CN114118798A - 工业互联网平台的任务处理方法、装置及工业互联网平台 - Google Patents

工业互联网平台的任务处理方法、装置及工业互联网平台 Download PDF

Info

Publication number
CN114118798A
CN114118798A CN202111419678.XA CN202111419678A CN114118798A CN 114118798 A CN114118798 A CN 114118798A CN 202111419678 A CN202111419678 A CN 202111419678A CN 114118798 A CN114118798 A CN 114118798A
Authority
CN
China
Prior art keywords
task
execution
requests
population
similar
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
CN202111419678.XA
Other languages
English (en)
Other versions
CN114118798B (zh
Inventor
程社文
刘保全
黄偲健
程灿
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.)
Huamintek Co ltd
Original Assignee
Huamintek Co 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 Huamintek Co ltd filed Critical Huamintek Co ltd
Priority to CN202111419678.XA priority Critical patent/CN114118798B/zh
Publication of CN114118798A publication Critical patent/CN114118798A/zh
Application granted granted Critical
Publication of CN114118798B publication Critical patent/CN114118798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种工业互联网平台的任务处理方法、装置及工业互联网平台，其中该方法包括：获取由多个任务发起终端发起的多个任务请求；所述任务请求中包括有任务参数；根据所述任务参数，将所述多个任务请求分成多个相似任务集合；基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到每一所述相似任务集合对应的最佳的任务执行方案；根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行。可见，本发明能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。

Description

工业互联网平台的任务处理方法、装置及工业互联网平台
技术领域
本发明涉及工业互联网领域，尤其涉及一种工业互联网平台的任务处理方法、装置及工业互联网平台。
背景技术
随着国家对智能制造的大力鼓励，工业互联网平台已经越来越广泛地被应用于工业制造和生产等领域，以提高制造生产的智能化水平和效率。但现有的工业互联网平台，一般仅是实现对工业设备的智能互联和统一控制，但并没有考虑到多种类别的工业设备联入系统后如何应对多种任务和大批量任务并发执行的任务处理问题，可见现有技术存在缺陷，亟待解决。
发明内容
本发明所要解决的技术问题在于，提供一种工业互联网平台的任务处理方法、装置及工业互联网平台，能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
为了解决上述技术问题，本发明第一方面公开了一种工业互联网平台的任务处理方法，所述方法包括：
获取由多个任务发起终端发起的多个任务请求；所述任务请求中包括有任务参数；
根据所述任务参数，将所述多个任务请求分成多个相似任务集合；
基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到每一所述相似任务集合对应的最佳的任务执行方案；
根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行。
作为一种可选的实施方式，在本发明第一方面中，所述任务参数包括任务执行者信息、任务内容信息、任务时间信息、任务类型信息和任务变量信息中的至少一种；所述任务执行者信息包括人员执行、设备执行、自然执行中的至少一种；所述自然执行包括风能执行、水能执行和太阳能执行中的至少一种。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述任务参数，将所述多个任务请求分成多个相似任务集合，包括：
根据所述任务参数，确定每一所述任务请求对应的任务维度；所述任务维度包括时间维度、空间维度和环境维度中的至少一种；
将属于同一所述任务维度的所有所述任务请求确定为一个相似任务集合，以得到多个所述相似任务集合。
作为一种可选的实施方式，在本发明第一方面中，所述基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到最佳的任务执行方案，包括：
对于任一所述相似任务集合中的多个任务请求，确定目标函数；所述目标函数为所述多个任务请求的执行时间和执行成本的最小化函数；
确定执行次序约束条件；所述任务执行次序约束条件用于限定具有执行次序要求的多个所述任务请求的执行次序；
根据每一所述任务请求的所述任务参数，确定执行参数约束条件；所述执行参数约束条件用于限定每一所述任务请求按照其对应的所述任务参数进行执行；
确定算法解为所述多个任务请求对应的任务执行方案；
