CN117875619A - 作业车间调度方法、装置、设备、存储介质和程序产品 - Google Patents
作业车间调度方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117875619A CN117875619A CN202311782332.5A CN202311782332A CN117875619A CN 117875619 A CN117875619 A CN 117875619A CN 202311782332 A CN202311782332 A CN 202311782332A CN 117875619 A CN117875619 A CN 117875619A
- Authority
- CN
- China
- Prior art keywords
- job
- target
- priority
- determining
- sequence
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 357
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 54
- 230000002068 genetic effect Effects 0.000 claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims description 191
- 238000004590 computer program Methods 0.000 claims description 36
- 230000035772 mutation Effects 0.000 claims description 27
- 238000004519 manufacturing process Methods 0.000 abstract description 20
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 3
- 210000000349 chromosome Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011549 displacement method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种作业车间调度方法、装置、设备、存储介质和程序产品。所述方法包括:根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别,对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列,根据随机生成数与预设概率阈值之间的比较结果、初始工序序列,生成多个目标工序序列,利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。本方法能够兼具快速寻优能力和全局寻优能力,进一步的,能够合理安排作业任务的加工机床、加工顺序和具体加工时间,提高生产效率和资源利用率,缩短制造周期。
Description
技术领域
本申请涉及车间生产调度技术领域,特别是涉及一种作业车间调度方法、装置、设备、存储介质和程序产品。
背景技术
作业车间调度是制造业中的一个重要问题,它涉及到如何合理安排作业任务的加工机床、加工顺序和具体加工时间,以最大限度地提高生产效率和资源利用率,缩短制造周期。
目前,作业车间调度有两类,第一是启发式的作业车间调度方法,通过定义一系列优先级规则来决定任务的执行顺序,从而实现作业车间调度。这些优先级规则通常根据任务的特征和约束条件进行设计,以优化目标指标(如完成时间、资源利用率等)。第二是元启发式的作业车间调度方法,通过运用智能优化算法,从候选解空间中搜索最优解。
然而,启发式的作业车间调度方法依赖人为定义的调度规则,不具有全局寻优能力,难以在较为复杂的调度问题上取得较好的结果。而元启发式的作业车间调度方法通过大规模计算寻优,通常需要较长的计算时间。
发明内容
基于此,有必要针对上述技术问题,提供一种能够兼具快速寻优能力和全局寻优能力的作业车间调度方法、装置、设备、存储介质和程序产品。
第一方面,本申请提供了一种作业车间调度方法,包括:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一该优先级组别中的各该作业任务对应的工序进行随机排序,并根据各该优先级组别对应的优先级,对各该优先级组别排序,以确定该作业车间调度的多个初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、各该初始工序序列,生成多个目标工序序列;
利用遗传算法对各该目标工序序列进行处理,确定该作业车间的调度策略。
在其中一个实施例中,若存在多个该优先级规则,该根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别,包括:
针对各该作业任务,根据各该优先级规则,确定该作业任务在各该优先级规则下的第一排序位置;
根据各该作业任务在各该优先级规则下的第一排序位置,确定各该作业任务的优先级组别。
在其中一个实施例中,该根据各该作业任务在各该优先级规则下的第一排序位置,确定各该作业任务的优先级组别,包括:
针对各该作业任务,将该作业任务在各该优先级规则下的第一排序位置求和,得到该作业任务对应的求和结果;
根据各该作业任务对应的求和结果,确定各该作业任务对应的第二排序位置;
根据各该作业任务对应的第二排序位置,确定各该作业任务的优先级组别。
在其中一个实施例中,该根据各该作业任务对应的第二排序位置,确定各该作业任务的优先级组别,包括:
针对各该作业任务,确定预设组别数量与该第二排序位置的乘积结果;
根据各该作业任务对应的该乘积结果、该作业任务的数量,确定各该作业任务的优先级组别。
在其中一个实施例中,该根据随机生成数与预设概率阈值之间的比较结果、各该初始工序序列,生成多个目标工序序列,包括:
获取该随机生成数;
确定该随机生成数与该预设概率阈值之间的比较结果;
若该比较结果为随机生成数小于该预设概率阈值,则将该初始工序序列中处于第一非空置位置的工序取出并放入该目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定该新随机生成数与该预设概率阈值之间的比较结果的步骤,直至该目标工序序列中不存在空置位置;
若该比较结果为随机生成数不小于该预设概率阈值,则将该初始工序序列中任意一个工序取出并放入该目标工序序列的第一个空置位置,并返回执行获取该新随机生成数,确定该新随机生成数与该预设概率阈值之间的比值结果的步骤,直至该目标工序序列中不存在空置位置。
在其中一个实施例中,该利用遗传算法对各该目标工序序列进行处理,确定该作业车间的调度策略,包括:
从各该目标工序序列中确定第一目标工序序列和第二目标工序序列;
利用该遗传算法对该第一目标工序序列中的第一目标子序列与该第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;该第一目标子序列的优先级组别与该第二目标子序列的优先级组别相同;
利用该遗传算法对该新第一目标工序序列和该新第二目标工序序列进行变异处理,确定该作业车间的调度策略。
第二方面,本申请还提供了一种作业车间调度装置,包括:
第一确定模块,用于根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
排序模块,用于对同一该优先级组别中的各该作业任务对应的工序进行随机排序,并根据各该优先级组别对应的优先级,对各该优先级组别排序,以确定该作业车间调度的多个初始工序序列;
生成模块,用于根据随机生成数与预设概率阈值之间的比较结果、各该初始工序序列,生成多个目标工序序列;
第二确定模块,用于利用遗传算法对各该目标工序序列进行处理,确定该作业车间的调度策略。
第三方面,本申请还提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现以下步骤:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一该优先级组别的各该作业任务进行排序,以确定该作业车间调度的初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、该初始工序序列,生成多个目标工序序列;
利用遗传算法对各该目标工序序列进行处理,确定该作业车间的调度策略。
第四方面,本申请还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以下步骤:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一该优先级组别的各该作业任务进行排序,以确定该作业车间调度的初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、该初始工序序列,生成多个目标工序序列;
利用遗传算法对各该目标工序序列进行处理,确定该作业车间的调度策略。
第五方面,本申请还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以下步骤:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一该优先级组别的各该作业任务进行排序,以确定该作业车间调度的初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、该初始工序序列,生成多个目标工序序列;
利用遗传算法对各该目标工序序列进行处理,确定该作业车间的调度策略。
上述作业车间调度方法、装置、设备、存储介质和程序产品,对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列,根据随机生成数与预设概率阈值之间的比较结果、初始工序序列,生成多个目标工序序列,利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。传统技术中,利用启发式的作业车间调度方法,通过定义一系列优先级规则来决定任务的执行顺序,从而实现作业车间调度;或是利用元启发式的作业车间调度方法,通过运用智能优化算法,从候选解空间中搜索最优解。但是,启发式的作业车间调度方法依赖人为定义的调度规则,不具有全局寻优能力,难以在较为复杂的调度问题上取得较好的结果。而元启发式的作业车间调度方法通过大规模计算寻优,通常需要较长的计算时间。而本申请实施例中,根据优先级规则确定各作业任务的优先级组别。根据优先级组别得到初始工序序列,并进一步得到以概率遵循优先级组别的目标工序序列,对目标工序序列中各优先级组别中各优先级组别的子工序序列使用遗传算法进行交叉变异处理。通过优先级组别融入启发式算法中的优先级规则,在排序过程中以一定的概率违背优先级规则,以探索全局空间,能够使得作业车间调度方法能够兼具快速寻优能力和全局寻优能力,进一步的,能够合理安排作业任务的加工机床、加工顺序和具体加工时间,提高生产效率和资源利用率,缩短制造周期。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术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申请的一些实施例,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为本申请实施例提供的一种作业车间调度方法的应用环境图;
图2为本申请实施例提供的一种作业车间调度方法的流程示意图之一;
图3为本申请实施例提供的一种优先级组别确定方法的流程示意图之一;
图4为本申请实施例提供的一种优先级组别确定方法的流程示意图之二;
图5为本申请实施例提供的一种优先级组别确定方法的流程示意图之三;
图6为本申请实施例提供的一种目标工序序列生成方法的流程示意图之一;
图7为本申请实施例提供的一种目标工序序列生成方法的流程示意图之二;
图8为本申请实施例提供的一种作业车间的调度策略确定方法的流程示意图;
图9为本申请实施例提供的一种作业车间调度方法的流程示意图之二;
图10为本申请实施例提供的一种作业车间调度装置的结构框图;
图11为本申请实施例提供的一种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。
作业车间调度是制造业中的一个重要问题,它涉及到如何合理安排作业任务的加工机床、加工顺序和具体加工时间,以最大限度地提高生产效率和资源利用率,缩短制造周期。作为一种优化问题,调度问题在多项式时间内无法精确求解出最优解,因此研究思路是如何高效快速地求出足够优化、令人满意的结果,而场景复杂、规模庞大的车间生产场景中如何实现更好的调度有待研究。
目前,作业车间调度有两类,第一是启发式的作业车间调度方法,通过定义一系列优先级规则来决定任务的执行顺序,从而实现作业车间调度。这些优先级规则通常根据任务的特征和约束条件进行设计,以优化目标指标(如完成时间、资源利用率等)。第二是元启发式的作业车间调度方法,通过运用智能优化算法,从候选解空间中搜索最优解。然而,启发式的作业车间调度方法依赖人为定义的调度规则,不具有全局寻优能力,难以在较为复杂的调度问题上取得较好的结果。而元启发式的作业车间调度方法通过大规模计算寻优,通常需要较长的计算时间。
为解决上述问题,本申请实施例提供了一种作业车间调度方法,可以应用于如图1所示的应用环境中,图1为本申请实施例提供的一种作业车间调度方法的应用环境图。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端可以将优化目标对应的优先级规则发送给服务器,由服务器根据优先级规则确定优先级组别,以及后续确定多个目标工序序列,得到作业车间的调度策略。也可以是终端收到其他设备发送的优先级规则,终端给根据优先级规则确定优先级组别,以及后续确定多个目标工序序列,得到作业车间的调度策略。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中,图2为本申请实施例提供的一种作业车间调度方法的流程示意图之一,如图2所示,提供了一种作业车间调度方法,本实施例以该方法应用于服务器104进行举例说明,可以理解的是,该方法也可以应用于终端,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,包括以下步骤:
S201、根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别。
其中,优化目标可以是作业车间调度所希望达到的目标,优先级规则是根据优化目标所设置的。例如,优化目标为最小超期率,优先级规则为最早到期日EDD、最短工序时间SPT。
在本申请实施例中,可以根据作业车间调度的优化目标对应的优先级规则,计算得到每个作业任务在不同优先级规则下的初始优先级,根据不同优先级规则下的初始优先级、预设组别数量、作业任务的数量,得到各作业任务的优先级组别。
需要说明的是,在根据优先级规则确定各作业任务的优先级组别之前,可以对作业车间调度所涉及的数据参数和算法参数进行初始化,例如,算法参数可以包括迭代次数、初始化排产序列个数、交叉率、突变率、优先级组别遵循率。作业数据参数可以包括工序候选序列列表、排产设备二维数组、加工时间二维数组。
S202、对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列。
具体地,可以先对同一优先级组别的各作业任务对应的工序中进行随机排序,可以再根据每个优先级组别对应的优先级高低,对优先级组别进行排序,由于优先级组别进行了排序,各作业任务的顺序根据优先级组别进行了变化,相应的,各作业任务中的工序随着作业任务进行变化,得到作业车间调度的初始工序序列。通过上述方式,根据对同一优先级组别中的各作业任务对应的工序进行随机排序的方式差异,可以得到多个初始工序序列。
例如,作业任务包括作业任务A、作业任务B和作业任务C,作业任务A包括工序a1和工序a2,作业任务B包括工序b1、工序b2和工序b3,作业任务C包括工序c1,作业任务B和C在高优先级组别,作业任务A在低优先级组别。则有:对高优先级组别中的作业任务B和作业任务C对应的工序进行随机排序,假设得到b2、c1、b1、b3。对低优先级组别中的作业任务A对应的工序进行随机排序,假设得到a2、a1。再根据各优先级组别对应的优先级高低,对优先级组别进行排序,以得到初始工序序列b2、c1、b1、b3、a2、a1。
S203、根据随机生成数与预设概率阈值之间的比较结果、各初始工序序列,生成多个目标工序序列。
在本申请实施例中,在生成一个目标工序序列时,目标工序序列可以初始化为空序列,可以随机生成一个随机生成数,并根据随机生成数与预设概率阈值之间的比较结果,决定每次从初始工序序列中取工序的选取方式。根据选取方式,从初始工序序列中取工序,放入目标工序序列中。
需要说明的是,每次选取工序前,均需要生成一个随机生成数,并根据每次生成的随机生成数与预设概率阈值之间的比较结果,得到该次从初始工序序列中取工序的选取方式,以根据该选取方式完成本次的工序选取。当下一次再进行工序选取时,依然要生成一个随机生成数,并根据每次生成的随机生成数与预设概率阈值之间的比较结果,得到从初始工序序列中取工序的选取方式。直到目标工序序列被填满。
S204、利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。
本实施例中,可以利用选择算法从各目标工序序列中确定第一目标工序序列和第二目标工序序列;利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;以进一步的,确定作业车间的调度策略。
上述作业车间调度方法,根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别,对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列,根据随机生成数与预设概率阈值之间的比较结果、初始工序序列,生成多个目标工序序列,利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。传统技术中,利用启发式的作业车间调度方法,通过定义一系列优先级规则来决定任务的执行顺序,从而实现作业车间调度;或是利用元启发式的作业车间调度方法,通过运用智能优化算法,从候选解空间中搜索最优解。但是,启发式的作业车间调度方法依赖人为定义的调度规则,不具有全局寻优能力,难以在较为复杂的调度问题上取得较好的结果。而元启发式的作业车间调度方法通过大规模计算寻优,通常需要较长的计算时间。而本申请实施例中,根据优先级规则确定各作业任务的优先级组别。根据优先级组别得到初始工序序列,并进一步得到以概率遵循优先级组别的目标工序序列,对目标工序序列中各优先级组别中各优先级组别的子工序序列使用遗传算法进行交叉变异处理。通过优先级组别融入启发式算法中的优先级规则,在排序过程中以一定的概率违背优先级规则,以探索全局空间,能够使得作业车间调度方法能够兼具快速寻优能力和全局寻优能力,进一步的,能够合理安排作业任务的加工机床、加工顺序和具体加工时间,提高生产效率和资源利用率,缩短制造周期。
在一个示例性的实施例中,图3为本申请实施例提供的一种优先级组别确定方法的流程示意图之一,如图3所示,本实施例涉及的是若存在多个优先级规则,如何根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别的一种可能的实现方式,在上述实施例的基础上,上述S201包括以下步骤:
S301、针对各作业任务,根据各优先级规则,确定作业任务在各优先级规则下的第一排序位置。
具体地,可能存在多个优先级规则,即,每个作业任务均对应多个优先级规则。则可以针对各作业任务,根据各优先级规则,得到作业任务在各优先级规则下的第一排序位置。
S302、根据各作业任务在各优先级规则下的第一排序位置,确定各作业任务的优先级组别。
示例性的,图4为本申请实施例提供的一种优先级组别确定方法的流程示意图之二,如图4所示,本实施例涉及的是如何根据各作业任务在各优先级规则下的第一排序位置,确定各作业任务的优先级组别的一种可能的实现方式,在上述实施例的基础上,上述S302包括以下步骤:
S401、针对各作业任务,将作业任务在各优先级规则下的第一排序位置求和,得到作业任务对应的求和结果。
具体地,对于各作业任务,可以将作业任务在各优先级规则下的第一排序位置进行求和处理,得到作业任务对应的求和结果,该求和结果是各作业任务针对各作业任务所产生的综合优先级。
接上述举例,优先级规则为最早到期日EDD、最短工序时间SPT。综合优先级S可以通过以下公式计算:
其中为作业任务i在所有作业任务根据作业任务交付期倒序排序序列中的序
号,即最早到期日EDD对应的第一排序位置,取值范围为0~n-1;为作业任务i在所有作
业任务根据全工序时间倒序排序序列中的序号,即最短工序时间SPT对应的第一排序位置,
取值范围为0~n-1。
S402、根据各作业任务对应的求和结果,确定各作业任务对应的第二排序位置。
具体地,可以对各作业任务对应的求和结果进行排序,得到各作业任务在该排序中的位置,即,各作业任务对应的第二排序位置。
S403、根据各作业任务对应的第二排序位置,确定各作业任务的优先级组别。
示例性的,图5为本申请实施例提供的一种优先级组别确定方法的流程示意图之三,如图5所示,本实施例涉及的是如何根据各作业任务对应的第二排序位置,确定各作业任务的优先级组别的一种可能的实现方式,在上述实施例的基础上,上述S403包括以下步骤:
S501、针对各作业任务,确定预设组别数量与第二排序位置的乘积结果。
S502、根据各作业任务对应的乘积结果、作业任务的数量,确定各作业任务的优先级组别。
具体地,可以利用如下公式确定各作业任务的优先级组别:
其中,k为预设组别数量,是优先级组别的数量,是预先给出的算法参数。n为作业
任务的数量,为作业任务i在所有作业任务中根据顺序排列序列中的序号,即为作业
任务对应的第二排序位置,取值范围为0~n-1,“/”为向下取整,可知作业任务的优先级组别
P的取值范围为1~k。则P为作业任务i的优先级组别。P数值越高越优先。
本实施例中,针对各作业任务,根据各优先级规则,确定作业任务在各优先级规则下的第一排序位置,针对各作业任务,将作业任务在各优先级规则下的第一排序位置求和,得到作业任务对应的求和结果,根据各作业任务对应的求和结果,确定各作业任务对应的第二排序位置,针对各作业任务,确定预设组别数量与第二排序位置的乘积结果,根据各作业任务对应的乘积结果、作业任务的数量,确定各作业任务的优先级组别。使得作业车间调度方法能够兼具快速寻优能力,提高生产效率和资源利用率,缩短制造周期。
在一个示例性的实施例中,图6为本申请实施例提供的一种目标工序序列生成方法的流程示意图之一,如图6所示,本实施例涉及的是如何根据随机生成数与预设概率阈值之间的比较结果、各初始工序序列,生成多个目标工序序列的一种可能的实现方式,在上述实施例的基础上,上述S203包括以下步骤:
S601、获取随机生成数。
S602、确定随机生成数与预设概率阈值之间的比较结果。
具体地,可以先获取一个随机生成数,然后确定该随机生成数与预设概率阈值之间的比较结果。例如,随机生成数为r,预设概率阈值为P。可以确定r与P的比较结果。
S603、若比较结果为随机生成数小于预设概率阈值,则将初始工序序列中处于第一非空置位置的工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比较结果的步骤,直至目标工序序列中不存在空置位置。
S604、若比较结果为随机生成数不小于预设概率阈值,则将初始工序序列中任意一个工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比值结果的步骤,直至目标工序序列中不存在空置位置。
其中,第一非空置位置为初始工序序列中的位置。第一个空置位置为目标工序序列中的位置。
具体地,如果比较结果为随机生成数r小于预设概率阈值P,则将初始工序序列中处于第一非空置位置的作业任务取出,并放入目标工序序列的第一个空置位置,当该初始工序序列中处于第一非空置位置的工序放入目标工序序列后,该工序在初始工序序列中已删除,初始工序序列中的原来在该工序后一位的新工序移动至第一非空置位置。
如果比较结果为随机生成数r不小于预设概率阈值P,则将初始工序序列中任意一个工序取出,并放入目标工序序列的第一个空置位置,当该初始工序序列中任意一个工序放入目标工序序列后,该工序在初始工序序列中已删除,初始工序序列中的原来在该工序后一位的新工序移动至第一非空置位置。
无论上述哪种比较结果,均返回执行获取新随机生成数,确定新随机生成数r与预设概率阈值P之间的比值结果,以及后续根据比值结果将初始工序序列中的工序放入目标工序序列中的步骤,直至目标工序序列中不存在空置位置,则得到一个目标工序序列。
需要说明的是,根据上述方法,可以得到多个这样的目标工序序列,可以作为后续遗传算法的染色体,多个染色体可以构成参与遗传算法的种群。
本实施例中,对于构造的目标工序序列,不同优先级组别任务的排序顺序遵循优先级规则,优先级数值越高的越靠前,能够实现快速寻优能力,同时在排序过程中以一定的概率违背规则,以探索全局空间,能够使得作业车间调度方法能够兼具快速寻优能力和全局寻优能力。
在一个示例性的实施例中,图7为本申请实施例提供的一种目标工序序列生成方法的流程示意图之二,如图7所示,优先级规则包括优先级规则1和优先级规则2。针对优先级规则1,对各作业任务根据优先级排序,得到各作业任务的排序序号S1。优先级规则2,对各作业任务根据优先级排序,得到各作业任务的排序序号S2。对各作业任务的各种优先级排序序号求和:S=S1+S2,并根据S对各作业任务重新排序,得到序号Ss。对各作业任务按排序序号进行分组,分为k组优先级组别。各组别的作业任务进行全工序随机排序,不同组别的作业任务按组别优先级高低排序,得到遵循优先级规则的多个全工序序列SEQ1(初始工序序列)。构造多个目标工序序列SEQ2并作为染色体,其各元素从首到尾依次根据优先级遵循概率P不放回地取原序列SEQ1中的首个元素或者随机某个元素。
在一个示例性的实施例中,图8为本申请实施例提供的一种作业车间的调度策略确定方法的流程示意图,如图8所示,本实施例涉及的是如何利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略的一种可能的实现方式,在上述实施例的基础上,上述S204包括以下步骤:
S801、从各目标工序序列中确定第一目标工序序列和第二目标工序序列。
在本申请实施例中,可以根据轮盘赌算法,从多个目标工序序列中选择两个目标工序序列,即,第一目标工序序列和第二目标工序序列。
需要说明的是,在从各目标工序序列中确定第一目标工序序列和第二目标工序序列之前,可以根据目标工序序列,确定各目标工序序列选择的设备,作为设备序列。对各工序,可以采用轮盘赌方式,从该工序可选设备集中选择一个设备作为该工序的分配设备。
另外,在各目标工序序列中选择第一目标工序序列和第二目标工序序列的的过程中,还可以采用最佳保留方法、排挤法、排序选择法、截断选择法、随机竞争方法、随机联赛选择、非支配排序、精英保留等算法进行。
S802、利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;第一目标子序列的优先级组别与第二目标子序列的优先级组别相同。
具体地,可以利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列,按照交叉概率采用顺序交叉以进行交叉处理,交叉处理后得到新第一目标工序序列和新第二目标工序序列。即,第一目标工序序列中与第二目标工序序列中优先级组别相同的子序列进行交叉处理。需要说明的是,对属于各优先级组别的第一目标子序列和第二目标子序列均进行交叉处理。
另外,交叉处理方法可以是多点交叉、均匀交叉、洗牌交叉、循环交叉、边重组交叉、算术交叉等。
S803、利用遗传算法对新第一目标工序序列和新第二目标工序序列进行变异处理,确定作业车间的调度策略。
具体地,可以利用遗传算法对新第一目标工序序列和新第二目标工序序列进行两点变异处理,按一定概率进行跨优先组别的两点交换变异。解码并计算各个体的适应度。解码过程是根据工序序列和对应的设备序列按顺序计算各工序的加工时间,生成调度方案,并计算目标函数指标(例如,生产任务的超期率),可以将最佳结果作为精英个体存储,保留到下一代种群中。判断是否达到迭代次数,如果达到迭代次数则终止计算,输出最佳结果,否则回到用轮盘赌算法从各目标工序序列中确定第一目标工序序列和第二目标工序序列,直到达到中止条件,得到作业车间的调度策略。
另外,变异处理可以是两点变异、自适应变异、均匀变异、边界变异、非均匀变异、高斯变异等。算法中的交叉率、变异率、优先级组别遵循的预设概率阈值等参数可以是固定参数,也可以进行自适应改变设计,包括但不限于当各适应度趋于一致时增加交叉率和变异率,减小优先级组别遵循率,对适应度较高的个体减少交叉和变异率,增加优先级组别遵循率等。对于遗传算法优化得到的个体结果可以进行进一步局部搜索寻优,可以是但不限于邻域搜索、启发式搜索、调整关键路径工序等具体方式。
本实施例中,通过从各目标工序序列中确定第一目标工序序列和第二目标工序序列,利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;第一目标子序列的优先级组别与第二目标子序列的优先级组别相同,利用遗传算法对新第一目标工序序列和新第二目标工序序列进行变异处理,确定作业车间的调度策略。能够提高作业车间的调度策略的调度能力,提高生产效率和资源利用率,缩短制造周期。
在一个示例性的实施例中,图9为本申请实施例提供的一种作业车间调度方法的流程示意图之二,如图9所示,先初始化参数,再生成依概率遵循优先级规则的初始种群(多个SEQ2),采用轮盘赌算法选择父辈个体,对同一优先级组别的子序列,采用顺序交叉,对同一优先级组别的工序进行两点交换变异,按一定概率进行跨优先组别的两点变异,解码,计算各个体的适应度。判断是否达到中止条件,若是,则输出最优解,即,得到作业车间的调度策略。若否则回到采用轮盘赌算法选择父辈个体以后的步骤,直到达到中止条件,则输出最优解。
即,本申请实施例提供的作业车间调度方法,既保留元启发式算法全局寻优的能力,又融入启发式算法中的优先级规则,增加算法向着优化方向进化的概率。在工序序列生成阶段,根据优先级规则评估各任务的优先级,并按照优先级大小排序对各任务进行分组,划分为若干组不同的优先级组别。对各工序依概率遵循优先级组别排序,优先级组别遵循概率决定了工序排序有概率跳出优先级组别约束。在选择环节,选择两个父辈个体进行后续遗传操作。在交叉环节,对同一优先级组别内的工序进行交叉。在变异环节,对同一优先级组别内的工序进行变异,并按照一定概率进行跨优先组别的变异。对于得到的子代种群,通过解码计算各个体对应调度方案的优化目标结果,作为个体的适应度。判断是否满足终止条件,若满足则输出当前最优的调度结果;否则,继续进行下一代进化。
应该理解的是,虽然如上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作业车间调度方法的作业车间调度装置。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作业车间调度装置实施例中的具体限定可以参见上文中对于作业车间调度方法的限定,在此不再赘述。
在一个示例性的实施例中,图10为本申请实施例提供的一种作业车间调度装置的结构框图,如图10所示,提供了一种作业车间调度装置1000,包括:第一确定模块1001、排序模块1002、生成模块1003和第二确定模块1004,其中:
第一确定模块1001,用于根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
排序模块1002,用于对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列;
生成模块1003,用于根据随机生成数与预设概率阈值之间的比较结果、各初始工序序列,生成多个目标工序序列;
第二确定模块1004,用于利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。
在一个示例性的实施例中,若存在多个优先级规则,第一确定模块1001包括:
第一确定子模块,用于针对各作业任务,根据各优先级规则,确定作业任务在各优先级规则下的第一排序位置。
第二确定子模块,用于根据各作业任务在各优先级规则下的第一排序位置,确定各作业任务的优先级组别。
在一个示例性的实施例中,第二确定子模块包括:
求和单元,用于针对各作业任务,将作业任务在各优先级规则下的第一排序位置求和,得到作业任务对应的求和结果。
第一确定单元,用于根据各作业任务对应的求和结果,确定各作业任务对应的第二排序位置。
第二确定单元,用于根据各作业任务对应的第二排序位置,确定各作业任务的优先级组别。
在一个示例性的实施例中,第二确定单元具体用于针对各作业任务,确定预设组别数量与第二排序位置的乘积结果;根据各作业任务对应的乘积结果、作业任务的数量,确定各作业任务的优先级组别。
在一个示例性的实施例中,生成模块1003包括:
获取子模块,用于获取随机生成数。
第三确定子模块,用于确定随机生成数与预设概率阈值之间的比较结果。
第四确定子模块,用于若比较结果为随机生成数小于预设概率阈值,则将初始工序序列中处于第一非空置位置的工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比较结果的步骤,直至目标工序序列中不存在空置位置。
第五确定子模块,用于若比较结果为随机生成数不小于预设概率阈值,则将初始工序序列中任意一个工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比值结果的步骤,直至目标工序序列中不存在空置位置。
在一个示例性的实施例中,第二确定模块1004包括:
第六确定子模块,用于从各目标工序序列中确定第一目标工序序列和第二目标工序序列。
第七确定子模块,用于利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;第一目标子序列的优先级组别与第二目标子序列的优先级组别相同。
第八确定子模块,用于利用遗传算法对新第一目标工序序列和新第二目标工序序列进行变异处理,确定作业车间的调度策略。
上述作业车间调度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。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种作业车间调度方法。
本领域技术人员可以理解,图11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。
在一个示例性的实施例中,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以下步骤:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、各初始工序序列,生成多个目标工序序列;
利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对各作业任务,根据各优先级规则,确定作业任务在各优先级规则下的第一排序位置;
根据各作业任务在各优先级规则下的第一排序位置,确定各作业任务的优先级组别。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对各作业任务,将作业任务在各优先级规则下的第一排序位置求和,得到作业任务对应的求和结果;
根据各作业任务对应的求和结果,确定各作业任务对应的第二排序位置;
根据各作业任务对应的第二排序位置,确定各作业任务的优先级组别。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对各作业任务,确定预设组别数量与第二排序位置的乘积结果;
根据各作业任务对应的乘积结果、作业任务的数量,确定各作业任务的优先级组别。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取随机生成数;
确定随机生成数与预设概率阈值之间的比较结果;
若比较结果为随机生成数小于预设概率阈值,则将初始工序序列中处于第一非空置位置的工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比较结果的步骤,直至目标工序序列中不存在空置位置;
若比较结果为随机生成数不小于预设概率阈值,则将初始工序序列中任意一个工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比值结果的步骤,直至目标工序序列中不存在空置位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
从各目标工序序列中确定第一目标工序序列和第二目标工序序列;
利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;第一目标子序列的优先级组别与第二目标子序列的优先级组别相同;
利用遗传算法对新第一目标工序序列和新第二目标工序序列进行变异处理,确定作业车间的调度策略。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、初始工序序列,生成多个目标工序序列;
利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对各作业任务,根据各优先级规则,确定作业任务在各优先级规则下的第一排序位置;
根据各作业任务在各优先级规则下的第一排序位置,确定各作业任务的优先级组别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对各作业任务,将作业任务在各优先级规则下的第一排序位置求和,得到作业任务对应的求和结果;
根据各作业任务对应的求和结果,确定各作业任务对应的第二排序位置;
根据各作业任务对应的第二排序位置,确定各作业任务的优先级组别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对各作业任务,确定预设组别数量与第二排序位置的乘积结果;
根据各作业任务对应的乘积结果、作业任务的数量,确定各作业任务的优先级组别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取随机生成数;
确定随机生成数与预设概率阈值之间的比较结果;
若比较结果为随机生成数小于预设概率阈值,则将初始工序序列中处于第一非空置位置的工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比较结果的步骤,直至目标工序序列中不存在空置位置;
若比较结果为随机生成数不小于预设概率阈值,则将初始工序序列中任意一个工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比值结果的步骤,直至目标工序序列中不存在空置位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从各目标工序序列中确定第一目标工序序列和第二目标工序序列;
利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;第一目标子序列的优先级组别与第二目标子序列的优先级组别相同;
利用遗传算法对新第一目标工序序列和新第二目标工序序列进行变异处理,确定作业车间的调度策略。
在一个实施例中,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以下步骤:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一优先级组别中的各作业任务对应的工序进行随机排序,并根据各优先级组别对应的优先级,对各优先级组别排序,以确定作业车间调度的多个初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、初始工序序列,生成多个目标工序序列;
利用遗传算法对各目标工序序列进行处理,确定作业车间的调度策略。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对各作业任务,根据各优先级规则,确定作业任务在各优先级规则下的第一排序位置;
根据各作业任务在各优先级规则下的第一排序位置,确定各作业任务的优先级组别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对各作业任务,将作业任务在各优先级规则下的第一排序位置求和,得到作业任务对应的求和结果;
根据各作业任务对应的求和结果,确定各作业任务对应的第二排序位置;
根据各作业任务对应的第二排序位置,确定各作业任务的优先级组别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对各作业任务,确定预设组别数量与第二排序位置的乘积结果;
根据各作业任务对应的乘积结果、作业任务的数量,确定各作业任务的优先级组别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取随机生成数;
确定随机生成数与预设概率阈值之间的比较结果;
若比较结果为随机生成数小于预设概率阈值,则将初始工序序列中处于处于第一非空置位置的工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比较结果的步骤,直至目标工序序列中不存在空置位置;
若比较结果为随机生成数不小于预设概率阈值,则将初始工序序列中任意一个工序取出并放入目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定新随机生成数与预设概率阈值之间的比值结果的步骤,直至目标工序序列中不存在空置位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
从各目标工序序列中确定第一目标工序序列和第二目标工序序列;
利用遗传算法对第一目标工序序列中的第一目标子序列与第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;第一目标子序列的优先级组别与第二目标子序列的优先级组别相同;
利用遗传算法对新第一目标工序序列和新第二目标工序序列进行变异处理,确定作业车间的调度策略。
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,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(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,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(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,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)
1.一种作业车间调度方法,其特征在于,所述方法包括:
根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
对同一所述优先级组别中的各所述作业任务对应的工序进行随机排序,并根据各所述优先级组别对应的优先级,对各所述优先级组别排序,以确定所述作业车间调度的多个初始工序序列;
根据随机生成数与预设概率阈值之间的比较结果、各所述初始工序序列,生成多个目标工序序列;
利用遗传算法对各所述目标工序序列进行处理,确定所述作业车间的调度策略。
2.根据权利要求1所述的方法,其特征在于,若存在多个所述优先级规则,所述根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别,包括:
针对各所述作业任务,根据各所述优先级规则,确定所述作业任务在各所述优先级规则下的第一排序位置;
根据各所述作业任务在各所述优先级规则下的第一排序位置,确定各所述作业任务的优先级组别。
3.根据权利要求2所述的方法,其特征在于,所述根据各所述作业任务在各所述优先级规则下的第一排序位置,确定各所述作业任务的优先级组别,包括:
针对各所述作业任务,将所述作业任务在各所述优先级规则下的第一排序位置求和,得到所述作业任务对应的求和结果;
根据各所述作业任务对应的求和结果,确定各所述作业任务对应的第二排序位置;
根据各所述作业任务对应的第二排序位置,确定各所述作业任务的优先级组别。
4.根据权利要求3所述的方法,其特征在于,所述根据各所述作业任务对应的第二排序位置,确定各所述作业任务的优先级组别,包括:
针对各所述作业任务,确定预设组别数量与所述第二排序位置的乘积结果;
根据各所述作业任务对应的所述乘积结果、所述作业任务的数量,确定各所述作业任务的优先级组别。
5.根据权利要求1所述的方法,其特征在于,所述根据随机生成数与预设概率阈值之间的比较结果、各所述初始工序序列,生成多个目标工序序列,包括:
获取所述随机生成数;
确定所述随机生成数与所述预设概率阈值之间的比较结果;
若所述比较结果为随机生成数小于所述预设概率阈值,则将所述初始工序序列中处于第一非空置位置的工序取出并放入所述目标工序序列的第一个空置位置,并返回执行获取新随机生成数,确定所述新随机生成数与所述预设概率阈值之间的比较结果的步骤,直至所述目标工序序列中不存在空置位置;
若所述比较结果为随机生成数不小于所述预设概率阈值,则将所述初始工序序列中任意一个工序取出并放入所述目标工序序列的第一个空置位置,并返回执行获取所述新随机生成数,确定所述新随机生成数与所述预设概率阈值之间的比值结果的步骤,直至所述目标工序序列中不存在空置位置。
6.根据权利要求1-5任意一项所述的方法,其特征在于,所述利用遗传算法对各所述目标工序序列进行处理,确定所述作业车间的调度策略,包括:
从各所述目标工序序列中确定第一目标工序序列和第二目标工序序列;
利用所述遗传算法对所述第一目标工序序列中的第一目标子序列与所述第二目标工序序列中的第二目标子序列进行交叉处理,得到新第一目标工序序列和新第二目标工序序列;所述第一目标子序列的优先级组别与所述第二目标子序列的优先级组别相同;
利用所述遗传算法对所述新第一目标工序序列和所述新第二目标工序序列进行变异处理,确定所述作业车间的调度策略。
7.一种作业车间调度装置,其特征在于,所述装置包括:
第一确定模块,用于根据作业车间调度的优化目标对应的优先级规则,确定各作业任务的优先级组别;
排序模块,用于对同一所述优先级组别中的各所述作业任务对应的工序进行随机排序,并根据各所述优先级组别对应的优先级,对各所述优先级组别排序,以确定所述作业车间调度的多个初始工序序列;
生成模块,用于根据随机生成数与预设概率阈值之间的比较结果、各所述初始工序序列,生成多个目标工序序列;
第二确定模块,用于利用遗传算法对各所述目标工序序列进行处理,确定所述作业车间的调度策略。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311782332.5A CN117875619A (zh) | 2023-12-22 | 2023-12-22 | 作业车间调度方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311782332.5A CN117875619A (zh) | 2023-12-22 | 2023-12-22 | 作业车间调度方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117875619A true CN117875619A (zh) | 2024-04-12 |
Family
ID=90585568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311782332.5A Pending CN117875619A (zh) | 2023-12-22 | 2023-12-22 | 作业车间调度方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117875619A (zh) |
-
2023
- 2023-12-22 CN CN202311782332.5A patent/CN117875619A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garza-Santisteban et al. | A simulated annealing hyper-heuristic for job shop scheduling problems | |
TWI633504B (zh) | 基於樹狀搜尋的排程方法與使用此方法的電子裝置 | |
CN106202092A (zh) | 数据处理的方法及系统 | |
CN110008023B (zh) | 基于遗传算法的云计算系统预算约束随机任务调度方法 | |
CN108427602B (zh) | 一种分布式计算任务的协同调度方法及装置 | |
US20230393813A1 (en) | Sorting apparatus and method | |
CN111597054B (zh) | 一种信息处理方法、系统、电子设备及存储介质 | |
CN106295670A (zh) | 数据处理方法及数据处理装置 | |
CN109445386A (zh) | 一种基于onba的云制造任务最短生产时间调度方法 | |
CN113094899B (zh) | 一种随机潮流计算方法、装置、电子设备及存储介质 | |
CN114461384A (zh) | 任务执行方法、装置、计算机设备和存储介质 | |
CN107180286B (zh) | 基于改进型花粉算法的制造服务供应链优化方法及系统 | |
Liu et al. | A load-balancing approach based on modified K-ELM and NSGA-II in a heterogeneous cloud environment | |
CN106709572B (zh) | 一种数据处理方法及设备 | |
CN117875619A (zh) | 作业车间调度方法、装置、设备、存储介质和程序产品 | |
CN113641471B (zh) | 基于遗传算法模型的软负载调度方法、装置、设备及介质 | |
CN112100446B (zh) | 搜索方法、可读存储介质和电子设备 | |
US20130018773A1 (en) | Order matching | |
CN109902851B (zh) | 一种生产计划的确定方法以及装置 | |
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 | |
Gong et al. | Research and Simulation Implementation of Fog Calculation Resource Allocation Algorithm | |
CN112099959A (zh) | 数据处理方法及装置 | |
CN117112145B (zh) | 训练模型分配方法、装置、计算机设备和存储介质 | |
CN111752700B (zh) | 一种处理器上的硬件选择方法和装置 | |
CN111144724B (zh) | 一种基于遗传算法的任务处理方法、装置及电子设备 |
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 |