CN117252401A - 一种资源调度方法、装置、电子设备及存储介质 - Google Patents

一种资源调度方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117252401A
CN117252401A CN202311532672.2A CN202311532672A CN117252401A CN 117252401 A CN117252401 A CN 117252401A CN 202311532672 A CN202311532672 A CN 202311532672A CN 117252401 A CN117252401 A CN 117252401A
Authority
CN
China
Prior art keywords
resource
military
resources
scheduling
frog
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
CN202311532672.2A
Other languages
English (en)
Other versions
CN117252401B (zh
Inventor
王玉臣
安吉元
修兴强
王志刚
胡永鹏
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.)
Beijing Taiji Information System Technology Co ltd
Original Assignee
Beijing Taiji Information System 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 Beijing Taiji Information System Technology Co ltd filed Critical Beijing Taiji Information System Technology Co ltd
Priority to CN202311532672.2A priority Critical patent/CN117252401B/zh
Publication of CN117252401A publication Critical patent/CN117252401A/zh
Application granted granted Critical
Publication of CN117252401B publication Critical patent/CN117252401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于资源调度领域，公开一种资源调度方法、装置、电子设备及存储介质；所述方法，包括：获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；构建带不等式约束的资源调度优化模型；用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。本发明同时考虑计划中对资源使用数量、位置和时间的要求以及资源存放位置的实际资源数量限制，为现代复杂的资源管理和调度提供了一个有力的解决方案。

Description

一种资源调度方法、装置、电子设备及存储介质
技术领域
本发明属于资源调度领域，特别涉及一种军事资源调度方法、装置、电子设备及存储介质。
背景技术
在军事领域，确保武器装备在军事试验和训练中的合理和高效利用是至关重要的，这不仅有助于优化资源调度成本，还确保了任务的顺利执行。当前的资源调度策略基于军事任务的具体需求，并遵循按需分配的原则。此策略的核心目标是解决单一资源的共享冲突和过度分配问题，并进一步以缩短任务执行时间或提高任务成功率为优化目标。然而，此策略存在局限性，例如常常导致低优先级任务的延迟或取消，同时也未能考虑到多资源调度和任务的具体时间要求。
军用资源调度所面临的主要挑战包括：资源冲突、资源的过度分配、多资源并行调度、任务的时间要求以及调度成本的优化。例如，地面雷达和导弹发射系统等可重复使用资源的分配需要避免冲突，而武器装备的性能和状态也应被纳入考虑以实现资源的均衡使用。同时，任务的时间限制和资源调度成本，包括维护、保养和运输成本，也应被仔细评估和考虑。
在基于计划的军用资源调度中，资源管理系统发挥着至关重要的作用。这一系统负责维护详细的资源信息和使用计划，从而确保资源的合理分配和高效利用。在实际应用中，鉴于同一型号的资源可能存储在多个位置，且可能被多个任务在不同的时间和地点需求，资源管理系统必须综合考虑各存储位置的实际资源数量约束以及各使用位置的资源数量和时间约束，从而制定出科学且有效的资源调度方案。
发明内容
针对上述问题，本发明提出了一种资源调度方法、装置、电子设备及存储介质，以解决基于计划的军用资源调度方法无法兼顾计划中对资源使用数量、位置和时间的要求，无法获得最佳的资源调度方案的技术问题；本发明能够兼顾计划中对资源使用数量、位置和时间的要求，同时考虑资源存放位置的实际资源数量约束以及资源调度成本，以实现最佳的资源调度方案。
为了实现上述目的，本发明采用的技术方案是：
第一方面，本发明提供一种资源调度方法，包括：
获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；