基于免疫粒子群算法，根据所述执行次序约束条件和所述执行参数约束条件和所述目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案。
作为一种可选的实施方式，在本发明第一方面中，所述基于免疫粒子群算法，根据所述执行次序约束条件和所述执行参数约束条件和所述目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案，包括：
基于初始参数，生成初始化种群；所述初始参数包括种群规模、粒子维度、加速因子和惯性因子；所述初始化种群包括有多个粒子；每一所述粒子为一个任务执行方案；
根据每一所述粒子中的任务执行方案对应的多个任务请求的任务参数，计算每一所述粒子对应的执行成本和执行时间；
根据每一所述粒子的所述执行成本和执行时间，计算每一所述粒子的适应度，并根据所述适应度计算出所述初始化种群的粒子浓度；
计算所述初始化种群的最优位置；
将所述多个粒子根据所述适应度由大到小进行排列，将排在前预设数量个粒子划为第一种群，将剩余的粒子划为第二种群，对所述第一种群中的所述粒子按照粒子群算法速度和位置更新公式进行进化，将所述第二种群中的粒子使用所述最优位置进行疫苗接种，以更新所述第二种群中的粒子；
将所述第一种群和所述第二种群进行合并以得到集合种群，对所述集合种群中的粒子根据粒子群算法速度和位置更新公式进行进化并计算个体极值和群体极值；
判断所述个体极值和群体极值是否均满足所述执行次序约束条件和所述执行参数约束条件，若不符合，则重新进行粒子进化更新，若符合，则保存所述集合种群中的粒子所对应的任务执行方案至最佳任务执行方案集合。
作为一种可选的实施方式，在本发明第一方面中，所述根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行，包括：
根据多个任务执行终端中每一所述任务执行终端的执行特性，确定每一所述任务执行终端对应的任务维度；
根据每一所述任务执行终端对应的任务维度，确定每一所述任务执行终端对应的所述相似任务集合所对应的所述最佳的任务执行方案；
根据当前时刻和当前欲调动的当前执行终端的终端参数，从所述当前执行终端对应的所述任务执行方案中确定出适合所述当前执行终端进行执行的任务请求。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括；
获取任一所述任务执行终端在执行了所述任务请求后的执行反馈；所述执行反馈包括执行时间、执行成本和执行错误中的至少一种；
根据多个所述任务执行终端的所述执行反馈，确定本次任务分配的任务执行情况；所述任务执行情况包括任务执行成本、任务执行时间和任务出错情况；
在下一次基于动态规划算法确定所述最佳的任务执行方案时，将所述任务执行情况作为所述动态规划算法的目标函数和/或约束条件，以使得下一次确定出的任务执行方案能够超越本次任务分配的任务执行情况。
本发明第二方面公开了一种工业互联网平台的任务处理装置，其包括：
获取模块，用于获取由多个任务发起终端发起的多个任务请求；所述任务请求中包括有任务参数；
划分模块，用于根据所述任务参数，将所述多个任务请求分成多个相似任务集合；
演算模块，用于基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到每一所述相似任务集合对应的最佳的任务执行方案；
确定模块，用于根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行。
作为一种可选的实施方式，在本发明第二方面中，所述任务参数包括任务执行者信息、任务内容信息、任务时间信息、任务类型信息和任务变量信息中的至少一种；所述任务执行者信息包括人员执行、设备执行、自然执行中的至少一种；所述自然执行包括风能执行、水能执行和太阳能执行中的至少一种。
作为一种可选的实施方式，在本发明第二方面中，所述划分模块根据所述任务参数，将所述多个任务请求分成多个相似任务集合的具体方式，包括：
根据所述任务参数，确定每一所述任务请求对应的任务维度；所述任务维度包括时间维度、空间维度和环境维度中的至少一种；
将属于同一所述任务维度的所有所述任务请求确定为一个相似任务集合，以得到多个所述相似任务集合。
作为一种可选的实施方式，在本发明第二方面中，所述演算模块基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到最佳的任务执行方案的具体方式，包括：
对于任一所述相似任务集合中的多个任务请求，确定目标函数；所述目标函数为所述多个任务请求的执行时间和执行成本的最小化函数；
确定执行次序约束条件；所述任务执行次序约束条件用于限定具有执行次序要求的多个所述任务请求的执行次序；
根据每一所述任务请求的所述任务参数，确定执行参数约束条件；所述执行参数约束条件用于限定每一所述任务请求按照其对应的所述任务参数进行执行；
确定算法解为所述多个任务请求对应的任务执行方案；
基于免疫粒子群算法，根据所述执行次序约束条件和所述执行参数约束条件和所述目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案。
作为一种可选的实施方式，在本发明第二方面中，所述演算模块基于免疫粒子群算法，根据所述执行次序约束条件和所述执行参数约束条件和所述目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案的具体方式，包括：
基于初始参数，生成初始化种群；所述初始参数包括种群规模、粒子维度、加速因子和惯性因子；所述初始化种群包括有多个粒子；每一所述粒子为一个任务执行方案；
根据每一所述粒子中的任务执行方案对应的多个任务请求的任务参数，计算每一所述粒子对应的执行成本和执行时间；
根据每一所述粒子的所述执行成本和执行时间，计算每一所述粒子的适应度，并根据所述适应度计算出所述初始化种群的粒子浓度；
计算所述初始化种群的最优位置；
