CN110348817A - 一种语义工作流并行化重构方法 - Google Patents
一种语义工作流并行化重构方法 Download PDFInfo
- Publication number
- CN110348817A CN110348817A CN201910643825.8A CN201910643825A CN110348817A CN 110348817 A CN110348817 A CN 110348817A CN 201910643825 A CN201910643825 A CN 201910643825A CN 110348817 A CN110348817 A CN 110348817A
- Authority
- CN
- China
- Prior art keywords
- workflow
- task
- semantic
- parallelization
- semantic workflow
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种语义工作流并行化重构方法,步骤为:1)语义工作流化简;2)计算化简后语义工作流的任务执行矩阵;3)计算化简后语义工作流的数据依赖矩阵;4)更新任务执行关系矩阵,得到基于数据依赖的任务执行关系矩阵;5)根据基于数据依赖的任务执行关系矩阵,构建初步并行化的语义工作流;6)将步骤5)得到语义工作流中的简化节点替换为原语义工作流中的对应互斥或循环结构块,得到并行化重构的语义工作流;7)解除并行化重构的语义工作流中可能存在的资源约束,对语义工作流进行调整,得到解除资源约束的并行化重构语义工作流。该方法可以提高语义工作流的并行度,改善语义工作流的质量,为提高业务过程的运行效率有较大帮助。
Description
技术领域
本发明涉及业务过程管理技术领域,具体涉及一种语义工作流并行化重构方法。
背景技术
业务过程的质量和运行效率是现代企业和组织在竞争中保持优势的关键因素。业务过程管理(Business process management,BPM)研究关注企业和组织的业务过程管理、分析、控制与改进,以提高业务处理效率,改进产品质量,提高服务水平。而业务过程管理技术可以被用于快速构建和更新过程感知信息系统,是现代企业和组织的信息系统的共性基础性技术。业务过程的改进与优化主要通过业务过程模型研究业务过程的改进、重构和优化问题,以提高业务过程的运行效率。
语义工作流是一种基于领域知识的工作流,为业务工作流管理(Businessworkflow management,BWM)提供了充足的语义和数据或资源信息。它同时包含控制流和数据流,适于建模以控制流为中心,且兼顾数据流的业务过程。与传统工作流相比,语义工作流更适合建模工业环境中的生成制造过程,可以为工业大数据系统软件的开发及运行提供一定的基础支持。目前,语义工作流的应用已经涵盖了业务过程、电子商务、医疗、软件开发、科学分析和工业生产制造等领域。
如果语义工作流中的任务能够尽可能地并行执行,那么同等条件下其运行效率就更高。因而重构语义工作流,提高并行任务数量是提高基于语义工作流模型的业务过程的运行效率的方法之一。在软件工程领域,已有关于代码并行化重构的研究,目标是提高代码在多核处理器上的执行效率。但现有的代码并行化重构方法并不能解决业务过程的并行化重构问题。Vanhatalo等人提出一种基于细化过程结构树的业务过程模型重构技术来完善一个业务过程模型使之结构性更好。Weber等人总结一组业务过程模型库重构技术来简化过程模型库,使模型管理人员高效地处理复杂的业务过程模型,更方便地维护业务过程模型库。Dijkman等人提出一种能自动探测业务过程模型中的四种类型重构机会的技术。Leopold等人提出了一种重构业务过程模型中活动标签的方法,以提高活动标签的质量。Polyvyanyy等人提出一种对无环业务过程模型进行结构化的方法。以上方法可以保持业务过程模型的行为,使过程模型更容易理解和维护,并不能处理业务过程模型的并行化重构问题。Jin等人首次提出一种基于带数据的工作流网(Workflow net with data,DWF-net)的业务过程模型并行化重构算法。算法先获取DWF-net对应的标签Petri网的任务执行(顺序、并行或互斥)关系,然后分析任务(变迁)节点上的数据读-写依赖,得出基于数据操作依赖的任务并行关系,最后使用α算法构造并行化的DWF-net。重构后的DWF-net改善了业务过程模型的质量,提升了业务过程处理的效率。
现有的业务过程模型并行化方法并不能解决语义工作流的并行化重构问题,比如它们无法处理语义工作流中数据生成-消耗依赖、资源约束等问题。于是针对提高语义工作流质量这一需求,本发明提出了一种基于数据生成-消耗依赖的语义工作流并行化重构方法。
发明内容
本发明的目的在于针对现有现有的业务过程模型并行化方法的不足,而提供一种语义工作流并行化重构方法,该方法提高了基于语义工作流的业务过程运行效率的需求。
实现本发明目的的技术方案是:
一种语义工作流并行化重构方法,包括如下步骤:
1)对语义工作流进行化简,将最外层的互斥结构块或循环结构块替换为简化节点——特殊的“块节点”特殊的“块节点”,将这些“块节点”与结构块外部的任务节点等同看待,得到简化后语义工作流;若语义工作流本身为互斥或循环结构块,则将该互斥或循环结构块的每个执行分支作为一个语义工作流片段进行并行化处理,执行步骤1)的操作;
2)计算化简后语义工作流的任务执行关系,得到任务执行关系矩阵;
3)计算化简后语义工作流的基于数据生成-消耗依赖的任务因果关系、传递任务因果关系和关键任务因果关系,得到数据依赖矩阵;
4)设计任务执行关系更新规则,使用数据依赖矩阵、任务执行关系更新规则来更新任务执行关系矩阵,得到基于数据依赖的任务执行关系矩阵;
5)根据基于数据依赖的任务执行关系矩阵,构建初步并行化的块结构化语义工作流;
6)将初步并行化的语义工作流中的简化节点替换为原语义工作流中的对应互斥循环结构块或循环结构块,得到的工作流即为并行化重构的语义工作流。
步骤1)中,所述的特殊的“块节点”,是在化简语义工作流时,对其最外层的互斥结构块、循环结构块进行转换得到的特殊“块节点”。
所述步骤2),具体是使用节点按层编号法、最近公共前驱法计算化简后的语义工作流中各对任务节点间的因果关系“→L”、并发关系“||L”,得到任务执行关系矩阵。
所述步骤4),具体是在经分析语义工作流的任务节点间的数据生成-消耗依赖,得出任务执行关系更新规则共5条,如下所示,其中NT为语义工作流的任务节点集合,ND为语义工作流的数据对象集合:
R1:存在数据生成-消耗依赖的任务因果关系保持不变,仍然为任务因果关系,即如果任务节点则t1,t2之间的关系保持不变,仍为t1→Lt2;
R2:存在数据生成-消耗依赖的传递任务因果关系保持不变,仍然为传递任务因果关系,即如果任务节点则t1,t2之间的关系保持不变,仍为
R3:将不存在数据生成-消耗依赖的任务因果关系变更为任务并行关系,即如果任务节点则t1,t2之间的关系可变更为t1||Lt2;
R4:将不存在数据生成-消耗依赖的传递任务因果关系变更为任务并行关系,即如果则t1,t2之间的关系可变更为t1||Lt2;
R5:将存在基于数据生成-消耗依赖的关键任务因果关系的传递任务因果关系变更为任务因果关系,即如果则t1,t2之间的关系可变更为t1→Lt2。
步骤6)中,所述的并行化重构的语义工作流,若存在资源约束的语义工作流,选择使语义工作流并发度最大的方式解除资源约束,将存在并行关系和资源约束的两个任务节点的任务执行关系变更为因果关系,调整语义工作流的结构,得到解除资源约束的并行化重构语义工作流。
有益效果:本发明提供的一种语义工作流并行化重构方法,该方法有如下优点:
1、为以语义工作流为代表的业务工作流的改进与优化方法提供理论依据;
2、提高了语义工作流的并行度,改善了语义工作流的质量,为提高基于语义工作流的业务过程的运行效率提供有效支持。
附图说明
图1为一种语义工作流并行化重构方法的流程图;
图2为描述某食谱的语义工作流实例SW1;
图3为化简后的语义工作流实例SW2;
图4为语义工作流的任务执行关系矩阵TM1;
图5为包含传递任务因果关系的任务执行关系矩阵TM2;
图6为语义工作流的数据依赖矩阵DM1;
图7为语义工作流的数据依赖矩阵DM2;
图8为更新后的任务执行关系矩阵TM3;
图9为有向图G1;
图10为有向图G2;
图11为有向图G3;
图12为有向图G4;
图13为并行重构的语义工作流实例SW3;
图14为解除资源约束的语义工作流实例SW4。
具体实施方式
下面结合附图和实施例对本发明内容做进一步阐述,但不是对本发明的限定。
实施例1:
如图1所示,一种语义工作流并行化重构方法,包括如下步骤:
1)对语义工作流进行化简,具体是识别出语义工作流中最外层的互斥结构块和循环结构块,将最外层的互斥结构块、循环结构块替换为特殊的“块节点”,将互斥结构块或循环结构块的输入数据作为对应“块节点”的输入数据对象集合,将互斥结构块或循环结构块的输出数据作为对应“块节点”的输出数据对象集合,得到化简后的语义工作流。
如图2所示,为某食谱的语义工作流SWl,将SW1的第一个任务节点Cook所在的循环结构块转化为一个特殊的任务节点,即“块节点”,设定任务节点的语义描述为“BlockNode1”,使用任务节点的语义描述指代该任务节点,并使用大写字母A,B,..,G替代这些语义标签,如下表1所示,得到化简后的语义工作流SW2如图3所示。
表1
代号 | A | B | C | D | E | F | G |
任务节点 | Combine | Shape | BlockNode1 | Cook | Stir | Pour | Sprinkle |
2)计算化简后的语义工作流的任务执行关系,得到任务执行关系矩阵,具体是:使用节点按层编号法、最近公共前驱法计算化简后的的语义工作流中各对任务节点间的因果关系“→L”、并发关系“||L”,得到任务执行关系矩阵。
计算语义工作流SW2的任务执行关系,得到任务执行关系矩阵TM1,如图4所示,进而可得,包含传递任务因果关系的任务执行关系矩阵TM2,如图5所示。
3)计算化简后的语义工作流的基于数据生成-消耗依赖的任务因果关系、传递任务因果关系和关键任务因果关系,得到数据依赖矩阵;具体是:在化简后的的语义工作流中,根据任务节点的输入数据对象和输出数据对象集合,计算基于数据生成-消耗依赖的任务因果关系传递任务因果关系和关键任务因果关系得到数据依赖矩阵;
