CN111105066A - 资源受限项目调度方法、装置、计算机设备、及存储介质 - Google Patents
资源受限项目调度方法、装置、计算机设备、及存储介质 Download PDFInfo
- Publication number
- CN111105066A CN111105066A CN201910969189.8A CN201910969189A CN111105066A CN 111105066 A CN111105066 A CN 111105066A CN 201910969189 A CN201910969189 A CN 201910969189A CN 111105066 A CN111105066 A CN 111105066A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- process information
- information set
- serial number
- resource
- 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
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/10—Requirements analysis; Specification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了资源受限项目调度方法、装置、计算机设备及存储介质。该方法包括获取待预测IT开发项目文件的需求分析数据;根据预设的关键词集合在需求分析数据中提取对应的工序信息以组成工序信息集合;将工序信息集合中每一工序分配一个初始优先权值以得到初始权重工序信息集合;通过蝙蝠算法获取每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合;通过串行调度对当前权重工序信息集合进行解码,以得到对应的最小项目工期。该方法实现了对IT项目的最小工期预测准确率的提升,而且有效避免了IT项目的最小工期预测中存在非确定性多项式问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种资源受限项目调度方法、装置、计算机设备及存储介质。
背景技术
资源受限项目调度问题(RCPSP)是要求在符合工序时序约束和资源约束的前提下,对有限的资源进行合理配置,恰当的安排每一项工序的开始及结束时间,使该项目的工期达到最优。而求解RCPSP,就是要为每一个工序确定一个可行的开始时间,寻找一个合适的并且符合工序间的逻辑约束和资源约束的进度计划,进而达到以最小化项目工期的目的。
例如进行IT项目(即信息技术项目)开发,也可以视为一种资源受限项目,其也存在资源受限项目调度问题。若采用现有技术,存在以下两个问题:
1)由于是根据资源限制和生成的工序调度序列来计算的,故存在NP-hard问题(NP-hard问题表示非确定性多项式问题,NP-hard问题是这样的问题,只要其中某个问题可以在P时间内解决,那么所有的NP问题就都可以在P时间内解决了);
2)而且在判断IT项目开发中不同工序的优先权值无现有经参考,初始设置会造成优先权值不当,从而导致预估最小工期不准确。
发明内容
本发明实施例提供了一种资源受限项目调度方法、装置、计算机设备及存储介质,旨在解决现有技术中IT项目的最小工期预测中存在非确定性多项式问题,而且预估得到的最小工期不准确的问题。
第一方面,本发明实施例提供了一种资源受限项目调度方法,其包括:
接收用户端上传的待预测IT开发项目文件,获取待预测IT开发项目文件的需求分析数据;
根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,以组成工序信息集合;其中,每一工序信息包括工序名称、工序序号、工序所需时间;
将所述工序信息集合中每一工序分配一个初始优先权值,以得到初始权重工序信息集合;其中,每一初始优先权值的取值范围为[0,1];
通过蝙蝠算法获取初始权重工序信息集合中每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合;
通过串行调度对所述当前权重工序信息集合进行解码,以得到所述待预测IT开发项目文件对应的最小项目工期;以及
将所述待预测IT开发项目文件对应的最小项目工期发送至用户端。
第二方面,本发明实施例提供了一种资源受限项目调度装置,其包括:
需求数据获取单元,用于接收用户端上传的待预测IT开发项目文件,获取待预测IT开发项目文件的需求分析数据;
工序信息获取单元,用于根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,以组成工序信息集合;其中,每一工序信息包括工序名称、工序序号、工序所需时间;
初始权重集合获取单元,用于将所述工序信息集合中每一工序分配一个初始优先权值,以得到初始权重工序信息集合;其中,每一初始优先权值的取值范围为[0,1];
当前权重集合获取单元,用于通过蝙蝠算法获取初始权重工序信息集合中每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合;
最小项目工期获取单元,用于通过串行调度对所述当前权重工序信息集合进行解码,以得到所述待预测IT开发项目文件对应的最小项目工期;以及
工期信息发送单元,用于将所述待预测IT开发项目文件对应的最小项目工期发送至用户端。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的资源受限项目调度方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的资源受限项目调度方法。
