CN113065686A - 排程数据优化处理方法及装置、设备 - Google Patents

Abstract

本申请实施例公开了一种排程数据优化处理方法及装置、设备；其中，所述方法包括：确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；通过排程模型对所述配置参数值进行处理，确定排程计划；基于所述排程计划确定可达到的各项指标值；通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

Description

排程数据优化处理方法及装置、设备

技术领域

本申请实施例涉及自动化排程技术，涉及但不限于排程数据优化处理方法及装置、设备。

背景技术

排程是指将待完成的目标分配至可以使用的资源的过程。一般情况下，在得到一个排程计划后，用户需要对排程计划进行评估，在这个排程计划的各项指标都满足用户要求后才实施。如果用户对当前得到的排程计划不满意，需要再次排程，再次评估，由于现有技术在得到排程计划，再对排程计划进行评估的过程中需要耗费的时间很久，用户很难在有限的时间内得到一个满足要求的排程计划。

发明内容

有鉴于此，本申请实施例提供的排程数据优化处理方法及装置、设备，能够基于人机之间的快速地交互反馈，使用户在有限的时间内得到一个满足要求的排程计划。本申请实施例提供的排程数据优化处理方法及装置、设备是这样实现的：

本申请实施例提供的排程数据优化处理方法，包括：确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；通过排程模型对所述配置参数值进行处理，确定排程计划；基于所述排程计划确定可达到的各项指标值；通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

本申请实施例提供的排程数据优化处理装置，包括：确定模块，用于确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；所述确定模块，还用于通过排程模型对所述配置参数值进行处理，确定排程计划；所述确定模块，还用于基于所述排程计划确定可达到的各项指标值；展示模块，用于通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

本申请实施例提供的电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例所述的方法。

在本申请实施例中，通过确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；通过排程模型对所述配置参数值进行处理，确定排程计划；基于所述排程计划确定可达到的各项指标值；通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整；如此，用户通过对图形窗口的图形化操作就可以调整配置参数值，从而对排程计划进行迭代，进而快速得到各项指标符合要求的排程计划。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。

图1为本申请实施例提供的排程数据优化处理方法的实现流程示意图；

图2为本申请实施例提供的另一排程数据优化处理方法的流程示意图；

图3为本申请实施例提供的雷达图的一种示例；

图4为本申请实施例提供的对雷达图上配置图标的拖曳操作的一种示例；

图5为本申请实施例提供的四大功能模块的结构示意图；

图6为本申请实施例提供的生产排程场景中雷达图的交互示意图；

图7为本申请实施例排程数据优化处理装置的结构示意图；

图8为本申请实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

需要指出，本申请实施例所涉及的术语“第一\第二\第三”用以区别类似或不同的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

本申请实施例提供一种排程数据优化处理方法，该方法应用于电子设备，该电子设备在实施的过程中可以为各种类型的具有信息处理能力的设备，例如所述计算机设备可以包括手机、平板电脑、台式机、笔记本电脑、个人数字助理、导航仪、数字电话、视频电话、电视机或传感设备等。该方法所实现的功能可以通过电子设备中的处理器调用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，该电子设备至少包括处理器和存储介质。

图1为本申请实施例提供的排程数据优化处理方法的实现流程示意图，如图1所示，该方法可以包括以下步骤101至步骤104：

步骤101，确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；

所谓排程，是指将待完成的目标分配至可以使用的资源的过程。例如，生产排程是指将待完成的订单分配至生产线或车间的过程。所谓优化，是在可以使用的资源有限的情况下，通过排程计划将待完成的目标分配至可以使用的资源，以达到提高完成效率、降低资源消耗和降低资源占用率等目的。

本申请实施例除了可以应用在生产排程场景中，还可以应用其它具有相同组合优化问题核心类型的优化场景中。例如，应用于城市配送场景和打包装箱场景中。城市配送是指将待配送的货物，分配至对应的行车线路，以达到配送路线最短、时间最短、费用最少和车辆数尽量少等目的。打包装箱是指将一定数量待打包的货物，分配至容量相同的一些箱子中，以达到使用的箱子数目最少的目的。