计算SW2的基于数据依赖的任务因果关系矩阵(简称数据依赖矩阵)DM1,如图6所示;
计算SW2的基于数据生成--消耗依赖的任务因果关系、传递任务因果关系和关键任务因果关系,得数据依赖矩阵DM2,如图7所示。
4)设计任务执行关系更新规则,使用数据依赖矩阵、任务执行关系更新规则来更新任务执行关系矩阵,得到基于数据依赖的任务执行关系矩阵;具体是:经分析语义工作流的任务节点间的数据生成-消耗依赖,得出任务执行关系更新规则共5条,如下所示,其中,NT为语义工作流的任务节点集合,ND为语义工作流的数据对象集合:
R1:存在数据生成-消耗依赖的任务因果关系保持不变,仍然为任务因果关系,即如果任务节点则t1,t2之间的关系保持不变,仍为t1→Lt2;
R2:存在数据生成-消耗依赖的传递任务因果关系保持不变,仍然为传递任务因果关系,即如果任务节点则t1,t2之间的关系保持不变,仍为
R3:将不存在数据生成-消耗依赖的任务因果关系变更为任务并行关系,即如果任务节点则t1,t2之间的关系可变更为t1||Lt2;
R4:将不存在数据生成-消耗依赖的传递任务因果关系变更为任务并行关系,即如果则t1,t2之间的关系可变更为t1||Lt2;
R5:将存在基于数据生成-消耗依赖的关键任务因果关系的传递任务因果关系变更为任务因果关系,即如果则t1,t2之间的关系可变更为t1→Lt2;
使用以上规则、数据依赖矩阵DM2更新SW2的任务执行关系矩阵TM2,得SW2的更新后任务执行关系矩阵TM3,如图8所示。
5)根据基于数据依赖的任务执行关系矩阵,使用结构化检查和重构方法,构建初步并行化的块结构化语义工作流;
根据SW2的更新后的任务执行关系矩阵TM3,逐步构建结构化语义工作流,具体包括如下步骤:
5-1)将任务执行关系矩阵TM3中的因果关系“→L”,转化为任务节点间的控制流边,得到初步有向图G1,如图9所示;
5-2)由于C→LF,E→LF且C||L E,则在C,E,F之间增加AND-join节点,得到初步有向图G2,如图10所示;
5-3)对G2进行块结构化特性的检查与重构,得到有向图G3,如图11所示;
5-4)对G3进行后处理,得到有向图G4,如图12所示。
6)将“块节点”替换为原语义工作流的互斥或循环结构块,得到的工作流即为并行化重构的语义工作流;具体是:
将G4中任务节点G所在分支画在上方,对G4进行任务节点的语义描述、“块节点”的替换,为G4添加开始节点和结束节点,得到语义工作流SW3,如图13所示,SW3即为对SW2并行化重构后的语义工作流。
实施例2:为存在资源约束的语义工作流并行化重构的实施例,与实施例1类似,与实施例1的差别在于算法在保持并行化后的语义工作流的并发度最大的前提下,解除资源约束,对并行化后的语义工作流结构进行调整。
假定SW3中的任务节点Combine与Stir依赖同一资源S1完成执行,由于存在Combine||L Stir,二者需要竞争S1的使用权才能确定谁先执行,这时称二者存在资源约束。为了提高语义工作流的运行效率,可以将Combine与Stir的并发关系变更为因果关系。对语义工作流来说,一般有多种方式可以解除资源约束。选取使语义工作流并发度最大的方式,调整语义工作流的结构,得到语义工作流SW4,如图14所示。
Claims (5)
1.一种语义工作流并行化重构方法,其特征在于,包括如下步骤:
1)对语义工作流进行化简,将最外层的互斥结构块或循环结构块替换为简化节点——特殊的“块节点”,将这些“块节点”与结构块外部的任务节点等同看待,得到化简后语义工作流;若语义工作流本身为互斥或循环结构块,则将该互斥或循环结构块的每个执行分支作为一个语义工作流片段进行并行化处理,执行步骤1)的操作;
2)计算化简后语义工作流的任务执行关系,得到任务执行关系矩阵;
3)计算化简后语义工作流的基于数据生成-消耗依赖的任务因果关系、传递任务因果关系和关键任务因果关系,得到数据依赖矩阵;
4)设计任务执行关系更新规则,使用数据依赖矩阵、任务执行关系更新规则来更新任务执行关系矩阵,得到基于数据依赖的任务执行关系矩阵;
5)根据基于数据依赖的任务执行关系矩阵,构建初步并行化的块结构化语义工作流;
6)将初步并行化的语义工作流中的简化节点替换为原语义工作流中的对应互斥循环结构块或循环结构块,得到的工作流即为并行化重构的语义工作流。
2.根据权利要求1所述的一种语义工作流并行化重构方法,其特征在于,步骤1)中,所述的特殊的“块节点”,是在化简语义工作流时,对其最外层的互斥结构块、循环结构块进行转换得到的特殊“块节点”。
3.根据权利要求1所述的一种语义工作流并行化重构方法,其特征在于,所述步骤2),具体是使用节点按层编号法、最近公共前驱法计算简化后的语义工作流中各对任务节点间的因果关系“→L”、并发关系“||L”,得到任务执行关系矩阵。
4.根据权利要求1所述的一种语义工作流并行化重构方法,其特征在于,所述步骤4),具体是在经分析语义工作流的任务节点间的数据生成-消耗依赖,得出任务执行关系更新规则共5条,如下所示,其中NT为语义工作流的任务节点集合,ND为语义工作流的数据对象集合:
R1:存在数据生成-消耗依赖的任务因果关系保持不变,仍然为任务因果关系,即如果任务节点则t1,t2之间的关系保持不变,仍为t1→Lt2;
R2:存在数据生成-消耗依赖的传递任务因果关系保持不变,仍然为传递任务因果关系,即如果任务节点则t1,t2之间的关系保持不变,仍为
R3:将不存在数据生成-消耗依赖的任务因果关系变更为任务并行关系,即如果任务节点则t1,t2之间的关系可变更为t1||Lt2;
R4:将不存在数据生成-消耗依赖的传递任务因果关系变更为任务并行关系,即如果则t1,t2之间的关系可变更为t1||Lt2;
R5:将存在基于数据生成-消耗依赖的关键任务因果关系的传递任务因果关系变更为任务因果关系,即如果则t1,t2之间的关系可变更为t1→Lt2。
5.根据权利要求1所述的一种语义工作流并行化重构方法,其特征在于,步骤6)中,所述的并行化重构的语义工作流,若存在资源约束的语义工作流,选择使语义工作流并发度最大的方式解除资源约束,将存在并行关系和资源约束的两个任务节点的任务执行关系变更为因果关系,调整语义工作流的结构,得到解除资源约束的并行化重构语义工作流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910643825.8A CN110348817B (zh) | 2019-07-17 | 2019-07-17 | 一种语义工作流并行化重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910643825.8A CN110348817B (zh) | 2019-07-17 | 2019-07-17 | 一种语义工作流并行化重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110348817A true CN110348817A (zh) | 2019-10-18 |
CN110348817B CN110348817B (zh) | 2021-06-18 |
Family
ID=68175520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910643825.8A Active CN110348817B (zh) | 2019-07-17 | 2019-07-17 | 一种语义工作流并行化重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348817B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115146920A (zh) * | 2022-05-27 | 2022-10-04 | 电子科技大学 | 一种基于控制流和数据依赖的多主体工作流重构方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090094074A1 (en) * | 2007-10-04 | 2009-04-09 | Nikovski Daniel N | Method for Constructing Business Process Models from Task Execution Traces |
CN102880684A (zh) * | 2012-09-13 | 2013-01-16 | 杭州电子科技大学 | 基于日志记录挖掘与组合验证的工作流建模方法 |
CN103823885A (zh) * | 2014-03-07 | 2014-05-28 | 河海大学 | 基于数据起源依赖关系分析模型的数据依赖分析方法 |
CN106169111A (zh) * | 2016-04-21 | 2016-11-30 | 铜仁学院 | 一种基于数据流约束的可配置业务流程分析方法 |
CN106447173A (zh) * | 2016-09-05 | 2017-02-22 | 北京理工大学 | 一种支持任意流程结构的云工作流调度方法 |
CN107909344A (zh) * | 2017-11-21 | 2018-04-13 | 杭州电子科技大学 | 基于关系矩阵的工作流日志重复任务识别方法 |
-
2019
- 2019-07-17 CN CN201910643825.8A patent/CN110348817B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090094074A1 (en) * | 2007-10-04 | 2009-04-09 | Nikovski Daniel N | Method for Constructing Business Process Models from Task Execution Traces |
CN102880684A (zh) * | 2012-09-13 | 2013-01-16 | 杭州电子科技大学 | 基于日志记录挖掘与组合验证的工作流建模方法 |
CN103823885A (zh) * | 2014-03-07 | 2014-05-28 | 河海大学 | 基于数据起源依赖关系分析模型的数据依赖分析方法 |
CN106169111A (zh) * | 2016-04-21 | 2016-11-30 | 铜仁学院 | 一种基于数据流约束的可配置业务流程分析方法 |
CN106447173A (zh) * | 2016-09-05 | 2017-02-22 | 北京理工大学 | 一种支持任意流程结构的云工作流调度方法 |
CN107909344A (zh) * | 2017-11-21 | 2018-04-13 | 杭州电子科技大学 | 基于关系矩阵的工作流日志重复任务识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115146920A (zh) * | 2022-05-27 | 2022-10-04 | 电子科技大学 | 一种基于控制流和数据依赖的多主体工作流重构方法 |
CN115146920B (zh) * | 2022-05-27 | 2024-04-26 | 电子科技大学 | 一种基于控制流和数据依赖的多主体工作流重构方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110348817B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | A genetic programming hyper-heuristic approach for the multi-skill resource constrained project scheduling problem | |
CN105959401B (zh) | 一种基于超网络的制造服务供需匹配与动态调度方法 | |
Sheldon et al. | Maximizing the spread of cascades using network design | |
Ip et al. | Genetic algorithm solution for a risk-based partner selection problem in a virtual enterprise | |
CN104820872B (zh) | 工程项目中利用潜在反关键工序进行项目工期优化的方法 | |
CN110018817A (zh) | 数据的分布式运行方法及装置、存储介质及处理器 | |
CN106371924B (zh) | 一种最小化MapReduce集群能耗的任务调度方法 | |
CN110348820A (zh) | 一种智能工作流管理系统 | |
CN105450684B (zh) | 云计算资源调度方法和系统 | |
CN114186749A (zh) | 基于强化学习及遗传算法的柔性车间调度方法及模型 | |
CN109815537B (zh) | 一种基于时间预测的高通量材料仿真计算优化方法 | |
CN110348817A (zh) | 一种语义工作流并行化重构方法 | |
CN111812982B (zh) | 面向智能制造的云制造资源的动态共享与智能分配方法 | |
Zhu et al. | A genetic programming-based iterative approach for the integrated process planning and scheduling problem | |
CN106227165A (zh) | 一种智能制造管理系统 | |
CN113469491B (zh) | 一种基于强化学习和图神经网络的柔性车间作业调度方法 | |
WO2020248440A1 (zh) | 一种机器学习方法与装置 | |
CN102034140A (zh) | 改善制造执行系统的性能 | |
CN115907022A (zh) | 一种多量子业务转化及仿真调度方法、装置、设备及介质 | |
Tran et al. | Robust forensic-based investigation algorithm for resource leveling in multiple projects | |
Sioud et al. | Constraint based scheduling in a genetic algorithm for the single machine scheduling problem with sequence-dependent setup times | |
Yu et al. | Team formation in business process context | |
An et al. | Neural Architecture Search Based on Improved Brain Storm Optimization Algorithm | |
CN110298538A (zh) | 一种智能车间组合调度控制方法 | |
CN117151441B (zh) | 一种基于演员-评论家算法的置换流水车间调度方法 |
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 |