic concurrency control
    • G06F16/2322Optimistic concurrency control using timestamps

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了任务执行时间的优化处理方法和装置。根据本发明的一个方面,提供了任务执行时间的优化处理方法,其包括:获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库;根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值;对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间;将当前执行所述任务的所述优化执行时间提供给对应的用户,实现了在实际任务没有发生之前对任务的执行时间的优化,该优化不需要所有数据参与运算,对实践值进行筛选,提高了优化的效率,提升了优化的可靠性。

Description

任务执行时间的优化处理方法和装置
技术领域
本发明涉及计算机技术,尤其涉及用于任务执行时间的优化处理技术。
背景技术
在一项任务或事件反复被执行时,会产生大量对应的实践值,然而这些实践值中间存在一定的干扰因素,单一的实践值并不能很好地体现该任务或事件本身实际需要的时间,对于需要执行该项任务或事件的用户来讲,其事先并不知道实际执行该项任务或事件所需要的时间,因此,其也就不能很好地管理任务或规划时间。
发明内容
有鉴于此,本发明提供了任务执行时间的优化处理方法和装置。
根据本发明的第一方面,提供了任务执行时间的优化处理方法,其包括:
a获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库;
b根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值;
c对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;
d根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间;
e将当前执行所述任务的所述优化执行时间提供给对应的用户。
在此,本发明实现了在实际任务或事件没有发生之前对任务或事件的执行时间的优化处理,基于以往的实践值(实际值),得出具有实践代表性的优化值,以方便对事先无法进行计算的属性进行合理的优化。本发明对任务执行时间的优化简便快捷,不需要所有数据参与运算,大大提高优化的效率,并且,该优化不直接使用实践值,并进一步对实践值进行筛选,几乎避免了因实践值可能出现无效值而致优化结果不可靠的可能。此外,由于数据具有时效性,随着时间变化,数据可能会发生偏移,可能变大也可能变小,因此,本发明还可以尽量避免将较早的数据参与到该优化中。
在一实施例中,所述步骤a还包括:根据最新获取的所述任务被执行时所需时间的历史实践值,更新所述数据库;
所述步骤b还包括:自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值。
在此,当所述任务被最新执行时,即,产生了最新的历史实践值时,本发明及时更新参与到优化任务执行时间的候选实践值,从而及时更新计算执行所述任务的优化执行时间,使得该优化执行时间更具时效性,进一步提升了用户的使用体验。
在一实施例中,所述修正值根据前次计算执行所述任务的优化执行时间来确定;
所述步骤d还包括:根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间;
重复执行所述步骤a至e以优化处理下次执行所述任务的执行时间。
在此,本发明还可以结合前次计算执行所述任务的优化执行时间,优化当前执行所述任务的优化执行时间,使得对任务的执行时间的优化更为精确,进一步提升了用户的使用体验。并且,每当有新的历史实践值产生时,本发明重复执行各项参与到计算执行任务的优化执行时间的步骤,从而及时更新计算该优化执行时间并提供给用户,进一步提升了用户的使用体验。
在一实施例中,所述步骤d还包括:根据对所述参考实践值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间;或者
所述步骤d还包括:根据对所述参考实践值的平均计算,确定一中间值,根据对所述中间值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间。
在此,本发明进一步明确如何根据参考实践值和修正值,计算当前执行所述任务的优化执行时间,使得对任务的执行时间的优化更为精确,进一步提升了用户的使用体验。
在一实施例中,所述步骤c包括:
c1根据预定剔除条件,自所述预定数量个候选实践值中剔除符合所述预定剔除条件的候选实践值;
c2重复执行所述步骤c1,直至所述预定数量个候选实践值中剩余候选实践值满足以下至少任一项:
所述剩余候选实践值中无可剔除的候选实践值;
所述剩余候选实践值的数量小于等于预定数量阈值;
c3将满足上述至少任一项的所述剩余候选实践值确定为所述参考实践值。
在此,本发明根据预定剔除条件对候选实践值进行循环剔除操作,使得参与到计算当前执行所述任务的优化执行时间的参考实践值更具有参考性与实践性,进一步提高了优化的效率,几乎避免了因实践值可能出现无效值而致优化结果不可靠的可能,进一步提升了用户的使用体验。
根据本发明的第二方面,提供了任务执行时间的优化处理装置,其包括:
建立装置,用于获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库;
获取装置,用于根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值;
筛选装置,用于对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;
优化装置,用于根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间;
提供装置,用于将当前执行所述任务的所述优化执行时间提供给对应的用户。
在一实施例中,所述建立装置还用于:根据最新获取的所述任务被执行时所需时间的历史实践值,更新所述数据库;
所述获取装置还用于:自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值。
在一实施例中,所述修正值根据前次计算执行所述任务的优化执行时间来确定;
所述优化装置还用于:根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间;
所述建立装置、所述获取装置、所述筛选装置、所述优化装置及所述提供装置重复执行其操作以优化处理下次执行所述任务的执行时间。
在一实施例中,所述优化装置还用于:根据对所述参考实践值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间;或者
所述优化装置还用于:根据对所述参考实践值的平均计算,确定一中间值,根据对所述中间值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间。
在一实施例中,所述筛选装置包括:
剔除单元,用于根据预定剔除条件,自所述预定数量个候选实践值中剔除符合所述预定剔除条件的候选实践值;
执行单元,用于通知所述剔除单元重复执行其操作,直至所述预定数量个候选实践值中剩余候选实践值满足以下至少任一项:
所述剩余候选实践值中无可剔除的候选实践值;
所述剩余候选实践值的数量小于等于预定数量阈值;
确定单元,用于将满足上述至少任一项的所述剩余候选实践值确定为所述参考实践值。
附图说明
下面将通过参照附图详细描述本发明的可选实施例,使本领域的普通技术人员更清楚本发明的上述及其它特征和优点,附图中:
图1为根据发明第一方面的任务执行时间的优化处理装置的装置示意图;
图2为根据发明一实施例的任务执行时间的优化处理装置的装置示意图;
图3为根据发明第二方面的任务执行时间的优化处理方法的方法流程图;
图4为根据发明一实施例的任务执行时间的优化处理方法的方法流程图。
附图中相同或相似的附图标记代表相同或相似的部件。
在上述附图中,所采用的附图标记如下:
10 优化处理装置 105 提供装置
101 建立装置 1031 剔除单元
102 获取装置 1032 执行单元
103 筛选装置 1033 确定单元
104 优化装置
具体实施方式
下面将参照附图更详细地描述本公开的可选实施方式。虽然附图中显示了本公开的可选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整的传达给本领域的技术人员。
首先应当理解,尽管本公开包括关于任务执行时间的优化处理的详细描述,但其中记载的技术方案的实现却可以不限于优化处理任务的执行时间,而是能够实现对现在已知或以后开发的任何其它任务或事件的属性的优化处理。
为使本发明的目的、技术方案和优点更加清楚,以下举实施例对本发明进一步详细说明。
图1为根据发明第一方面的任务执行时间的优化处理装置的装置示意图。优化处理装置10包括建立装置101、获取装置102、筛选装置103、优化装置104和提供装置105。
