CN114580839A - 调度排序方法、装置、计算机设备和存储介质 - Google Patents

调度排序方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN114580839A
CN114580839A CN202210070336.XA CN202210070336A CN114580839A CN 114580839 A CN114580839 A CN 114580839A CN 202210070336 A CN202210070336 A CN 202210070336A CN 114580839 A CN114580839 A CN 114580839A
Authority
CN
China
Prior art keywords
information
target
sorting
sequencing
sequencing information
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.)
Pending
Application number
CN202210070336.XA
Other languages
English (en)
Inventor
黄晋
李端玲
苏炎召
何一新
钟志华
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.)
Tsinghua University
Beijing University of Posts and Telecommunications
Original Assignee
Tsinghua University
Beijing University of Posts and Telecommunications
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 Tsinghua University, Beijing University of Posts and Telecommunications filed Critical Tsinghua University
Priority to CN202210070336.XA priority Critical patent/CN114580839A/zh
Publication of CN114580839A publication Critical patent/CN114580839A/zh
Pending legal-status Critical Current

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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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
    • G06Q10/0633—Workflow analysis
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种调度排序方法、装置、计算机设备和存储介质。方法包括：获取预设数目个第一排序信息；根据各第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新自适应交叉变异策略的参数值；根据各第一排序信息、各目标设备码、以及局部调整策略，确定各第三排序信息；将各第一排序信息、各第二排序信息、以及各第三排序信息输入筛选模型，得到预设数目个优化排序信息；迭代上述步骤，直到确定满足预设迭代停止条件的各目标优化排序信息；根据各满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。采用本方法能够使得获取的最优排序信息对多目标优化的效果更好。

Description

调度排序方法、装置、计算机设备和存储介质
技术领域
本申请涉及作业调度技术领域，特别是涉及一种调度排序方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
在以往的车间生产调度研究中，研究人员在优化调度排序的过程中，将排序信息对应的多个目标作为优化指标，衍生出多目标调度排序策略。
传统多目标调度排序策略通过对已知设备、工件、以及工序，进行随机排列，得到初始排序信息；并对初始排序信息输入多目标调度排序策略，得到新排序信息；对初始排序信息和新排序信息进行筛选后，将筛选出的排序信息作为初始排序信息，并迭代执行随机排列步骤；在满足迭代次数的情况下，对最后一次迭代得到的各排序信息进行筛选，确定最优排序信息。通过该策略获取的最优排序信息对多目标优化效果较差，无法满足实际工作的要求。
发明内容
基于此，有必要针对上述技术问题，提供一种调度排序方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种调度排序方法。所述方法包括：
获取预设数目个第一排序信息；所述第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序；
根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值；
根据各所述第一排序信息、各所述目标设备码、以及局部调整策略，确定各第三排序信息；
将各所述第一排序信息、各所述第二排序信息、以及各所述第三排序信息输入筛选模型，得到所述预设数目个优化排序信息；
在不满足预设迭代停止条件的情况下，将各所述优化排序信息作为各所述第一排序信息，并返回执行根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值步骤，直到确定满足预设迭代停止条件的各目标优化排序信息；
根据各所述满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。
可选的，所述获取预设数目个第一排序信息，包括：
获取各目标设备码、各目标工序码、以及各预设目标工序码的排列顺序；
将各所述目标设备码、各目标工序码、以及各所述目标工序码的排列顺序输入随机排序网络，得到各初始排序信息；
将各所述初始排序信息输入筛选模型，得到预设数目个第一排序信息。
可选的，所述更新所述自适应交叉变异策略的参数值，包括：
将当前迭代的次数输入参数调整算法，得到所述自适应交叉变异策略的新参数值；
用所述新参数值更新所述自适应交叉变异策略的原参数值。
可选的，所述局部调整策略包括极限优化变异策略和随机优化变异策略；所述根据各所述第一排序信息、各所述目标设备码、以及局部调整策略，确定各第三排序信息，包括：
根据各所述第一排序信息，选取各稀疏排序信息；
将各所述目标设备码、以及各所述稀疏排序信息输入所述极限优化变异策略，得到各第三初始排序信息；
将各所述第三初始排序信息输入所述随机优化变异策略，得到各第三排序信息。
可选的，所述将各所述目标设备码、以及各所述稀疏排序信息输入所述极限优化变异策略，得到各第三初始排序信息，包括：
针对每个稀疏排序信息，在所述稀疏排序信息的各目标工序码中，选取第一目标工序码，以及所述第一目标工序码对应的第一目标设备码；
根据所述稀疏排序信息、各所述目标设备码、以及所述第一目标工序码对应的第一目标设备码，确定各第三初始排序信息。
可选的，所述目标优化排序信息包括各优化目标的目标值，所述根据各所述目标优化排序信息，确定最优排序信息，包括：
针对每个目标优化排序信息，将所述目标优化排序信息的各目标的目标值进行加权求和计算，确定所述目标优化排序信息的目标加权值；
选取最大目标加权值对应的目标优化排序信息，作为最优排序信息。
第二方面，本申请还提供了一种调度排序装置。所述装置包括：
获取模块，用于获取预设数目个第一排序信息；所述第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序；
第一确定模块，用于根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值；
第二确定模块，用于根据各所述第一排序信息、各所述目标设备码、以及局部调整策略，确定各第三排序信息；
输入模块，用于将各所述第一排序信息、各所述第二排序信息、以及各所述第三排序信息输入筛选模型，得到所述预设数目个优化排序信息；
迭代模块，用于在不满足预设迭代停止条件的情况下，将各所述优化排序信息作为各所述第一排序信息，并返回执行根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值步骤，直到确定满足预设迭代停止条件的各目标优化排序信息；
第三确定模块，用于根据各所述满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。
可选的，所述获取模块，具体用于：
获取各目标设备码、各目标工序码、以及各预设目标工序码的排列顺序；
将各所述目标设备码、各目标工序码、以及各所述目标工序码的排列顺序输入随机排序网络，得到各初始排序信息；
将各所述初始排序信息输入筛选模型，得到预设数目个第一排序信息。
可选的，第一确定模块，具体用于：
将当前迭代的次数输入参数调整算法，得到所述自适应交叉变异策略的新参数值；
用所述新参数值更新所述自适应交叉变异策略的原参数值。
可选的，所述局部调整策略包括极限优化变异策略和随机优化变异策略；所述第二确定模块，具体用于：
根据各所述第一排序信息，选取各稀疏排序信息；
将各所述目标设备码、以及各所述稀疏排序信息输入所述极限优化变异策略，得到各第三初始排序信息；
将各所述第三初始排序信息输入所述随机优化变异策略，得到各第三排序信息。
可选的，所述第二确模块，具体用于：
针对每个稀疏排序信息，在所述稀疏排序信息的各目标工序码中，选取第一目标工序码，以及所述第一目标工序码对应的第一目标设备码；
根据所述稀疏排序信息、各所述目标设备码、以及所述第一目标工序码对应的第一目标设备码，确定各第三初始排序信息。
可选的，所述第三确定模块，具体用于：
针对每个目标优化排序信息，将所述目标优化排序信息的各目标的目标值进行加权求和计算，确定所述目标优化排序信息的目标加权值；
选取最大目标加权值对应的目标优化排序信息，作为最优排序信息。
第三方面，本申请提供了一种计算机设备。所述计算机设备：包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质。所述存储介质包括：其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
第五方面，本申请提供了一种计算机程序产品。所述计算机程序产品包括：计算机程序，其特征在于，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
上述调度排序方法、装置、计算机设备和存储介质，通过获取预设数目个第一排序信息；所述第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序；根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值；根据各所述第一排序信息、各所述目标设备码、以及局部调整策略，确定各第三排序信息；将各所述第一排序信息、各所述第二排序信息、以及各所述第三排序信息输入筛选模型，得到所述预设数目个优化排序信息；在不满足预设迭代停止条件的情况下，将各所述优化排序信息作为各所述第一排序信息，并返回执行根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值步骤，直到确定满足预设迭代停止条件的各目标优化排序信息；根据各所述满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。通过对获取的排序信息通过自动更新参数值的自适应交叉编译策略，以及优化的局部调整策略，得到各新排序信息；将获取的排序信息和各新排序信息进行择优选择，并迭代上述步骤，得到各目标优化排序信息，并对各目标优化排序信息再次择优选择，从而得到最优排序信息，使得获取的最优排序信息对多目标优化的效果更好。
附图说明
图1为一个实施例中调度排序方法的流程示意图；
图2为一个实施例中获取第一排序信息步骤的流程示意图；
图3为一个实施例中确定第三排序信息步骤的流程示意图；
图4为另一个实施例中调度排序方法的流程示意图；
图5为一个实施例中调度排序装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的调度排序方法，可以应用于终端中，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以包括但不限于是各种个人计算机、笔记本电脑、平板电脑等。该终端用于获取预设数目个第一排列顺序；根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息；根据各所述第一排序信息、以及局部调整策略，确定各第三排序信息；将各所述第一排序信息、各所述第二排序信息、以及各所述第三排序信息输入筛选模型，得到所述预设数目个优化排序信息；并迭代循环，直到确定满足预设迭代停止条件的各目标优化排序信息；根据各所述满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。
在一个实施例中，如图1所示，提供了一种调度排序方法，以该方法应用于终端为例，包括以下步骤：
步骤S101，获取预设数目个第一排序信息。
其中，第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序。
本实施例中，终端预先存储需要获取的第一排序信息数目终端获取各目标工序码对应的目标设备码的排列顺序；并通过各目标工序码对应的目标设备码的排列顺序，得到各优化目标的目标值；最终将获取到的各目标设备的排列顺序、以及各排列顺序对应的各优化目标的目标值作为第一排序信息，具体的获取过程后续会进行详细说明。一个目标设备一次只能加工一个目标工序，不同目标设备加工同一目标工序的时间不同，每个目标设备可以加工各目标工序，同一工件的各目标工序的排列顺序相同，但前道工序加工完，后道工序才可以开始加工。各目标工序码为加工一个工件需要的各工序的编码，各目标设备编码为执行各目标工序的各目标设备的编码。
各优化目标可以但不限于完工时间、设备负载率、生产效率、单位能耗。其中，完工时间为一个工件按照各目标工序码的排列顺序完成一次加工的理论时间；设备负载率为各目标工序对应的目标设备在单位时间内的最大加工零件个数；生产效率为单位时间内加工的零件个数；单位能耗为各目标工序对应的目标设备在单位时间内的理论总能耗。
步骤S102，根据预设数目个第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新自适应交叉变异策略的参数值。
本实施例中，自适应交叉变异策略包括自适应交叉策略和自适应变异策略，终端根据获取到的预设数目个第一排序信息和自适应交叉策略，确定各初始第二排列顺序，并更新自适应交叉策略的参数值；然后，根据各初始第二排列顺序和自适应变异策略，确定各第二排列顺序，并更新自适应变异策略的参数值。可选的，在另一种实施例中，终端根据获取到的各第一排列顺序和自适应变异策略，确定各初始第二排列顺序，并更新自适应变异策略的参数值；并根据各初始第二排序信息和自适应交叉策略，确定各第二排列顺序，并更新自适应交叉策略的参数值。其中，终端执行自适应交叉策略和自适应变异策略的顺序不作限定。
步骤S103，根据预设数目个第一排序信息、各目标设备码、以及局部调整策略，确定各第三排序信息。
本实施例中，终端根据获取到的各第一排列顺序、各目标设备码以及局部调整策略，确定各第三排列顺序。具体的计算过程后续会进行详细说明。
步骤S104，将预设数目个第一排序信息、各第二排序信息、以及各第三排序信息输入筛选模型，得到预设数目个优化排序信息。
本实施例中，筛选模型包括排序模块、拥挤度计算模块，以及优选模块。终端将预设数目个第一排序信息、各第二排序信息、以及各第三排序信息合并成排序组，并按照顺序将排序组输入排序模块、拥挤度计算模块，以及优选模块，得到预设数目个优化排序信息。
排序模块：终端对排序组的各排序信息按照各排序信息的各优化目标的目标值进行排列划分，当A排序信息的各优化目标的目标值均大于B排序信息的各优化目标的目标值时，A排序信息的排列顺序在B排序信息的排列顺序之前；当A排序信息的各优化目标的目标值，与B排序信息的各优化目标的目标值大小不一的情况下，两个排序信息并列，不分先后。终端将已排序的各排序信息，按照从前到后的顺序，将各排序信息划分到各子排序组中，每个子排序组包含的各排序信息的数量相等。
拥挤度计算模块：终端针对每个排序信息，根据该排序信息的各优化目标的目标值输入拥挤度算法，确定该排序信息的各优化目标的拥挤度距离；并将该排序信息的各优化目标的拥挤度距离求和，得到该排序信息的拥挤度距离。
优选模块：终端先选择排列顺序在最前列的排序信息所在的子排序组；如果该组包含的各排序信息数目小于预设数目，则终端选择该组包含的所有排序信息；并再次选择排序信息的排列顺序仅次于已选择组的子排序组；如果已选择的各子排序组包含的排序信息数目之和小于预设数目，则重复上述步骤，直到已选择的各子排序组包含的各排序信息数目之和大于预设数目为止。在终端选择的最后一个子排序组中，通过对比该子排序组中各排序信息的拥挤度距离的大小，优先选择拥挤度距离大的排序信息，直到所有选择出的排序信息的数目等于预设数目时，终端停止执行该步骤；并将各选择出的预设数目个排序信息，作为预设数目个优化排序信息。
步骤S105，在不满足预设迭代停止条件的情况下，将各优化排序信息作为预设数目个第一排序信息，并返回执行根据预设数目个第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新自适应交叉变异策略的参数值步骤，直到确定满足预设迭代停止条件的各目标优化排序信息。
本实施例中，预设迭代停止条件为迭代次数，终端在不满足迭代次数的情况下，将各优化排序信息作为预设数目个第一排序信息，并返回执行步骤S102；直到满足迭代次数，终端输出最后一次迭代得到的各目标优化排序信息(即满足预设迭代停止条件的各目标优化排序信息)。
步骤S106，根据各满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。
本实施例中，终端对最后一次迭代得到的各目标优化排序信息(即满足预设迭代停止条件的各目标优化排序信息)进行筛选，在各目标优化排序信息中，选择各优化目标的最优目标值对应的各目标优化排序信息，作为最优排序信息。
基于上述方案，通过对获取的排序信息通过自动更新参数值的自适应交叉编译策略，以及优化的局部调整策略，得到各新排序信息；将获取的排序信息和各新排序信息进行择优选择，并迭代上述步骤，得到各目标优化排序信息，并对各目标优化排序信息再次择优选择，从而得到最优排序信息，使得获取的最优排序信息对多目标优化的效果更好。
可选的，如图2所示，获取预设数目个第一排序信息，包括：
步骤S201，获取各目标设备码、各目标工序码、以及各预设目标工序码的排列顺序。
本实施例中，终端通过需要加工的工件，以及该工件需要的加工工序，得到各目标工序；并将各目标工序进行编码，得到各目标工序码；终端根据该工件的加工工序的顺序，确定各目标工序码的排列顺序；并根据各可以执行目标工序的设备，获取各目标设备，并将各目标设备编码，得到各目标设备码。
步骤S202，将各目标设备码、各目标工序码、以及各目标工序码的排列顺序输入随机排序网络，得到各初始排序信息。
本实施例中，终端根据各目标工序码的排列顺序，并将各目标设备码，按照各目标工序码的排列顺序，通过随机排序网络进行排列，得到各目标设备码的排列顺序。针对各目标设备，终端预先存储各目标设备的优化目标的目标值，并通过对各目标工序对应的目标设备的各优化目标的目标值进行加和平均计算，得到各目标设备的排列顺序对应的各优化目标的目标值；并将各目标设备码的排列顺序、各目标设备的排列顺序对应的各优化目标的目标值，作为初始排序信息。
步骤S203，将各初始排序信息输入筛选模型，得到预设数目个第一排序信息。
本实施例中，终端将各初始排序信息输入筛选模型，得到预设数目个第一排序信息。
基于上述方案，通过随机获取各初始排序信息，再对各初始排序信息进行筛选，得到各第一排序信息，从而提升了各第一排序信息的可行性。
可选的，更新自适应交叉变异策略的参数值，包括：将当前迭代的次数输入参数调整算法，得到自适应交叉变异策略的新参数值；用新参数值更新自适应交叉变异策略的原参数值。
本实施例中，自适应交叉策略的参数值为交叉率，自适应变异策略的参数值为变异率。每次迭代过后，终端获取下一次迭代的迭代次数，在下一次执行步骤S103，并确定各第二排序信息之后，终端通过交叉率模型确定新交叉率，并用新交叉率更新自适应交叉策略的原交叉率；终端通过变异率模型确定新变异率，并用新变异率更新自适应变异策略的原变异率。整个迭代可以按照迭代的次数划分为初期阶段、中期阶段和后期阶段，每个阶段的划分标准为：
N1＝αN
N2＝(1-α)N
上式中，α为阶段划分参数，N为最大迭代次数，0～N1为进化初期阶段，N1～N2为进化中期阶段，N2～N为进化后期阶段。
交叉率模型：
Figure BDA0003481830560000101
变异率模型：
Figure BDA0003481830560000102
上式中，Pc为个体的交叉率，Pm为个体的变异率，β为交叉率与变异率的调节参数。
基于上述方案，通过更新自适应交叉变异策略的参数值，从而在迭代初期来动态调整搜索范围，使算法在初期具有较大的搜索范围，提高了算法的全局搜索能力，后期具有较小的搜索范围，提高种群逼近最优解的能力，从而提高了算法的效率。
可选的，如图3所示，局部调整策略包括极限优化变异策略和随机优化变异策略；根据预设数目个第一排序信息、各目标设备码、以及局部调整策略，确定各第三排序信息，包括：
步骤S301，根据预设数目个第一排序信息，选取各稀疏排序信息。
本实施例中，终端选取拥挤度距离小于预设拥挤度距离阈值的第一排序信息，作为稀疏排序信息。
步骤S302，将各目标设备码、以及各稀疏排序信息输入极限优化变异策略，得到各第三初始排序信息。
本实施例中，终端将各目标设备码以及各稀疏排序信息输入极限优化变异策略，得到各第三初始排序信息；具体的计算过程后续会进行详细说明。
步骤S303，将各第三初始排序信息输入随机优化变异策略，得到各第三排序信息。
本实施例中，随机优化变异策略包括交换变异策略、插入变异策略、以及倒序变异策略，针对每个第三初始排序信息，终端将该第三初始排序信息分别输入交换变异策略、插入变异策略、以及倒序变异策略，得到第三排序信息。其中该第三初始排序信息输入交换变异策略、插入变异策略、以及倒序变异策略的顺序不作限定。
交换变异策略为，在该第三初始排序信息中的各目标工序码中随机选择两个不同排列位置的目标工序码对应的目标设备码，并将这两个不同排列位置的目标工序码对应的目标设备码相交换，得到第三排序信息；例如，第三初始排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b2、b3、b4、b5、b6。选择a2对应的b2、a4对应的b4并输入交换变异策略，得到第三排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b4、b3、b2、b5、b6。
插入变异策略为，该第三初始排序信息中的各目标工序码中随机选择排列位置的目标工序码对应的目标设备码，将排列位置在后的目标工序码对应的目标设备码，代替排列位置在前面的目标工序码的前一位目标工序码对应的目标设备码，其余目标设备码均往后移动一位，得到第三排序信息。例如，第三初始排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b2、b3、b4、b5、b6。选择a3对应的b3、a5对应的b5并输入插入变异策略，得到第三排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b2、b5、b3、b4、b6。
倒序变异策略为，该第三初始排序信息中的各目标工序码中随机选择排列位置的目标工序码对应的目标设备码，将两个目标设备码之间的所有目标设备码(包含该两个目标设备码)倒序排列，得到第三排序信息。例如，第三初始排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b2、b3、b4、b5、b6。选择a3对应的b3、a5对应的b5并输入插入变异策略，得到第三排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b2、b5、b4、b3、b6。
基于上述方案，通过局部调整策略对稀疏排列信息进行调整，得到第三排序信息，增强了算法的局部搜索能力，且扩大了排序信息的多样性。
可选的，将各目标设备码、以及各稀疏排序信息输入极限优化变异策略，得到各第三初始排序信息，包括：针对每个稀疏排序信息，在稀疏排序信息的各目标工序码中，选取第一目标工序码，以及第一目标工序码对应的第一目标设备码；根据稀疏排序信息、各目标设备码、以及第一目标工序码对应的第一目标设备码，确定第三初始排序信息。
本实施例中，终端针对每个稀疏排序信息，在该稀疏排序信息的各工序码中，选取第一目标工序码，以及第一目标工序码对应的第一目标设备码，在除该系数排序信息包含的各目标工序码对应的目标设备码之外的各目标设备码中，选择新目标设备码，代替第一目标设备码，确定第三排序信息。
例如，第三初始排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b2、b3、b4、b5、b6。选择a3对应的b3，在除b1、b2、b3、b4、b5、b6之外的各目标设备码中，选择b7，替代b3，得到第三排序信息的目标工序码的排列顺序为：a1、a2、a3、a4、a5、a6，目标工序码对应的目标设备码的排列顺序为：b1、b2、b7、b4、b5、b6。
基于上述方案，通过极限优化变异策略对稀疏排列信息进行调整，得到第三初始排序信息，增强了算法的局部搜索能力，且扩大了排序信息的多样性。
可选的，目标优化排序信息包括各优化目标的目标值，根据各目标优化排序信息，确定最优排序信息，包括：针对每个目标优化排序信息，将目标优化排序信息的各目标的目标值进行加权求和计算，确定目标优化排序信息的目标加权值；选取最大目标加权值对应的目标优化排序信息，作为最优排序信息。
本实施例中，终端通过层次分析法(Analytic Hierarchy Process,AHP)确定每一个目标的权重，针对每个目标优化排序信息，将目标优化排序信息的各目标的目标值加权求和，得到各目标优化排序信息的目标加权值，并选取最大目标加权值对应的目标优化排序信息，作为最优排序信息。
基于上述方案，通过对各目标优化排序信息进行加权求和，选择出加权值最大的目标优化排序信息，作为最优排序信息，进一步提升了获取的最优排序信息的效果。
本申请还提供了一种调度排序示例，如图4所示，具体处理过程包括以下步骤：
步骤S401，获取各目标设备码、各目标工序码、以及各预设目标工序码的排列顺序。
步骤S402，将各目标设备码、各目标工序码、以及各目标工序码的排列顺序输入随机排序网络，得到各初始排序信息。
步骤S403，将各初始排序信息输入筛选模型，得到预设数目个第一排序信息。第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序。
步骤S404，根据各第一排序信息、以及自适应交叉变异策略，确定各第二排序信息。
步骤S405，将当前迭代的次数输入参数调整算法，得到自适应交叉变异策略的新参数值。
步骤S406，用新参数值更新自适应交叉变异策略的原参数值。
步骤S407，根据各第一排序信息，选取各稀疏排序信息。
步骤S408，针对每个稀疏排序信息，在稀疏排序信息的各目标工序码中，选取第一目标工序码，以及第一目标工序码对应的第一目标设备码。
步骤S409，根据稀疏排序信息、各目标设备码、以及第一目标工序码对应的第一目标设备码，确定各第三初始排序信息。
步骤S410，将各第三初始排序信息输入随机优化变异策略，得到各第三排序信息。
步骤S411，将各第一排序信息、各第二排序信息、以及各第三排序信息输入筛选模型，得到预设数目个优化排序信息。
步骤S412，判断是否满足预设迭代停止条件。
如果是，执行步骤S413；如果否，将各优化排序信息作为各第一排序信息，并执行步骤S404。
步骤S413，确定各目标优化排序信息。
步骤S414，针对每个目标优化排序信息，将目标优化排序信息的各目标的目标值进行加权求和计算，确定目标优化排序信息的目标加权值。
步骤S415，选取最大目标加权值对应的目标优化排序信息，作为最优排序信息。
所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的调度排序方法的调度排序装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个调度排序装置实施例中的具体限定可以参见上文中对于调度排序方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种调度排序装置，包括：获取模块510、第一确定模块520、第二确定模块530、输入模块540、迭代模块550、以及第三确定模块560，其中：
获取模块510，用于获取预设数目个第一排序信息；第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序；
第一确定模块520，用于根据各第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新自适应交叉变异策略的参数值；
第二确定模块530，用于根据各第一排序信息、各目标设备码、以及局部调整策略，确定各第三排序信息；
输入模块540，用于将各第一排序信息、各第二排序信息、以及各第三排序信息输入筛选模型，得到预设数目个优化排序信息；
迭代模块550，用于在不满足预设迭代停止条件的情况下，将各优化排序信息作为各第一排序信息，并返回执行根据各第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新自适应交叉变异策略的参数值步骤，直到确定满足预设迭代停止条件的各目标优化排序信息；
第三确定模块560，用于根据各满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。
可选的，获取模块510，具体用于：
获取各目标设备码、各目标工序码、以及各预设目标工序码的排列顺序；
将各目标设备码、各目标工序码、以及各目标工序码的排列顺序输入随机排序网络，得到各初始排序信息；
将各初始排序信息输入筛选模型，得到预设数目个第一排序信息。
可选的，第一确定模块520，具体用于：
将当前迭代的次数输入参数调整算法，得到自适应交叉变异策略的新参数值；
用新参数值更新自适应交叉变异策略的原参数值。
可选的，局部调整策略包括极限优化变异策略和随机优化变异策略；第二确定模块530，具体用于：
根据各第一排序信息，选取各稀疏排序信息；
将各目标设备码、以及各稀疏排序信息输入极限优化变异策略，得到各第三初始排序信息；
将各第三初始排序信息输入随机优化变异策略，得到各第三排序信息。
可选的，第二确模块530，具体用于：
针对每个稀疏排序信息，在稀疏排序信息的各目标工序码中，选取第一目标工序码，以及第一目标工序码对应的第一目标设备码；
根据稀疏排序信息、各目标设备码、以及第一目标工序码对应的第一目标设备码，确定各第三初始排序信息。
可选的，第三确定模块560，具体用于：
针对每个目标优化排序信息，将目标优化排序信息的各目标的目标值进行加权求和计算，确定目标优化排序信息的目标加权值；
选取最大目标加权值对应的目标优化排序信息，作为最优排序信息。
上述调度排序装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种调度排序方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备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。
在实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在实施例中，提供了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各方法实施例中的步骤。
在实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(MagnetoresistiveRandomAccessMemory，MRAM)、铁电存储器(FerroelectricRandomAccessMemory，FRAM)、相变存储器(PhaseChangeMemory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(StaticRandomAccessMemory，SRAM)或动态随机存取存储器(DynamicRandomAccessMemory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种调度排序方法，其特征在于，所述方法包括：
获取预设数目个第一排序信息；所述第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序；
根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值；
根据各所述第一排序信息、各所述目标设备码、以及局部调整策略，确定各第三排序信息；
将各所述第一排序信息、各所述第二排序信息、以及各所述第三排序信息输入筛选模型，得到所述预设数目个优化排序信息；
在不满足预设迭代停止条件的情况下，将各所述优化排序信息作为各所述第一排序信息，并返回执行根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值步骤，直到确定满足预设迭代停止条件的各目标优化排序信息；
根据各所述满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。
2.根据权利要求1所述的方法，其特征在于，所述获取预设数目个第一排序信息，包括：
获取各目标设备码、各目标工序码、以及各预设目标工序码的排列顺序；
将各所述目标设备码、各目标工序码、以及各所述目标工序码的排列顺序输入随机排序网络，得到各初始排序信息；
将各所述初始排序信息输入筛选模型，得到预设数目个第一排序信息。
3.根据权利要求1所述的方法，其特征在于，所述更新所述自适应交叉变异策略的参数值，包括：
将当前迭代的次数输入参数调整算法，得到所述自适应交叉变异策略的新参数值；
用所述新参数值更新所述自适应交叉变异策略的原参数值。
4.根据权利要求1所述的方法，其特征在于，所述局部调整策略包括极限优化变异策略和随机优化变异策略；所述根据各所述第一排序信息、各所述目标设备码、以及局部调整策略，确定各第三排序信息，包括：
根据各所述第一排序信息，选取各稀疏排序信息；
将各所述目标设备码、以及各所述稀疏排序信息输入所述极限优化变异策略，得到各第三初始排序信息；
将各所述第三初始排序信息输入所述随机优化变异策略，得到各第三排序信息。
5.根据权利要求4所述的方法，其特征在于，所述将各所述目标设备码、以及各所述稀疏排序信息输入所述极限优化变异策略，得到各第三初始排序信息，包括：
针对每个稀疏排序信息，在所述稀疏排序信息的各目标工序码中，选取第一目标工序码，以及所述第一目标工序码对应的第一目标设备码；
根据所述稀疏排序信息、各所述目标设备码、以及所述第一目标工序码对应的第一目标设备码，确定各第三初始排序信息。
6.根据权利要求1所述的方法，其特征在于，所述目标优化排序信息包括各优化目标的目标值，所述根据各所述目标优化排序信息，确定最优排序信息，包括：
针对每个目标优化排序信息，将所述目标优化排序信息的各目标的目标值进行加权求和计算，确定所述目标优化排序信息的目标加权值；
选取最大目标加权值对应的目标优化排序信息，作为最优排序信息。
7.一种调度排序装置，其特征在于，所述装置包括：
获取模块，用于获取预设数目个第一排序信息；所述第一排序信息用于反映在预设目标工序码的排列顺序的情况下，各目标工序码对应的目标设备码的排列顺序；
第一确定模块，用于根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值；
第二确定模块，用于根据各所述第一排序信息、各所述目标设备码、以及局部调整策略，确定各第三排序信息；
输入模块，用于将各所述第一排序信息、各所述第二排序信息、以及各所述第三排序信息输入筛选模型，得到所述预设数目个优化排序信息；
迭代模块，用于在不满足预设迭代停止条件的情况下，将各所述优化排序信息作为各所述第一排序信息，并返回执行根据各所述第一排序信息、以及自适应交叉变异策略，确定各第二排序信息、并更新所述自适应交叉变异策略的参数值步骤，直到确定满足预设迭代停止条件的各目标优化排序信息；
第三确定模块，用于根据各所述满足预设迭代停止条件的目标优化排序信息，确定最优排序信息。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202210070336.XA 2022-01-21 2022-01-21 调度排序方法、装置、计算机设备和存储介质 Pending CN114580839A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210070336.XA CN114580839A (zh) 2022-01-21 2022-01-21 调度排序方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210070336.XA CN114580839A (zh) 2022-01-21 2022-01-21 调度排序方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN114580839A true CN114580839A (zh) 2022-06-03

Family

ID=81768947

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210070336.XA Pending CN114580839A (zh) 2022-01-21 2022-01-21 调度排序方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN114580839A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024140412A1 (zh) * 2022-12-26 2024-07-04 华为技术有限公司 排序算子的编译方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609668A (zh) * 2017-07-24 2018-01-19 浙江工业大学 一种基于抽象凸自适应策略的生产排产调度优化方法
US20190080270A1 (en) * 2017-09-11 2019-03-14 Hefei University Of Technology Production scheduling method and system based on improved artificial bee colony algorithm and storage medium

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609668A (zh) * 2017-07-24 2018-01-19 浙江工业大学 一种基于抽象凸自适应策略的生产排产调度优化方法
US20190080270A1 (en) * 2017-09-11 2019-03-14 Hefei University Of Technology Production scheduling method and system based on improved artificial bee colony algorithm and storage medium

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
雷瑞龙;侯立刚;曹江涛;: "基于多策略的多目标粒子群优化算法", 计算机工程与应用, no. 08, 31 December 2016 (2016-12-31), pages 19 - 24 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024140412A1 (zh) * 2022-12-26 2024-07-04 华为技术有限公司 排序算子的编译方法和装置

Similar Documents

Publication Publication Date Title
US20200257689A1 (en) Structured cluster execution for data streams
Ghaffari et al. A CoD-based reduction algorithm for designing stationary control policies on Boolean networks
CN114580839A (zh) 调度排序方法、装置、计算机设备和存储介质
CN117455234A (zh) 风险分类模型的确定方法、装置、计算机设备和存储介质
CN113850427A (zh) 时间序列的预测方法和电子设备，及计算机存储介质
Hadikhani et al. Improved data clustering using multi-trial vector-based differential evolution with Gaussian crossover
CN115238931B (zh) 耗损件的规划方法、装置、计算机设备和存储介质
CN115375193B (zh) 双目标生产调度优化方法、装置、设备及可读存储介质
CN116681470A (zh) 门店选址方法、装置、计算机设备、存储介质和产品
CN115511562A (zh) 虚拟产品推荐方法、装置、计算机设备和存储介质
CN114253481A (zh) 数据储存方法、装置、计算机设备、存储介质
CN113205185A (zh) 网络模型优化方法、装置、计算机设备和存储介质
CN111694814A (zh) 日期分区表批量扩展方法、装置、计算机设备及存储介质
CN110147804B (zh) 一种不平衡数据处理方法、终端及计算机可读存储介质
CN115718901B (zh) 基于换流阀的数据处理方法、装置以及计算机设备
CN117113732B (zh) 适用于非超立方体约束空间的拉丁超立方设计方法
CN112949888B (zh) 件量预测模型训练以及件量预测方法、装置和计算机设备
CN117114432A (zh) 基于模拟退火的自动柜员机选址方法、装置和计算机设备
CN115915233A (zh) 用户流量预测方法、装置、计算机设备和存储介质
CN117474174A (zh) 调度规则优化方法、装置、计算机设备、存储介质和产品
CN115170296A (zh) 业务对象识别模型的获取方法、装置和计算机设备
CN114580943A (zh) 项目风险跟踪方法、装置、计算机设备、介质和程序产品
CN114238400A (zh) 多维度业务参数查询方法、装置、计算机设备和存储介质
CN115686838A (zh) 产品换取方案的生成方法、装置、计算机设备和存储介质
CN115878624A (zh) 企业扫描策略筛选方法和装置

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