CN110532439B - 基于树搜索的同顺序部门决策流程生成方法、系统、装置 - Google Patents
基于树搜索的同顺序部门决策流程生成方法、系统、装置 Download PDFInfo
- Publication number
- CN110532439B CN110532439B CN201910817198.5A CN201910817198A CN110532439B CN 110532439 B CN110532439 B CN 110532439B CN 201910817198 A CN201910817198 A CN 201910817198A CN 110532439 B CN110532439 B CN 110532439B
- Authority
- CN
- China
- Prior art keywords
- node
- decision
- sub
- module
- reverse
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013138 pruning Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 230000009191 jumping Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 240000007087 Apium graveolens Species 0.000 description 1
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 1
- 235000010591 Appio Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90348—Query processing by searching ordered data, e.g. alpha-numerically ordered data
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
Abstract
本发明属于调度管理技术领域,具体涉及了一种基于树搜索的同顺序部门决策流程生成方法、系统、装置,旨在解决现有技术同顺序部门决策流程寻优算法的随机性导致寻优结果不稳定的问题。本发明方法包括:采用改进的NEH算法基于获取的同顺序部门的决策任务数、部门数及决策时间构造初始解集;以初始解为当前结点进行正向、逆向搜索;判断获得的正向、逆向子结点与已有结点是否相同,是则停止搜索,否则与祖结点两两对比;若至少有一对不相等,则继续搜索,否则输出对应的决策流程。本发明构造了初始解集,并在决策流程寻优的过程中添加剪枝步骤,排除不必要的搜索方向,缩短算法的决策寻优时间,提高了企业同顺序部门管理的效率以及稳定性。
Description
技术领域
本发明属于调度管理技术领域,具体涉及了一种基于树搜索的同顺序部门决策流程生成方法、系统、装置。
背景技术
同顺序部门决策流程优化问题,可以抽象归类到运筹学经典问题流水线车间调度问题[1]。该问题是一个交叉性研究领域,涉及运筹学,管理学,计算机等学科。同顺序部门决策流程优化的研究可以帮助提高企业和机构中多部门决策的管理效率,增强管理决策可靠性,对企业和机构的管理决策有重要研究意义。
同顺序部门决策流程优化问题一般属于NP-完全问题。目前的求解方法主要有启发式算法,如禁忌搜索算法、模拟退火算法等。由于上述算法主要采用元启发式算法,算法本身带有随机性,有时结果不可复现,具有不稳定性。
以下文献是与本发明相关的技术背景资料:
[1]商秀芹、刘胜、王飞跃、袁勇、沈震、朱凤华、荆思凤、赵红霞,同顺序流水线车间调度问题的树搜索方法及装置,2018-08.CN108446814A
发明内容
为了解决现有技术中的上述问题,即现有技术同顺序部门决策流程寻优算法的随机性导致寻优结果不稳定的问题,本发明提供了一种基于树搜索的同顺序部门决策流程生成方法,该决策流程生成方法包括:
步骤S10,基于获取的同顺序部门的决策任务数、部门数以及每一个决策任务在每一个部门内的决策时间,通过改进的启发式算法构造初始解集;
步骤S20,分别以所述初始解集中每一个初始解为当前结点,并分别基于所述当前结点进行正向搜索、逆向搜索,获得当前结点的正向子结点、逆向子结点;
步骤S30,分别将所述正向子结点和逆向子结点与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索;否则,跳转步骤S40;
步骤S40,分别将所述正向子结点和逆向子结点与上两代的祖结点两两进行数据对比,若至少有一对不相等,则分别以所述正向子结点和逆向子结点为当前结点,并跳转步骤S20;若三个结点均相等,则以其对应的解作为最优解,并输出最优解对应的决策流程。
在一些优选的实施例中,所述初始解集包括:
将所述决策任务按照决策任务的总决策时间从大到小排列的初始解;将所述决策任务按照第一个决策部门的决策时间从大到小排列的初始解;将所述决策任务按照单个决策时间从大到小排列的初始解。
在一些优选的实施例中,步骤S20中“以所述初始解集中每一个初始解为当前结点”之前还设置有初始解合并的步骤,其方法为:
对所述初始解集中的初始解两两进行对比,并将其中相同的初始解合并为一个。
在一些优选的实施例中,所述正向搜索为:
获取当前结点中n个决策任务依次从前向后移动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为正向子结点。
在一些优选的实施例中,所述逆向搜索为:
获取当前结点中n个决策任务依次从后向钱动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为逆向子结点。
本发明的另一方面,提出了一种基于树搜索的同顺序部门决策流程生成系统,该决策流程生成系统包括输入模块、初始解集构造模块、正向搜索模块、逆向搜索模块、剪枝模块、数据对比模块、输出模块;
所述输入模块,配置为获取同顺序部门的决策任务数、部门数以及每一个决策任务在每一个部门内的决策时间并输入至初始解集构造模块;
所述初始解集构造模块,配置为基于所述输入模块获取的数据,通过改进的启发式算法构造初始解集;
所述正向搜索模块,配置为分别以初始解集中每一个初始解为当前结点,进行正向搜索,获得当前结点的正向子结点;
所述逆向搜索模块,配置为分别以初始解集中每一个初始解为当前结点,进行逆向搜索,获得当前结点的逆向子结点;
所述剪枝模块,配置为分别将所述正向子结点和逆向子结点与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索;否则,跳转数据对比模块;
所述数据对比模块,配置为分别将所述正向子结点和逆向子结点与上两代的祖结点两两进行数据对比,若至少有一对不相等,则分别以所述正向子结点和逆向子结点为当前结点,并跳转正向搜索模块、逆向搜索模块;若三个结点均相等,则以其对应的解作为最优解;
所述输出模块,配置为输出最优解对应的决策流程。
在一些优选的实施例中,所述初始解集构造模块构造的初始解包括:
将所述决策任务按照决策任务的总决策时间从大到小排列的初始解;将所述决策任务按照第一个决策部门的决策时间从大到小排列的初始解;将所述决策任务按照单个决策时间从大到小排列的初始解。
在一些优选的实施例中,采用正向搜索模块、逆向搜索模块进行搜索之前,还设置有合并模块,对所述初始解集中的初始解两两进行对比,并将其中相同的初始解合并为一个。
本发明的第三方面,提出了一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的基于树搜索的同顺序部门决策流程生成方法。
本发明的第四方面,提出了一种处理装置,包括处理器、存储装置;所述处理器,适于执行各条程序;所述存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的基于树搜索的同顺序部门决策流程生成方法。
本发明的有益效果:
(1)本发明基于树搜索的同顺序部门决策流程生成方法,采用改进的NEH算法构造初始解集,并在决策流程寻优的过程中添加了剪枝步骤,排除了不必要的搜索方向,大大缩短了算法的决策寻优时间,提高了企业同顺序部门管理的效率。
(2)本发明基于树搜索的同顺序部门决策流程生成方法,采用的算法为确定性算法,决策寻优结果稳定性高,提高了企业同顺序部门管理的可靠性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明基于树搜索的同顺序部门决策流程生成方法的流程示意图;
图2是本发明基于树搜索的同顺序部门决策流程生成方法一种实施例的甘特图;
图3是本发明基于树搜索的同顺序部门决策流程生成方法一种实施例的树形结构示例图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明的一种基于树搜索的同顺序部门决策流程生成方法,该决策流程生成方法包括:
步骤S10,基于获取的同顺序部门的决策任务数、部门数以及每一个决策任务在每一个部门内的决策时间,通过改进的启发式算法构造初始解集;
步骤S20,分别以所述初始解集中每一个初始解为当前结点,并分别基于所述当前结点进行正向搜索、逆向搜索,获得当前结点的正向子结点、逆向子结点;
步骤S30,分别将所述正向子结点和逆向子结点与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索;否则,跳转步骤S40;
步骤S40,分别将所述正向子结点和逆向子结点与上两代的祖结点两两进行数据对比,若至少有一对不相等,则分别以所述正向子结点和逆向子结点为当前结点,并跳转步骤S20;若三个结点均相等,则以其对应的解作为最优解,并输出最优解对应的决策流程。
为了更清晰地对本发明基于树搜索的同顺序部门决策流程生成方法进行说明,下面结合图1对本发明方法实施例中各步骤展开详述。
本发明一种实施例的基于树搜索的同顺序部门决策流程生成方法,包括步骤S10-步骤S40,各步骤详细描述如下:
步骤S10,基于获取的同顺序部门的决策任务数、部门数以及每一个决策任务在每一个部门内的决策时间,通过改进的启发式算法构造初始解集。
本发明一个实施例中,获取n个决策任务以及m个部门,每一个决策任务在每一个部门内的决策时间pi,j,i=1,2,…,m,j=1,2,…n,并采用改进的NEH算法构造初始解集。
本发明的启发式算法可以是NEH算法、禁忌搜索算法、模拟退火算法、蚁群算法、遗传算法、粒子群算法等,在本发明一个实施例中,选用NEH算法,并进行改进后构建初始解集。
初始解集包括:
将所述决策任务按照决策任务的总决策时间从大到小排列的初始解;将所述决策任务按照第一个决策部门的决策时间从大到小排列的初始解;将所述决策任务按照单个决策时间从大到小排列的初始解。
如图2所示,为本发明基于树搜索的同顺序部门决策流程生成方法一种实施例的甘特图,在本实施例中,研究4个部门以相同顺序决策5个任务,并求解出最小的最大决策时间(makespan)的管理流程优化问题的甘特图,其中,pi,j,i=1,2,3,4,j=1,2,...,5表示每一个决策任务在每一个部门内的决策时间。
“以所述初始解集中每一个初始解为当前结点”之前还设置有初始解合并的步骤,其方法为:
对所述初始解集中的初始解两两进行对比,并将其中相同的初始解合并为一个。
步骤S20,分别以所述初始解集中每一个初始解为当前结点,并分别基于所述当前结点进行正向搜索、逆向搜索,获得当前结点的正向子结点、逆向子结点。
正向搜索为:
获取当前结点中n个决策任务依次从前向后移动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为正向子结点。
具体搜索过程为:对当前结点中每一任务j=1,2,...,n,依次从前向后移动到所有可能位置的排列组合。当j=1时,第一个任务向后有n-1个位置,可以搜索n-1个排序;当j=2时,该任务向后有n-2个可能移动的位置,可以搜索n-2个排序;……;当j=n-1时,该任务向后有1个位置,可以搜索1个排序;当j=n时,该任务向后没有位置,没有新排序。这种正向搜索可以搜索到(n-1)!个排列。计算所有排列中最小的最大决策时间(makespan),得到较优解。将该较优解与父结点比较,得到最优解,即为正向子结点(正向最优解)。
逆向搜索为:
获取当前结点中n个决策任务依次从后向钱动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为逆向子结点。
具体搜索过程为:对当前结点中每一任务j=1,2,...,n,依次从后向前移动到所有可能位置的排列组合。当j=n时,该任务向前有n-1个位置,可以搜索n-1个排序;j=n-1时,该任务向前有n-2个位置,可以搜索n-2个排序;……;当j=2时,该任务向前有1个位置,可以搜索1个排序;当j=1时,第一任务向前没有位置,没有新排序。这种逆向搜索可以搜索到(n-1)个排列。计算所有排列中最小的最大决策时间(makespan),得到较优解。将该较优解与父结点比较,得到最优解,即为逆向子结点(逆向最优解)。
步骤S30,分别将所述正向子结点和逆向子结点与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索;否则,跳转步骤S40。
将获得的正向子结点和逆向子结点分别与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索,即停止该结点的生长。在树搜索的过程中引入了此剪枝机制,避免了不必要的搜索方向,大大缩短了算法的决策寻优时间,提高了企业同顺序部门管理的效率。
步骤S40,分别将所述正向子结点和逆向子结点与上两代的祖结点两两进行数据对比,若至少有一对不相等,则分别以所述正向子结点和逆向子结点为当前结点,并跳转步骤S20;若三个结点均相等,则以其对应的解作为最优解,并输出最优解对应的决策流程。
如图3所示,为本发明基于树搜索的同顺序部门决策流程生成方法一种实施例的树形结构示例图,以初始解集中三个初始解分别为树搜索的当前根结点1、当前根结点2、当前根结点3,分别进行第一次正向搜索、逆向搜索,得到根结点1的正向子结点11、逆向子结点12,根结点2的正向子结点21、逆向子结点22,根结点3的正向子结点31、逆向子结点32;以结点11、结点12、结点21、结点22、结点31、结点32分别为当前结点进行第二次正向搜索、逆向搜索,得到结点11的正向子结点111、逆向子结点112,结点12的正向子结点121、逆向子结点122,结点21的正向子结点211、逆向子结点212,结点22的正向子结点221、逆向子结点222,结点31的正向子结点311、逆向子结点312,结点32的正向子结点321、逆向子结点322;……;通过本发明方法的判断和比较机制,以正向搜索方法生长正向子结点,以逆向搜索方法生长逆向子结点,直到树搜索循环结束条件出现。为了验证本发明的有效性和可靠性,本发明一个实施例中,通过计算机软件模拟实际同顺序部门任务决策的流程寻优,同顺序部门决策任务数5和部门数4,每一个决策任务在不同的部门的决策时间,如表1所示:
表1
任务1 | 任务2 | 任务3 | 任务4 | 任务5 | |
部门1 | 5 | 4 | 3 | 2 | 5 |
部门2 | 4 | 3 | 2 | 1 | 4 |
部门3 | 3 | 2 | 1 | 2 | 3 |
部门4 | 2 | 1 | 2 | 3 | 2 |
本实施例在计算机上运行得到结果为:决策流程1-5-2-3-4或5-1-2-3-4,总耗时25,与现有方法的26相比,最小的最大决策时间(makespan)减少了4%,且结果稳定,能够为企业提高管理效率,其计算规模越大效果优势还会更加明显。
本发明第二实施例的基于树搜索的同顺序部门决策流程生成系统,该决策流程生成系统包括输入模块、初始解集构造模块、正向搜索模块、逆向搜索模块、剪枝模块、数据对比模块、输出模块;
所述输入模块,配置为获取同顺序部门的决策任务数、部门数以及每一个决策任务在每一个部门内的决策时间并输入至初始解集构造模块;
所述初始解集构造模块,配置为基于所述输入模块获取的数据,通过改进的启发式算法构造初始解集;
所述初始解集构造模块构造的初始解包括:
将所述决策任务按照决策任务的总决策时间从大到小排列的初始解;将所述决策任务按照第一个决策部门的决策时间从大到小排列的初始解;将所述决策任务按照单个决策时间从大到小排列的初始解。
所述正向搜索模块,配置为分别以初始解集中每一个初始解为当前结点,进行正向搜索,获得当前结点的正向子结点;
所述逆向搜索模块,配置为分别以初始解集中每一个初始解为当前结点,进行逆向搜索,获得当前结点的逆向子结点;
所述剪枝模块,配置为分别将所述正向子结点和逆向子结点与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索;否则,跳转数据对比模块;
所述数据对比模块,配置为分别将所述正向子结点和逆向子结点与上两代的祖结点两两进行数据对比,若至少有一对不相等,则分别以所述正向子结点和逆向子结点为当前结点,并跳转正向搜索模块、逆向搜索模块;若三个结点均相等,则以其对应的解作为最优解;
所述输出模块,配置为输出最优解对应的决策流程。
采用正向搜索模块、逆向搜索模块进行搜索之前,还设置有合并模块,对所述初始解集中的初始解两两进行对比,并将其中相同的初始解合并为一个。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的基于树搜索的同顺序部门决策流程生成系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种存储装置,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的基于树搜索的同顺序部门决策流程生成方法。
本发明第四实施例的一种处理装置,包括处理器、存储装置;处理器,适于执行各条程序;存储装置,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的基于树搜索的同顺序部门决策流程生成方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (8)
1.一种基于树搜索的同顺序部门决策流程生成方法,其特征在于,该决策流程生成方法包括:
步骤S10,基于获取的同顺序部门的决策任务数、部门数以及每一个决策任务在每一个部门内的决策时间,通过改进的启发式算法构造初始解集;
步骤S20,分别以所述初始解集中每一个初始解为当前结点,并分别基于所述当前结点进行正向搜索、逆向搜索,获得当前结点的正向子结点、逆向子结点;
所述正向搜索为:获取当前结点中n个决策任务依次从前向后移动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为正向子结点;
所述逆向搜索为:获取当前结点中n个决策任务依次从后向钱动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为逆向子结点;
步骤S30,分别将所述正向子结点和逆向子结点与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索;否则,跳转步骤S40;
步骤S40,分别将所述正向子结点和逆向子结点与上两代的祖结点两两进行数据对比,若至少有一对不相等,则分别以所述正向子结点和逆向子结点为当前结点,并跳转步骤S20;若三个结点均相等,则以其对应的解作为最优解,并输出最优解对应的决策流程。
2.根据权利要求1所述的基于树搜索的同顺序部门决策流程生成方法,其特征在于,所述初始解集包括:
将所述决策任务按照决策任务的总决策时间从大到小排列的初始解;将所述决策任务按照第一个决策部门的决策时间从大到小排列的初始解;将所述决策任务按照单个决策时间从大到小排列的初始解。
3.根据权利要求1或2所述的基于树搜索的同顺序部门决策流程生成方法,其特征在于,步骤S20中“以所述初始解集中每一个初始解为当前结点”之前还设置有初始解合并的步骤,其方法为:
对所述初始解集中的初始解两两进行对比,并将其中相同的初始解合并为一个。
4.一种基于树搜索的同顺序部门决策流程生成系统,其特征在于,该决策流程生成系统包括输入模块、初始解集构造模块、正向搜索模块、逆向搜索模块、剪枝模块、数据对比模块、输出模块;
所述输入模块,配置为获取同顺序部门的决策任务数、部门数以及每一个决策任务在每一个部门内的决策时间并输入至初始解集构造模块;
所述初始解集构造模块,配置为基于所述输入模块获取的数据,通过改进的启发式算法构造初始解集;
所述正向搜索模块,配置为分别以初始解集中每一个初始解为当前结点,进行正向搜索,获得当前结点的正向子结点;所述正向搜索为:获取当前结点中n个决策任务依次从前向后移动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为正向子结点;所述逆向搜索为:获取当前结点中n个决策任务依次从后向钱动到所有可能的位置的排列组合,得到(n-1)!个排列,所述(n-1)!个排列中最大决策时间最小的排列为逆向子结点;
所述逆向搜索模块,配置为分别以初始解集中每一个初始解为当前结点,进行逆向搜索,获得当前结点的逆向子结点;
所述剪枝模块,配置为分别将所述正向子结点和逆向子结点与已有结点集比较,若其与已有结点集的结点有相同,则结束此结点的搜索;否则,跳转数据对比模块;
所述数据对比模块,配置为分别将所述正向子结点和逆向子结点与上两代的祖结点两两进行数据对比,若至少有一对不相等,则分别以所述正向子结点和逆向子结点为当前结点,并跳转正向搜索模块、逆向搜索模块;若三个结点均相等,则以其对应的解作为最优解;
所述输出模块,配置为输出最优解对应的决策流程。
5.根据权利要求4所述的基于树搜索的同顺序部门决策流程生成系统,其特征在于,所述初始解集构造模块构造的初始解包括:
将所述决策任务按照决策任务的总决策时间从大到小排列的初始解;将所述决策任务按照第一个决策部门的决策时间从大到小排列的初始解;将所述决策任务按照单个决策时间从大到小排列的初始解。
6.根据权利要求4或5所述的基于树搜索的同顺序部门决策流程生成系统,其特征在于,采用正向搜索模块、逆向搜索模块进行搜索之前,还设置有合并模块,对所述初始解集中的初始解两两进行对比,并将其中相同的初始解合并为一个。
7.一种存储装置,其中存储有多条程序,其特征在于,所述程序适于由处理器加载并执行以实现权利要求1-3任一项所述的基于树搜索的同顺序部门决策流程生成方法。
8.一种处理装置,包括
处理器,适于执行各条程序;以及
存储装置,适于存储多条程序;
其特征在于,所述程序适于由处理器加载并执行以实现:
权利要求1-3任一项所述的基于树搜索的同顺序部门决策流程生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817198.5A CN110532439B (zh) | 2019-08-30 | 2019-08-30 | 基于树搜索的同顺序部门决策流程生成方法、系统、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817198.5A CN110532439B (zh) | 2019-08-30 | 2019-08-30 | 基于树搜索的同顺序部门决策流程生成方法、系统、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110532439A CN110532439A (zh) | 2019-12-03 |
CN110532439B true CN110532439B (zh) | 2022-02-08 |
Family
ID=68665892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910817198.5A Active CN110532439B (zh) | 2019-08-30 | 2019-08-30 | 基于树搜索的同顺序部门决策流程生成方法、系统、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110532439B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695727A (zh) * | 2020-06-04 | 2020-09-22 | 南京音飞峰云科技有限公司 | 基于甘特图思路的密集库作业任务池实时规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902538A (zh) * | 2012-12-25 | 2014-07-02 | 中国银联股份有限公司 | 基于决策树的信息推荐装置及方法 |
CN108446814A (zh) * | 2018-01-23 | 2018-08-24 | 中国科学院自动化研究所 | 同顺序流水线车间调度问题的树搜索方法及装置 |
US10310896B1 (en) * | 2018-03-15 | 2019-06-04 | Sas Institute Inc. | Techniques for job flow processing |
CN109857532A (zh) * | 2019-01-22 | 2019-06-07 | 杭州电子科技大学 | 基于蒙特卡洛树搜索的dag任务调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894048B (zh) * | 2010-05-07 | 2012-11-14 | 中国科学院计算技术研究所 | 一种基于阶段分析的缓存动态划分方法和系统 |
-
2019
- 2019-08-30 CN CN201910817198.5A patent/CN110532439B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902538A (zh) * | 2012-12-25 | 2014-07-02 | 中国银联股份有限公司 | 基于决策树的信息推荐装置及方法 |
CN108446814A (zh) * | 2018-01-23 | 2018-08-24 | 中国科学院自动化研究所 | 同顺序流水线车间调度问题的树搜索方法及装置 |
US10310896B1 (en) * | 2018-03-15 | 2019-06-04 | Sas Institute Inc. | Techniques for job flow processing |
CN109857532A (zh) * | 2019-01-22 | 2019-06-07 | 杭州电子科技大学 | 基于蒙特卡洛树搜索的dag任务调度方法 |
Non-Patent Citations (1)
Title |
---|
A tree search algorithm for the container loading problem;Liu Sheng et al.;《Computers & Industrial Engineering》;20140618;第20-30页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110532439A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Papailiou et al. | H2RDF: adaptive query processing on RDF data in the cloud. | |
WO2017167097A1 (zh) | 一种基于随机森林的模型训练方法和装置 | |
Mathioudakis et al. | Sparsification of influence networks | |
Tseng et al. | A hybrid genetic local search algorithm for the permutation flowshop scheduling problem | |
Booth et al. | Linear-scaling and parallelisable algorithms for stochastic quantum chemistry | |
Groër et al. | A parallel algorithm for the vehicle routing problem | |
Nagano et al. | A new evolutionary clustering search for a no-wait flow shop problem with set-up times | |
Silberholz et al. | The effective application of a new approach to the generalized orienteering problem | |
Tseng et al. | A genetic local search algorithm for minimizing total flowtime in the permutation flowshop scheduling problem | |
Wang et al. | Parallelizing maximal clique and k-plex enumeration over graph data | |
CN109791492B (zh) | 流水线相关树查询优化器和调度器 | |
CN106227736A (zh) | 一种基于链表结构的逻辑流程实现方法及装置 | |
CN110532439B (zh) | 基于树搜索的同顺序部门决策流程生成方法、系统、装置 | |
Jędrzejowicz et al. | Reinforcement learning strategy for solving the MRCPSP by a team of agents | |
Chakraborty et al. | Performance comparison for data retrieval from nosql and sql databases: a case study for covid-19 genome sequence dataset | |
US20050096880A1 (en) | Inverse model calculation apparatus and inverse model calculation method | |
CN110222023A (zh) | 基于Spark与蚁群优化的多目标并行属性约简方法 | |
CN106970840A (zh) | 一种结合任务调度的软硬件划分方法 | |
Zia | A Survey on Different Searching Algorithms | |
Guo et al. | A FP-tree-based method for inverse frequent set mining | |
Rengasamy et al. | Parallel and memory-efficient preprocessing for metagenome assembly | |
Alkhalid et al. | Comparison of greedy algorithms for α-decision tree construction | |
Wróblewski et al. | SQL-based KDD with infobright’s RDBMS: attributes, reducts, trees | |
Zhang et al. | Overview of the task management system of ternary optical computer | |
Zhang et al. | A modularized MapReduce framework to support RNA secondary structure prediction and analysis workflows |
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 |