其中,建立装置101获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库。
具体地,每次任务被执行之后,都会得到一个该任务该次被执行所需的时间,将该时间作为一个历史实践值,建立装置101获取这些历史实践值,并根据这些历史实践值建立数据库。在此,该数据库中存储有该任务历史被执行时所需时间的各个历史实践值,该数据库可以位于该优化处理装置10中,也可以位于与该优化处理装置10通过网络相连接的第三方设备中,当后续的获取装置102有需要时,通过网络访问该数据库,从中获取所需要的候选实践值。
可选地,该建立装置101还可以根据最新获取的历史实践值,将其存入数据库中,从而实现对该数据库的更新。在此,该建立装置101可以每隔一段时间更新该数据库,所隔时间的长短可以是预置的,也可以根据实际情况进行调整;该建立装置101还可以每当有新的历史实践值产生时,即获取该历史实践值并存入数据库中,从而实现该数据库的更新。
本领域技术人员应能理解,上述建立或更新数据库的方式仅为举例,其他现有的或今后可能出现的建立或更新数据库的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
在一项任务未被执行时,有必要为该项任务的执行优化一个执行时间,该优化出来的执行时间例如可以便于用户进行时间、预算等的管理与规划,特别地,在诸如自动化领域中,存在各式各样的任务或其对应的子任务,因此,需要优化处理执行这些任务或其对应的子任务的执行时间。获取装置102可以自所述数据库中获取预定数量个所述任务历史被执行时所需时间的候选实践值。获取装置102通过与数据库的交互,例如,通过一次或多次调用该数据库所提供的接口或通过其他约定的通信方式,自该数据库中随机地、或按照一定的规则,获取预定数量个所述任务历史被执行时所需时间的候选实践值。例如,假设该预定数量被设置为8个,则获取装置102通过与该数据库的交互,从中随机地获取8个候选实践值,或者,按照一定的规则,从中获取8个候选实践值,例如,获取任务开始被执行、或执行结束的发生时间距离当前最近的8个候选实践值。
可选地,所述获取装置102根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值。
具体地,由于距当前较远的历史实践值的参考价值并没有距当前较近的历史实践值的参考价值高,因此,获取装置102根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值,例如,获取装置102可以获取一些任务开始被执行、或执行结束的发生时间距离当前最近的预定数量个候选实践值,例如,获取装置102根据所述任务历史最近一次被执行所执行所需时间的历史实践值,自数据库中向前依次序获取所述预定数量个历史实践值,并将这些历史实践值作为参与后续操作的候选实践值。
例如,假设该预定数量被设置为8个,则获取装置102根据所述任务历史最近一次被执行所执行所需时间的历史实践值,通过与该数据库的交互,自数据库中向前依次序获取8个历史实践值,作为参与后续操作的候选实践值。
在此,当该任务最新一次被执行后,即获得了一个最新的历史实践值,该获取装置102即以该最新的历史实践值作为该任务历史最近一次被执行所需时间的历史实践值,从而自数据库中向前依次序获取预定数量个历史实践值,作为参与后续操作的候选实践值。
可选地,所述预定数量为10。具体地,获取装置102自数据库中获取的所述任务历史被执行时所需时间的候选实践值的预定数量可以为10,该10个候选实践值可以是获取装置102自数据库中随机获取的,也可以是该获取装置102根据所述任务历史最近一次被执行所执行所需时间的候选实践值,自数据库中向前依次序获取10个候选实践值。
在此,由于根据经验判断,无效数据的比重约为0.5%~1%,因此,10个数据的计算可以满足综合经典误差<1%的要求,因此,获取装置102自数据库中获取的候选实践值的预定数量可以为10,该10个候选实践值参与到后续装置对任务被执行所需执行时间的优化中。在此,该预定数量10可以根据需求进行修改,后续装置的优化过程中所使用的数据量选取也会相应修改。
可选地,在所述任务未被任何用户执行过时,优化处理装置10可以将该任务的测试值作为所述候选实践值,从而优化执行该任务的执行时间。
例如,由测试员测试得出最原始的十个数据,建立装置101将这十个数据写入数据库,在此以R1,R2,R3,R4,R5,R6,R7,R8,R9,R10进行表示,用户初次执行该任务时,优化处理装置10即以该十个数据R1,R2,R3,R4,R5,R6,R7,R8,R9,R10作为候选实践值,并据此优化执行该任务的执行时间。
当用户第二次及以后执行该任务时,就将有新的实践值参与到对该任务的执行时间的优化中来。例如,假设用户是初次使用软件执行该任务,当完成软件使用即执行完该任务时,将记录一个实践值,该实践值就是R11,下一个将是R12。于是,在下次使用软件执行该任务时,优化处理装置10将使用R2,R3,R4,R5,R6,R7,R8,R9,R10,R11这十个数据作为候选实践值,并据此优化执行该任务的执行时间。
在此,优化处理装置10可以以同一个用户对任务的执行所获得的实践值作为参与到优化任务执行时间的候选实践值,也可以以不同的用户对任务的执行所获得的实践值作为参与到优化任务执行时间的候选实践值。
可选地,优化处理装置10还可以将经验值作为所述候选实践值,从而优化执行该任务的执行时间。
例如,将经验值表示为R0,同时令R-9=R-8=R-7=R-6=R-5=R-4=R-3=R-2=R-1=R0。事实上,这些值并不具有实践性,其是纯假想值,优化处理装置10据此优化执行该任务的执行时间。随着该任务的被测试或被用户执行,将具有实践性的数据参与到对该任务的执行时间的优化中来。
本领域技术人员应能理解,上述获取候选实践值的方式仅为举例,其他现有的或今后可能出现的获取候选实践值的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
筛选装置103对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值。
具体地,筛选装置103对获取装置102所获取的预定数量个候选实践值进行筛选,例如,筛选出数值大小符合预定数值范围的候选实践值,作为经筛选后的参考实践值;或者,根据各个候选实践值的数值大小对这些候选实践值进行聚类,剔除掉不在聚类中的候选实践值,将剩余候选实践值作为经筛选后的参考实践值;又或者,根据预定剔除条件,自所述预定数量个候选实践值中循环剔除符合该预定剔除条件的候选实践值,直至该预定数量个候选实践值中剩余候选实践值中无可剔除的候选实践值,和/或所述剩余候选实践值的数量小于等于预定数量阈值,从而将所述剩余候选实践值确定为经筛选后的参考实践值。
本领域技术人员应能理解,上述对候选实践值进行筛选的方式仅为举例,其他现有的或今后可能出现的对候选实践值进行筛选的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
优化装置104根据所述参考实践值,计算当前执行所述任务的优化执行时间。
具体地,优化装置104根据筛选装置103筛选出来的参与到优化中的参考实践值,通过对这些参考实践值的计算,从而计算当前执行所述任务的优化执行时间,例如,对这些参考实践值求取平均值,将该平均值作为当前执行所述任务的优化执行时间,或进一步地,结合每个参考实践值的权重,对这些参考实践值进行加权平均计算,从而将计算结果作为当前执行所述任务的优化执行时间。
在此,每个参考实践值的权重例如根据该参考实践值的参考价值高低来确定,权重较高则表示该参考实践值的参考价值较高,权重较低则表示该参考实践值的参考价值较低。一种确定参考实践值的权重的方式例如根据这些参考实践值的聚类结果来确定,距离聚类中心越近的参考实践值的权重越高,距离聚类中心越远的参考实践值的权重则越低。
例如,假设以Ri,i=0,1,2,3…来表示候选实践值,获取装置102所获取的预定数量个(以下以n表示该预定数量)候选实践值表示如下:
Ri+1,Ri+2,Ri+3,Ri+4,…,Ri+n
该n个候选实践值例如为软件中最新的n个数据,筛选装置103对该n个候选实践值进行筛选,剔除掉了其中Ri+1,Ri+3两个候选实践值,得到经筛选后的参考实践值为如下n-2个:
Ri+2,Ri+4,…,Ri+n
则优化装置104可以根据该n-2个参考实践值,根据下式,计算当前执行所述任务的优化执行时间:
在此,即以作为当前执行所述任务的优化执行时间。
本领域技术人员应能理解,上述确定参考实践值的权重的方式仅为举例,其他现有的或今后可能出现的确定参考实践值的权重的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
可选地,优化装置104根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间。
在此,所述修正值可以是根据前次计算执行所述任务的优化执行时间来确定,也可以是经验值。例如,在首次执行任务时,并不能基于前次计算执行所述任务的优化执行时间来确定修正值,则优化装置104可以采用一经验值,将该经验值作为一修正值,再结合筛选装置103筛选出来的参与到优化中的参考实践值,计算当前执行所述任务的优化执行时间。