本发明实施例提供了一种资源受限项目调度方法、装置、计算机设备及存储介质。该方法实现了对IT项目的最小工期预测准确率的提升,而且有效避免了IT项目的最小工期预测中存在非确定性多项式问题。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的资源受限项目调度方法的应用场景示意图;
图2为本发明实施例提供的资源受限项目调度方法的流程示意图;
图3为本发明实施例提供的资源受限项目调度方法的子流程示意图;
图4为本发明实施例提供的资源受限项目调度方法的另一子流程示意图;
图5为本发明实施例提供的资源受限项目调度方法的另一子流程示意图;
图6为本发明实施例提供的资源受限项目调度装置的示意性框图;
图7为本发明实施例提供的资源受限项目调度装置的子单元示意性框图;
图8为本发明实施例提供的资源受限项目调度装置的另一子单元示意性框图;
图9为本发明实施例提供的资源受限项目调度装置的另一子单元示意性框图;
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的资源受限项目调度方法的应用场景示意图;图2为本发明实施例提供的资源受限项目调度方法的流程示意图,该资源受限项目调度方法应用于服务器中,该方法通过安装于服务器中的应用软件进行执行。
如图2所示,该方法包括步骤S110~S160。
S110、接收用户端上传的待预测IT开发项目文件,获取待预测IT开发项目文件的需求分析数据。
在本实施例中,IT开发项目在进行时,一般有标准的软件开发流程。软件开发流程即软件设计思路和方法的一般过程,包括对软件先进行需求分析,设计软件的功能和实现的算法和方法、软件的总体结构设计和模块设计、编码和调试、程序联调和测试以及编写、提交程序等一系列操作以满足客户的需求并且解决客户的问题,如果有更高需求,还需要对软件进行维护、升级处理,报废处理。当IT开发项目的软件开发流程完成整理后,得到IT开发项目文件,且一般IT开发项目文件的第一部分就是需求分析数据。通过定位IT开发项目文件的第一级标题名称(需求分析)对应的页码范围,即可获取需求分析数据。
为了预测某一目标IT项目的最小工期,此时用户可以使用用户端(如智能手机、平板电脑等)上传待预测IT开发项目文件。服务器接收到了所述待预测IT开发项目文件后,通过定位所述待预测IT开发项目文件的第一级标题名称(即需求分析)对应的页码范围,即可获取需求分析数据,之后可以待预测IT开发项目文件为数据基础进行最小项目工期的预测。
S120、根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,以组成工序信息集合;其中,每一工序信息包括工序名称、工序序号、工序所需时间。
在本实施例中,当服务器接收了用户端所上传的待预测IT开发项目文件,根据待预测IT开发项目文件提取了需求分析数据后,可以在所述需求分析数据中提取对应的工序信息,以组成工序信息集合。例如,可以根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,获知了各工序信息后,即可组合得到工序信息集合。
在一实施例中,如图3所示,步骤S120包括:
S121、在所述需求分析数据中检索并定位与所述关键词集合包括相同关键的目标数据内容;
S122、获取所述目标数据内容中包括的工序信息,以组成工序信息集合。
在本实施例中,所述关键词集合包括产品特性、产品结构、状态说明。在IT开发项目的初始阶段编写需求分析文档时,即可根据需求分析文档进行关键内容的提取。例如预先设置的关键词集合包括:产品特性、产品结构、状态说明等关键词。其中产品特性的关键词集合又具体包括功能点1、功能点2、……、功能点N。
根据预设的关键词集合在所述需求分析数据中提取对应的工序信息以组成工序信息集合,即是具体定位功能点1、功能点2、……、功能点N这些关键工序在需求分析数据中的位置,并提取提之后对应的工序名称和工序所需时间(一般需求分析数据中会罗列工序名称及工序所需时间,只要定位到例如功能点1等大标题,即可快速获取其之后的工序名称和工序所需时间),而且根据所提取到的功能点的顺序对其进行工序序号进行编号(例如功能点1的工序序号默认的工序序号为1)。
S130、将所述工序信息集合中每一工序分配一个初始优先权值,以得到初始权重工序信息集合;其中,每一初始优先权值的取值范围为[0,1]。
在本实施例中,当获取了工序信息集合后,该工序信息集合的工序数J即为空间的维度(采用蝙蝠算法的常规做法),那么J个工序的优先权值则对应着J维坐标,即每一维度的数值表示着一个工序的优先权值,在满足资源约束和逻辑约束的前提下,优先权值大的工序优先调度。
一个虚拟蝙蝠作为J维空间的一个点,其位置可以表示为Xi(xi1,xi2,…,xij),其中0<xij<1,对应的是第j个工序的优先权值。通常情况下,采用基于优先权的编码方案时,初始化蝙蝠位置采用随机生成的方式,其每一维度的数值均为[0,1]上的随机数。通过上述初始赋值,实现了对所述工序信息集合中每一工序的优先权值的初始化。
S140、通过蝙蝠算法获取初始权重工序信息集合中每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合。
在本实施例中,所采用的蝙蝠算法,是一种元启发式优化算法,以微蝙蝠(microbats)回声定位行为的基础,采用不同的脉冲发射率和响度。把蝙蝠的回声定位理想化,可以总结如下:每个虚拟蝙蝠有随机的飞行速度vi在位置xi(问题的解),同时蝙蝠具有不同的频率或波长、响度Ai和脉冲率r。蝙蝠狩猎和发现猎物时,它改变频率、脉冲音量和脉冲发射率,进行最佳解的选择,直到目标停止或条件得到满足。这本质上就是使用调谐技术来控制蝙蝠群的动态行为,平衡调整算法相关的参数,以取得蝙蝠算法的最优。
在一实施例中,如图4所示,步骤S140包括:
S141、以初始权重工序信息集合中每一点的初始优先权值作为初始蝙蝠位置;
S142、根据蝙蝠算法获取最优蝙蝠位置,通过所述最优蝙蝠位置对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合。