在一些实施例中，配置参数值用于表征用户对当前排程任务的各项指标的偏重程度，配置参数值可以根据用户的偏好进行设置。例如，生成排程对应的指标可以包括产量、交期达成率和生产成本，假设指标1是产量，指标2是交期达成率，指标3是生产成本，那么配置参数值为(0.5，0.3，0.2)表示用户的偏好为很高的产量、一般的交期达成率以及比较高的生产成本；配置参数值为(0.1，0.5，0.4)表示用户的偏好为很低的产量、很高的交期达成率以及一般的生产成本。

步骤102，通过排程模型对所述配置参数值进行处理，确定排程计划；

在一些实施例中，除了需要确定配置参数值外，还需要确定当前排程任务的可用资源和欲完成目标。电子设备通过排程模型，对所述配置参数值、当前可用资源和欲完成目标进行处理，确定所述排程计划。其中，排程模型可以是经过训练的深度学习神经网络。将配置参数值、当前可用资源和欲完成目标输入到经过训练的深度学习神经网络中，即可得到对应的排程计划。

在生产排程场景中，当前可用资源可以是生产线或车间，欲完成目标可以是待完成的订单，得到的排程计划是每个订单在哪条产线或者哪个车间的哪个时间内进行生产的一个列表；在城市配送场景中，当前可用资源是行车线路和可用车辆，欲完成目标是待配送的货物，得到的排程计划是哪个货物在哪个车辆上通过哪条行车线路进行配送；在打包装箱场景中，当前可用资源是一定数量的箱子，欲完成目标是将一定数量待打包的货物放入一定数量的箱子中，得到的排程计划是哪个物品以怎样的方式放入箱子中。

步骤103，基于所述排程计划确定可达到的各项指标值；

各项指标值是指在得到排程计划后，按照该排程计划实施可达到的各项指标的指标数据，用于衡量按照排程计划实施所达到各项指标的好坏程度。

步骤104，通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

在一些实施例中，可以通过指标数据表展示各项指标值，指标数据表中可以包括各项指标以及每一项指标对应的数值。以及，用户可以通过拖曳图形窗口上的配置图标对配置参数值进行动态调整，或者通过点击图形窗口等对图形窗口的图形化操作对配置参数值进行动态调整。

在一些实施例中，通过可视化方式至少展示所述各项指标值，且，所述配置参数值与所述各项指标值基于关联关系被可视化展示。

在一些实施例中，除了在人机交互界面上展示各项指标值外，还可以同时展示用于设置配置参数值、当前可用资源和欲完成目标的配置窗口。配置窗口可以包括以下至少之一：用于调整配置参数值的图形窗口、用于输入配置参数值、当前可用资源和欲完成目标的参数输入窗口；其中，参数输入窗口可以包括可选项和必选项，例如必选项包括配置参数值、当前可用资源和/或欲完成目标；可选项包括用户名称和/或排程日期等。

由于不同的配置参数值对应确定不同的排程计划，按照不同排程计划实施可达到的各项指标值不同，因此，在配置参数值改变时，各项指标值也会随之变化，并实时展示在人机交互界面上。如此，可以使用户直观地感受到配置参数值对各项指标值的影响，以便用户通过调整配置参数值，得到符合用户要求的各项指标值，从而得到满意的排程计划。

在本申请实施例中，通过确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；通过排程模型对所述配置参数值进行处理，确定排程计划；基于所述排程计划确定可达到的各项指标值；通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整；如此，用户通过对图形窗口的图形化操作就可以调整配置参数值，从而对排程计划进行迭代，进而快速得到各项指标符合要求的排程计划。

本申请实施例提供另一排程数据优化处理方法，图2为本申请实施例提供的另一排程数据优化处理方法的流程示意图，如图2所示，该方法可以包括以下步骤201至步骤206：

步骤201，接收用户在所述图形窗口上的操作；其中，所述图形窗口包括至少两个方向上的坐标轴，不同方向的坐标轴上的值对应不同指标的配置参数值；

在一些实施例中，该图形窗口可以雷达图，也可以是其他形式的坐标图，在本申请实施例中对此不做限制。图3为本申请实施例提供的雷达图的一种示例，该雷达图是生产排程场景的图形窗口的一种示例，如图3所示，包括四个方向的坐标轴，每个坐标轴对应一个指标，分别为切换时间成本、生产的产品数量、生产的订单数以及订单的交货期满足率；不同方向的坐标轴上的值对应不同指标的配置参数值。该雷达图上还设置有配置图标，在初始状态下，该配置图标位于坐标轴的交点处，表示每项指标的配置参数值均为0.25。