以下以基于前次计算执行所述任务的优化执行时间所确定的修正值为例,来说明优化装置104如何计算当前执行所述任务的优化执行时间。
例如,所述优化装置104直接将前次计算执行所述任务的优化执行时间作为该修正值,进而,该优化装置104根据筛选装置103所筛选出的参考实践值,再结合该修正值,计算当前执行所述任务的优化执行时间。例如,优化装置104将这些参考实践值与该修正值进行平均计算或加权平均计算,将所得到的计算结果作为当前执行所述任务的优化执行时间;或者,该优化装置104首先对这些参考实践值进行平均计算或加权平均计算,得到一个中间值,再将该中间值与该修正值进行计算,例如,将该中间值与该修正值再次进行平均计算或加权平均计算,从而将所得到的计算结果作为当前执行所述任务的优化执行时间。
例如,假设以Ri,i=1,2,3…来表示候选实践值,获取装置102所获取的十个候选实践值表示如下:
Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9
筛选装置103筛选出的参考实践值包括Ri,Ri+1,Ri+3,Ri+5,Ri+8,Ri+9;将修正值记为则优化装置104可以通过下式,计算当前执行所述任务的优化执行时间
或者,该优化装置104也可以首先根据上述参考实践值计算得到中间值,假设该中间值以表示,则该中间值例如根据下式计算获得:
随后,该优化装置104再根据该中间值和该修正值通过下式,计算当前执行所述任务的优化执行时间
可选地,当计算得出当前执行所述任务的优化执行时间,该优化装置104还可以根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间。将在下文对此进行详细描述。
本领域技术人员还应能理解,上述计算当前执行任务的优化执行时间的方式仅为举例,其他现有的或今后可能出现的计算当前执行任务的优化执行时间的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
提供装置105将当前执行所述任务的所述优化执行时间提供给对应的用户。
具体地,提供装置105根据优化装置104所获取的当前执行所述任务的优化执行时间,通过约定的提供方式,提供给对应的用户,例如,通过显示器显示给所述用户,或者,通过扬声器播放给所述用户等,该用户例如是执行该任务的使用者,也可以是测试该任务的测试者。用户根据所提供的当前执行所述任务的优化执行时间,可以更合理地安排任务或管理时间。
在此,优化处理装置10获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库;根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值;对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间;将当前执行所述任务的所述优化执行时间提供给对应的用户,实现了在实际任务或事件没有发生之前对任务或事件的执行时间的优化处理,基于以往的历史实践值(实际值),得出具有实践代表性的优化值,以方便对事先无法进行计算的属性进行合理的优化。
在此,优化处理装置10对任务执行时间的优化简便快捷,不需要所有数据参与运算,大大提高优化的效率,并且,该优化不直接使用实践值,并进一步对实践值进行筛选,几乎避免了因实践值可能出现无效值而致优化结果不可靠的可能。
此外,由于数据具有时效性,随着时间变化,数据可能会发生偏移,可能变大也可能变小,因此,优化处理装置10还可以尽量避免将较早的数据参与到该优化中。
在此,优化处理装置10结合前次计算执行所述任务的优化执行时间,优化当前执行所述任务的优化执行时间,使得对任务的执行时间的优化更为精确,进一步提升了用户的使用体验。
可选地,所述建立装置101根据最新获取的所述任务被执行时所需时间的历史实践值,更新所述数据库;所述获取装置102自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值。
具体地,每次任务被执行之后,都会得到一个该任务该次被执行所需的时间,将该时间作为一个历史实践值,建立装置101随即获取该最新的历史实践值,并根据该最新获取的历史实践值,将其存入数据库中,从而实现对该数据库的更新。
随后,获取装置102通过与该更新后的数据库的交互,自该更新后的数据库中,重新获取预定数量个距当前最近的候选实践值。该获取装置102可以是根据所述任务历史被执行时距当前的远近,自更新后的数据库中重新获取预定数量个距当前最近的候选实践值,也可以是仅自该更新后的数据库中获取最新的候选实践值,而将前次获取的候选实践值中距当前最远的那个候选实践值进行剔除。
在此,当所述任务被最新执行时,即,产生了最新的历史实践值时,优化处理装置10实现了对参与到优化任务执行时间的候选实践值的更新。
可选地,所述修正值根据前次计算执行所述任务的优化执行时间来确定;所述优化装置104根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间;所述建立装置101、所述获取装置102、所述筛选装置103、所述优化装置104及所述提供装置105重复执行其操作以优化处理下次执行所述任务的执行时间。
具体地,当所述任务被最新执行时,即,产生了最新的历史实践值时,建立装置101获取该最新的历史实践值,并据此更新所述数据库;随后,获取装置102自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值,从而实现对该预定数量个候选实践值的更新;接着,筛选装置103对该更新后的预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;优化装置104将前次计算执行所述任务的优化执行时间作为修正值,根据所述参考实践值和修正值,计算当前执行所述任务的优化执行时间;并且,该优化装置104根据该次所计算出的当前执行所述任务的优化执行时间,更新该修正值,从而使得这些装置下一轮循环重复其操作时,该优化装置104以这次更新后的修正值,修正计算下次执行所述任务的优化执行时间;随后,提供装置105将当前执行所述任务的所述优化执行时间提供给对应的用户。
例如,假设前次计算执行所述任务的优化执行时间时,获取装置102所获取的十个候选实践值表示如下:
Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9
所计算出的前次执行所述任务的优化执行时间为将该直接作为此次计算当前执行所述任务的优化执行时间的修正值,记为
则当有新的历史实践值时,此处将该新的历史实践值记为Ri+10,则建立装置101根据该Ri+10更新所述数据库,获取装置102自更新后的所述数据库中重新获取十个距当前最近的候选实践值,表示如下:
Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9,Ri+10
筛选装置103对该更新后的十个候选实践值进行筛选,以获得经筛选后的参考实践值,假设为如下八个:
Ri+1,Ri+3,Ri+4,Ri+5,Ri+7,Ri+8,Ri+9,Ri+10
则优化装置104根据该八个参考实践值,再结合前述计算得到的修正值计算当前执行所述任务的优化执行时间,记为并且,该优化装置104根据该更新即,更新用于计算下次执行所述任务的优化执行时间的修正值,这样,当下次再有新的历史实践值产生时,上述各装置仍旧重复执行其操作,其中,优化装置104在计算优化执行时间时,采用该更新后的修正值。
在此,每当所述任务被最新执行时,即,产生了最新的历史实践值时,优化处理装置10中的各个装置即重复执行一轮各自的操作,重新计算执行所述任务的优化执行时间,并将该执行时间提供给用户,使得该执行时间得以更新,进一步方便用户对任务和时间的管理。
图2为根据发明一实施例的任务执行时间的优化处理装置的装置示意图。其中,所述筛选装置103包括剔除单元1031、执行单元1032和确定单元1033。其中,所述建立装置101、获取装置102、优化装置104和提供装置105与图1所示对应装置相同或基本相同,故此处不再赘述,并通过引用的方式包含于此。
其中,剔除单元1031根据预定剔除条件,自所述预定数量个候选实践值中剔除符合所述预定剔除条件的候选实践值;
执行单元1032通知所述剔除单元重复执行其操作,直至所述预定数量个候选实践值中剩余候选实践值满足以下至少任一项:
所述剩余候选实践值中无可剔除的候选实践值;
所述剩余候选实践值的数量小于等于预定数量阈值;
确定单元1033将满足上述至少任一项的所述剩余候选实践值确定为所述参考实践值。
具体地,剔除单元1031根据预定剔除条件,自获取装置102所获取的预定数量个候选实践值中剔除符合该预定剔除条件的候选实践值,例如,该剔除单元1031在该预定数量个候选实践值中剔除掉数值范围不符合预定数值范围的候选实践值;随后,执行单元1032判断该预定数量个候选实践值中剩余的候选实践值是否满足剩余候选实践值中无可剔除的候选实践值,和/或剩余候选实践值的数量小于等于预定数量阈值,若不满足,则该执行装置1022通知该剔除单元1031重复执行其操作,直至剩余候选实践值满足上述至少任一项条件;接着,确定单元1033将满足上述至少任一项条件的剩余候选实践值作为参与到优化执行该任务的执行时间的参考实践值。从而,优化装置104根据该确定单元所确定的参考实践值,或再结合一修正值,计算当前执行所述任务的优化执行时间。