在本实施例中,蝙蝠算法的方程如下:
fi=fmin+(fmax-fmin)β; (1.1)
在采用蝙蝠算法来计算每一蝙蝠的最优蝙蝠位置时,先是获取各初始蝙蝠位置以作为上述方程1.2的输入并结合方程1.1和方程1.3,对方程进行迭代,而得到初始权重工序信息集合中每一点的最优蝙蝠位置,以每一点的最优蝙蝠位置对应的值作为当前优先权值,对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合。由于获取了每一工序的最优的当前优先权值,故根据新的当前优先权值对各工序进行重新安排时会更加缩短工期。
在一实施例中,步骤S142包括:
将所述初始权重工序信息集合中每一点对应的初始蝙蝠位置作为蝙蝠算法中各蝙蝠的初始位置,根据初始化设置的最大脉冲音量、最大脉冲率、搜索脉冲频率范围、音量的衰减系数、搜索频率的增强系数、搜索精度及各蝙蝠的初始位置在蝙蝠算法中进行迭代,直至获取每一点对应的最优蝙蝠位置。
在本实施例中,为了更清楚利用蝙蝠算法计算每一点对应的最优蝙蝠位置,下面对蝙蝠算法进行详细介绍。蝙蝠算法包括以下步骤:
41)种群初始化,即蝙蝠以随机方式在J维空间中扩散分布一组初始解,最大脉冲音量A0,最大脉冲率R0,搜索脉冲频率范围[fmin,fmax],音量的衰减系数α,搜索频率的增强系数γ,搜索精度ε。
42)随机初始化各蝙蝠的位置xi,并根据适应度值的优劣寻找各蝙蝠的当前最优解x*(x*表示各蝙蝠的最优蝙蝠位置);
43)蝙蝠的种群在进化过程中在方程1.1-方程1.3中进行迭代;
在方程1.1-方程1.3中,β属于[0,1]是均匀分布的随机数;fi是蝙蝠i的搜索脉冲频率,fi∈[fmin,fmax];和分别表示蝙蝠i在t和t+1时刻的速度;和分别表示蝙蝠i在t和t+1时刻的位置;x*表示各蝙蝠的最优蝙蝠位置。
44)生成均匀分布随机数rand,如果rand>R0,则对各蝙蝠的最优蝙蝠位置进行随机扰动,产生一个新的解,并对新的解进行越界处理;
45)生成均匀分布随机数rand,如果rand<Ai且f(xi)<f(x*),则接受步骤44)产生新的解,然后按如下公式进行更新:
46)对所有蝙蝠的适应度值进行排序,找出各蝙蝠的当前最优解和最优值;
47)重复步骤42)~步骤45)直至满足设定的最优解条件;
48)输出各蝙蝠的全局最优值和最优解。
采用基本的蝙蝠算法的步骤,寻求最优的蝙蝠位置Xi,即可以得到对应的工序的当前优先权值。而且通过上述方式得到的工序的当前优先权值,更更加合理的安排各工序的排序和工期。
S150、通过串行调度对所述当前权重工序信息集合进行解码,以得到所述待预测IT开发项目文件对应的最小项目工期。
在本实施例中,当完成了对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合后,此时可以以采取串行调度方案对蝙蝠进行解码,进而得到一个可行的调度方案。
在一实施例中,如图5所示,步骤S150包括:
S151、对资源列表进行初始化操作;其中,将调度序号进行初始化赋值为1;
S152、提取当前权重工序信息集合中当前工序序号,并将提取到的当前工序序号赋予调度序号;
S153、根据调度序号在所述需求分析数据中获取与调度序号对应的前序工序,及前序工序对应的最迟结束工序时间,以作为调度序号对应的最早起始时间;
S154、判断调度序号对应的当前工序所需资源是否达到资源列表的资源上限阈值;
S155、若调度序号对应的当前工序所需资源达到资源列表的资源上限阈值,根据当前工序所需时间、及调度序号对应的最早起始时间,计算获取调度序号对应的结束时间;
S156、判断调度序号是否小于所述需求分析数据中的工序总数;若调度序号小于所述需求分析数据中的工序总数,执行步骤S157;若调度序号大于或等于所述需求分析数据中的工序总数,执行步骤S158;
S157、将调度序号自增1以得到更新后的调度序号,返回执行步骤S153;
S158、根据当前的调度序号对应的结束时间、及根据调度序号为1对应的最早起始时间之差作为项目最小工期。
在一实施例中,如图5所示,步骤S154之后还包括:
S159、若调度序号对应的当前工序所需资源未达到资源列表的资源上限阈值,将调度序号对应的最早起始时间延期一天得到调度序号对应的更新后起始时间,并根据调度序号对应的更新后起始时间对当前工序所需资源进行更新,以得到更新后的当前工序所需资源,返回执行步骤S155。
在本实施例中,经典资源受限项目调度问题的优化目标是项目工期最小化,是根据资源限制和生成的工序调度序列来计算的,求解过程具体如下:
51)对资源列表进行初始化操作,初始化调度序号No为1,令No=k=1;
52)提取当前权重工序信息集合中当前工序序号并将提取到的值赋给No,查找No的所有前序工序,找出其中最迟结束的工序的结束时间,并且将该时间作为No的最早开始时间ST(No);
53)判断No对应当前工序所需资源是否达到系统资源上限要求,是则转54);不是则转55);
54)根据当前工序的工序所需时间计算No的结束时间FT(No);
其中,采用优先抢占模式的资源分配方式,同时将所用的资源从资源列表中减掉,并更新资源列表。也即当前工序一旦执行则会从资源列表中抢占资源,并将其所抢占的资源从资源列表中减掉,并更新资源列表。
55)将当前工序的最早开始时间延期一天,即ST(No)=ST(No)+1,重新计算资源供应量,转到53);
56)如果k<J,k=k+1,转到52);否则输出当前工序的最晚结束时间,即项目的最小工期。
可见,采取串行调度方案对蝙蝠进行解码,可以得到一个可行的调度方案以作为项目的最小工期。
S160、将所述待预测IT开发项目文件对应的最小项目工期发送至用户端。
在本实施例中,当在服务器中完成了对所述待预测IT开发项目对应的最小项目工期的预测后,需将最小项目工期发送至用户端进行及时通知。
该方法实现了对IT项目的最小工期预测准确率的提升,而且有效避免了IT项目的最小工期预测中存在非确定性多项式问题。