步骤202，响应于所述操作，根据所述操作在所述图形窗口上的坐标，确定所述配置参数值；

在一些实施例中，用户在所述图形窗口上的操作可以是用户对图形窗口上配置图标的拖曳操作。用户在设置配置参数值时，通过鼠标拖曳雷达图上配置图标，当设备检测到鼠标不再移动时，根据配置图标所在的位置确定各项指标对应的配置参数值，并输入至排程模型中。图4为本申请实施例提供的对雷达图上配置图标的拖曳操作的一种示例，用户将雷达图上的配置图标从初始位置拖曳至如图4所示的第一位置后，设备确定切换时间成本对应的配置参数值为0.3，生产的产品数量对应的配置参数值为0.4，生产的订单数对应的配置参数值为0.15，订单的交货期满足率对应的配置参数值为0.15。如此，使配置参数值的确定更加直观和高效。

在一些实施例中，在根据配置图标所在的位置确定各项指标对应的配置参数值后，可以实时将对应的配置参数值展示在雷达图上，以便用户对各项指标对应的配置参数值进行量化调整，例如，切换时间成本对应的配置参数值由0.3调整为0.25，生产的订单数对应的配置参数值由0.15调整为0.2；也可以不将对应的配置参数值展示在雷达图上，这样，用户在调整配置参数值时，可以根据坐标轴的方向，对配置参数值的趋势进行调整，例如，增大切换时间成本对应的配置参数值，减小生产的产品数量对应的配置参数值，这样，可以使用户只关注各项指标值，而不用关注各项指标对应的配置参数值。

在另一些实施例中，接收用户在所述图形窗口上的点击操作。例如，用户在设置配置参数值时，通过鼠标点击该雷达图，各项指标对应的配置参数值根据鼠标在雷达图上点击的位置确定。

在另一些实施例中，用户可以在参数输入窗口输入各项指标对应的配置参数值，电子设备接收用户输入的所述各项指标的配置参数值；确定所述配置参数值在所述图形窗口上对应的坐标；通过所述图形窗口，展示所述配置参数值。如此，将用户输入的配置参数值对应展示在图形窗口上，可以使用户对输入的配置参数值有更加直观地认识，另外，由于每拖曳一次配置图标，对配置参数值的调整幅度较大，不能精确地对配置参数值进行细微调整，可以通过直接输入配置参数值的方式，对配置参数值进行细微调整；此外，在用户只想调整全部配置参数值中的其中一个配置参数值或者其中几个配置参数值的情况下，如果通过拖曳配置图标对配置参数值进行调整，可能会导致其他配置参数值也发生改变，因此，用户可以通过在参数输入窗口输入想要调整的某个配置参数的值，从而保证其他的配置参数值不被影响。

步骤203，根据每一所述配置参数值分别所在的参数空间，生成对应配置参数值的邻域配置参数值，从而得到多组配置参数值；

举例来说，用户通过人机交互界面输入的切换时间成本的配置参数值为0.4，那么，对应的领域配置参数值可以为0.41、0.39和在区间[0.35，0.45]之间的任意数值；又如，生产的订单数对应的配置参数值为0.6，对应的领域配置参数值可以为0.61、0.59和在区间[0.55，0.65]之间的任意数值；相应的，除了用户输入的(0.4，0.6)配置参数值组合以外，还包括由邻域配置参数值组成的配置参数值组合，例如，(0.41，0.59)、(0.39，0.61)和其他配置参数值之和为1的配置参数值组合。如此，可以避免用户在一个小参数空间内里需要输入多次配置参数值，简化用户操作。

步骤204，通过所述排程模型对所述多组配置参数值、所述当前可用资源和所述欲完成目标进行处理，得到多个排程计划；其中，所述多个排程计划包括每一组配置参数值对应的排程计划；

步骤205，基于所述排程计划确定可达到的各项指标值；

在一些实施例中，电子设备可以获取所述用户自定义的特定指标；并确定如果按照所述排程计划实施所达到的所述特定指标的指标值。例如，用户自定义的特定指标为切换时间成本，那么，在得到排程计划后，只需要计算切换时间成本这个指标对应的指标值，不需要计算其他指标的指标值，如此，可以节省计算资源，节约计算时间，提高交互效率。