可选地,所述预定剔除条件基于所述预定数量个候选实践值的平均值、标准差及经验常数确定。
例如,假设以Ri,i=1,2,3…来表示候选实践值,获取装置102所获取的十个候选实践值表示如下:
Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9
该十个候选实践值例如为软件中最新的十个数据,筛选装置103中的剔除单元1031例如首先计算该十个候选实践值的算术平均值,如下:
再计算该十个候选实践值的标准差,如下:
随后,剔除单元1031根据预定剔除条件,自上述十个候选实践值中剔除符合该预定剔除条件的候选实践值,该预定剔除条件例如剔除 的候选实践值,在此,k为筛选经验常数,此处取k=1。所述k的取值可以是预定的,也可以根据实际情况进行调整。
在此,该剔除单元1031例如依次对上述十个候选实践值进行判断,从中:
的候选实践值。
其中,k为筛选经验常数,此处取k=1。
在剔除单元1031首次对该十个候选实践值进行剔除之后,执行单元1032判断该十个候选实践值中剩余的候选实践值是否满足:剩余候选实践值中无可剔除的候选实践值,和/或剩余候选实践值的数量小于等于预定数量阈值,例如,小于等于2个;若不满足,则该执行装置1022通知该剔除单元1031重复执行其操作,即,通知该剔除单元1031利用剩余候选实践值再重新开始计算这些剩余候选实践值的和σ,并再次根据下式,对这些剩余候选实践值进行剔除处理:
其中,k为筛选经验常数,此处取k=1,和σ为剩余候选实践值的和σ。
剔除单元1031和执行装置1022重复执行上述操作,直至剩余候选实践值中无可剔除的候选实践值,和/或剩余候选实践值的数量小于等于预定数量阈值,例如,小于等于2个。
在此,所述预定数量阈值用来判断是否还需要对剩余候选实践值再次进行筛选,其数值大小可以是预定的,也可以根据实际情况进行调整。
随后,确定单元1033将满足上述至少任一项条件的剩余候选实践值作为参与到优化执行该任务的执行时间的参考实践值。
在此,可能在剔除单元1031进行第一次剔除计算时,就没有候选实践值被剔除,即,代表该十个候选实践值均有效。则确定单元1033即以该全部十个候选实践值作为参与到优化执行该任务的执行时间的参考实践值。
接着,优化装置104根据确定单元1033所确定的参考实践值,或再结合一修正值,计算当前执行所述任务的优化执行时间。例如,该优化装置104计算该参考实践值的算术平均值,并将该算术平均值作为当前执行所述任务的优化执行时间。
例如,对于获取装置102所获取的如下十个候选实践值:Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9,剔除单元1031首次对该十个候选实践值进行剔除处理,剔除掉了其中的候选实践值Ri+2,Ri+7;执行单元1032对剩余的八个候选实践值Ri,Ri+1,Ri+3,Ri+4,Ri+5,Ri+6,Ri+8,Ri+9进行判断,发现其并未满足上述任意一项条件,即,发现该剩余的八个候选实践值中还存在可以被剔除的数据;则剔除单元1031再次对该剩余的八个候选实践值进行剔除处理,再次剔除掉了其中的候选实践值Ri+4,Ri+6;执行单元1032对剩余的六个候选实践值Ri,Ri+1,Ri+3,Ri+5,Ri+8,Ri+9再次进行判断,发现其中已没有可以被剔除的数据;则确定单元1033即以该六个剩余候选实践值作为参考实践值;随后,优化装置104对该六个参考实践值进行算术平均计算,根据下式,计算当前执行所述任务的优化执行时间:
在此,即以作为所计算出的当前执行所述任务的优化执行时间。
或者,该优化装置104根据该六个参考实践值,再结合根据前次计算执行所述任务的优化执行时间所确定的修正值,例如,前次计算执行所述任务的优化执行时间为则直接将该作为修正值,优化装置104根据下式,计算当前执行所述任务的优化执行时间:
又或者,优化装置104也可以首先根据上述六个参考实践值计算得到中间值,假设该中间值以表示,则该中间值例如根据下式计算获得:
随后,该优化装置104再根据该中间值和该修正值通过下式,计算当前执行所述任务的优化执行时间
在此,所计算出的与之后产生的新实践值Ri+10之间可以有计算关系,也可以没有计算关系。即,Ri+10的产生可以与有关,也可以无关。而的计算产生,因发生在Ri+10产生之前,所以与之无关,而只与Ri~Ri+9有关。
本领域技术人员应能理解,上述预定剔除条件仅为举例,其他现有的或今后可能出现的预定剔除条件如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
在此,优化处理装置10根据预定剔除条件对候选实践值进行循环剔除操作,使得参与到计算当前执行所述任务的优化执行时间的参考实践值更具有参考性与实践性,进一步提高了优化的效率,几乎避免了因实践值可能出现无效值而致优化结果不可靠的可能,进一步提升了用户的使用体验。
可选地,该优化处理装置10还包括指数更新装置(未示出)。该指数更新装置根据对执行所述任务的执行时间的优化,更新所述执行时间所对应的优化指数。
具体地,对于执行所述任务所需的执行时间的优化具有一个对应的优化指数,该优化指数用于指示该执行时间被优化的程度,每一个有预置值的条目或子任务都对应一个优化指数,这个优化指数的初始值被设置为0。每当优化一次执行所述任务所需的执行时间,即每完成一次数据优化,指数更新装置即更新一次该优化指数。该优化指数的计算方式如下所示:
其中,ε′为前一个优化指数,ε为当前被更新计算得到的优化指数。
例如,前一个优化指数ε′=0.56,则指数更新装置根据该公式,计算得到更新后的优化指数为
在此,该优化指数越接近1,说明该执行时间被优化地越好。
在此,优化处理装置10根据对任务的执行时间的优化,更新该执行时间所对应的优化指数,使得用户可以直观地获知该任务的执行时间被优化的优化程度,进一步提升了用户的使用体验。
图3为根据发明第二方面的任务执行时间的优化处理方法的方法流程图。
在步骤S101中,优化处理装置10获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库。
具体地,每次任务被执行之后,都会得到一个该任务该次被执行所需的时间,将该时间作为一个历史实践值,在步骤S101中,优化处理装置10获取这些历史实践值,并根据这些历史实践值建立数据库。在此,该数据库中存储有该任务历史被执行时所需时间的各个历史实践值,该数据库可以位于该优化处理装置10中,也可以位于与该优化处理装置10通过网络相连接的第三方设备中,当后续有需要时,优化处理装置10通过网络访问该数据库,从中获取所需要的候选实践值。
可选地,在步骤S101中,优化处理装置10还可以根据最新获取的历史实践值,将其存入数据库中,从而实现对该数据库的更新。在此,在步骤S101中,优化处理装置10可以每隔一段时间更新该数据库,所隔时间的长短可以是预置的,也可以根据实际情况进行调整;在步骤S101中,优化处理装置10还可以每当有新的历史实践值产生时,即获取该历史实践值并存入数据库中,从而实现该数据库的更新。
本领域技术人员应能理解,上述建立或更新数据库的方式仅为举例,其他现有的或今后可能出现的建立或更新数据库的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
在一项任务未被执行时,有必要为该项任务的执行优化一个执行时间,该优化出来的执行时间例如可以便于用户进行时间、预算等的管理与规划,特别地,在诸如自动化领域中,存在各式各样的任务或其对应的子任务,因此,需要优化处理执行这些任务或其对应的子任务的执行时间。在步骤S102中,优化处理装置10可以自所述数据库中获取预定数量个所述任务历史被执行时所需时间的候选实践值。在步骤S102中,优化处理装置10通过与数据库的交互,例如,通过一次或多次调用该数据库所提供的接口或通过其他约定的通信方式,自该数据库中随机地、或按照一定的规则,获取预定数量个所述任务历史被执行时所需时间的候选实践值。例如,假设该预定数量被设置为8个,则在步骤S102中,优化处理装置10通过与该数据库的交互,从中随机地获取8个候选实践值,或者,按照一定的规则,从中获取8个候选实践值,例如,获取任务开始被执行、或执行结束的发生时间距离当前最近的8个候选实践值。
可选地,在步骤S102中,优化处理装置10根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值。
具体地,由于距当前较远的历史实践值的参考价值并没有距当前较近的历史实践值的参考价值高,因此,在步骤S102中,优化处理装置10根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值,例如,在步骤S102中,优化处理装置10可以获取一些任务开始被执行、或执行结束的发生时间距离当前最近的预定数量个候选实践值,例如,在步骤S102中,优化处理装置10根据所述任务历史最近一次被执行所执行所需时间的历史实践值,自数据库中向前依次序获取所述预定数量个历史实践值,并将这些历史实践值作为参与后续操作的候选实践值。