本发明实施例还提供一种资源受限项目调度装置,该资源受限项目调度装置用于执行前述资源受限项目调度方法的任一实施例。具体地,请参阅图6,图6是本发明实施例提供的资源受限项目调度装置的示意性框图。该资源受限项目调度装置100可以配置于服务器中。
如图6所示,资源受限项目调度装置100包括需求数据获取单元110、工序信息获取单元120、初始权重集合获取单元130、当前权重集合获取单元140、最小项目工期获取单元150、工期信息发送单元160。
需求数据获取单元110,用于接收用户端上传的待预测IT开发项目文件,获取待预测IT开发项目文件的需求分析数据。
在本实施例中,IT开发项目在进行时,一般有标准的软件开发流程。软件开发流程即软件设计思路和方法的一般过程,包括对软件先进行需求分析,设计软件的功能和实现的算法和方法、软件的总体结构设计和模块设计、编码和调试、程序联调和测试以及编写、提交程序等一系列操作以满足客户的需求并且解决客户的问题,如果有更高需求,还需要对软件进行维护、升级处理,报废处理。当IT开发项目的软件开发流程完成整理后,得到IT开发项目文件,且一般IT开发项目文件的第一部分就是需求分析数据。通过定位IT开发项目文件的第一级标题名称(需求分析)对应的页码范围,即可获取需求分析数据。
为了预测某一目标IT项目的最小工期,此时用户可以使用用户端(如智能手机、平板电脑等)上传待预测IT开发项目文件。服务器接收到了所述待预测IT开发项目文件后,通过定位所述待预测IT开发项目文件的第一级标题名称(即需求分析)对应的页码范围,即可获取需求分析数据,之后可以待预测IT开发项目文件为数据基础进行最小项目工期的预测。
工序信息获取单元120,用于根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,以组成工序信息集合;其中,每一工序信息包括工序名称、工序序号、工序所需时间。
在本实施例中,当服务器接收了用户端所上传的待预测IT开发项目文件,根据待预测IT开发项目文件提取了需求分析数据后,可以在所述需求分析数据中提取对应的工序信息,以组成工序信息集合。例如,可以根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,获知了各工序信息后,即可组合得到工序信息集合。
在一实施例中,如图7所示,工序信息获取单元120包括:
目标数据内容获取单元121,用于在所述需求分析数据中检索并定位与所述关键词集合包括相同关键的目标数据内容;
工序组合单元122,用于获取所述目标数据内容中包括的工序信息,以组成工序信息集合。
在本实施例中,所述关键词集合包括产品特性、产品结构、状态说明。在IT开发项目的初始阶段编写需求分析文档时,即可根据需求分析文档进行关键内容的提取。例如预先设置的关键词集合包括:产品特性、产品结构、状态说明等关键词。其中产品特性的关键词集合又具体包括功能点1、功能点2、……、功能点N。
根据预设的关键词集合在所述需求分析数据中提取对应的工序信息以组成工序信息集合,即是具体定位功能点1、功能点2、……、功能点N这些关键工序在需求分析数据中的位置,并提取提之后对应的工序名称和工序所需时间(一般需求分析数据中会罗列工序名称及工序所需时间,只要定位到例如功能点1等大标题,即可快速获取其之后的工序名称和工序所需时间),而且根据所提取到的功能点的顺序对其进行工序序号进行编号(例如功能点1的工序序号默认的工序序号为1)。
初始权重集合获取单元130,用于将所述工序信息集合中每一工序分配一个初始优先权值,以得到初始权重工序信息集合;其中,每一初始优先权值的取值范围为[0,1]。
在本实施例中,当获取了工序信息集合后,该工序信息集合的工序数J即为空间的维度(采用蝙蝠算法的常规做法),那么J个工序的优先权值则对应着J维坐标,即每一维度的数值表示着一个工序的优先权值,在满足资源约束和逻辑约束的前提下,优先权值大的工序优先调度。
一个虚拟蝙蝠作为J维空间的一个点,其位置可以表示为Xi(xi1,xi2,…,xij),其中0<xij<1,对应的是第j个工序的优先权值。通常情况下,采用基于优先权的编码方案时,初始化蝙蝠位置采用随机生成的方式,其每一维度的数值均为[0,1]上的随机数。通过上述初始赋值,实现了对所述工序信息集合中每一工序的优先权值的初始化。
当前权重集合获取单元140,用于通过蝙蝠算法获取初始权重工序信息集合中每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合。
在本实施例中,所采用的蝙蝠算法,是一种元启发式优化算法,以微蝙蝠(microbats)回声定位行为的基础,采用不同的脉冲发射率和响度。把蝙蝠的回声定位理想化,可以总结如下:每个虚拟蝙蝠有随机的飞行速度vi在位置xi(问题的解),同时蝙蝠具有不同的频率或波长、响度Ai和脉冲率r。蝙蝠狩猎和发现猎物时,它改变频率、脉冲音量和脉冲发射率,进行最佳解的选择,直到目标停止或条件得到满足。这本质上就是使用调谐技术来控制蝙蝠群的动态行为,平衡调整算法相关的参数,以取得蝙蝠算法的最优。
在一实施例中,如图8所示,当前权重集合获取单元140包括:
初始蝙蝠位置获取单元141,用于以初始权重工序信息集合中每一点的初始优先权值作为初始蝙蝠位置;
迭代单元142,用于根据蝙蝠算法获取最优蝙蝠位置,通过所述最优蝙蝠位置对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合。
在本实施例中,在采用蝙蝠算法来计算每一蝙蝠的最优蝙蝠位置时,先是获取各初始蝙蝠位置以作为上述方程1.2的输入并结合方程1.1和方程1.3,对方程进行迭代,而得到初始权重工序信息集合中每一点的最优蝙蝠位置,以每一点的最优蝙蝠位置对应的值作为当前优先权值,对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合。由于获取了每一工序的最优的当前优先权值,故根据新的当前优先权值对各工序进行重新安排时会更加缩短工期。
在一实施例中,迭代单元142还用于:
将所述初始权重工序信息集合中每一点对应的初始蝙蝠位置作为蝙蝠算法中各蝙蝠的初始位置,根据初始化设置的最大脉冲音量、最大脉冲率、搜索脉冲频率范围、音量的衰减系数、搜索频率的增强系数、搜索精度及各蝙蝠的初始位置在蝙蝠算法中进行迭代,直至获取每一点对应的最优蝙蝠位置。
在本实施例中,采用基本的蝙蝠算法的步骤,寻求最优的蝙蝠位置Xi,即可以得到对应的工序的当前优先权值。而且通过上述方式得到的工序的当前优先权值,更更加合理的安排各工序的排序和工期。
最小项目工期获取单元150,用于通过串行调度对所述当前权重工序信息集合进行解码,以得到所述待预测IT开发项目文件对应的最小项目工期。
在本实施例中,当完成了对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合后,此时可以以采取串行调度方案对蝙蝠进行解码,进而得到一个可行的调度方案。
在一实施例中,如图9所示,最小项目工期获取单元150包括:
初始化单元151,用于对资源列表进行初始化操作;其中,将调度序号进行初始化赋值为1;
调度序号赋值单元152,用于提取当前权重工序信息集合中当前工序序号,并将提取到的当前工序序号赋予调度序号;
起始时间获取单元153,用于根据调度序号在所述需求分析数据中获取与调度序号对应的前序工序,及前序工序对应的最迟结束工序时间,以作为调度序号对应的最早起始时间;
第一判断单元154,用于判断调度序号对应的当前工序所需资源是否达到资源列表的资源上限阈值;
结束时间获取单元155,用于若调度序号对应的当前工序所需资源达到资源列表的资源上限阈值,根据当前工序所需时间、及调度序号对应的最早起始时间,计算获取调度序号对应的结束时间;
第二判断单元156,用于判断调度序号是否小于所述需求分析数据中的工序总数;若调度序号小于所述需求分析数据中的工序总数,执行将调度序号自增1以得到更新后的调度序号的步骤;若调度序号大于或等于所述需求分析数据中的工序总数,执行根据当前的调度序号对应的结束时间、及根据调度序号为1对应的最早起始时间之差作为项目最小工期的步骤;
调度序号自增单元157,用于将调度序号自增1以得到更新后的调度序号,返回执行根据调度序号在所述需求分析数据中获取与调度序号对应的前序工序,及前序工序对应的最迟结束工序时间,以作为调度序号对应的最早起始时间的步骤;
项目最小工期计算单元158,用于根据当前的调度序号对应的结束时间、及根据调度序号为1对应的最早起始时间之差作为项目最小工期。
在一实施例中,如图9所示,最小项目工期获取单元150还包括:
起始时间调整单元159,用于若调度序号对应的当前工序所需资源未达到资源列表的资源上限阈值,将调度序号对应的最早起始时间延期一天得到调度序号对应的更新后起始时间,并根据调度序号对应的更新后起始时间对当前工序所需资源进行更新,以得到更新后的当前工序所需资源,返回执行步骤S155。
在本实施例中,经典资源受限项目调度问题的优化目标是项目工期最小化,是根据资源限制和生成的工序调度序列来计算的,采取串行调度方案对蝙蝠进行解码,可以得到一个可行的调度方案以作为项目的最小工期。
工期信息发送单元160,用于将所述待预测IT开发项目文件对应的最小项目工期发送至用户端。
在本实施例中,当在服务器中完成了对所述待预测IT开发项目对应的最小项目工期的预测后,需将最小项目工期发送至用户端进行及时通知。
该装置实现了对IT项目的最小工期预测准确率的提升,而且有效避免了IT项目的最小工期预测中存在非确定性多项式问题。
上述资源受限项目调度装置可以实现为计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图10,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行资源受限项目调度方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行资源受限项目调度方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图10中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现本发明实施例公开的资源受限项目调度方法。
本领域技术人员可以理解,图10中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图10所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现本发明实施例公开的资源受限项目调度方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明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。专业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。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种资源受限项目调度方法,其特征在于,包括:
接收用户端上传的待预测IT开发项目文件,获取待预测IT开发项目文件的需求分析数据;
根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,以组成工序信息集合;其中,每一工序信息包括工序名称、工序序号、工序所需时间;
将所述工序信息集合中每一工序分配一个初始优先权值,以得到初始权重工序信息集合;其中,每一初始优先权值的取值范围为[0,1];
通过蝙蝠算法获取初始权重工序信息集合中每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合;
通过串行调度对所述当前权重工序信息集合进行解码,以得到所述待预测IT开发项目文件对应的最小项目工期;以及
将所述待预测IT开发项目文件对应的最小项目工期发送至用户端。
2.根据权利要求1所述的资源受限项目调度方法,其特征在于,所述关键词集合包括产品特性、产品结构、状态说明;
所述根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,以组成工序信息集合,包括:
在所述需求分析数据中检索并定位与所述关键词集合包括相同关键的目标数据内容;
获取所述目标数据内容中包括的工序信息,以组成工序信息集合。
3.根据权利要求1所述的资源受限项目调度方法,其特征在于,所述通过蝙蝠算法获取初始权重工序信息集合中每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合,包括:
以初始权重工序信息集合中每一点的初始优先权值作为初始蝙蝠位置;
根据蝙蝠算法获取最优蝙蝠位置,通过所述最优蝙蝠位置对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合。
4.根据权利要求3所述的资源受限项目调度方法,其特征在于,所述根据蝙蝠算法获取最优蝙蝠位置,包括:
将所述初始权重工序信息集合中每一点对应的初始蝙蝠位置作为蝙蝠算法中各蝙蝠的初始位置,根据初始化设置的最大脉冲音量、最大脉冲率、搜索脉冲频率范围、音量的衰减系数、搜索频率的增强系数、搜索精度及各蝙蝠的初始位置在蝙蝠算法中进行迭代,直至获取每一点对应的最优蝙蝠位置。
5.根据权利要求1所述的资源受限项目调度方法,其特征在于,所述通过串行调度对所述当前权重工序信息集合进行解码,以得到所述待预测IT开发项目文件对应的最小项目工期,包括:
对资源列表进行初始化操作;其中,将调度序号进行初始化赋值为1;
提取当前权重工序信息集合中当前工序序号,并将提取到的当前工序序号赋予调度序号;
根据调度序号在所述需求分析数据中获取与调度序号对应的前序工序,及前序工序对应的最迟结束工序时间,以作为调度序号对应的最早起始时间;
判断调度序号对应的当前工序所需资源是否达到资源列表的资源上限阈值;
若调度序号对应的当前工序所需资源达到资源列表的资源上限阈值,根据当前工序所需时间、及调度序号对应的最早起始时间,计算获取调度序号对应的结束时间;
判断调度序号是否小于所述需求分析数据中的工序总数;若调度序号小于所述需求分析数据中的工序总数,执行将调度序号自增1以得到更新后的调度序号的步骤;若调度序号大于或等于所述需求分析数据中的工序总数,执行根据当前的调度序号对应的结束时间、及根据调度序号为1对应的最早起始时间之差作为项目最小工期的步骤;
将调度序号自增1以得到更新后的调度序号,返回执行根据调度序号在所述需求分析数据中获取与调度序号对应的前序工序,及前序工序对应的最迟结束工序时间,以作为调度序号对应的最早起始时间的步骤;
根据当前的调度序号对应的结束时间、及根据调度序号为1对应的最早起始时间之差作为项目最小工期。
6.根据权利要求5所述的资源受限项目调度方法,其特征在于,所述判断调度序号对应的当前工序所需资源是否达到资源列表的资源上限阈值之后,还包括:
若调度序号对应的当前工序所需资源未达到资源列表的资源上限阈值,将调度序号对应的最早起始时间延期一天得到调度序号对应的更新后起始时间,并根据调度序号对应的更新后起始时间对当前工序所需资源进行更新,以得到更新后的当前工序所需资源,返回执行判断调度序号对应的当前工序所需资源是否达到资源列表的资源上限阈值的步骤。
7.一种资源受限项目调度装置,其特征在于,包括:
需求数据获取单元,用于接收用户端上传的待预测IT开发项目文件,获取待预测IT开发项目文件的需求分析数据;
工序信息获取单元,用于根据预设的关键词集合在所述需求分析数据中提取对应的工序信息,以组成工序信息集合;其中,每一工序信息包括工序名称、工序序号、工序所需时间;
初始权重集合获取单元,用于将所述工序信息集合中每一工序分配一个初始优先权值,以得到初始权重工序信息集合;其中,每一初始优先权值的取值范围为[0,1];
当前权重集合获取单元,用于通过蝙蝠算法获取初始权重工序信息集合中每一工序的最优蝙蝠位置,以更新初始权重工序信息集合得到当前权重工序信息集合;
最小项目工期获取单元,用于通过串行调度对所述当前权重工序信息集合进行解码,以得到所述待预测IT开发项目文件对应的最小项目工期;以及
工期信息发送单元,用于将所述待预测IT开发项目文件对应的最小项目工期发送至用户端。
8.根据权利要求7所述的资源受限项目调度装置,其特征在于,所述当前权重集合获取单元,包括:
初始蝙蝠位置获取单元,用于以初始权重工序信息集合中每一点的初始优先权值作为初始蝙蝠位置;
迭代单元,用于根据蝙蝠算法获取最优蝙蝠位置,通过所述最优蝙蝠位置对初始权重工序信息集合中每一点的初始优先权值更新为当前优先权值,以得到当前权重工序信息集合。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的资源受限项目调度方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6任一项所述的资源受限项目调度方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969189.8A CN111105066B (zh) | 2019-10-12 | 2019-10-12 | 资源受限项目调度方法、装置、计算机设备、及存储介质 |
PCT/CN2019/118398 WO2021068350A1 (zh) | 2019-10-12 | 2019-11-14 | 资源受限项目调度方法、装置、计算机设备、及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969189.8A CN111105066B (zh) | 2019-10-12 | 2019-10-12 | 资源受限项目调度方法、装置、计算机设备、及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111105066A true CN111105066A (zh) | 2020-05-05 |
CN111105066B CN111105066B (zh) | 2023-07-07 |
Family
ID=70421457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910969189.8A Active CN111105066B (zh) | 2019-10-12 | 2019-10-12 | 资源受限项目调度方法、装置、计算机设备、及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111105066B (zh) |
WO (1) | WO2021068350A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926844A (zh) * | 2021-02-08 | 2021-06-08 | 中车广东轨道交通车辆有限公司 | 装配线调度方法、终端以及计算机可读存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052514B (zh) * | 2021-05-21 | 2021-10-29 | 深圳市海柔创新科技有限公司 | 资源分配的方法、装置、设备、存储介质及程序产品 |
CN113762811B (zh) * | 2021-11-08 | 2022-02-08 | 武汉科技大学 | 一种考虑加班的无拖期Job Shop调度问题求解方法及系统 |
CN114358234B (zh) * | 2021-12-16 | 2023-12-01 | 西北大学 | 一种基于改进蝙蝠算法的云平台的资源调度方法 |
CN117290099B (zh) * | 2023-09-22 | 2024-05-31 | 深圳市金证科技股份有限公司 | 一种云平台的计算资源调整方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101145219A (zh) * | 2007-07-20 | 2008-03-19 | 周远成 | 使用遗传算法进行资源配置子系统 |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
CN104794000A (zh) * | 2014-01-22 | 2015-07-22 | 深圳市沃信科技有限公司 | 一种作业调度方法及系统 |
US20160335575A1 (en) * | 2015-05-14 | 2016-11-17 | Atlassian Pty Ltd | Systems and Methods for Scheduling Work Items |
CN108694077A (zh) * | 2017-04-10 | 2018-10-23 | 中国科学院声学研究所 | 基于改进二进制蝙蝠算法的分布式系统任务调度方法 |
CN109872049A (zh) * | 2019-01-23 | 2019-06-11 | 北京航空航天大学 | 资源配置优化方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103685492B (zh) * | 2013-12-03 | 2017-01-25 | 北京智谷睿拓技术服务有限公司 | Hadoop集群系统的调度方法、调度装置及其应用 |
CN105976298A (zh) * | 2016-06-02 | 2016-09-28 | 广东工业大学 | 一种基于离散蝙蝠算法的物流运输调度方法 |
US11270217B2 (en) * | 2017-11-17 | 2022-03-08 | Intel Corporation | Systems and methods implementing an intelligent machine learning tuning system providing multiple tuned hyperparameter solutions |
CN108416421B (zh) * | 2018-03-09 | 2020-10-02 | 大连大学 | 基于dde改进蝙蝠算法的动态火力分配方法 |
CN109445386B (zh) * | 2018-10-23 | 2020-06-02 | 浙江工业大学 | 一种基于onba的云制造任务最短生产时间调度方法 |
CN109190857B (zh) * | 2018-10-30 | 2021-10-22 | 武汉大学 | 一种基于多目标资源受限项目调度模型的优化算法 |
-
2019
- 2019-10-12 CN CN201910969189.8A patent/CN111105066B/zh active Active
- 2019-11-14 WO PCT/CN2019/118398 patent/WO2021068350A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101145219A (zh) * | 2007-07-20 | 2008-03-19 | 周远成 | 使用遗传算法进行资源配置子系统 |
CN104794000A (zh) * | 2014-01-22 | 2015-07-22 | 深圳市沃信科技有限公司 | 一种作业调度方法及系统 |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
US20160335575A1 (en) * | 2015-05-14 | 2016-11-17 | Atlassian Pty Ltd | Systems and Methods for Scheduling Work Items |
CN108694077A (zh) * | 2017-04-10 | 2018-10-23 | 中国科学院声学研究所 | 基于改进二进制蝙蝠算法的分布式系统任务调度方法 |
CN109872049A (zh) * | 2019-01-23 | 2019-06-11 | 北京航空航天大学 | 资源配置优化方法及装置 |
Non-Patent Citations (3)
Title |
---|
S. CREEMERS: "The resource-constrained project scheduling problem with stochastic activity durations", 《2014 IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL ENGINEERING AND ENGINEERING MANAGEMENT》 * |
陈志勇等: "资源有限―工期最短的随机搜索算法优化研究", 《建筑管理现代化》 * |
马国丰等: "关键链项目进度计划的鲁棒优化的研究", 《系统管理学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926844A (zh) * | 2021-02-08 | 2021-06-08 | 中车广东轨道交通车辆有限公司 | 装配线调度方法、终端以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021068350A1 (zh) | 2021-04-15 |
CN111105066B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111105066A (zh) | 资源受限项目调度方法、装置、计算机设备、及存储介质 | |
US20200364608A1 (en) | Communicating in a federated learning environment | |
US10789544B2 (en) | Batching inputs to a machine learning model | |
US9652538B2 (en) | Web crawler optimization system | |
US10311108B2 (en) | Cloud-based file prefetching on electronic devices | |
US9081618B2 (en) | Method and apparatus for the scheduling of computing tasks | |
CN111695672B (zh) | 用于提高ai引擎mac利用率的方法 | |
EP3304350B1 (en) | Column ordering for input/output optimization in tabular data | |
US9662567B2 (en) | Optimizing gaming applications accessed by electronic devices | |
US20170185454A1 (en) | Method and Electronic Device for Determining Resource Consumption of Task | |
US9965329B2 (en) | Method and apparatus for workload placement on heterogeneous systems | |
EP3058481B1 (en) | Acceleration based on cached flows | |
CN112148468B (zh) | 一种资源调度方法、装置、电子设备及存储介质 | |
CN109582902B (zh) | 排序信息的确定方法、榜单展示方法及计算机设备 | |
JP6129290B1 (ja) | 分散計算におけるアプリケーションパラメータ設定およびシステム仕様設定を推奨する方法およびシステム | |
US10242102B2 (en) | Network crawling prioritization | |
US20180081715A1 (en) | Network interface controller-based scheduling of processing tasks in a distributed computing system | |
CN113850394B (zh) | 联邦学习方法、装置、电子设备及存储介质 | |
US10334011B2 (en) | Efficient sorting for a stream processing engine | |
US20160350030A1 (en) | Access request scheduling method and apparatus | |
CN108776665B (zh) | 一种数据处理方法及装置 | |
CN111857995B (zh) | 进程调度方法和装置、存储介质及电子装置 | |
CN116089477B (zh) | 分布式训练方法及系统 | |
CN108900865B (zh) | 服务器、转码任务的调度方法及执行方法 | |
WO2017018978A1 (en) | Scheduling jobs in a computing cluster |
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 |