基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；
基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束；
用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。
本发明进一步的改进在于：所述获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息的步骤中，所述军事资源存储信息包括军事资源的类型、型号、数量、使用情况、状态、性能、存储位置信息；以及资源数量随时间变化信息。
所述军事资源存储信息中某型号资源有个存储位置，记为；以设定时间段为时间单位，分别记录各存储位置的资源数量，记为；其中，为资源存储位置索引，为时间索引，各存储位置的资源数量构成时间序列。
本发明进一步的改进在于：所述获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息的步骤中，所述军事资源使用需求信息包括计划使用的军事资源类型、型号、数量、使用位置以及时间的信息；所述军事资源使用需求信息中某型号资源有个使用位置，记为；以设定时间段为时间单位，分别记录各资源使用位置的资源需求数量，记为其中，为资源使用位置索引，各资源使用位置的资源需求数量构成时间序列。
本发明进一步的改进在于：所述基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求的步骤，具体包括：
S21、使用基于密度的聚类算法，识别各资源使用位置连续占用或使用资源的时间段；
其中，其中，为第 j 个资源使用位置连续占用或使用资源的第l个时间段的开始时间；为第 j 个资源使用位置连续占用或使用资源的第l个时间段的结束时间；l为第 j 个资源使用位置连续占用或使用资源的时间段的索引；n为资源使用位置总数；
S22、估算连续占用或使用资源时间段内的资源需求数量；
其中，针对可重复使用资源：
针对一次性资源：
S23、根据资源调度策略，在资源使用开始时往资源使用位置调度足够数量的资源，得到各资源使用位置的资源调度需求：
资源存储位置的资源数量满足条件：
。
本发明进一步的改进在于：所述获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息的步骤中，所述军事资源调度成本信息包含资源调度成本计算函数；
所述资源调度成本计算函数为；根据资源存储位置、资源使用位置、资源调度量和资源类型来计算资源调度成本；其中，为资源存储位置，为资源使用位置，为在时间从资源存储位置往资源使用位置资源调度数量。资源调度成本函数需要根据军事资源的类型来计算资源调度成本，比如，对于地面雷达等部署位置固定的可重复使用资源，调度成本主要考虑维护和保养成本；对于导弹发射系统等可移动的可重复使用资源，还需要考虑资源的往返运输成本；对于弹药和化学试剂等一次性资源，只需考虑单向运输成本等等。
本发明进一步的改进在于：所述基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型的步骤，具体包括：
记在时间从资源存储位置往资源使用位置调度的资源数量为;
根据资源存储位置的资源数量限制，满足不等式：
根据资源使用位置的资源调度需求，满足不等式：
构建资源调度成本函数为：
式中，表示在时间从资源存储位置往资源使用位置调度数量为的资源所需的调度成本；
构建的带不等式约束的资源调度优化模型为：
。
本发明进一步的改进在于：所述资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束包括：
。
本发明进一步的改进在于：所述用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案的步骤，具体包括：
将各资源的资源调度优化模型统一简化为：
用混合蛙跳算法求解带不等式约束的资源调度优化模型，包括：
S41：青蛙群体的建立；
S411：首先，随机生成一群初始青蛙，一共只，每只青蛙代表一个优化模型的可行解；具体操作如下：
1）对个资源存储位置和个资源使用位置分别进行随机排列，分别得到资源存储位置的随机排列和资源使用位置的随机排列其中，数列和分别为和的随机排列；
2）按顺序依次从资源存储位置取出所有资源，按顺序依次给资源使用位置调度满足资源调度需求的资源；
3）记从资源存储位置往资源使用位置调度的资源数量为；经过步骤1）和2）操作，得到一组满足优化模型约束条件的可行解，即得到青蛙群体中的一只青蛙；
4）重复步骤1）- 3），直至生成只初始青蛙；
S412：计算每只青蛙的适应度值：
S42：青蛙排序和分组；
S421：将只青蛙按适应度从优到劣势排列，记适应度最优的青蛙对应的可行解为
S422：将只按适应度从优到劣势排列的青蛙依次放入个分组；
S43：通过分组内青蛙跳跃进行局部信息更新；对每个分组，分别重复执行指定次数以下步骤S431-S434；
S431：对分组内的青蛙按适应度从优到劣势排列，记组内适应度最优的青蛙对应的可行解为，适应度最差的青蛙对应的可行解为;
S432：局部最差的青蛙向局部最优的青蛙跳动，跳动后的新位置记为，计算公式如下：
式中，表示区间内的一个随机数，为约束算子；
若，则局部最差的青蛙跳动到新位置，重新执行步骤S431；否则，执行步骤S433；
S433：局部最差的青蛙向全局最优的青蛙跳动，跳动后的新位置记为，计算公式如下：
若，则局部最差的青蛙跳动到新位置，重新执行步骤S431；否则，执行步骤S434；
S434：按步骤S411随机生成一个新的可行解，记为，局部最差的青蛙跳动到新位置；
S44：全局信息更新：从个分组的局部最优青蛙中选出适应度最优的青蛙，作为新的全局最优的青蛙，其对应的可行解为；
S45：当混合蛙跳算法达到预设终止条件时，输出全局最优的青蛙对应的可行解，作为最优资源调度方案。
第二方面，本发明提供一种资源调度装置，包括：
获取模块，用于获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；
需求预估模块，用于基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；
模型建立模块，用于基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束；
优化求解模块，用于用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。
第三方面，本发明提供一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现所述的资源调度方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述的资源调度方法。
相对于现有技术，本发明具有以下有益效果：
本发明提供了一种资源调度方法、装置、电子设备及存储介质，所述方法包括：获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束；用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。本发明同时考虑计划中对资源使用数量、位置和时间的要求，以及资源存放位置的实际资源数量限制，为现代复杂的资源管理和调度提供了一个有力的解决方案。本发明解决了现有基于计划的资源调度方法无法兼顾计划中对资源使用数量、位置和时间的要求，无法获得最佳的资源调度方案的技术问题；能够兼顾计划中对资源使用数量、位置和时间的要求，同时考虑资源存放位置的实际资源数量约束，以实现最佳的资源调度方案。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明一种资源调度方法的流程示意图。
图2是本发明一种资源调度装置的结构框图。
图3为本发明一种电子设备的结构框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
实施例1
请参阅图1所示，本发明提供一种资源调度方法，包括：
S1、获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；
军事资源存储信息包括但不限于军事资源的类型、型号、数量、使用情况、状态、性能、以及存储位置的信息，以及由于资源消耗、补充、维修原因导致的资源数量随时间变化信息。假设某型号资源有个存储位置，记为；以“日”为时间单位，分别记录各存储位置的资源数量，记为。其中，为资源存储位置索引，为时间索引，从而各存储位置的资源数量构成时间序列。
军事资源使用需求信息包括计划使用的资源型号、数量、使用位置以及时间的信息。假设某型号资源有个使用位置，记为；以“日”为时间单位，分别记录各资源使用位置的资源需求数量，记为。其中，为资源使用位置索引，为时间索引，从而各资源使用位置的资源需求数量构成时间序列。
S2、基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；
本发明中采用的资源调度策略是，为了节省调度成本，在资源使用开始时，往资源使用位置调度足够数量的资源；在连续使用时间内，资源使用位置持续占用或使用资源；针对可重复使用资源，在使用结束时回收资源。资源需求数量预估算法的具体步骤如下：
S21：使用基于密度的聚类算法，识别各资源使用位置连续占用或使用资源的时间段。
其中，为第 j 个资源使用位置连续占用或使用资源的第l个时间段的开始时间；为第 j 个资源使用位置连续占用或使用资源的第l个时间段的结束时间；l为第j 个资源使用位置连续占用或使用资源的时间段的索引；n为资源使用位置总数。
S22：估算连续占用或使用资源时间段内的资源需求数量。
针对可重复使用资源，连续占用或使用资源时间段内的资源需求数量为该时间段内的最大资源需求数量，即
针对一次性资源，连续占用或使用资源时间段内的资源需求数量为该时间段内的资源需求数量之和，即
S23：根据资源调度策略，在资源使用开始时往资源使用位置调度足够数量的资源，得到各资源使用位置的资源调度需求如下：
为了满足资源需用需求，资源存储位置的资源数量应满足条件：
例如，假设某个资源使用位置的资源需求数量如下表中行所示。使用DBSCAN聚类算法，取邻域距离阈值为，得到两个连续占用或使用资源的时间段和。估算连续占用或使用资源时间段内的资源需求数量如下表1中行所示。从而得到资源调度需求如下表中行所示。
表1-估算连续占用或使用资源时间段内的资源需求数量表
S3、基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束。
根据军事资源存储信息、军事资源使用需求信息，构造资源调度优化模型。记在时间从资源存储位置往资源使用位置调度的资源数量为。
根据资源存储位置的资源数量限制，应满足不等式：
根据资源使用位置的资源调度需求，应满足不等式：
在本发明中，资源调度成本函数如下：
式中，表示在时间从资源存储位置往资源使用位置调度数量为的资源所需的调度成本。
资源调度目标是找到最佳资源调度方案，在满足资源存储位置的资源数量限制和资源使用位置的资源调度需求的前提下资源调度成本最低。因此，得到如下带不等式约束的资源调度优化模型：
由于资源调度成本计算函数需要根据资源的种类、是否可移动、装载要求、运输要求等分别设置，非常复杂，难以用传统的优化算法进行有效求解，因此，在本发明中，使用带约束条件的混合蛙跳算法对资源调度优化模型进行求解。
S4、用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案；
混合蛙跳算法（Shuffled Frog-Leaping Algorithm，简称SFLA）是一种启发式优化算法，其核心思想是基于群体智能的优化方法，通过模拟青蛙群体的协同合作和信息共享来不断改进解决方案，以寻找全局最优解。
在本发明中，使用混合蛙跳算法分别求解不同型号资源、不同时间的资源调度优化模型，从而分别得到各型号资源在不同时间的最优资源调度方案。由于各资源调度优化模型具有相同的结构，可将模型统一简化为：
在本发明中，用混合蛙跳算法求解带不等式约束的资源调度优化模型，详细步骤如下：
S41：青蛙群体的建立。
S411：首先，随机生成一群初始青蛙，一共只，每只青蛙代表一个优化模型的可行解。具体操作如下：
1）对个资源存储位置和个资源使用位置分别进行随机排列，分别得到资源存储位置的随机排列和资源使用位置的随机排列。其中，数列和分别为和的随机排列；
2）按顺序依次从资源存储位置取出所有资源，按顺序依次给资源使用位置调度满足资源调度需求的资源。
3）记从资源存储位置往资源使用位置调度的资源数量为。由于在资源准备阶段保证了资源存储位置的资源数量满足资源需用需求，经过以上1）和2）操作，得到一组满足优化模型约束条件的可行解，即得到青蛙群体中的一只青蛙。
4）重复操作1）- 3），直至生成只初始青蛙。
S412：计算每只青蛙的适应度值，用于评估解的质量。在本发明中，适应度值通过以下目标函数计算得到：
S42：青蛙排序和分组。
S421：将只青蛙按适应度从优到劣势排列（在本发明中，按适应度值从小到大排列），记适应度最优的青蛙（即全局最优的青蛙）对应的可行解为。
S422：将只按适应度从优到劣势排列的青蛙依次放入个分组。
例如，18只青蛙按适应度值从优到劣势排列，依次放入个分组如下表2所示：
表2-青蛙按适应度值分组表
S43：通过分组内青蛙跳跃进行局部信息更新。对每个分组，分别重复执行指定次数以下步骤S431 - S434。
S431：对分组内的青蛙按适应度从优到劣势排列。记组内适应度最优的青蛙（即局部最优的青蛙）对应的可行解为，适应度最差的青蛙（即局部最差的青蛙）对应的可行解为。
S432：局部最差的青蛙向局部最优的青蛙跳动，跳动后的新位置记为，其计算公式如下：
式中，表示区间内的一个随机数，为约束算子。由于青蛙跳动后的新位置可能不满足资源调度优化模型的约束条件，使用约束算子对进行调整，使其符合约束条件，成为优化模型的一个可行解，详见附录。
若，则局部最差的青蛙跳动到新位置，重新执行步骤S431；否则，执行步骤S433。
S433：局部最差的青蛙向全局最优的青蛙跳动，跳动后的新位置记为，其计算公式如下：
式中，表示区间内的一个随机数，为约束算子。
若，则局部最差的青蛙跳动到新位置，重新执行步骤S431；否则，执行步骤S434。
S434：按步骤S411随机生成一个新的可行解，记为，局部最差的青蛙跳动到新位置。
S43：全局信息更新。从个分组的局部最优青蛙中选出适应度最优的青蛙，作为新的全局最优的青蛙，其对应的可行解为。
S45：终止条件。算法可以设置一个终止条件，例如达到一定的迭代次数或满足特定的收敛条件时停止运行。当算法达到终止条件时，输出全局最优的青蛙对应的可行解，作为最优资源调度方案。
其中，约束算子对调整过程如下：
步骤1）：首先，将表示为矩阵形式，如下表3所示。
表3-矩阵形式表
步骤2）：根据资源存储位置的资源数量限制，调整不满足不等式约束的行。假设第行，则令。
步骤3）：根据资源使用位置的资源调度需求，调整不满足不等式约束的列。假设第列，则令。
步骤4）：根据非负条件，令。
步骤5）：重复步骤2）-4），直至满足所有约束条件。
S5、输出所述最优资源调度方案。
S6、根据所述最优资源调度方案进行资源调度。
本发明提供一种资源调度方法，基于计划和混合蛙跳算法，资源调度主要分为资源准备和资源调度两个阶段；在资源准备阶段，根据军事资源使用需求信息中的资源需求数量以及资源类型，使用资源需求预估算法得到资源需求数量底数，从而准备足够数量的资源；在资源调度阶段，根据军事资源存储信息、军事资源使用需求信息，构造资源调度优化模型，使用带约束条件的混合蛙跳算法对资源调度优化模型进行求解，得到最优资源调度方案。
特别地，资源根据是否可重复使用通常可以分为两种主要类型：可重复使用资源，这类资源是指可以在多个任务或时间段内多次使用的资源，它们可以在完成一个任务后被回收或重新配置，以供其他任务使用，例如，办公室电脑、交通工具、工具设备等；以及一次性资源（非可重复使用资源），这类资源是指只能在特定任务或时间段内使用一次，无法被回收或再次利用的资源，一旦使用完毕，就不再可用，例如，一次性医疗器械、原材料中的某些化学物质等。这两种资源类型在资源管理和调度中具有不同的考虑因素和约束条件。在本发明中，针对不同类型的资源，分别进行不同的处理和优化。
实施例2
请参阅图2所示，本发明提供一种资源调度装置，包括：
获取模块，用于获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；
需求预估模块，用于基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；
模型建立模块，用于基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束；
优化求解模块，用于用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。
在一具体实施方式中，所述军事资源存储信息包括军事资源的类型、型号、数量、使用情况、状态、性能、存储位置信息；以及资源数量随时间变化信息；军事资源存储信息中某型号资源有个存储位置，记为；以设定时间段为时间单位，分别记录各存储位置的资源数量，记为；其中，为资源存储位置索引，为时间索引，各存储位置的资源数量构成时间序列。
在一具体实施方式中，所述军事资源使用需求信息包括计划使用的军事资源的类型、型号、数量、使用位置以及时间的信息；所述军事资源使用需求信息中某型号资源有个使用位置，记为；以设定时间段为时间单位，分别记录各资源使用位置的资源需求数量，记为；其中，为资源使用位置索引，各资源使用位置的资源需求数量构成时间序列。
在一具体实施方式中，需求预估模块基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求的步骤，具体包括：
S21、使用基于密度的聚类算法，识别各资源使用位置连续占用或使用资源的时间段；
其中，为第 j 个资源使用位置连续占用或使用资源的第l个时间段的开始时间；为第 j 个资源使用位置连续占用或使用资源的第l个时间段的结束时间；l为第j 个资源使用位置连续占用或使用资源的时间段的索引；n为资源使用位置总数；
S22、估算连续占用或使用资源时间段内的资源需求数量；
其中，针对可重复使用资源：
针对一次性资源：
S23、根据资源调度策略，在资源使用开始时往资源使用位置调度足够数量的资源，得到各资源使用位置的资源调度需求：
资源存储位置的资源数量满足条件：
。
在一具体实施方式中，模型建立模块基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型的步骤，具体包括：
记在时间从资源存储位置往资源使用位置调度的资源数量为；
根据资源存储位置的资源数量限制，满足不等式：
根据资源使用位置的资源调度需求，满足不等式：
构建资源调度成本函数为：
式中，表示在时间从资源存储位置往资源使用位置调度数量为的资源所需的调度成本；
构建的带不等式约束的资源调度优化模型为：
。
在一具体实施方式中，所述资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束包括：
。
在一具体实施方式中，优化求解模块用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案的步骤，具体包括：
将各资源的资源调度优化模型统一简化为：
用混合蛙跳算法求解带不等式约束的资源调度优化模型，包括：
S41：青蛙群体的建立；
S411：首先，随机生成一群初始青蛙，一共只，每只青蛙代表一个优化模型的可行解；具体操作如下：
1）对个资源存储位置和个资源使用位置分别进行随机排列，分别得到资源存储位置的随机排列和资源使用位置的随机排列其中，数列和分别为和的随机排列；
2）按顺序依次从资源存储位置取出所有资源，按顺序依次给资源使用位置调度满足资源调度需求的资源；
3）记从资源存储位置往资源使用位置调度的资源数量为经过步骤1）和2）操作，得到一组满足优化模型约束条件的可行解，即得到青蛙群体中的一只青蛙；
4）重复步骤1）- 3），直至生成只初始青蛙；
S412：计算每只青蛙的适应度值：
S42：青蛙排序和分组；
S421：将只青蛙按适应度从优到劣势排列，记适应度最优的青蛙对应的可行解为；
S422：将只按适应度从优到劣势排列的青蛙依次放入个分组；
S43：通过分组内青蛙跳跃进行局部信息更新；对每个分组，分别重复执行指定次数以下步骤S431-S434；
S431：对分组内的青蛙按适应度从优到劣势排列，记组内适应度最优的青蛙对应的可行解为，适应度最差的青蛙对应的可行解为；
S432：局部最差的青蛙向局部最优的青蛙跳动，跳动后的新位置记为，计算公式如下：
式中，表示区间内的一个随机数，为约束算子；
若，则局部最差的青蛙跳动到新位置，重新执行步骤S431；否则，执行步骤S433；
S433：局部最差的青蛙向全局最优的青蛙跳动，跳动后的新位置记为，计算公式如下：
若，则局部最差的青蛙跳动到新位置，重新执行步骤S431；否则，执行步骤S434；
S434：按步骤S411随机生成一个新的可行解，记为，局部最差的青蛙跳动到新位置；
S44：全局信息更新：从个分组的局部最优青蛙中选出适应度最优的青蛙，作为新的全局最优的青蛙，其对应的可行解为；
S45：当混合蛙跳算法达到预设终止条件时，输出全局最优的青蛙对应的可行解，作为最优资源调度方案。
实施例3
请参阅图3所示，本发明还提供一种实现资源调度方法的电子设备100；所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。
存储器101可用于存储所述计算机程序103，所述处理器102通过运行或执行存储在所述存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1所述的资源调度方法的步骤。所述存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述至少一个处理器102可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，所述处理器102是所述电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
所述电子设备100中的所述存储器101存储多个指令以实现一种资源调度方法，所述处理器102可执行所述多个指令从而实现：
获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；
基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；
基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束；
用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。
实施例4
所述电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM，Read-Only Memory)。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种资源调度方法，其特征在于，包括：
获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；
基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；
基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束；
用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。
2.根据权利要求1所述的一种资源调度方法，其特征在于，所述获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息的步骤中，所述军事资源存储信息包括军事资源的类型、型号、数量、使用情况、状态、性能、存储位置信息；以及资源数量随时间变化信息；军事资源存储信息中某型号资源有个存储位置，记为；以设定时间段为时间单位，分别记录各存储位置的资源数量，记为 ；其中，为资源存储位置索引，为时间索引，各存储位置的资源数量构成时间序列 。
3.根据权利要求2所述的一种资源调度方法，其特征在于，所述获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息的步骤中，所述军事资源使用需求信息包括计划使用的资源类型、型号、数量、使用位置以及时间的信息；所述军事资源使用需求信息中某型号资源有 个使用位置，记为 ；以设定时间段为时间单位，分别记录各资源使用位置的资源需求数量，记为 其中，为资源使用位置索引，各资源使用位置的资源需求数量构成时间序列 。
4.根据权利要求3所述的一种资源调度方法，其特征在于，所述基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求的步骤，具体包括：
S21、使用基于密度的聚类算法，识别各资源使用位置连续占用或使用资源的时间段；
其中，为第 j 个资源使用位置连续占用或使用资源的第 l个时间段的开始时间；为第 j 个资源使用位置连续占用或使用资源的第 l个时间段的结束时间；为第j 个资源使用位置连续占用或使用资源的时间段的索引；n为资源使用位置总数；
S22、估算连续占用或使用资源时间段内的资源需求数量；
其中，针对可重复使用资源：
针对一次性资源：
S23、根据资源调度策略，在资源使用开始时往资源使用位置调度足够数量的资源，得到各资源使用位置的资源调度需求 ：
资源存储位置的资源数量满足条件：
。
5.根据权利要求4所述的一种资源调度方法，其特征在于，所述基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型的步骤，具体包括：
记在时间 从资源存储位置 往资源使用位置 调度的资源数量为 ;
根据资源存储位置的资源数量限制，满足不等式：
根据资源使用位置的资源调度需求，满足不等式：
构建资源调度成本函数为：
式中， 表示在时间 从资源存储位置 往资源使用位置 调度数量为 的资源所需的调度成本；
构建的带不等式约束的资源调度优化模型为：
。
6.根据权利要求5所述的一种资源调度方法，其特征在于，所述资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束包括：
。
7.根据权利要求6所述的一种资源调度方法，其特征在于，所述用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案的步骤，具体包括：
将各资源的资源调度优化模型统一简化为：
用混合蛙跳算法求解带不等式约束的资源调度优化模型，包括：
S41：青蛙群体的建立；
S411：首先，随机生成一群初始青蛙，一共 只，每只青蛙代表一个优化模型的可行解；具体操作如下：
1）对 个资源存储位置 和 个资源使用位置 分别进行随机排列，分别得到资源存储位置的随机排列 和资源使用位置的随机排列 其中，数列 和 分别为 和 的随机排列；
2）按 顺序依次从资源存储位置取出所有资源，按 顺序依次给资源使用位置调度满足资源调度需求的资源；
3）记从资源存储位置 往资源使用位置 调度的资源数量为 经过步骤1）和2）操作，得到一组满足优化模型约束条件的可行解，即得到青蛙群体中的一只青蛙；
4）重复步骤1）- 3），直至生成 只初始青蛙；
S412：计算每只青蛙的适应度值：
S42：青蛙排序和分组；
S421：将 只青蛙按适应度从优到劣势排列，记适应度最优的青蛙 对应的可行解为;
S422：将 只按适应度从优到劣势排列的青蛙依次放入 个分组；
S43：通过分组内青蛙跳跃进行局部信息更新；对每个分组，分别重复执行指定次数以下步骤S431-S434；
S431：对分组内的青蛙按适应度从优到劣势排列，记组内适应度最优的青蛙 对应的可行解为 ，适应度最差的青蛙 对应的可行解为;
S432：局部最差的青蛙 向局部最优的青蛙 跳动，跳动后的新位置记为 ，计算公式如下：
式中， 表示区间 内的一个随机数， 为约束算子；
若 ，则局部最差的青蛙 跳动到新位置 ，重新执行步骤S431；否则，执行步骤S433；
S433：局部最差的青蛙 向全局最优的青蛙 跳动，跳动后的新位置记为 ，计算公式如下：
若 ，则局部最差的青蛙 跳动到新位置 ，重新执行步骤S431；否则，执行步骤S434；
S434：按步骤S411随机生成一个新的可行解，记为 ，局部最差的青蛙 跳动到新位置 ；
S44：全局信息更新：从 个分组的局部最优青蛙中选出适应度最优的青蛙，作为新的全局最优的青蛙 ，其对应的可行解为 ；
S45：当混合蛙跳算法达到预设终止条件时，输出全局最优的青蛙 对应的可行解，作为最优资源调度方案。
8.一种资源调度装置，其特征在于，包括：
获取模块，用于获取军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息；
需求预估模块，用于基于所述军事资源存储信息和军事资源使用需求信息，识别各资源使用位置连续占用或使用资源的时间段；估算连续占用或使用资源的时间段内的资源需求数量；根据连续占用或使用资源的时间段内的资源需求数量，获得各资源使用位置的资源调度需求；
模型建立模块，用于基于所述军事资源存储信息、军事资源使用需求信息和军事资源调度成本信息，构建带不等式约束的资源调度优化模型；所述不等式约束包括资源存储位置的资源数量约束、各资源使用位置的资源调度需求约束和资源调度数量非负约束；
优化求解模块，用于用带约束条件的混合蛙跳算法求解带不等式约束的资源调度优化模型，获得最优资源调度方案。
9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的资源调度方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的资源调度方法。
CN202311532672.2A 2023-11-17 2023-11-17 一种资源调度方法、装置、电子设备及存储介质 Active CN117252401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311532672.2A CN117252401B (zh) 2023-11-17 2023-11-17 一种资源调度方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311532672.2A CN117252401B (zh) 2023-11-17 2023-11-17 一种资源调度方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN117252401A true CN117252401A (zh) 2023-12-19
CN117252401B CN117252401B (zh) 2024-02-02

Family

ID=89128038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311532672.2A Active CN117252401B (zh) 2023-11-17 2023-11-17 一种资源调度方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117252401B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700162A (zh) * 2015-03-09 2015-06-10 南京理工大学 基于时间耦合约束的居民用户用电负载调度方法
CN105809279A (zh) * 2016-03-03 2016-07-27 河海大学 一种基于多目标量子混合蛙跳算法的水资源优化调度方法
US20180356802A1 (en) * 2017-06-12 2018-12-13 Hefei University Of Technology Method and system for scheduling parallel processing machines based on hybrid shuffled frog leaping algorithm and variable neighborhood search algorithm
CN111026051A (zh) * 2019-11-29 2020-04-17 武汉理工大学 一种基于改进蛙跳算法的柔性铸造流水车间低碳调度方法
CN111208796A (zh) * 2020-04-21 2020-05-29 天津开发区精诺瀚海数据科技有限公司 一种基于聚类小生境遗传算法的车间生产作业排程方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700162A (zh) * 2015-03-09 2015-06-10 南京理工大学 基于时间耦合约束的居民用户用电负载调度方法
CN105809279A (zh) * 2016-03-03 2016-07-27 河海大学 一种基于多目标量子混合蛙跳算法的水资源优化调度方法
US20180356802A1 (en) * 2017-06-12 2018-12-13 Hefei University Of Technology Method and system for scheduling parallel processing machines based on hybrid shuffled frog leaping algorithm and variable neighborhood search algorithm
CN111026051A (zh) * 2019-11-29 2020-04-17 武汉理工大学 一种基于改进蛙跳算法的柔性铸造流水车间低碳调度方法
CN111208796A (zh) * 2020-04-21 2020-05-29 天津开发区精诺瀚海数据科技有限公司 一种基于聚类小生境遗传算法的车间生产作业排程方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
王思睿;王林;王志刚;曾宇容: "考虑数量折扣的多中心仓库联合采购-配送集成优化研究", 管理工程学报, vol. 36, no. 002 *
王联国;韩晓慧;宋磊;: "基于改进混合蛙跳-K均值聚类算法的无功电压控制分区", 传感器与微系统, no. 06 *
申晓宁 等: "基于离散混合蛙跳算法的地震应急物资调度", 系统仿真学报, pages 1 - 2 *
肖莹莹;李伯虎;庄长辉;柴旭东;林廷宇;: "面向用户多品种定制的分布式供应链调度", 计算机集成制造系统, no. 03 *
赵建东;段晓红;宋守信;: "基于非合作博弈的应急车辆调度与再配置", 华南理工大学学报(自然科学版), no. 03 *

Also Published As

Publication number Publication date
CN117252401B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN115248728B (zh) 面向智能计算的分布式训练任务调度方法、系统和装置
CN112801448B (zh) 物料需求分配方法、装置、系统及存储介质
CN110162388A (zh) 一种任务调度方法、系统及终端设备
CN104778080A (zh) 基于协处理器的作业调度处理方法及装置
CN110231987A (zh) 一种数据处理方法及相关装置
CN110866687A (zh) 任务分配方法及装置
CN112230677B (zh) 无人机族群任务规划方法及终端设备
CN102508717B (zh) 一种应用于多核处理器的内存调度方法及装置
CN109968352A (zh) 一种机器人控制方法及机器人、具有存储功能的装置
CN110308982A (zh) 一种共享内存复用方法及装置
CN117933581A (zh) 机器人调度方法及装置
CN103299298B (zh) 处理业务的方法和系统
CN117252401B (zh) 一种资源调度方法、装置、电子设备及存储介质
CN116989819B (zh) 一种基于模型解的路径确定方法及装置
CN107784391B (zh) 作业时间随机的基本作战单元使用保障资源优化配置方法
CN117909061A (zh) 基于gpu混合集群的模型任务处理系统和资源调度方法
Rolf et al. Distributed constraint programming with agents
Zaman et al. Evolutionary algorithm for project scheduling under irregular resource changes
CN115564374A (zh) 协同多任务重分配方法、装置、设备及可读存储介质
CN111291893B (zh) 调度方法、调度系统、存储介质和电子装置
CN107885589A (zh) 一种作业调度方法及装置
CN103345672A (zh) 集装箱堆场车载任务控制系统
CN114866612B (zh) 一种电力微服务卸载方法及装置
CN117519994B (zh) 一种基于k8s的NUMA感知调度方法及系统
CN116737348B (zh) 一种多方任务的处理方法、装置及计算机设备、存储介质

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