例如,假设该预定数量被设置为8个,则在步骤S102中,优化处理装置10根据所述任务历史最近一次被执行所执行所需时间的历史实践值,通过与该数据库的交互,自数据库中向前依次序获取8个历史实践值,作为参与后续操作的候选实践值。
在此,当该任务最新一次被执行后,即获得了一个最新的历史实践值,在步骤S102中,优化处理装置10即以该最新的历史实践值作为该任务历史最近一次被执行所需时间的历史实践值,从而自数据库中向前依次序获取预定数量个历史实践值,作为参与后续操作的候选实践值。
可选地,所述预定数量为10。具体地,在步骤S102中,优化处理装置10自数据库中获取的所述任务历史被执行时所需时间的候选实践值的预定数量可以为10,该10个候选实践值可以是优化处理装置10自数据库中随机获取的,也可以是该优化处理装置10根据所述任务历史最近一次被执行所执行所需时间的候选实践值,自数据库中向前依次序获取10个候选实践值。
在此,由于根据经验判断,无效数据的比重约为0.5%~1%,因此,10个数据的计算可以满足综合经典误差<1%的要求,因此,在步骤S102中,优化处理装置10自数据库中获取的候选实践值的预定数量可以为10,该10个候选实践值参与到后续步骤对任务被执行所需执行时间的优化中。在此,该预定数量10可以根据需求进行修改,后续步骤的优化过程中所使用的数据量选取也会相应修改。
可选地,在所述任务未被任何用户执行过时,优化处理装置10可以将该任务的测试值作为所述候选实践值,从而优化执行该任务的执行时间。
例如,由测试员测试得出最原始的十个数据,在步骤S101中,优化处理装置10将这十个数据写入数据库,在此以R1,R2,R3,R4,R5,R6,R7,R8,R9,R10进行表示,用户初次执行该任务时,优化处理装置10即以该十个数据R1,R2,R3,R4,R5,R6,R7,R8,R9,R10作为候选实践值,并据此优化执行该任务的执行时间。
当用户第二次及以后执行该任务时,就将有新的实践值参与到对该任务的执行时间的优化中来。例如,假设用户是初次使用软件执行该任务,当完成软件使用即执行完该任务时,将记录一个实践值,该实践值就是R11,下一个将是R12。于是,在下次使用软件执行该任务时,优化处理装置10将使用R2,R3,R4,R5,R6,R7,R8,R9,R10,R11这十个数据作为候选实践值,并据此优化执行该任务的执行时间。
在此,优化处理装置10可以以同一个用户对任务的执行所获得的实践值作为参与到优化任务执行时间的候选实践值,也可以以不同的用户对任务的执行所获得的实践值作为参与到优化任务执行时间的候选实践值。
可选地,优化处理装置10还可以将经验值作为所述候选实践值,从而优化执行该任务的执行时间。
例如,将经验值表示为R0,同时令R-9=R-8=R-7=R-6=R-5=R-4=R-3=R-2=R-1=R0。事实上,这些值并不具有实践性,其是纯假想值,优化处理装置10据此优化执行该任务的执行时间。随着该任务的被测试或被用户执行,将具有实践性的数据参与到对该任务的执行时间的优化中来。
本领域技术人员应能理解,上述获取候选实践值的方式仅为举例,其他现有的或今后可能出现的获取候选实践值的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
在步骤S103中,优化处理装置10对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值。
具体地,在步骤S103中,优化处理装置10对在步骤S102中所获取的预定数量个候选实践值进行筛选,例如,筛选出数值大小符合预定数值范围的候选实践值,作为经筛选后的参考实践值;或者,根据各个候选实践值的数值大小对这些候选实践值进行聚类,剔除掉不在聚类中的候选实践值,将剩余候选实践值作为经筛选后的参考实践值;又或者,根据预定剔除条件,自所述预定数量个候选实践值中循环剔除符合该预定剔除条件的候选实践值,直至该预定数量个候选实践值中剩余候选实践值中无可剔除的候选实践值,和/或所述剩余候选实践值的数量小于等于预定数量阈值,从而将所述剩余候选实践值确定为经筛选后的参考实践值。
本领域技术人员应能理解,上述对候选实践值进行筛选的方式仅为举例,其他现有的或今后可能出现的对候选实践值进行筛选的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
在步骤S104中,优化处理装置10根据所述参考实践值,计算当前执行所述任务的优化执行时间。
具体地,在步骤S104中,优化处理装置10根据在步骤S103中筛选出来的参与到优化中的参考实践值,通过对这些参考实践值的计算,从而计算当前执行所述任务的优化执行时间,例如,对这些参考实践值求取平均值,将该平均值作为当前执行所述任务的优化执行时间,或进一步地,结合每个参考实践值的权重,对这些参考实践值进行加权平均计算,从而将计算结果作为当前执行所述任务的优化执行时间。
在此,每个参考实践值的权重例如根据该参考实践值的参考价值高低来确定,权重较高则表示该参考实践值的参考价值较高,权重较低则表示该参考实践值的参考价值较低。一种确定参考实践值的权重的方式例如根据这些参考实践值的聚类结果来确定,距离聚类中心越近的参考实践值的权重越高,距离聚类中心越远的参考实践值的权重则越低。
例如,假设以Ri,i=0,1,2,3…来表示候选实践值,在步骤S102中,优化处理装置10所获取的预定数量个(以下以n表示该预定数量)候选实践值表示如下:
Ri+1,Ri+2,Ri+3,Ri+4,…,Ri+n
该n个候选实践值例如为软件中最新的n个数据,在步骤S103中,优化处理装置10对该n个候选实践值进行筛选,剔除掉了其中Ri+1,Ri+3两个候选实践值,得到经筛选后的参考实践值为如下n-2个:
Ri+2,Ri+4,…,Ri+n
则在步骤S104中,优化处理装置10可以根据该n-2个参考实践值,根据下式,计算当前执行所述任务的优化执行时间:
在此,即以作为当前执行所述任务的优化执行时间。
本领域技术人员应能理解,上述确定参考实践值的权重的方式仅为举例,其他现有的或今后可能出现的确定参考实践值的权重的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
可选地,在步骤S104中,优化处理装置10根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间。
在此,所述修正值可以是根据前次计算执行所述任务的优化执行时间来确定,也可以是经验值。例如,在首次执行任务时,并不能基于前次计算执行所述任务的优化执行时间来确定修正值,则在步骤S104中,优化处理装置10可以采用一经验值,将该经验值作为一修正值,再结合在步骤S103中,优化处理装置10筛选出来的参与到优化中的参考实践值,计算当前执行所述任务的优化执行时间。
以下以基于前次计算执行所述任务的优化执行时间所确定的修正值为例,来说明在步骤S104中,优化处理装置10如何计算当前执行所述任务的优化执行时间。
例如,在步骤S104中,优化处理装置10直接将前次计算执行所述任务的优化执行时间作为该修正值,进而,在步骤S104中,优化处理装置10根据在步骤S103中所筛选出的参考实践值,再结合该修正值,计算当前执行所述任务的优化执行时间。例如,在步骤S104中,优化处理装置10将这些参考实践值与该修正值进行平均计算或加权平均计算,将所得到的计算结果作为当前执行所述任务的优化执行时间;或者,在步骤S104中,优化处理装置10首先对这些参考实践值进行平均计算或加权平均计算,得到一个中间值,再将该中间值与该修正值进行计算,例如,将该中间值与该修正值再次进行平均计算或加权平均计算,从而将所得到的计算结果作为当前执行所述任务的优化执行时间。
例如,假设以Ri,i=1,2,3…来表示候选实践值,在步骤S102中,优化处理装置10所获取的十个候选实践值表示如下:
Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9
在步骤S103中,优化处理装置10筛选出的参考实践值包括Ri,Ri+1,Ri+3,Ri+5,Ri+8,Ri+9;将修正值记为则在步骤S104中,优化处理装置10可以通过下式,计算当前执行所述任务的优化执行时间
或者,在步骤S104中,优化处理装置10也可以首先根据上述参考实践值计算得到中间值,假设该中间值以表示,则该中间值例如根据下式计算获得:
随后,在步骤S104中,优化处理装置10再根据该中间值和该修正值通过下式,计算当前执行所述任务的优化执行时间
可选地,当计算得出当前执行所述任务的优化执行时间,在步骤S104中,优化处理装置10还可以根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间。将在下文对此进行详细描述。
本领域技术人员还应能理解,上述计算当前执行任务的优化执行时间的方式仅为举例,其他现有的或今后可能出现的计算当前执行任务的优化执行时间的方式,如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
在步骤S105中,优化处理装置10将当前执行所述任务的所述优化执行时间提供给对应的用户。
