CN114626706A - 基于遗传算法的卤锅调度方法、装置和设备 - Google Patents

基于遗传算法的卤锅调度方法、装置和设备 Download PDF

Info

Publication number
CN114626706A
CN114626706A CN202210207451.7A CN202210207451A CN114626706A CN 114626706 A CN114626706 A CN 114626706A CN 202210207451 A CN202210207451 A CN 202210207451A CN 114626706 A CN114626706 A CN 114626706A
Authority
CN
China
Prior art keywords
population
scheduling
optimization
pot
preset
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
CN202210207451.7A
Other languages
English (en)
Inventor
冯燕飞
李卫国
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.)
Qingdao Shupu Intelligent Internet Technology Co ltd
Original Assignee
Qingdao Shupu Intelligent Internet Technology 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 Qingdao Shupu Intelligent Internet Technology Co ltd filed Critical Qingdao Shupu Intelligent Internet Technology Co ltd
Priority to CN202210207451.7A priority Critical patent/CN114626706A/zh
Publication of CN114626706A publication Critical patent/CN114626706A/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
    • G06Q10/06316—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
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06314—Calendaring for a resource
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • 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)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Physiology (AREA)
  • Evolutionary Computation (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种基于遗传算法的卤锅调度方法、装置和设备，该方法包括：根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和优化指标的预设权重信息，确定优化函数；根据优化函数，基于第一种群，进行种群的寻优迭代计算，确定最优种群；根据优化函数，确定最优种群中的最优排程结果；基于最优排程结果，向控制设备发送调取指令，其中，调取指令用于调度各卤锅进行卤制处理。本申请的方法，全面考虑了食品卤制的约束条件，实现了卤锅的快速排程，进而可以及时的对卤锅进行调度去完成生产过程。

Description

基于遗传算法的卤锅调度方法、装置和设备
技术领域
本申请涉及食品卤制领域，尤其涉及一种基于遗传算法的卤锅调度方法、装置和设备。
背景技术
食品卤制行业中，需要大量的卤锅进行卤制品生产，为了提高卤制品生产效率，需要对卤制品的生产任务分配至卤锅生产的这一过程进行合理的规划和调度，即对卤锅进行排程。卤锅排程要满足的约束条件非常多，并且这些约束条件随实际生产需要的变化而变化。
现有技术中，根据人工经验，使用基础办公软件排表，粗略得到一个卤锅排程结果，依据于该排程结果，调度卤锅生产卤制品。
然而现有技术中，人工很难顾及到所有的约束因素，需要反复调整才能达到一个可生产执行的排程，并且排程耗时较长；进一步的，导致无法及时的对卤锅进行调度去完成生产过程。
发明内容
本申请提供一种基于遗传算法的卤锅调度方法、装置和设备，用以解决卤锅排程耗时较长，无法及时的对卤锅进行调度去完成生产过程的问题。
第一方面本申请提供一种基于遗传算法的卤锅调度方法，所述方法应用于电子设备，所述方法包括：
根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和所述优化指标的预设权重信息，确定优化函数，其中所述第一种群中包括有M个排程结果，M为大于1的正整数，所述排程结果用于各卤锅基于所述排程结果进行卤制品生产，所述优化指标用于对排程结果的合理度进行调整；
根据所述优化函数，基于所述第一种群，进行种群的寻优迭代计算，确定最优种群；
根据所述优化函数，确定所述最优种群中的最优排程结果；
基于所述最优排程结果，向控制设备发送调取指令，其中，所述调取指令用于调度所述各卤锅进行卤制处理。
在可选的一种实施方式中，根据预设的排程参数和调整参数，确定卤锅排程的第一种群，包括：
根据所述排程参数，确定初始种群，其中，所述排程参数表征卤制品生产的目标信息和基础信息，所述排程参数包括卤制品生产任务信息、卤锅信息以及物料信息；
根据所述调整参数，对所述初始种群进行调整处理，确定所述第一种群；其中，所述调整参数用于对卤锅排程结果进行优化调整，所述调整参数包括任务超时信息，和/或，任务优先级信息。
在可选的一种实施方式中，所述优化指标包括未排任务比率、任务超时比率、完工时间比率、卤水锅数比率、各卤锅完工时间均衡率中的一种或多种；每一所述优化指标对应一个所述预设权重信息。
在可选的一种实施方式中，根据所述优化函数，基于所述第一种群，进行种群的寻优迭代计算，确定最优种群，包括：
重复执行以下步骤，直至达到预设条件，其中，所述预设条件为预设最大迭代次数；达到预设条件时所得到的第一种群为最优种群：
根据所述优化函数，确定所述第一种群的所述M个排程结果中各个排程结果的优化值，其中，所述优化值用于表征所述排程结果的合理度，所述优化值与合理度之间为负相关关系；
根据各个所述优化值和预设参数，对所述第一种群依次进行进化、变异以及复制处理，得到第二种群，其中，所述第二种群中包括有M加Q个排程结果，M为大于1的正整数，Q为大于等于1的正整数，所述预设参数包括预设交叉率阈值和预设变异率阈值；
将所述第二种群确定为新的第一种群。
在可选的一种实施方式中，根据所述优化函数，确定所述最优种群的最优排程结果，包括：
根据所述优化函数，确定所述最优种群中各个排程结果的优化值；
确定所述优化值最小的排程结果为最优排程结果。
在可选的一种实施方式中，所述根据各个所述优化值和所述预设参数，对所述第一种群依次进行进化、变异以及复制处理，得到第二种群，包括：
根据所述各个排程结果的优化值，确定各个所述排程结果的选择概率，根据所述选择概率和所述预设交叉率阈值，采用轮盘赌方式，对所述第一种群进行进化处理，得到第一进化种群；其中，排程结果的优化值与选择概率之间为负相关关系；所述第一进化种群中包括有M个排程结果，M为大于1的正整数；
根据所述预设变异率阈值对所述第一进化种群进行变异处理，得到第一变异种群，所述第一变异种群中包括M个排程结果，M为大于1的正整数；
确定所述第一种群中所述优化值最小的Q个排程结果，并将所述Q个排程结果复制到所述第一变异种群中，得到所述第二种群。
第二方面，本申请提供一种基于遗传算法的卤锅调度装置，所述装置应用于电子设备，所述装置包括：
第一处理单元，用于根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和所述优化指标的预设权重信息，确定优化函数，其中所述第一种群中包括有M个排程结果，M为大于1的正整数，所述排程结果用于各卤锅基于所述排程结果进行卤制品生产，所述优化指标用于对排程结果的合理度进行调整；
第一确定单元，用于根据所述优化函数，基于所述第一种群，进行种群的寻优迭代计算，确定最优种群；
第二确定单元，用于根据所述优化函数，确定所述最优种群中的最优排程结果；
第二处理单元，用于基于所述最优排程结果，向控制设备发送调取指令，其中，所述调取指令用于调度所述各卤锅进行卤制处理。
第三方面，本申请提供一种电子设备，所述电子设备包括：存储器，处理器；
存储器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行如第一方面所述的方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
第五方面，本申请提供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如第一方面所述的方法。
本申请提供的基于遗传算法的卤锅调度方法，通过以下步骤：根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和优化指标的预设权重信息，确定优化函数；根据优化函数，基于第一种群，进行种群的寻优迭代计算，确定最优种群；根据优化函数，确定最优种群中的最优排程结果；基于最优排程结果，向控制设备发送调取指令，其中，调取指令用于调度各卤锅进行卤制处理。全面考虑了食品卤制的约束条件，实现了卤锅的快速排程，进而可以及时的对卤锅进行调度去完成生产过程。
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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种基于遗传算法的卤锅调度方法的流程图；
图2为本申请实施例提供的另一种基于遗传算法的卤锅调度方法的流程图；
图3为本申请实施例提供的一种基于遗传算法的卤锅调度装置的结构示意图；
图4为本申请实施例提供的一种电子设备的结构示意图；
图5是本申请实施例提供的一种终端设备的框图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
食品卤制行业中，需要大量的卤锅进行卤制品生产，为了提高卤制品生产效率，需要对卤制品的生产任务分配至卤锅生产的这一过程进行合理的规划和调度，即对卤锅进行排程。卤锅排程要满足的约束条件非常多，例如，要满足卤锅数量的限制、每个卤锅可卤锅次的限制，还要满足生产任务的多样化具体化要求：卤物种类的要求，每个卤物卤制时间要求，卤制顺序的要求，不同卤物卤制时间的要求，还要使每个卤锅的完工时间基本均衡等，并且这些限制要求随实际生产需要的变化而变化。
现有技术中，根据人工经验，使用基础办公软件排表，粗略得到一个卤锅排程结果，依据于该排程结果，调度卤锅生产卤制品，然而人工很难顾及到所有的约束因素，需要反复调整才能达到一个可生产执行的排程；排程耗时较长；依赖于人工经验，排程方案不具有通用性；进一步的，导致无法及时的对卤锅进行调度去完成生产过程。
本申请提供的基于遗传算法的卤锅调度方法方法，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1为本申请实施例提供的一种基于遗传算法的卤锅调度方法的流程图，该方法应用于电子设备，如图1所示，该方法包括：
101、根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和优化指标的预设权重信息，确定优化函数，其中第一种群中包括有M个排程结果，M为大于1的正整数，排程结果用于各卤锅基于排程结果进行卤制品生产，优化指标用于对排程结果的合理度进行调整。
示例性地，在需要对卤锅进行排程时，从其他设备，例如电子存储设备中，获取到预设的排程参数和调整参数，根据这些预设的排程参数和调整参数，确定卤锅排程的M个排程结果，这些排程结果形成了第一种群，其中，排程结果用于各卤锅基于排程结果进行卤制品生产，同时，为了生成合理的卤锅排程，对排程结果的合理度进行调整，可以根据实际需要设定不同的优化指标，对应每个优化指标设定权重系数，将各个优化指标与其对应的权重，进行加权求和，进而可以确定综合的优化函数，其中，每个优化指标的权重系数可以根据实际需要进行变动。
102、根据优化函数，基于第一种群，进行种群的寻优迭代计算，确定最优种群。
根据得到的优化函数，基于遗产算法，对包括多个排程结果的第一种群，进行排程种群的寻优迭代计算，确定最优种群。
103、根据优化函数，确定最优种群中的最优排程结果。
示例性地，根据优化函数，对最优种群中的每一个排程结果进行评价，确定最优种群中的最优排程结果。
104、基于最优排程结果，向控制设备发送调取指令，其中，调取指令用于调度各卤锅进行卤制处理。
示例性地，基于最优排程结果，向控制设备发送调取指令，进而控制设备可以基于该最优排程结果，调度各个卤锅进行卤制处理。
本实施例中，通过以下步骤：根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和优化指标的预设权重信息，确定优化函数；根据优化函数，基于第一种群，进行种群的寻优迭代计算，确定最优种群；根据优化函数，确定最优种群中的最优排程结果；基于最优排程结果，向控制设备发送调取指令，其中，调取指令用于调度各卤锅进行卤制处理。这个过程全面考虑了食品卤制的约束条件，实现了卤锅的快速排程，进而可以及时的对卤锅进行调度去完成生产过程。
图2为本申请实施例提供的另一种基于遗传算法的卤锅调度方法的流程图，该方法应用于电子设备，如图2所示，该方法包括：
201、根据排程参数，确定初始种群，其中，排程参数表征卤制品生产的目标信息和基础信息，排程参数包括卤制品生产任务信息、卤锅信息以及物料信息。
示例性地，在进行卤制品的生产任务时，在需要对卤锅进行排程时，从其他设备，例如电子存储设备中，获取预设的排程参数，再根据排程参数，进行初步计算，得到初始的排程结果，多个排程结果构成初始种群，即根据排程参数，确定初始种群。其中，排程参数表征了卤制品生产的目标信息和基础信息，例如，生产卤制品的数量信息、种类信息，卤锅的数量信息等，根据卤制品生产任务信息、卤锅信息以及物料信息。
202、根据调整参数，对初始种群进行调整处理，确定第一种群，其中，第一种群中包括有M个排程结果，M为大于1的正整数，排程结果用于各卤锅基于排程结果进行卤制品生产，调整参数用于对卤锅排程结果进行优化调整，调整参数包括任务超时信息，和/或，任务优先级信息。
示例性地，根据任务超时信息和任务优先级信息，或者任务超时信息、任务优先级信息中的任意一项，对初始种群进行调整优化，得到第一种群，即根据调整参数，对初始种群进行调整处理，确定第一种群，其中，第一种群中包括有M个排程结果，M为大于1的正整数，排程结果用于各卤锅基于排程结果进行卤制品生产。
一个示例中，针对于初始种群中的各个排程结果，在已排任务中，尽量把较早的任务的调整为按时完成；把同任务优先级较高者排在优先级较低者之前等，形成第一种群。
203、根据预设的优化指标和优化指标的预设权重信息，确定优化函数，其中，优化指标用于对排程结果的合理度进行调整。
一个示例中，优化指标包括未排任务比率、任务超时比率、完工时间比率、卤水锅数比率、各卤锅完工时间均衡率中的一种或多种；每一优化指标对应一个预设权重信息。
示例性地，为了生成合理的卤锅排程，对排程结果的合理度进行调整，可以根据实际需要设定不同的优化指标，例如，优化指标包括未排任务比率、任务超时比率、完工时间比率、卤水锅数比率、各卤锅完工时间均衡率中的一种或多种，每个优化指标都有其固定的取值范围，例如取值范围为0到1，对应每个优化指标设定权重系数，将各个优化指标与其对应的权重，进行加权求和，可以确定综合的优化函数，其中，每个优化指标的权重系数可以根据实际需要进行变动。
一个示例中，一个总任务中可能包括多个任务，未排任务比率表征多个任务中没有被排程从而未被卤锅执行生产的任务占全部任务的比率，值越小，表征排程越优；每个卤制品生产任务都有完成时间要求，任务超时比率表征各个任务超时的比率，值越小，表征排程越优；完工时间比率表征全部任务完成的时间相对的比率，值越小，表征排程越优；卤水锅数比率用于衡量每个排程结果完成任务所需的卤水锅数的相对比率，值越小，表征排程越优；各卤锅完工时间均衡率用来衡量每个排程结果的各卤锅完时间均衡度，值越小，表征排程越优。
204、根据优化函数，基于第一种群，进行种群的寻优迭代计算，确定最优种群。
一个示例中，步骤204包括以下步骤：
重复执行以下步骤，直至达到预设条件，其中，预设条件为预设最大迭代次数；达到预设条件时所得到的第一种群为最优种群：
根据优化函数，确定第一种群的M个排程结果中各个排程结果的优化值，其中，优化值用于表征排程结果的合理度，优化值与合理度之间为负相关关系。
根据各个排程结果的优化值，确定各个排程结果的选择概率，根据选择概率和预设交叉率阈值，采用轮盘赌方式，对第一种群进行进化处理，得到第一进化种群；其中，排程结果的优化值与选择概率之间为负相关关系；第一进化种群中包括有M个排程结果，M为大于1的正整数。
根据预设变异率阈值对第一进化种群进行变异处理，得到第一变异种群，第一变异种群中包括M个排程结果，M为大于1的正整数。
确定第一种群中优化值最小的Q个排程结果，并将Q个排程结果复制到第一变异种群中，得到第二种群；其中，第二种群中包括有M加Q个排程结果，M为大于1的正整数，Q为大于等于1的正整数，预设参数包括预设交叉率阈值和预设变异率阈值；将第二种群确定为新的第一种群；其中，预设条件为预设最大迭代次数；达到预设条件时所得到的第一种群为最优种群。
示例性地，根据优化函数，确定第一种群的M个排程结果中各个排程结果的优化值，其中，优化值用于表征排程结果的合理度，优化值与合理度之间为负相关关系，即优化值越小，排程结果越合理；根据各个排程结果的优化值，确定各排程结果的选择概率，优化值越低，被选择的概率越高，根据选择概率和根据预设的交叉率阈值，采用轮盘赌方式，对第一种群进行进化处理，得到第一进化种群，包括有M个排程结果；根据预设变异率阈值对第一进化种群进行变异处理，得到第一变异种群，第一变异种群相较于第一进化种群，其排程结果的数量并没有增加；确定第一种群中优化值最小的Q个排程结果，并将Q个排程结果复制到第一变异种群中，得到第二种群。第二种群中包括有M加Q个排程结果，M为大于1的正整数，Q为大于等于1的正整数；将第二种群确定为新的第一种群，重复执行以上步骤，直至达到预设最大迭代次数；达到预设条件时所得到的第一种群为最优种群。
一个示例中，每个排程结果的优化值可以采用下式计算：
Figure BDA0003529727520000081
其中，Fi为种群中第i个排程结果的优化值，fij为种群中第i个排程结果的第j个优化指标值，rij为第i个解第j个优化指标的权重系数，P为优化指标的个数。
一个示例中，每个排程结果被选择的概率，可以通过下式确定：
Figure BDA0003529727520000082
其中，pi为排程结果i被选择的概率，Fi为种群中第i个排程结果的优化值，M为种群中包括的排程结果的个数。
205、根据优化函数，确定最优种群中各个排程结果的优化值，确定优化值最小的排程结果为最优排程结果。
示例性地，根据优化函数，对最优种群中的各个排程结果进行评价，确定最优种群中各个排程结果的优化值，并将优化值最小的排程结果确定为最优种群中的最优排程结果。
206、基于最优排程结果，向控制设备发送调取指令，其中，调取指令用于调度各卤锅进行卤制处理。
示例性地，本步骤参见步骤104，不再赘述。
本实施例中，通过以下步骤：根据预设的排程参数和调整参数，确定卤锅排程的第一种群，其中，排程参数包括卤制品生产任务信息、卤锅信息以及物料信息，调整参数包括任务超时信息，和/或，任务优先级信息；根据预设的优化指标和优化指标的预设权重信息，以例如加权求和的方式得到优化函数，其中，优化指标包括未排任务比率、任务超时比率、完工时间比率、卤水锅数比率、各卤锅完工时间均衡率中的一种或多种，每一优化指标对应一个预设权重信息；根据优化函数，基于第一种群，进行种群的进化、变异以及复制，确定最优种群；根据优化函数，确定最优种群中的最优排程结果；基于最优排程结果，向控制设备发送调取指令，进而控制设备可以基于该最优排程结果，调度各个卤锅进行卤制处理。全面考虑了食品卤制的约束条件，实现了卤锅的快速排程，进而可以及时的对卤锅进行调度去完成生产过程。
图3为本申请实施例提供的一种基于遗传算法的卤锅调度装置的结构示意图，该装置应用于电子设备，如图3所示，该装置包括：
第一处理单元31，用于根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和优化指标的预设权重信息，确定优化函数，其中第一种群中包括有M个排程结果，M为大于1的正整数，排程结果用于各卤锅基于排程结果进行卤制品生产，优化指标用于对排程结果的合理度进行调整。
第一确定单元32，用于根据优化函数，基于第一种群，进行种群的寻优迭代计算，确定最优种群。
第二确定单元33，用于根据优化函数，确定最优种群中的最优排程结果；
第二处理单元34，用于基于最优排程结果，向控制设备发送调取指令，其中，调取指令用于调度各卤锅进行卤制处理。
图4为本申请实施例提供的一种电子设备的结构示意图，如图4所示，电子设备包括：存储器51，处理器52。
存储器51；用于存储处理器52可执行指令的存储器。
其中，处理器52被配置为执行如上述实施例提供的方法。
图5是本申请实施例提供的一种终端设备的框图，该设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述实施例提供的方法。
本申请实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种基于遗传算法的卤锅调度方法，其特征在于，所述方法应用于电子设备，所述方法包括：
根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和所述优化指标的预设权重信息，确定优化函数，其中所述第一种群中包括有M个排程结果，M为大于1的正整数，所述排程结果用于各卤锅基于所述排程结果进行卤制品生产，所述优化指标用于对排程结果的合理度进行调整；
根据所述优化函数，基于所述第一种群，进行种群的寻优迭代计算，确定最优种群；
根据所述优化函数，确定所述最优种群中的最优排程结果；
基于所述最优排程结果，向控制设备发送调取指令，其中，所述调取指令用于调度所述各卤锅进行卤制处理。
2.根据权利要求1所述的方法，其特征在于，根据预设的排程参数和调整参数，确定卤锅排程的第一种群，包括：
根据所述排程参数，确定初始种群，其中，所述排程参数表征卤制品生产的目标信息和基础信息，所述排程参数包括卤制品生产任务信息、卤锅信息以及物料信息；
根据所述调整参数，对所述初始种群进行调整处理，确定所述第一种群；其中，所述调整参数用于对卤锅排程结果进行优化调整，所述调整参数包括任务超时信息，和/或，任务优先级信息。
3.根据权利要求1所述的方法，其特征在于，所述优化指标包括未排任务比率、任务超时比率、完工时间比率、卤水锅数比率、各卤锅完工时间均衡率中的一种或多种；每一所述优化指标对应一个所述预设权重信息。
4.根据权利要求3所述的方法，其特征在于，根据所述优化函数，基于所述第一种群，进行种群的寻优迭代计算，确定最优种群，包括：
重复执行以下步骤，直至达到预设条件，其中，所述预设条件为预设最大迭代次数；达到预设条件时所得到的第一种群为最优种群：
根据所述优化函数，确定所述第一种群的所述M个排程结果中各个排程结果的优化值，其中，所述优化值用于表征所述排程结果的合理度，所述优化值与合理度之间为负相关关系；
根据各个所述优化值和预设参数，对所述第一种群依次进行进化、变异以及复制处理，得到第二种群，其中，所述第二种群中包括有M加Q个排程结果，M为大于1的正整数，Q为大于等于1的正整数，所述预设参数包括预设交叉率阈值和预设变异率阈值；
将所述第二种群确定为新的第一种群。
5.根据权利要求4所述的方法，其特征在于，根据所述优化函数，确定所述最优种群的最优排程结果，包括：
根据所述优化函数，确定所述最优种群中各个排程结果的优化值；
确定所述优化值最小的排程结果为最优排程结果。
6.根据权利要求4所述的方法，其特征在于，所述根据各个所述优化值和所述预设参数，对所述第一种群依次进行进化、变异以及复制处理，得到第二种群，包括：
根据所述各个排程结果的优化值，确定各个所述排程结果的选择概率，根据所述选择概率和所述预设交叉率阈值，采用轮盘赌方式，对所述第一种群进行进化处理，得到第一进化种群；其中，排程结果的优化值与选择概率之间为负相关关系；所述第一进化种群中包括有M个排程结果，M为大于1的正整数；
根据所述预设变异率阈值对所述第一进化种群进行变异处理，得到第一变异种群，所述第一变异种群中包括M个排程结果，M为大于1的正整数；
确定所述第一种群中所述优化值最小的Q个排程结果，并将所述Q个排程结果复制到所述第一变异种群中，得到所述第二种群。
7.一种基于遗传算法的卤锅调度装置，其特征在于，所述装置应用于电子设备，所述装置包括：
第一处理单元，用于根据预设的排程参数和调整参数，确定卤锅排程的第一种群，并根据预设的优化指标和所述优化指标的预设权重信息，确定优化函数，其中所述第一种群中包括有M个排程结果，M为大于1的正整数，所述排程结果用于各卤锅基于所述排程结果进行卤制品生产，所述优化指标用于对排程结果的合理度进行调整；
第一确定单元，用于根据所述优化函数，基于所述第一种群，进行种群的寻优迭代计算，确定最优种群；
第二确定单元，用于根据所述优化函数，确定所述最优种群中的最优排程结果；
第二处理单元，用于基于所述最优排程结果，向控制设备发送调取指令，其中，所述调取指令用于调度所述各卤锅进行卤制处理。
8.一种电子设备，其特征在于，所述电子设备包括：存储器，处理器；
存储器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行如权利要求1-6任一项所述的方法。
9.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项所述的方法。
10.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法。
CN202210207451.7A 2022-03-03 2022-03-03 基于遗传算法的卤锅调度方法、装置和设备 Pending CN114626706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210207451.7A CN114626706A (zh) 2022-03-03 2022-03-03 基于遗传算法的卤锅调度方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210207451.7A CN114626706A (zh) 2022-03-03 2022-03-03 基于遗传算法的卤锅调度方法、装置和设备

Publications (1)

Publication Number Publication Date
CN114626706A true CN114626706A (zh) 2022-06-14

Family

ID=81899124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210207451.7A Pending CN114626706A (zh) 2022-03-03 2022-03-03 基于遗传算法的卤锅调度方法、装置和设备

Country Status (1)

Country Link
CN (1) CN114626706A (zh)

Similar Documents

Publication Publication Date Title
CN109800737B (zh) 面部识别方法及装置、电子设备和存储介质
EP3136658B1 (en) Method, device, terminal device, computer program and recording medium for changing emoticon in chat interface
CN106648063B (zh) 手势识别方法及装置
CN107172307A (zh) 闹钟响铃控制方法、装置及存储介质
CN106791014A (zh) 消息显示方法及装置
EP3905159A1 (en) Method and apparatus for scheduling item, and computer-readable storage medium
CN105912944B (zh) 设置应用程序访问权限的方法及装置
CN113032112A (zh) 资源调度方法及装置、电子设备和存储介质
EP3288148A1 (en) Method and apparatus for device control
CN109698878A (zh) 通知消息排序方法及装置
CN105098882B (zh) 输入电流分配方法及装置
CN109447258B (zh) 神经网络模型的优化方法及装置、电子设备和存储介质
CN109214175B (zh) 基于样本特征训练分类器的方法、装置及存储介质
CN108629814B (zh) 相机调整方法及装置
CN107729439A (zh) 获取多媒体数据的方法、装置和系统
CN115512116B (zh) 图像分割模型优化方法、装置、电子设备及可读存储介质
CN114626706A (zh) 基于遗传算法的卤锅调度方法、装置和设备
CN110543900A (zh) 图像处理方法及装置、电子设备和存储介质
CN113487711A (zh) 虚拟形象的眨眼控制方法、装置、电子设备及存储介质
US9843317B2 (en) Method and device for processing PWM data
CN111898019B (zh) 信息推送方法及装置
EP2996295B1 (en) Method and device for processing pwm data
CN112861592A (zh) 图像生成模型的训练方法、图像处理方法及装置
CN115202888B (zh) 设备调度方法、装置、电子设备及可读存储介质
CN113112290B (zh) 一种虚拟资源的调整方法及装置

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