步骤206，通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

在一些实施例中，通过可视化方式至少展示所述各项指标值，且，所述配置参数值与所述各项指标值基于关联关系被可视化展示。

在一些实施例中，电子设备获取用户的历史偏好指标；将历史偏好指标的配置参数值满足预设条件的目标配置参数值组合对应的指标值反馈给用户。目标参数值组合可以是历史偏好指标的配置参数值最高的参数值组合，例如，当前排程任务对应的指标为指标A、指标B和指标C，用户的历史偏好指标为指标A，那么，确定指标A的配置参数值最高的配置参数值为目标配置参数值组合。在检测到所述用户没有再次输入配置参数值的情况下，将目标参数值组合对应的排程计划反馈给所述用户。通过根据用户的历史偏好指标推荐排程计划，降低用户决策负担。

生产计划排程(以下简称排产)是指在产能、生产时间和用工能力有限的车间或生产线上，经过某种决策过程得到以提升总产量、改善交货期满足率、降低人力、资源的消耗和平衡各产线占用率等为目标，合理有效的计划生产的过程。对于离散制造行业来说，绝大多数排产优化问题都可以定义成一个带约束条件的多目标组合优化问题。大多数实际生产场景中的优化目标均可归类于生产效率指标、订单交期达成率指标、生产成本指标和质量控制指标中的一种。随着现代企业生产管理方法和模式的发展，在生产计划产生过程中，如何综合考虑每一种指标，从快速迭代中得到指标之间的最优权重(即最优配置参数值的一种示例)分配方案，以提高企业生产的综合效益，成为了在排产优化过程中的核心问题。

从技术上讲，多目标排产方案实用化主要的难点在于：

(1)如何快速得到多目标优化解集；

(2)如何在人机交互下快速迭代获得最优权重分配方案。受制于实际生产逻辑和约束的复杂性，相关同时解决这两项难点的通用方案尚未出现。

在方法论方面，相关的实现多目标排产方案的思路分为如下两种：

(1)将某一主要指标作为优化的唯一目标函数，将其余指标作为软约束条件，通过设置不同的约束阈值来实现不同的目标权重分配过程，该方案适用于优化问题求解代价不高的场景中。但由于约束阈值的选取通常相比直接配置指标之间的权重系数更加困难，因此也难以在有限次尝试中获得理想中的优化结果；

(2)通过设置多组特定的启发式规则对应各自的多目标优化偏重选取，以切换规则组的方式改变多目标优化的权重分配。该方法仅适用于基于规则的方法，通常优化能力有限，且人工交互配置优化目标的余地不大，难以满足大部分场景下的需求。

除此之外，相关方案在人机交互方式、对于多目标优化效果评价、方法泛化性和可扩展性等问题上均存在很大的局限。综上所述，理想的可交互多目标排产优化方案上需要解决的问题归纳如下：

(1)在优化求解性能上不弱于传统方法；

(2)优化求解所需运行时间少，能够在分钟级指标内得到一组多目标解集；

(3)管理人员可通过人机交互充分参与多目标权重配置；

(4)配置后的效果可以快速展示和评价，以便迭代修改。

基于此，下面将说明本申请实施例在一个实际的应用场景中的示例性应用。

在本申请实施例中提出的可配置多目标生产排程交互平台设计，主要针对离散制造行业的生产线排产类型的优化决策问题，主要如下模块构成：

(1)基于深度强化学习的多目标组合优化求解算法模块：该模块通过虚拟交互方式离线完成可变权重线性组合多目标组合优化能力的学习，在使用时只需要输入当前产线(即当前可用资源的一种示例)、订单信息(即于完成目标的一种示例)和权重参数(即配置参数值的一种示例)，即可通过前向计算高效快速的计算当前权重下的排程计划，且可以结合GPU批量计算结果，模型上最大创新之处在于将多目标权重参数也列入输入状态的特征中，使得前向使用时可以输入任意权重组合，不必重新训练模型；

我们使用了一个深度学习的神经网络作为优化计算模型，用于多目标优化计算。如果是单目标问题，那么这个网络模型的输入是订单信息和产线信息，输出是排程计划，也就是每个订单在哪条产线的哪个时间内进行生产的一个列表。以上说的订单信息和产线信息称为“输入状态”。在多目标优化问题种，每一组目标权重参数下得到的排程计划都不一样。假设目标1是产量，目标2是交期达成率，目标3是生产成本，那么上边提到的(0.5，0.3，0.2)所对应排程计划指标就是很高的产量+一般的交期达成率+比较高的生产成本。如果是(0.1，0.5，0.4)，那么排程计划指标就是很低的产量+很高的交期达成率+一般的生产成本。我们希望我们的模型能够得到所有不同权重参数下的排程计划，因此将目标权重参数和原来的输入状态一起作为特征输入到模型中，这样就可以得到任意配置的结果，而且一经训练之后，就不必重新训练网络，直接使用就可以。因为在训练模型的过程中，已经通过生成训练样本的方式对权重参数进行了遍历采样，相当于网络已经知道了所有的权重参数应该是对应什么输出，因此不必再重新训练网络了，只要前向计算就可以。

前向计算是指一个神经网络的建立由训练阶段和使用阶段两部分构成，训练阶段就是给定训练样本，对网络中各种函数的参数进行学习和调整，使得网络的输出能够向着我们想要的方向逼近，训练过程通常使用“误差反向传播方法”，因此这时候网络计算是反向的。当训练阶段结束后，网络中的各种参数就固定下来，这时候可以使用这个网络了，使用的时候就不必进行反向计算了，只需要从输入到输出前向计算网络就可以，因此称为“前向计算”。

(2)多目标权重参数配置人机交互模块：通过在指标雷达图(即图形窗口的一种示例)上进行鼠标拖动或直接输入权重参数的方式给定多目标权重参数，并在优化结果产生后同步显示各项指标的优化目标，便于操作人员快速理解和掌握多目标参数配置带来的效果，实现更高效的问题配置交互效果。

(3)多目标指标快速仿真模块：根据排程计划，通过后台仿真快速计算各项指标，该仿真模块经过对离散制造场景的特别优化，并可以用户自定义选择输出指标的类型，进一步节约计算时间。

(4)辅助决策模块：通常多目标优化的决策的最后阶段是在一组非支配解集中进行选择，辅助决策模块可以根据历史数据不断更新迭代历史生产偏好和近期指标情况，通过模糊规则计算给出一个推荐排程计划供使用，降低人工决策负担。其中，历史偏好是指前管理者更看重哪个指标。可以理解地，即使是同一位管理者，在不同的时期历史偏好也是会发生变化的，比如年初的时候会追求产量最大化，而年底会追求交付率最大化，缺货的时候会追求库存最小化，因此真实的历史偏好是个复杂的动态过程。

图5为本申请实施例提供的四大功能模块的结构示意图，如图5所示，管理者通过人机交互模块上的雷达图操作区给定一个多目标偏重的输入值，此时求解模块会通过排程模型，在该输入值所在参数空间的邻域内，批量产生一组非支配的排程计划，比如，给定一组值，如(0.1，0.9)，那么网络在计算时，不仅计算了(0.1，0.9)的排程计划，还计算了(0.15，0.85)，(0.18，0.82)等邻域内分别对应的排程计划；另外由于优化的需要，这些目标权重参数都是相加等于1，比如目标权重参数为(0.1，0.9)或(0.5，0.2，0.3)；其中，排程模型可以是静态的深度强化学习网络，静态的深度强化学习网络是经过虚拟交互离线训练后所固定下来的神经网络。深度强化学习网络在历史数据积累达到一定数据量时可根据客户要求进行更新训练，以适用不断变化的实际生产场景。

仿真模块会快速计算解集中每个解的各项优化指标，并在历史数据库中记录；此时，辅助决策模块会根据历史数据库中的数据决策出最符合用户最近偏好的一个排程计划，并将其输出在展示界面上，如此完成一次迭代动作。如果用户对此次结果不满意，则可以再次改变交互雷达图上的多目标权重输入值，得到新的解。如此循环直到通过交互得到满意的解为止。

图6为本申请实施例提供的生产排程场景中雷达图的反馈交互示意图，如图6所示，生产的产品数量(Output，PCS)与订单的交货期满足率(OTS Fulfillment)、同一生产线连续生产两种不同产品之间的切换时间成本(Changeover)与生产的订单数(Output，PO)为两对互斥目标，因此可以在二维平面上设计其多目标权重配置点，其它实施例中可灵活设计相应的可视化方式。如图6所示，初始状态下，红点(即配置图标)位于坐标正中央，排产算法对四项目标的优化权重系数为0.25；设置时，可以用鼠标拖动红点确定多目标优化的权重方向，当鼠标停下时，四个目标的优化权重系数会根据红点的位置自动生成并显示。

本申请实施例在以生产计划排程问题在内的实际多目标优化问题中，对于各个目标的优先级和重要性的配置是通过人工操作进行的。例如在利用权重参数配置的场景中，相关技术是在优化之前由人工给定权值参数，如(0.5，0.3，0.2)代表目标1最重要，目标2次之，目标3最弱。但是这种方式所得到的具体结果，只有在优化计算完成后才能通过实际计算三个目标的值才能知道，如果参数配置不合理，那么就要从头开始配置再计算，这样做时间代价非常大。

本实施例提供的方案可以通过深度学习技术快速进行优化计算，大大加速了优化计算步骤，因此在人工配置参数值后，几乎就可以实时看到三个目标的值。另外为了使得人工决策更便捷，本实施例将这种人工配置过程做成了反馈式的操作：人工给定参数就可以从面板上读到实际优化后的目标，经过反复尝试最终就可以确定合理的权重参数配置，反馈式的交互操作可以大大改善人机交互的体验和配置精度。

本申请实施例提供的该方案具如下优势：

求解性能高：基于深度强化学习的组合优化求解方法同时具备了几乎达到精确求解法的精度优势和近似求解的法的运算速度优势；

可配置程度高：管理者可以充分参与目标函数空间的权重参数配置，仅需理解生产指标，无需优化问题、优化算法、生产工艺详情等的先验知识；

交互体验良好：管理者在雷达图上设置权重配置后，随后产生的排程计划会同步显示在展示界面上，便于通过交互直观掌握本次配置的效果，以这种迭代中从设置目标到性能指标展示的反馈机制获得良好的交互体验；

可扩展性强：除生产排程等离散制造行业多目标优化问题外，其它具有相同组合优化问题核心类型的优化，如城市配送、打包装箱等问题均可通过本平台经扩展开发得到。

基于前述的实施例，本申请实施例提供一种排程数据优化处理装置，该装置包括所包括的各模块、以及各模块所包括的各单元，可以通过处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。

图7为本申请实施例排程数据优化处理装置的结构示意图，如图7所示，所述装置700包括确定模块701和展示模块702，其中：

确定模块701，用于确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；

确定模块701，用于通过排程模型对所述配置参数值进行处理，确定排程计划；

所述确定模块701，还用于基于所述排程计划确定可达到的各项指标值；

展示模块702，用于通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

在一些实施例中，展示模块702，用于通过可视化方式至少展示所述各项指标值，且，所述配置参数值与所述各项指标值基于关联关系被可视化展示。

在一些实施例中，确定模块701，用于确定当前可用资源和欲完成目标；相应地，通过所述排程模型，对所述配置参数值、当前可用资源和欲完成目标进行处理，确定所述排程计划。

在一些实施例中，确定模块701，用于接收用户在所述图形窗口上的操作；其中，所述图形窗口包括至少两个方向上的坐标轴，不同方向的坐标轴上的值对应不同指标的配置参数值；响应于所述操作，根据所述操作在所述图形窗口上的坐标，确定所述配置参数值。

在一些实施例中，确定模块701，用于接收用户在所述图形窗口上对配置图标的拖曳操作；或者，接收用户在所述图形窗口上的点击操作。

在一些实施例中，确定模块701，用于接收用户输入的所述各项指标的配置参数值；确定所述配置参数值在所述图形窗口上对应的坐标；通过所述图形窗口，展示所述配置参数值。

在一些实施例中，确定模块701，用于根据每一所述配置参数值分别所在的参数空间，生成对应配置参数值的邻域配置参数值，从而得到多组配置参数值；通过所述排程模型对所述多组配置参数值、所述当前可用资源和所述欲完成目标进行处理，得到多个排程计划；其中，所述多个排程计划包括每一组配置参数值对应的排程计划。

在一些实施例中，确定模块701，用于获取所述用户自定义的特定指标；确定如果按照所述排程计划实施所达到的所述特定指标的指标值。

以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

需要说明的是，本申请实施例中图7所示的排程数据优化处理装置对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是单独物理存在，也可以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。也可以采用软件和硬件结合的形式实现。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的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电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

本申请实施例提供一种电子设备，图8为本申请实施例的电子设备的硬件实体示意图，如图8所示，所述电子设备800包括存储器801和处理器802，所述存储器801存储有可在处理器802上运行的计算机程序，所述处理器802执行所述程序时实现上述实施例中提供的方法中的步骤。

需要说明的是，存储器801配置为存储由处理器802可执行的指令和应用，还可以缓存待处理器802以及电子设备800中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(FLASH)或随机访问存储器(RandomAccess Memory，RAM)实现。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的方法中的步骤。

本申请实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法实施例提供的方法中的步骤。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如对象A和/或对象B，可以表示：单独存在对象A，同时存在对象A和对象B，单独存在对象B这三种情况。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意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、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个模块或组件可以结合，或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，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的模块可以是、或也可以不是物理上分开的，作为模块显示的部件可以是、或也可以不是物理模块；既可以位于一个地方，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全部模块来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能模块可以全部集成在一个处理单元中，也可以是各模块分别单独作为一个单元，也可以两个或两个以上模块集成在一个单元中；上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的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电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本申请的实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种排程数据优化处理方法，其特征在于，所述方法包括：

确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；

通过排程模型对所述配置参数值进行处理，确定排程计划；

基于所述排程计划确定可达到的各项指标值；

通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

2.根据权利要求1所述的方法，其特征在于，所述通过可视化方式展示所述各项指标值，包括：

通过可视化方式至少展示所述各项指标值，且，所述配置参数值与所述各项指标值基于关联关系被可视化展示。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

确定当前可用资源和欲完成目标；相应地，

所述通过排程模型对所述配置参数值进行处理，确定排程计划，包括：

通过所述排程模型，对所述配置参数值、当前可用资源和欲完成目标进行处理，确定所述排程计划。

4.根据权利要求1或3所述的方法，其特征在于，所述确定配置参数值，包括：

接收用户在所述图形窗口上的操作；其中，所述图形窗口包括至少两个方向上的坐标轴，不同方向的坐标轴上的值对应不同指标的配置参数值；

响应于所述操作，根据所述操作在所述图形窗口上的坐标，确定所述配置参数值。

5.根据权利要求4所述的方法，其特征在于，所述接收所述用户在所述图形窗口上的操作，包括：

接收用户在所述图形窗口上对配置图标的拖曳操作；

或者，接收用户在所述图形窗口上的点击操作。

6.根据权利要求3所述的方法，其特征在于，所述确定配置参数值，包括：

接收用户输入的所述各项指标的配置参数值；

确定所述配置参数值在所述图形窗口上对应的坐标；

通过所述图形窗口，展示所述配置参数值。

7.根据权利要求5或6所述的方法，其特征在于，所述通过所述排程模型，对所述配置参数值、当前可用资源和欲完成目标进行处理，确定所述排程计划，包括：

根据每一所述配置参数值分别所在的参数空间，生成对应配置参数值的邻域配置参数值，从而得到多组配置参数值；

通过所述排程模型对所述多组配置参数值、所述当前可用资源和所述欲完成目标进行处理，得到多个排程计划；其中，所述多个排程计划包括每一组配置参数值对应的排程计划。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述基于所述排程计划确定可达到的各项指标值，包括：

获取所述用户自定义的特定指标；

确定如果按照所述排程计划实施所达到的所述特定指标的指标值。

9.一种排程数据优化处理装置，其特征在于，包括：

确定模块，用于确定配置参数值，所述配置参数值为与当前排程任务相关的可设置参数值；

所述确定模块，还用于通过排程模型对所述配置参数值进行处理，确定排程计划；

所述确定模块，还用于基于所述排程计划确定可达到的各项指标值；

展示模块，用于通过可视化方式展示所述各项指标值；且，可通过对图形窗口的图形化操作对所述配置参数值进行动态调整。

10.一种电子设备，包括存储器和处理器，所述存储器存储有可在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程序时实现权利要求1至8任一项所述的方法。

Images