具体地,在步骤S105中,优化处理装置10根据在步骤S104中所获取的当前执行所述任务的优化执行时间,通过约定的提供方式,提供给对应的用户,例如,通过显示器显示给所述用户,或者,通过扬声器播放给所述用户等,该用户例如是执行该任务的使用者,也可以是测试该任务的测试者。用户根据所提供的当前执行所述任务的优化执行时间,可以更合理地安排任务或管理时间。
在此,优化处理装置10获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库;根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值;对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间;将当前执行所述任务的所述优化执行时间提供给对应的用户,实现了在实际任务或事件没有发生之前对任务或事件的执行时间的优化处理,基于以往的历史实践值(实际值),得出具有实践代表性的优化值,以方便对事先无法进行计算的属性进行合理的优化。
在此,优化处理装置10对任务执行时间的优化简便快捷,不需要所有数据参与运算,大大提高优化的效率,并且,该优化不直接使用实践值,并进一步对实践值进行筛选,几乎避免了因实践值可能出现无效值而致优化结果不可靠的可能。
此外,由于数据具有时效性,随着时间变化,数据可能会发生偏移,可能变大也可能变小,因此,优化处理装置10还可以尽量避免将较早的数据参与到该优化中。
在此,优化处理装置10结合前次计算执行所述任务的优化执行时间,优化当前执行所述任务的优化执行时间,使得对任务的执行时间的优化更为精确,进一步提升了用户的使用体验。
可选地,在步骤S101中,优化处理装置10根据最新获取的所述任务被执行时所需时间的历史实践值,更新所述数据库;在步骤S102中,优化处理装置10自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值。
具体地,每次任务被执行之后,都会得到一个该任务该次被执行所需的时间,将该时间作为一个历史实践值,在步骤S101中,优化处理装置10随即获取该最新的历史实践值,并根据该最新获取的历史实践值,将其存入数据库中,从而实现对该数据库的更新。
随后,在步骤S102中,优化处理装置10通过与该更新后的数据库的交互,自该更新后的数据库中,重新获取预定数量个距当前最近的候选实践值。在步骤S102中,优化处理装置10可以是根据所述任务历史被执行时距当前的远近,自更新后的数据库中重新获取预定数量个距当前最近的候选实践值,也可以是仅自该更新后的数据库中获取最新的候选实践值,而将前次获取的候选实践值中距当前最远的那个候选实践值进行剔除。
在此,当所述任务被最新执行时,即,产生了最新的历史实践值时,优化处理装置10实现了对参与到优化任务执行时间的候选实践值的更新。
可选地,所述修正值根据前次计算执行所述任务的优化执行时间来确定;在步骤S104中,优化处理装置10根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间;优化处理装置10重复执行所述步骤S101至S105以优化处理下次执行所述任务的执行时间。
具体地,当所述任务被最新执行时,即,产生了最新的历史实践值时,在步骤S101中,优化处理装置10获取该最新的历史实践值,并据此更新所述数据库;随后,在步骤S102中,优化处理装置10自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值,从而实现对该预定数量个候选实践值的更新;接着,在步骤S103中,优化处理装置10对该更新后的预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;在步骤S104中,优化处理装置10将前次计算执行所述任务的优化执行时间作为修正值,根据所述参考实践值和修正值,计算当前执行所述任务的优化执行时间;并且,在步骤S104中,优化处理装置10根据该次所计算出的当前执行所述任务的优化执行时间,更新该修正值,从而使得优化处理装置10下一轮循环重复这些步骤时,在步骤S104中,优化处理装置10以这次更新后的修正值,修正计算下次执行所述任务的优化执行时间;随后,在步骤S105中,优化处理装置10将当前执行所述任务的所述优化执行时间提供给对应的用户。
例如,假设前次计算执行所述任务的优化执行时间时,在步骤S105中,优化处理装置10所获取的十个候选实践值表示如下:
Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9
所计算出的前次执行所述任务的优化执行时间为将该直接作为此次计算当前执行所述任务的优化执行时间的修正值,记为
则当有新的历史实践值时,此处将该新的历史实践值记为Ri+10,则在步骤S101中,优化处理装置10根据该Ri+10更新所述数据库,在步骤S102中,优化处理装置10自更新后的所述数据库中重新获取十个距当前最近的候选实践值,表示如下:
Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9,Ri+10
在步骤S103中,优化处理装置10对该更新后的十个候选实践值进行筛选,以获得经筛选后的参考实践值,假设为如下八个:
Ri+1,Ri+3,Ri+4,Ri+5,Ri+7,Ri+8,Ri+9,Ri+10
则在步骤S104中,优化处理装置10根据该八个参考实践值,再结合前述计算得到的修正值计算当前执行所述任务的优化执行时间,记为并且,在步骤S104中,优化处理装置10根据该更新即,更新用于计算下次执行所述任务的优化执行时间的修正值,这样,当下次再有新的历史实践值产生时,优化处理装置10仍旧重复执行上述各步骤,其中,在步骤S104中,优化处理装置10在计算优化执行时间时,采用该更新后的修正值。
在此,每当所述任务被最新执行时,即,产生了最新的历史实践值时,优化处理装置10重复执行一轮上述各个步骤,重新计算执行所述任务的优化执行时间,并将该执行时间提供给用户,使得该执行时间得以更新,进一步方便用户对任务和时间的管理。
图4为根据发明一实施例的任务执行时间的优化处理方法的方法流程图。其中,所述步骤S103包括子步骤S1031、子步骤S1032和子步骤S1033。其中,所述步骤S101、步骤S102、步骤S104和步骤S105与图3所示对应步骤相同或基本相同,故此处不再赘述,并通过引用的方式包含于此。
其中,在子步骤S1031中,优化处理装置10根据预定剔除条件,自所述预定数量个候选实践值中剔除符合所述预定剔除条件的候选实践值;
在子步骤S1032中,优化处理装置10重复执行所述子步骤S1031,直至所述预定数量个候选实践值中剩余候选实践值满足以下至少任一项:
所述剩余候选实践值中无可剔除的候选实践值;
所述剩余候选实践值的数量小于等于预定数量阈值;
在子步骤S1033中,优化处理装置10将满足上述至少任一项的所述剩余候选实践值确定为所述参考实践值。
具体地,在子步骤S1031中,优化处理装置10根据预定剔除条件,自在步骤S102中所获取的预定数量个候选实践值中剔除符合该预定剔除条件的候选实践值,例如,在子步骤S1031中,优化处理装置10在该预定数量个候选实践值中剔除掉数值范围不符合预定数值范围的候选实践值;随后,在子步骤S1032中,优化处理装置10判断该预定数量个候选实践值中剩余的候选实践值是否满足剩余候选实践值中无可剔除的候选实践值,和/或剩余候选实践值的数量小于等于预定数量阈值,若不满足,则在子步骤S1032中,优化处理装置10重复执行所述子步骤S1031,直至剩余候选实践值满足上述至少任一项条件;接着,在子步骤S1033中,优化处理装置10将满足上述至少任一项条件的剩余候选实践值作为参与到优化执行该任务的执行时间的参考实践值。从而,在步骤S104中,优化处理装置10根据该子步骤S1033所确定的参考实践值,或再结合一修正值,计算当前执行所述任务的优化执行时间。
可选地,所述预定剔除条件基于所述预定数量个候选实践值的平均值、标准差及经验常数确定。
例如,假设以Ri,i=1,2,3…来表示候选实践值,在步骤S102中,优化处理装置10所获取的十个候选实践值表示如下:
Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9
该十个候选实践值例如为软件中最新的十个数据,在子步骤S1031中,优化处理装置10例如首先计算该十个候选实践值的算术平均值,如下:
再计算该十个候选实践值的标准差,如下:
随后在子步骤S1031中,优化处理装置10根据预定剔除条件,自上述十个候选实践值中剔除符合该预定剔除条件的候选实践值,该预定剔除条件例如剔除的候选实践值,在此,k为筛选经验常数,此处取k=1。所述k的取值可以是预定的,也可以根据实际情况进行调整。
在此,在子步骤S1031中,优化处理装置10例如依次对上述十个候选实践值进行判断,从中:
其中,k为筛选经验常数,此处取k=1。
在子步骤S1031中,优化处理装置10首次对该十个候选实践值进行剔除之后,在子步骤S1032中,优化处理装置10判断该十个候选实践值中剩余的候选实践值是否满足:剩余候选实践值中无可剔除的候选实践值,和/或剩余候选实践值的数量小于等于预定数量阈值,例如,小于等于2个;若不满足,则在子步骤S1032中,优化处理装置10重复执行在所述子步骤S1031中的操作,即,利用剩余候选实践值再重新开始计算这些剩余候选实践值的和σ,并再次根据下式,对这些剩余候选实践值进行剔除处理:
其中,k为筛选经验常数,此处取k=1,和σ为剩余候选实践值的和σ。
在子步骤S1031和S1032中,任务估算装置10重复执行上述操作,直至剩余候选实践值中无可剔除的候选实践值,和/或剩余候选实践值的数量小于等于预定数量阈值,例如,小于等于2个。
在此,所述预定数量阈值用来判断是否还需要对剩余候选实践值再次进行筛选,其数值大小可以是预定的,也可以根据实际情况进行调整。
随后,在子步骤S1033中,优化处理装置10将满足上述至少任一项条件的剩余候选实践值作为参与到优化执行该任务的执行时间的参考实践值。
在此,可能在在子步骤S1031中,优化处理装置10进行第一次剔除计算时,就没有候选实践值被剔除,即,代表该十个候选实践值均有效。则在子步骤S1033中,优化处理装置10即以该全部十个候选实践值作为参与到优化执行该任务的执行时间的参考实践值。
接着,在步骤S104中,优化处理装置10根据在子步骤S1033中所确定的参考实践值,或再结合一修正值,计算当前执行所述任务的优化执行时间。例如,在步骤S104中,优化处理装置10计算该参考实践值的算术平均值,并将该算术平均值作为当前执行所述任务的优化执行时间。
例如,对于在步骤S102中,优化处理装置10所获取的如下十个候选实践值:Ri,Ri+1,Ri+2,Ri+3,Ri+4,Ri+5,Ri+6,Ri+7,Ri+8,Ri+9,在子步骤S1031中,优化处理装置10首次对该十个候选实践值进行剔除处理,剔除掉了其中的候选实践值Ri+2,Ri+7;在子步骤S1032中,优化处理装置10对剩余的八个候选实践值Ri,Ri+1,Ri+3,Ri+4,Ri+5,Ri+6,Ri+8,Ri+9进行判断,发现其并未满足上述任意一项条件,即,发现该剩余的八个候选实践值中还存在可以被剔除的数据;则在子步骤S1031中,优化处理装置10再次对该剩余的八个候选实践值进行剔除处理,再次剔除掉了其中的候选实践值Ri+4,Ri+6;在子步骤S1032中,优化处理装置10对剩余的六个候选实践值Ri,Ri+1,Ri+3,Ri+5,Ri+8,Ri+9再次进行判断,发现其中已没有可以被剔除的数据;则在子步骤S1033中,优化处理装置10即以该六个剩余候选实践值作为参考实践值;随后,在步骤S104中,优化处理装置10对该六个参考实践值进行算术平均计算,根据下式,计算当前执行所述任务的优化执行时间:
在此,即以作为所计算出的当前执行所述任务的优化执行时间。
或者,在步骤S104中,优化处理装置10根据该六个参考实践值,再结合根据前次计算执行所述任务的优化执行时间所确定的修正值,例如,前次计算执行所述任务的优化执行时间为则直接将该作为修正值,优化装置104根据下式,计算当前执行所述任务的优化执行时间:
又或者,在步骤S104中,优化处理装置10也可以首先根据上述六个参考实践值计算得到中间值,假设该中间值以表示,则该中间值例如根据下式计算获得:
随后,在步骤S104中,优化处理装置10再根据该中间值和该修正值通过下式,计算当前执行所述任务的优化执行时间
在此,所计算出的与之后产生的新实践值Ri+10之间可以有计算关系,也可以没有计算关系。即,Ri+10的产生可以与有关,也可以无关。而的计算产生,因发生在Ri+10产生之前,所以与之无关,而只与Ri~Ri+9有关。
本领域技术人员应能理解,上述预定剔除条件仅为举例,其他现有的或今后可能出现的预定剔除条件如可适用于本发明,也应包含在本发明保护范围之内,并通过引用的方式包含于此。
在此,优化处理装置10根据预定剔除条件对候选实践值进行循环剔除操作,使得参与到计算当前执行所述任务的优化执行时间的参考实践值更具有参考性与实践性,进一步提高了优化的效率,几乎避免了因实践值可能出现无效值而致优化结果不可靠的可能,进一步提升了用户的使用体验。
可选地,该方法还包括步骤(未示出):根据对执行所述任务的执行时间的优化,更新所述执行时间所对应的优化指数。
具体地,对于执行所述任务所需的执行时间的优化具有一个对应的优化指数,该优化指数用于指示该执行时间被优化的程度,每一个有预置值的条目或子任务都对应一个优化指数,这个优化指数的初始值被设置为0。每当优化一次执行所述任务所需的执行时间,即每完成一次数据优化,优化处理装置10即更新一次该优化指数。该优化指数的计算方式如下所示:
其中,ε′为前一个优化指数,ε为当前被更新计算得到的优化指数。
例如,前一个优化指数ε′=0.56,则优化处理装置10根据该公式,计算得到更新后的优化指数为
在此,该优化指数越接近1,说明该执行时间被优化地越好。
在此,优化处理装置10根据对任务的执行时间的优化,更新该执行时间所对应的优化指数,使得用户可以直观地获知该任务的执行时间被优化的优化程度,进一步提升了用户的使用体验。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
虽然前面特别示出并且描述了示例性实施例,但是本领域技术人员将会理解的是,在不背离权利要求书的精神和范围的情况下,在其形式和细节方面可以有所变化。这里所寻求的保护在所附权利要求书中做了阐述。

Claims (10)

1.任务执行时间的优化处理方法,其包括:
a获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库;
b根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值;
c对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;
d根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间;
e将当前执行所述任务的所述优化执行时间提供给对应的用户。
2.根据权利要求1所述的方法,其特征在于,
所述步骤a还包括:根据最新获取的所述任务被执行时所需时间的历史实践值,更新所述数据库;
所述步骤b还包括:自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值。
3.根据权利要求2所述的方法,其特征在于,
所述修正值根据前次计算执行所述任务的优化执行时间来确定;
所述步骤d还包括:根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间;
重复执行所述步骤a至e以优化处理下次执行所述任务的执行时间。
4.根据权利要求1至3中任一项所述的方法,其特征在于,
所述步骤d还包括:根据对所述参考实践值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间;或者
所述步骤d还包括:根据对所述参考实践值的平均计算,确定一中间值,根据对所述中间值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间。
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述步骤c包括:
c1根据预定剔除条件,自所述预定数量个候选实践值中剔除符合所述预定剔除条件的候选实践值;
c2重复执行所述步骤c1,直至所述预定数量个候选实践值中剩余候选实践值满足以下至少任一项:
所述剩余候选实践值中无可剔除的候选实践值;
所述剩余候选实践值的数量小于等于预定数量阈值;
c3将满足上述至少任一项的所述剩余候选实践值确定为所述参考实践值。
6.任务执行时间的优化处理装置,其包括:
建立装置,用于获取任务历史被执行时所需时间的历史实践值,根据所述历史实践值建立数据库;
获取装置,用于根据所述任务历史被执行时距当前的远近,自所述数据库中获取预定数量个距当前最近的候选实践值;
筛选装置,用于对所述预定数量个候选实践值进行筛选,以获得经筛选后的参考实践值;
优化装置,用于根据所述参考实践值和一修正值,计算当前执行所述任务的优化执行时间;
提供装置,用于将当前执行所述任务的所述优化执行时间提供给对应的用户。
7.根据权利要求6所述的优化处理装置,其特征在于,
所述建立装置还用于:根据最新获取的所述任务被执行时所需时间的历史实践值,更新所述数据库;
所述获取装置还用于:自更新后的所述数据库中重新获取预定数量个距当前最近的候选实践值。
8.根据权利要求7所述的优化处理装置,其特征在于,
所述修正值根据前次计算执行所述任务的优化执行时间来确定;
所述优化装置还用于:根据计算所得的所述当前执行所述任务的优化执行时间,更新所述修正值,以修正计算下次执行所述任务的优化执行时间;
所述建立装置、所述获取装置、所述筛选装置、所述优化装置及所述提供装置重复执行其操作以优化处理下次执行所述任务的执行时间。
9.根据权利要求6至8中任一项所述的优化处理装置,其特征在于,
所述优化装置还用于:根据对所述参考实践值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间;或者
所述优化装置还用于:根据对所述参考实践值的平均计算,确定一中间值,根据对所述中间值和所述修正值的平均计算,得到当前执行所述任务的优化执行时间。