将所述多个粒子根据所述适应度由大到小进行排列，将排在前预设数量个粒子划为第一种群，将剩余的粒子划为第二种群，对所述第一种群中的所述粒子按照粒子群算法速度和位置更新公式进行进化，将所述第二种群中的粒子使用所述最优位置进行疫苗接种，以更新所述第二种群中的粒子；
将所述第一种群和所述第二种群进行合并以得到集合种群，对所述集合种群中的粒子根据粒子群算法速度和位置更新公式进行进化并计算个体极值和群体极值；
判断所述个体极值和群体极值是否均满足所述执行次序约束条件和所述执行参数约束条件，若不符合，则重新进行粒子进化更新，若符合，则保存所述集合种群中的粒子所对应的任务执行方案至最佳任务执行方案集合。
作为一种可选的实施方式，在本发明第二方面中，所述确定模块根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行的具体方式，包括：
根据多个任务执行终端中每一所述任务执行终端的执行特性，确定每一所述任务执行终端对应的任务维度；
根据每一所述任务执行终端对应的任务维度，确定每一所述任务执行终端对应的所述相似任务集合所对应的所述最佳的任务执行方案；
根据当前时刻和当前欲调动的当前执行终端的终端参数，从所述当前执行终端对应的所述任务执行方案中确定出适合所述当前执行终端进行执行的任务请求。
作为一种可选的实施方式，在本发明第二方面中，所述获取模块还用于获取任一所述任务执行终端在执行了所述任务请求后的执行反馈；所述执行反馈包括执行时间、执行成本和执行错误中的至少一种；
所述确定模块还用于根据多个所述任务执行终端的所述执行反馈，确定本次任务分配的任务执行情况；所述任务执行情况包括任务执行成本、任务执行时间和任务出错情况；
所述演算模块还用于在下一次基于动态规划算法确定所述最佳的任务执行方案时，将所述任务执行情况作为所述动态规划算法的目标函数和/或约束条件，以使得下一次确定出的任务执行方案能够超越本次任务分配的任务执行情况。
本发明第三方面公开了另一种工业互联网平台的任务处理装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的工业互联网平台的任务处理方法中的部分或全部步骤。
本发明第四方面公开了一种工业互联网平台，所述工业互联网平台包括多个任务发起终端和多个任务执行终端，以及连接至每一所述任务发起终端和每一所述任务执行终端的任务处理装置，所述任务处理装置用于执行本发明实施例第一方面公开的工业互联网平台的任务处理方法中的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取由多个任务发起终端发起的多个任务请求；所述任务请求中包括有任务参数；根据所述任务参数，将所述多个任务请求分成多个相似任务集合；基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到每一所述相似任务集合对应的最佳的任务执行方案；根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行。可见，本发明能够首先划分出多个相似集合以实现任务的分离，并基于动态规划算法确定出任务的最佳执行方案以分配给任务执行终端执行，从而一方面实现了合理高效的任务分离执行，另一方面能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅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是本发明实施例公开的一种工业互联网平台的任务处理方法的流程示意图；
图2是本发明实施例公开的一种工业互联网平台的任务处理装置的结构示意图；
图3是本发明实施例公开的另一种工业互联网平台的任务处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种工业互联网平台的任务处理方法、装置及工业互联网平台，能够首先划分出多个相似集合以实现任务的分离，并基于动态规划算法确定出任务的最佳执行方案以分配给任务执行终端执行，从而一方面实现了合理高效的任务分离执行，另一方面能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种工业互联网平台的任务处理方法的流程示意图。其中，图1所描述的方法可以应用于相应的任务处理终端、任务处理设备或任务处理服务器中，且该服务器可以是本地服务器，也可以是云服务器。具体地，如图1所示，该工业互联网平台的任务处理方法可以包括以下操作：
101、获取由多个任务发起终端发起的多个任务请求。
可选的，该任务请求中包括有任务参数。可选的，任务参数包括任务执行者信息、任务内容信息、任务时间信息、任务类型信息和任务变量信息中的至少一种。可选的，任务执行者信息包括人员执行、设备执行、自然执行中的至少一种。可选的，自然执行包括风能执行、水能执行和太阳能执行中的至少一种。
上述任务参数的设置，一方面是便于确定每一任务执行的相关参数，以便于后续确定任务请求的执行成本和执行时间，另一方面是便于后续对任务进行划分时综合考虑的任务的各个方面的特点，来合理对任务进行划分。
102、根据任务参数，将多个任务请求分成多个相似任务集合。
103、基于动态规划算法，对每一相似任务集合中的多个任务请求进行演算，得到每一相似任务集合对应的最佳的任务执行方案。
104、根据多个任务执行终端中每一任务执行终端的执行特性，以及任务执行方案，从多个任务请求中确定出每一任务执行终端最推荐执行的任务请求进行执行。
可见，实施本发明实施例所描述的方法能够首先划分出多个相似集合以实现任务的分离，并基于动态规划算法确定出任务的最佳执行方案以分配给任务执行终端执行，从而一方面实现了合理高效的任务分离执行，另一方面能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，上述步骤102中的，根据任务参数，将多个任务请求分成多个相似任务集合，包括：
根据任务参数，确定每一任务请求对应的任务维度；
将属于同一任务维度的所有任务请求确定为一个相似任务集合，以得到多个相似任务集合。
可选的，任务维度包括时间维度、空间维度和环境维度中的至少一种。可选的，时间维度可以包括年、月、日、时、分、秒中的至少一种，空间维度可以包括地理位置维度、地理区域维度、机房区域维度、传输类型维度中的至少一种，环境维度可以包括工作环境维度、化学反应环境维度、物理反应环境维度、有毒环境维度、高温环境维度、低温环境维度中的至少一种。具体的，不同的任务维度之间应该具有显著的不同，这种不同可以用于指示两种维度的任务不可一并执行否则会引发可以预见的危害和损失，例如会产生高温的任务的环境维度和需要保持低温运行环境的任务的环境维度不同，或是例如同时执行会导致系统出错的两个任务的时间维度不同，又或是例如在同一个区域执行会导致人员不足的两个任务的空间维度应该不同。
可选的，可以根据任务参数中的各个参数来确定出每一任务请求的任务维度，这一确定方式可以为基于预设的对应关系来确定的，例如特定任务时间信息和特定任务类型信息对应于特定的时间维度以对应该在不同时间区间执行的两个任务进行区分。
可见，通过实施该可选的实施方式，可以根据任务参数确定出任务维度之后对多个任务请求进行有效的划分，以实现的任务的分离，后续根据分离后的任务集合进行任务分配时，可以有效实现不同任务的分离执行，以解决多种任务并发执行时容易导致的任务冲突矛盾，如任务成本、效率、复杂度等矛盾，进而实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，上述步骤103中的，基于动态规划算法，对每一相似任务集合中的多个任务请求进行演算，得到最佳的任务执行方案，包括：
对于任一相似任务集合中的多个任务请求，确定目标函数；
其中，目标函数为多个任务请求的执行时间和执行成本的最小化函数；
确定执行次序约束条件；
其中，任务执行次序约束条件用于限定具有执行次序要求的多个任务请求的执行次序；
根据每一任务请求的任务参数，确定执行参数约束条件；
其中，执行参数约束条件用于限定每一任务请求按照其对应的任务参数进行执行；
确定算法解为多个任务请求对应的任务执行方案；
基于免疫粒子群算法，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案。
可见，通过实施该可选的实施方式，能够借助免疫粒子群算法的算法优势，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案，从而确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，上述步骤中的，基于免疫粒子群算法，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案，包括：
基于初始参数，生成初始化种群；
其中，初始参数包括种群规模、粒子维度、加速因子和惯性因子；初始化种群包括有多个粒子；每一粒子为一个任务执行方案；
根据每一粒子中的任务执行方案对应的多个任务请求的任务参数，计算每一粒子对应的执行成本和执行时间；
根据每一粒子的执行成本和执行时间，计算每一粒子的适应度，并根据适应度计算出初始化种群的粒子浓度；
计算初始化种群的最优位置；
将多个粒子根据适应度由大到小进行排列，将排在前预设数量个粒子划为第一种群，将剩余的粒子划为第二种群，对第一种群中的粒子按照粒子群算法速度和位置更新公式进行进化，将第二种群中的粒子使用最优位置进行疫苗接种，以更新第二种群中的粒子；
将第一种群和第二种群进行合并以得到集合种群，对集合种群中的粒子根据粒子群算法速度和位置更新公式进行进化并计算个体极值和群体极值；
判断个体极值和群体极值是否均满足执行次序约束条件和执行参数约束条件，若不符合，则重新进行粒子进化更新，若符合，则保存集合种群中的粒子所对应的任务执行方案至最佳任务执行方案集合。
具体的，最佳任务执行方案集合中的方案，即是确定出的最佳任务执行方案。
可见，通过实施该可选的实施方式，可以借助免疫粒子群算法的算法优势，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案，从而确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，上述步骤中的，根据多个任务执行终端中每一任务执行终端的执行特性，以及任务执行方案，从多个任务请求中确定出每一任务执行终端最推荐执行的任务请求进行执行，包括：
根据多个任务执行终端中每一任务执行终端的执行特性，确定每一任务执行终端对应的任务维度；
根据每一任务执行终端对应的任务维度，确定每一任务执行终端对应的相似任务集合所对应的最佳的任务执行方案；
根据当前时刻和当前欲调动的当前执行终端的终端参数，从当前执行终端对应的任务执行方案中确定出适合当前执行终端进行执行的任务请求。
其中，可以根据任务执行终端所在的位置、能够执行的任务类型、历史执行的任务信息等参数来确定其对应的任务维度。可选的，任务执行方案中一般包括有多个任务的执行次序和执行时间，因此可以根据当前的时刻在任务执行方案中定位至一个或多个任务请求，再筛选出任务请求的任务执行参数与终端参数相匹配的任务请求，作为适合当前执行终端进行执行的任务请求。
可见，通过实施该可选的实施方式，可以根据分离后的任务集合进行任务执行终端的任务分配以有效实现不同任务的分离执行，从而一方面实现了合理高效的任务分离执行，另一方面能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，该方法还包括；
获取任一任务执行终端在执行了任务请求后的执行反馈；
其中，执行反馈包括执行时间、执行成本和执行错误中的至少一种；
根据多个任务执行终端的执行反馈，确定本次任务分配的任务执行情况；
其中，任务执行情况包括任务执行成本、任务执行时间和任务出错情况；
在下一次基于动态规划算法确定最佳的任务执行方案时，将任务执行情况作为动态规划算法的目标函数和/或约束条件，以使得下一次确定出的任务执行方案能够超越本次任务分配的任务执行情况。
可选的，如上面的实施方式所述，在实施免疫粒子群算法时需要确定目标函数和不同的约束条件，在本实施方式中，可以将本次任务分配的任务执行情况，作为下一次免疫粒子群算法的目标函数或约束条件，例如，可以将本次任务分配的任务执行成本或任务执行时间，确定为下一次的目标函数，也即增加一个目标函数为算法解对应的执行成本低于该任务执行成本或执行时间低于该任务执行时间，又例如，将本次任务分配的任务出错情况确定为下一次算法规划的约束条件，也即增加一个约束条件为算法解对应的任务执行情况不会出现该任务出错情况。
可见，通过实施该可选的实施方式，能够在下一次基于动态规划算法确定最佳的任务执行方案时，将任务执行情况作为动态规划算法的目标函数和/或约束条件，以使得下一次确定出的任务执行方案能够超越本次任务分配的任务执行情况，从而实现工业互联网平台的合理任务分配和高效任务执行。
实施例二
请参阅图2，图2是本发明实施例公开的一种工业互联网平台的任务处理装置的结构示意图。其中，图2所描述的装置可以应用于相应的任务处理终端、任务处理设备或任务处理服务器，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。具体地，如图2所示，该装置可以包括：
获取模块201，用于获取由多个任务发起终端发起的多个任务请求。
可选的，该任务请求中包括有任务参数。可选的，任务参数包括任务执行者信息、任务内容信息、任务时间信息、任务类型信息和任务变量信息中的至少一种。可选的，任务执行者信息包括人员执行、设备执行、自然执行中的至少一种。可选的，自然执行包括风能执行、水能执行和太阳能执行中的至少一种。
上述任务参数的设置，一方面是便于确定每一任务执行的相关参数，以便于后续确定任务请求的执行成本和执行时间，另一方面是便于后续对任务进行划分时综合考虑的任务的各个方面的特点，来合理对任务进行划分。
划分模块202，用于根据任务参数，将多个任务请求分成多个相似任务集合。
演算模块203，用于基于动态规划算法，对每一相似任务集合中的多个任务请求进行演算，得到每一相似任务集合对应的最佳的任务执行方案。
确定模块204，用于根据多个任务执行终端中每一任务执行终端的执行特性，以及任务执行方案，从多个任务请求中确定出每一任务执行终端最推荐执行的任务请求进行执行。
可见，实施本发明实施例所描述的装置能够首先划分出多个相似集合以实现任务的分离，并基于动态规划算法确定出任务的最佳执行方案以分配给任务执行终端执行，从而一方面实现了合理高效的任务分离执行，另一方面能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，划分模块202根据任务参数，将多个任务请求分成多个相似任务集合的具体方式，包括：
根据任务参数，确定每一任务请求对应的任务维度；
将属于同一任务维度的所有任务请求确定为一个相似任务集合，以得到多个相似任务集合。
可选的，任务维度包括时间维度、空间维度和环境维度中的至少一种。可选的，时间维度可以包括年、月、日、时、分、秒中的至少一种，空间维度可以包括地理位置维度、地理区域维度、机房区域维度、传输类型维度中的至少一种，环境维度可以包括工作环境维度、化学反应环境维度、物理反应环境维度、有毒环境维度、高温环境维度、低温环境维度中的至少一种。具体的，不同的任务维度之间应该具有显著的不同，这种不同可以用于指示两种维度的任务不可一并执行否则会引发可以预见的危害和损失，例如会产生高温的任务的环境维度和需要保持低温运行环境的任务的环境维度不同，或是例如同时执行会导致系统出错的两个任务的时间维度不同，又或是例如在同一个区域执行会导致人员不足的两个任务的空间维度应该不同。
可选的，可以根据任务参数中的各个参数来确定出每一任务请求的任务维度，这一确定方式可以为基于预设的对应关系来确定的，例如特定任务时间信息和特定任务类型信息对应于特定的时间维度以对应该在不同时间区间执行的两个任务进行区分。
可见，通过实施该可选的实施方式，可以根据任务参数确定出任务维度之后对多个任务请求进行有效的划分，以实现的任务的分离，后续根据分离后的任务集合进行任务分配时，可以有效实现不同任务的分离执行，以解决多种任务并发执行时容易导致的任务冲突矛盾，如任务成本、效率、复杂度等矛盾，进而实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，演算模块203基于动态规划算法，对每一相似任务集合中的多个任务请求进行演算，得到最佳的任务执行方案的具体方式，包括：
对于任一相似任务集合中的多个任务请求，确定目标函数；
其中，目标函数为多个任务请求的执行时间和执行成本的最小化函数；
确定执行次序约束条件；
其中，任务执行次序约束条件用于限定具有执行次序要求的多个任务请求的执行次序；
根据每一任务请求的任务参数，确定执行参数约束条件；
其中，执行参数约束条件用于限定每一任务请求按照其对应的任务参数进行执行；
确定算法解为多个任务请求对应的任务执行方案；
基于免疫粒子群算法，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案。
可见，通过实施该可选的实施方式，能够借助免疫粒子群算法的算法优势，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案，从而确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，演算模块203基于免疫粒子群算法，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案的具体方式，包括：
基于初始参数，生成初始化种群；
其中，初始参数包括种群规模、粒子维度、加速因子和惯性因子；初始化种群包括有多个粒子；每一粒子为一个任务执行方案；
根据每一粒子中的任务执行方案对应的多个任务请求的任务参数，计算每一粒子对应的执行成本和执行时间；
根据每一粒子的执行成本和执行时间，计算每一粒子的适应度，并根据适应度计算出初始化种群的粒子浓度；
计算初始化种群的最优位置；
将多个粒子根据适应度由大到小进行排列，将排在前预设数量个粒子划为第一种群，将剩余的粒子划为第二种群，对第一种群中的粒子按照粒子群算法速度和位置更新公式进行进化，将第二种群中的粒子使用最优位置进行疫苗接种，以更新第二种群中的粒子；
将第一种群和第二种群进行合并以得到集合种群，对集合种群中的粒子根据粒子群算法速度和位置更新公式进行进化并计算个体极值和群体极值；
判断个体极值和群体极值是否均满足执行次序约束条件和执行参数约束条件，若不符合，则重新进行粒子进化更新，若符合，则保存集合种群中的粒子所对应的任务执行方案至最佳任务执行方案集合。
具体的，最佳任务执行方案集合中的方案，即是确定出的最佳任务执行方案。
可见，通过实施该可选的实施方式，可以借助免疫粒子群算法的算法优势，根据执行次序约束条件和执行参数约束条件和目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案，从而确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，确定模块204根据多个任务执行终端中每一任务执行终端的执行特性，以及任务执行方案，从多个任务请求中确定出每一任务执行终端最推荐执行的任务请求进行执行的具体方式，包括：
根据多个任务执行终端中每一任务执行终端的执行特性，确定每一任务执行终端对应的任务维度；
根据每一任务执行终端对应的任务维度，确定每一任务执行终端对应的相似任务集合所对应的最佳的任务执行方案；
根据当前时刻和当前欲调动的当前执行终端的终端参数，从当前执行终端对应的任务执行方案中确定出适合当前执行终端进行执行的任务请求。
其中，可以根据任务执行终端所在的位置、能够执行的任务类型、历史执行的任务信息等参数来确定其对应的任务维度。可选的，任务执行方案中一般包括有多个任务的执行次序和执行时间，因此可以根据当前的时刻在任务执行方案中定位至一个或多个任务请求，再筛选出任务请求的任务执行参数与终端参数相匹配的任务请求，作为适合当前执行终端进行执行的任务请求。
可见，通过实施该可选的实施方式，可以根据分离后的任务集合进行任务执行终端的任务分配以有效实现不同任务的分离执行，从而一方面实现了合理高效的任务分离执行，另一方面能够确定出更优的任务执行方案，以实现工业互联网平台的合理任务分配和高效任务执行。
作为一种可选的实施方式，获取模块201还用于获取任一任务执行终端在执行了任务请求后的执行反馈；执行反馈包括执行时间、执行成本和执行错误中的至少一种；确定模块204还用于根据多个任务执行终端的执行反馈，确定本次任务分配的任务执行情况；任务执行情况包括任务执行成本、任务执行时间和任务出错情况；演算模块203还用于在下一次基于动态规划算法确定最佳的任务执行方案时，将任务执行情况作为动态规划算法的目标函数和/或约束条件，以使得下一次确定出的任务执行方案能够超越本次任务分配的任务执行情况。
可选的，如上面的实施方式所述，在实施免疫粒子群算法时需要确定目标函数和不同的约束条件，在本实施方式中，可以将本次任务分配的任务执行情况，作为下一次免疫粒子群算法的目标函数或约束条件，例如，可以将本次任务分配的任务执行成本或任务执行时间，确定为下一次的目标函数，也即增加一个目标函数为算法解对应的执行成本低于该任务执行成本或执行时间低于该任务执行时间，又例如，将本次任务分配的任务出错情况确定为下一次算法规划的约束条件，也即增加一个约束条件为算法解对应的任务执行情况不会出现该任务出错情况。
可见，通过实施该可选的实施方式，能够在下一次基于动态规划算法确定最佳的任务执行方案时，将任务执行情况作为动态规划算法的目标函数和/或约束条件，以使得下一次确定出的任务执行方案能够超越本次任务分配的任务执行情况，从而实现工业互联网平台的合理任务分配和高效任务执行。
实施例三
请参阅图3，图3是本发明实施例公开的另一种工业互联网平台的任务处理装置的结构示意图。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的工业互联网平台的任务处理方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的工业互联网平台的任务处理方法中的部分或全部步骤。
实施例五
本发明实施例公开了一种工业互联网平台，该工业互联网平台可以包括多个任务发起终端和多个任务执行终端，以及连接至每一任务发起终端和每一任务执行终端的任务处理装置，该任务处理装置用于执行本发明实施例一公开的工业互联网平台的任务处理方法中的部分或全部步骤。
上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机可读存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field ProgrammableGateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescriptionLanguage)、Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后应说明的是：本发明实施例公开的一种工业互联网平台的任务处理方法、装置及工业互联网平台所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种工业互联网平台的任务处理方法，其特征在于，所述方法包括：
获取由多个任务发起终端发起的多个任务请求；所述任务请求中包括有任务参数；
根据所述任务参数，将所述多个任务请求分成多个相似任务集合；
基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到每一所述相似任务集合对应的最佳的任务执行方案；
根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行。
2.根据权利要求1所述的工业互联网平台的任务处理方法，其特征在于，所述任务参数包括任务执行者信息、任务内容信息、任务时间信息、任务类型信息和任务变量信息中的至少一种；所述任务执行者信息包括人员执行、设备执行、自然执行中的至少一种；所述自然执行包括风能执行、水能执行和太阳能执行中的至少一种。
3.根据权利要求1所述的工业互联网平台的任务处理方法，其特征在于，所述根据所述任务参数，将所述多个任务请求分成多个相似任务集合，包括：
根据所述任务参数，确定每一所述任务请求对应的任务维度；所述任务维度包括时间维度、空间维度和环境维度中的至少一种；
将属于同一所述任务维度的所有所述任务请求确定为一个相似任务集合，以得到多个所述相似任务集合。
4.根据权利要求3所述的工业互联网平台的任务处理方法，其特征在于，所述基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到最佳的任务执行方案，包括：
对于任一所述相似任务集合中的多个任务请求，确定目标函数；所述目标函数为所述多个任务请求的执行时间和执行成本的最小化函数；
确定执行次序约束条件；所述任务执行次序约束条件用于限定具有执行次序要求的多个所述任务请求的执行次序；
根据每一所述任务请求的所述任务参数，确定执行参数约束条件；所述执行参数约束条件用于限定每一所述任务请求按照其对应的所述任务参数进行执行；
确定算法解为所述多个任务请求对应的任务执行方案；
基于免疫粒子群算法，根据所述执行次序约束条件和所述执行参数约束条件和所述目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案。
5.根据权利要求4所述的工业互联网平台的任务处理方法，其特征在于，所述基于免疫粒子群算法，根据所述执行次序约束条件和所述执行参数约束条件和所述目标函数，对该相似任务集合中的多个任务请求进行演算，以得到该相似任务集合对应的最佳的任务执行方案，包括：
基于初始参数，生成初始化种群；所述初始参数包括种群规模、粒子维度、加速因子和惯性因子；所述初始化种群包括有多个粒子；每一所述粒子为一个任务执行方案；
根据每一所述粒子中的任务执行方案对应的多个任务请求的任务参数，计算每一所述粒子对应的执行成本和执行时间；
根据每一所述粒子的所述执行成本和执行时间，计算每一所述粒子的适应度，并根据所述适应度计算出所述初始化种群的粒子浓度；
计算所述初始化种群的最优位置；
将所述多个粒子根据所述适应度由大到小进行排列，将排在前预设数量个粒子划为第一种群，将剩余的粒子划为第二种群，对所述第一种群中的所述粒子按照粒子群算法速度和位置更新公式进行进化，将所述第二种群中的粒子使用所述最优位置进行疫苗接种，以更新所述第二种群中的粒子；
将所述第一种群和所述第二种群进行合并以得到集合种群，对所述集合种群中的粒子根据粒子群算法速度和位置更新公式进行进化并计算个体极值和群体极值；
判断所述个体极值和群体极值是否均满足所述执行次序约束条件和所述执行参数约束条件，若不符合，则重新进行粒子进化更新，若符合，则保存所述集合种群中的粒子所对应的任务执行方案至最佳任务执行方案集合。
6.根据权利要求5所述的工业互联网平台的任务处理方法，其特征在于，所述根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行，包括：
根据多个任务执行终端中每一所述任务执行终端的执行特性，确定每一所述任务执行终端对应的任务维度；
根据每一所述任务执行终端对应的任务维度，确定每一所述任务执行终端对应的所述相似任务集合所对应的所述最佳的任务执行方案；
根据当前时刻和当前欲调动的当前执行终端的终端参数，从所述当前执行终端对应的所述任务执行方案中确定出适合所述当前执行终端进行执行的任务请求。
7.根据权利要求6所述的工业互联网平台的任务处理方法，其特征在于，所述方法还包括；
获取任一所述任务执行终端在执行了所述任务请求后的执行反馈；所述执行反馈包括执行时间、执行成本和执行错误中的至少一种；
根据多个所述任务执行终端的所述执行反馈，确定本次任务分配的任务执行情况；所述任务执行情况包括任务执行成本、任务执行时间和任务出错情况；
在下一次基于动态规划算法确定所述最佳的任务执行方案时，将所述任务执行情况作为所述动态规划算法的目标函数和/或约束条件，以使得下一次确定出的任务执行方案能够超越本次任务分配的任务执行情况。
8.一种工业互联网平台的任务处理装置，其特征在于，所述装置包括：
获取模块，用于获取由多个任务发起终端发起的多个任务请求；所述任务请求中包括有任务参数；
划分模块，用于根据所述任务参数，将所述多个任务请求分成多个相似任务集合；
演算模块，用于基于动态规划算法，对每一所述相似任务集合中的多个任务请求进行演算，得到每一所述相似任务集合对应的最佳的任务执行方案；
确定模块，用于根据多个任务执行终端中每一所述任务执行终端的执行特性，以及所述任务执行方案，从所述多个任务请求中确定出每一所述任务执行终端最推荐执行的任务请求进行执行。
9.一种工业互联网平台的任务处理装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的工业互联网平台的任务处理方法。
10.一种工业互联网平台，其特征在于，所述工业互联网平台包括多个任务发起终端和多个任务执行终端，以及连接至每一所述任务发起终端和每一所述任务执行终端的任务处理装置，所述任务处理装置用于执行如权利要求1-7任一项所述的工业互联网平台的任务处理方法。
CN202111419678.XA 2021-11-26 2021-11-26 工业互联网平台的任务处理方法、装置及工业互联网平台 Active CN114118798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111419678.XA CN114118798B (zh) 2021-11-26 2021-11-26 工业互联网平台的任务处理方法、装置及工业互联网平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111419678.XA CN114118798B (zh) 2021-11-26 2021-11-26 工业互联网平台的任务处理方法、装置及工业互联网平台

Publications (2)

Publication Number Publication Date
CN114118798A true CN114118798A (zh) 2022-03-01
CN114118798B CN114118798B (zh) 2022-11-29

Family

ID=80370252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111419678.XA Active CN114118798B (zh) 2021-11-26 2021-11-26 工业互联网平台的任务处理方法、装置及工业互联网平台

Country Status (1)

Country Link
CN (1) CN114118798B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147274A (zh) * 2019-05-21 2019-08-20 武汉轻工大学 多目标云任务均衡调度方法、服务器及存储介质
CN110737524A (zh) * 2019-10-18 2020-01-31 北京思维造物信息科技股份有限公司 一种任务规则管理方法、装置、设备及介质
CN111709613A (zh) * 2020-05-26 2020-09-25 中国平安财产保险股份有限公司 基于数据统计的任务自动分配方法、装置及计算机设备
CN111737190A (zh) * 2020-07-03 2020-10-02 北京智芯微电子科技有限公司 嵌入式系统的动态软硬件协同方法、嵌入式系统
CN111831421A (zh) * 2020-07-23 2020-10-27 石家庄坚泰科技有限公司 任务分配方法及终端设备
CN112766813A (zh) * 2021-02-05 2021-05-07 中国人民解放军国防科技大学 一种空天协同观测复杂任务调度方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110147274A (zh) * 2019-05-21 2019-08-20 武汉轻工大学 多目标云任务均衡调度方法、服务器及存储介质
CN110737524A (zh) * 2019-10-18 2020-01-31 北京思维造物信息科技股份有限公司 一种任务规则管理方法、装置、设备及介质
CN111709613A (zh) * 2020-05-26 2020-09-25 中国平安财产保险股份有限公司 基于数据统计的任务自动分配方法、装置及计算机设备
CN111737190A (zh) * 2020-07-03 2020-10-02 北京智芯微电子科技有限公司 嵌入式系统的动态软硬件协同方法、嵌入式系统
CN111831421A (zh) * 2020-07-23 2020-10-27 石家庄坚泰科技有限公司 任务分配方法及终端设备
CN112766813A (zh) * 2021-02-05 2021-05-07 中国人民解放军国防科技大学 一种空天协同观测复杂任务调度方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
有伟等: "基于免疫粒子群算法的多UCAV协同任务分配", 《计算机工程与应用》 *

Also Published As

Publication number Publication date
CN114118798B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN107391527B (zh) 一种基于区块链的数据处理方法及设备
CN107957989B (zh) 基于集群的词向量处理方法、装置以及设备
EP3547168A1 (en) Block chain based data processing method and device
CN111930486B (zh) 任务选取数据处理方法、装置、设备及存储介质
CN110134668B (zh) 应用于区块链的数据迁移方法、装置和设备
CN109947643B (zh) 一种基于a/b测试的实验方案的配置方法、装置及设备
CN110378400B (zh) 一种用于图像识别的模型训练方法及装置
CN113011483B (zh) 一种模型训练和业务处理的方法及装置
CN110635962B (zh) 用于分布式系统的异常分析方法及装置
CN109615081A (zh) 一种模型预测系统及方法
CN111399812B (zh) 组件构建方法、装置、开发框架及设备
CN111540035A (zh) 粒子渲染方法、装置及设备
CN116932175B (zh) 一种基于序列生成的异构芯片任务调度方法以及装置
CN116842715B (zh) 一种仿真数据结构化处理系统
CN116107728B (zh) 一种任务执行方法、装置、存储介质及电子设备
CN114118798B (zh) 工业互联网平台的任务处理方法、装置及工业互联网平台
CN111753990B (zh) 一种量子计算机模拟环境方法、设备及介质
CN114676132A (zh) 一种数据表关联方法、装置、存储介质及电子设备
CN110321433B (zh) 确定文本类别的方法及装置
CN111880922A (zh) 并发任务的处理方法、装置及设备
CN110008000A (zh) 应用集群缩容方法及装置
CN110851416B (zh) 数据存储性能分析方法和装置、宿主机确定方法和装置
CN116955425A (zh) 基于合并树模型的数据流处理方法、装置及存储介质
CN117891600A (zh) 一种任务调度的方法、装置、存储介质及电子设备
CN117313025A (zh) 任务处理方法及装置

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