10.根据权利要求6至8中任一项所述的优化处理装置,其特征在于,所述筛选装置包括:
剔除单元,用于根据预定剔除条件,自所述预定数量个候选实践值中剔除符合所述预定剔除条件的候选实践值;
执行单元,用于通知所述剔除单元重复执行其操作,直至所述预定数量个候选实践值中剩余候选实践值满足以下至少任一项:
所述剩余候选实践值中无可剔除的候选实践值;
所述剩余候选实践值的数量小于等于预定数量阈值;
确定单元,用于将满足上述至少任一项的所述剩余候选实践值确定为所述参考实践值。
CN201610220397.4A 2016-04-11 2016-04-11 任务执行时间的优化处理方法和装置 Active CN107291767B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610220397.4A CN107291767B (zh) 2016-04-11 2016-04-11 任务执行时间的优化处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610220397.4A CN107291767B (zh) 2016-04-11 2016-04-11 任务执行时间的优化处理方法和装置

Publications (2)

Publication Number Publication Date
CN107291767A true CN107291767A (zh) 2017-10-24
CN107291767B CN107291767B (zh) 2020-07-17

Family

ID=60095498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610220397.4A Active CN107291767B (zh) 2016-04-11 2016-04-11 任务执行时间的优化处理方法和装置

Country Status (1)

Country Link
CN (1) CN107291767B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108762060A (zh) * 2018-05-07 2018-11-06 中国科学院力学研究所 一种远程操作任务制定的优化方法及系统
CN111382921A (zh) * 2018-12-29 2020-07-07 福建金风科技有限公司 海上风力发电机组的任务匹配方法、存储介质及计算装置
CN112529259A (zh) * 2020-11-26 2021-03-19 中广核核电运营有限公司 一种核电站备件采购需求日期优化方法及计算机

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920781A (zh) * 2005-08-24 2007-02-28 松下电器产业株式会社 任务执行装置及方法
CN101546273A (zh) * 2009-05-08 2009-09-30 中国科学院软件研究所 一种预测软件过程执行时间的方法
CN103927228A (zh) * 2013-01-15 2014-07-16 株式会社日立制作所 作业执行预测方法和设备
CN104679590A (zh) * 2013-11-27 2015-06-03 阿里巴巴集团控股有限公司 分布式计算系统中的Map优化方法及装置
JP2015169997A (ja) * 2014-03-05 2015-09-28 三菱電機株式会社 プログラム解析装置及びプログラム解析方法及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920781A (zh) * 2005-08-24 2007-02-28 松下电器产业株式会社 任务执行装置及方法
CN101546273A (zh) * 2009-05-08 2009-09-30 中国科学院软件研究所 一种预测软件过程执行时间的方法
CN103927228A (zh) * 2013-01-15 2014-07-16 株式会社日立制作所 作业执行预测方法和设备
CN104679590A (zh) * 2013-11-27 2015-06-03 阿里巴巴集团控股有限公司 分布式计算系统中的Map优化方法及装置
JP2015169997A (ja) * 2014-03-05 2015-09-28 三菱電機株式会社 プログラム解析装置及びプログラム解析方法及びプログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108762060A (zh) * 2018-05-07 2018-11-06 中国科学院力学研究所 一种远程操作任务制定的优化方法及系统
CN108762060B (zh) * 2018-05-07 2021-02-02 中国科学院力学研究所 一种远程操作任务制定的优化方法及系统
CN111382921A (zh) * 2018-12-29 2020-07-07 福建金风科技有限公司 海上风力发电机组的任务匹配方法、存储介质及计算装置
CN112529259A (zh) * 2020-11-26 2021-03-19 中广核核电运营有限公司 一种核电站备件采购需求日期优化方法及计算机

Also Published As

Publication number Publication date
CN107291767B (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
US10452625B2 (en) Data lineage analysis
CN107193967A (zh) 一种多源异构行业领域大数据处理全链路解决方案
Davendra et al. Complex network analysis of differential evolution algorithm applied to flowshop with no-wait problem
CN109583468A (zh) 训练样本获取方法,样本预测方法及对应装置
WO2021219080A1 (zh) 基于联邦学习模型的视图显示方法、装置、设备及介质
Hannah et al. Nonparametric density estimation for stochastic optimization with an observable state variable
CN107291767A (zh) 任务执行时间的优化处理方法和装置
CN110096569A (zh) 一种众测人员集合推荐方法
CN106789338B (zh) 一种在动态大规模社交网络中发现关键人物的方法
Tonella et al. Finding the optimal balance between over and under approximation of models inferred from execution logs
US11321359B2 (en) Review and curation of record clustering changes at large scale
Pan et al. Refactoring packages of object–oriented software using genetic algorithm based community detection technique
CN111784203B (zh) 适用于发电机组参与的电力现货市场风险模拟分析方法
CN110399903A (zh) 异常数据的检测方法及装置、计算机可读存储介质
CN108924196A (zh) 工业互联网绿色能源管理系统
WO2022217712A1 (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN109493065A (zh) 一种基于行为增量更新的欺诈交易检测方法
Ballin et al. Optimization of sampling strata with the SamplingStrata package
CN110162547A (zh) 一种基于时态数据系统的类周期规则挖掘方法
CN106970840A (zh) 一种结合任务调度的软硬件划分方法
CN113763181A (zh) 一种风险压力测试系统
WO2019227415A1 (zh) 一种评分卡模型的调整方法、装置、服务器及存储介质
Zeng et al. Evolving many-objective dispatching rule pairs for unrelated parallel machine scheduling with sequence-dependent setup times
CN110362495A (zh) 一种接口入参功能测试方法、装置、设备及存储介质
CN109993313A (zh) 样本标签处理方法及装置、社群划分方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant