WO2025200071A1 - 产线资源的调度方法、调度装置、电子设备及存储介质 - Google Patents

产线资源的调度方法、调度装置、电子设备及存储介质

Info

Publication number
WO2025200071A1
WO2025200071A1 PCT/CN2024/089587 CN2024089587W WO2025200071A1 WO 2025200071 A1 WO2025200071 A1 WO 2025200071A1 CN 2024089587 W CN2024089587 W CN 2024089587W WO 2025200071 A1 WO2025200071 A1 WO 2025200071A1
Authority
WO
WIPO (PCT)
Prior art keywords
scheduling
information
production
target
time
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
PCT/CN2024/089587
Other languages
English (en)
French (fr)
Inventor
曹健
林立勇
廖黎明
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.)
Contemporary Amperex Technology Co Ltd
Contemporary Amperex Runzhi Software Technology Ltd
Original Assignee
Contemporary Amperex Technology Co Ltd
Contemporary Amperex Runzhi Software Technology 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 Contemporary Amperex Technology Co Ltd, Contemporary Amperex Runzhi Software Technology Ltd filed Critical Contemporary Amperex Technology Co Ltd
Publication of WO2025200071A1 publication Critical patent/WO2025200071A1/zh
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • the present application belongs to the technical field of production scheduling, and in particular relates to a scheduling method, a scheduling device, an electronic device and a storage medium for production line resources.
  • production line resource scheduling plans are primarily manually developed by production personnel based on production line resource parameters.
  • production personnel need to spend a considerable amount of time developing production line resource scheduling plans, resulting in reduced production efficiency in the automated production process.
  • embodiments of the present application provide a scheduling method, a scheduling device, an electronic device, and a storage medium for production line resources to solve the above problems of the prior art.
  • an embodiment of the present application provides a method for scheduling production line resources, including:
  • the initial scheduling population includes a plurality of first scheduling information
  • determining the first scheduling time of each first scheduling information according to the production line resource information includes:
  • the minimum scheduling time function is used to characterize the corresponding relationship between the scheduling path of the scheduling production line resources and the scheduling time of the scheduling production line resources.
  • the first scheduling time of each first scheduling information is calculated according to the scheduling time minimum function and the first scheduling path.
  • each first scheduling information includes a set of first production task information, first production equipment information, and first automated guided vehicle information. Determining a first scheduling path for each first scheduling information includes:
  • the scheduling path matrix is searched to obtain a first scheduling path.
  • each set of first production task information, first production equipment information, and first automated guided vehicle information is encoded based on a preset encoding rule to obtain a coding table, including:
  • a code table is generated based on multiple production task codes, multiple production equipment codes, and multiple automatic guided vehicle codes.
  • decoding the coding table based on a preset decoding rule to obtain a scheduling path matrix includes:
  • the production task array and the production equipment array are traversed to generate a scheduling path matrix.
  • the production task array and the production equipment array are traversed according to the code of each automated guided vehicle to generate a scheduling path matrix, including:
  • Each production task code in the production task array and each production equipment code in the production equipment array are traversed according to each arrangement index number to obtain a scheduling path matrix.
  • calculating the first scheduling time of each first scheduling information according to the scheduling time minimum function and the first scheduling path includes:
  • the transportation time is used to represent the time it takes for the automated guided vehicle to transport the target production task corresponding to the target production task code.
  • the production time is used to represent the time it takes for the production equipment to produce the target production task.
  • the first scheduling time of each first scheduling information is calculated according to the scheduling time minimum function and the transportation time and production time of each target production task code.
  • performing a cross operation on a plurality of target first scheduling information to obtain a cross scheduling population includes:
  • a cross pool is constructed, where the cross pool includes a plurality of target first scheduling information
  • a crossover operation is performed on the target first scheduling information whose crossover probability is greater than the crossover probability threshold to obtain a crossover scheduling population.
  • each target first scheduling information includes a set of first production task information, first production equipment information, and first automated guided vehicle information.
  • a crossover operation is performed on the target first scheduling information having a crossover probability greater than a crossover probability threshold to obtain a crossover scheduling population, including:
  • Target first production task information target first production equipment information, and target first automated guided vehicle information whose crossover probability is greater than a crossover probability threshold from multiple target first scheduling information;
  • first chromosome and a second chromosome according to target first production task information, target first production equipment information, and target first automated guided vehicle information;
  • the different target first production task information, target first production equipment information, and target first automated guided vehicle information contained in the fifth chromosome and the fourth chromosome are crossed to obtain a crossover scheduling population.
  • each task path includes the same starting production task and ending production task;
  • the task path corresponding to the longest task path duration is selected from multiple task paths as the critical scheduling path.
  • each set of second production task information, second production equipment information, and second automated guided vehicle information is searched according to the critical scheduling path to obtain third scheduling information, including:
  • first neighborhood solution scheduling information includes a set of fourth production task information, fourth production equipment information, and fourth automated guided vehicle information
  • the preset search operator includes multiple sub-preset search operators, each sub-preset search operator is associated with a search count, and the second neighborhood descheduling information corresponding to the second neighborhood descheduling time is determined as the third scheduling information, including:
  • the scheduling method for production line resources before obtaining the third scheduling information according to the cross-scheduling population, the scheduling method for production line resources further includes:
  • the third scheduling information is obtained according to the cross-scheduling population, including:
  • the third scheduling information is obtained according to the mutated scheduling population.
  • the method for scheduling production line resources before outputting the fourth scheduling information based on the first scheduling time and the third scheduling time, the method for scheduling production line resources further includes:
  • Outputting fourth scheduling information according to the first scheduling time and the third scheduling time includes:
  • fourth scheduling information is output according to the first scheduling time and the third scheduling time.
  • the method for scheduling production line resources further includes:
  • the step of performing a cross operation on multiple target first scheduling information to obtain a cross scheduling population is repeated, until it is determined that the iteration termination condition is met, and the step of outputting the fourth scheduling information according to the first scheduling time and the third scheduling time is performed.
  • an embodiment of the present application provides a scheduling device for production line resources, including:
  • a generating module configured to generate an initial scheduling population according to the production line resource information, wherein the initial scheduling population includes a plurality of first scheduling information
  • a cross module configured to perform a cross operation on a plurality of target first scheduling information to obtain a cross scheduling population, wherein the cross scheduling population includes a plurality of second scheduling information;
  • an obtaining module configured to obtain third scheduling information according to the cross-scheduling population, wherein a third scheduling time of the third scheduling information is less than a second scheduling time of the second scheduling information;
  • the output module is used to output fourth scheduling information according to the first scheduling time and the third scheduling time, where the fourth scheduling information is scheduling information corresponding to the minimum scheduling time between the first scheduling time and the third scheduling time.
  • an electronic device including:
  • processors coupled to the memory
  • One or more applications wherein the one or more applications are stored in a memory and configured to be executed by one or more processors, and the one or more applications are configured to execute the production line resource scheduling method provided in the first aspect above.
  • an embodiment of the present application provides a computer program product.
  • the computer program product runs on a computer device, it enables the computer device to execute the production line resource scheduling method provided in the first aspect above.
  • the first beneficial effect provided by the embodiment of the present application is that: in the automated production process, based on cross-processing of the initial scheduling population generated according to the production line resource information, a scheduling plan for the production line resources is automatically generated. Compared with the time spent on manually formulating a scheduling plan based on the production line resource information, the time spent on automatically generating a scheduling plan based on the production line resource information is shorter, thereby improving the production efficiency of the automated production process.
  • FIG1 shows a flow chart of a method for scheduling production line resources according to an embodiment of the present application.
  • FIG2 shows a schematic diagram of a coding scenario in a method for scheduling production line resources provided in an embodiment of the present application.
  • FIG3 shows a flow chart of a decoding method in a method for scheduling production line resources provided in an embodiment of the present application.
  • FIG4 shows a flow chart of a POX cross-operation process in a method for scheduling production line resources provided in an embodiment of the present application.
  • FIG5 shows a schematic diagram of a scenario of a POX cross-operation process in a method for scheduling production line resources provided in an embodiment of the present application.
  • FIG6 shows a flow chart of the RPX cross-operation process in the production line resource scheduling method provided in an embodiment of the present application.
  • FIG7 shows a schematic diagram of a scenario of the RPX cross-operation process in the production line resource scheduling method provided in an embodiment of the present application.
  • FIG8 shows a flow chart of a method for determining a critical scheduling path in a method for scheduling production line resources provided in an embodiment of the present application.
  • FIG9 shows another flow chart of a method for scheduling production line resources provided in an embodiment of the present application.
  • FIG10 shows a flow chart of a scenario of a method for scheduling production line resources provided in an embodiment of the present application.
  • FIG11 shows a structural block diagram of a scheduling device for production line resources provided in an embodiment of the present application.
  • Figure 13 shows a computer-readable storage medium provided in an embodiment of the present application for storing or carrying program code for implementing the scheduling method for production line resources provided in an embodiment of the present application.
  • FIG14 shows a computer program product provided in an embodiment of the present application for storing or carrying program codes for implementing a method for scheduling production line resources provided in an embodiment of the present application.
  • the scheduling method for production line resources provided in the embodiments of the present application can be applied to processing equipment, and the processing equipment can include but is not limited to any one of a server or a terminal device.
  • d ij represents the distance between task i and task j
  • v load represents the transportation speed of the AGV loaded with products from task i to task j
  • d ij represents the distance between task i and task j
  • v unload represents the transport speed of the AGV when transporting an empty load from task i to task j;
  • Each first scheduling information may include a set of first production equipment information, first AGV information, and first production task information.
  • the preset coding rule may be a three-dimensional coding.
  • Each set of first production task information may be encoded according to an operation sequence of the production task corresponding to each set of first production task information to obtain a production task code (Operate Sequence, OS code)
  • each set of first production equipment information may be encoded according to an equipment selection sequence of the production equipment corresponding to each set of first production equipment information to obtain a production equipment code (Machine Sequence, MS code)
  • each set of first AGV information may be encoded according to an AGV transportation sequence corresponding to each set of first AGV information to obtain an AGV code (Route Sequence, RS code)
  • a coding table may be generated based on multiple OS codes, multiple MS codes, and multiple RS codes.
  • FIG2 it shows a scenario diagram of a coding table, in which the OS code, MS code and RS code in the coding table are read from left to right respectively.
  • the number I in the first line of the OS code appears for the Jth time.
  • the number I represents the Ith production task
  • J represents the Jth step of the Ith production task, which is recorded as O IJ .
  • O 12 represents the second step of the first production task.
  • the number K in the first row of the MS code represents the serial number of the production equipment, recorded as M K.
  • M 3 represents the third production equipment.
  • the number L in the first row of the RS code represents the AGV number, which is recorded as AL .
  • A1 represents the first AGV.
  • the OS, MS, and RS coded permutation indexes all correspond one to one.
  • O 12 , M 3 , and A 1 correspond, indicating that the first AGV transports the product corresponding to the first production task to the third production equipment for the second production step.
  • the process of decoding the coding table based on the preset decoding rule may include steps S201 to S204 .
  • Step S201 Construct an AGV array Inx according to multiple RS codes.
  • the RS code is performed from left to right, and the same AGV number is divided and the subscript (arrangement index number) is extracted to obtain the AGV array Inx.
  • Inx(r,:) (the rth row of the matrix Inx) represents the permutation index set of the rth AGV in the RS encoding.
  • Step S202 Construct a production task array J according to multiple OS codes.
  • a production task matrix J having the same size as the AGV array Inx is initialized.
  • J(r, n) OS(Inx(r, n)), where n is the sequence number of the element in the r-th row of the matrix J.
  • Step S203 Construct a production equipment array RM according to the multiple MS codes.
  • the production equipment array RM having the same size as the AGV array Inx is initialized.
  • the permutation index number of each RS code can be determined, and each OS code in the production task array J and each MS code in the production equipment array RM can be traversed according to each permutation index number to obtain the scheduling path matrix Res.
  • the processing device can construct a crossover pool based on a preset selection algorithm and an initial scheduling population.
  • the crossover pool can include multiple target first scheduling information, and determine the crossover probability of each target first scheduling information. Based on a preset crossover operator, a crossover operation is performed on the target first scheduling information whose crossover probability is greater than a crossover probability threshold to obtain a crossover scheduling population. This realizes the crossover of multiple target first scheduling information based on the preset crossover operator and the crossover probability threshold to obtain a crossover scheduling population, thereby improving the population diversity of the crossover scheduling population.
  • crossover probability Pc When the crossover probability Pc is greater than the crossover probability threshold, a crossover operation is performed on the target first scheduling information whose crossover probability is greater than the crossover probability threshold to obtain a crossover scheduling population.
  • the crossover probability threshold may be 0.5.
  • the crossover probability P c is greater than 0.5, a crossover operation is performed on the target first scheduling information corresponding to the crossover probability P c to obtain a crossover scheduling population.
  • Step S301 Select a target first generation whose crossover probability is greater than a crossover probability threshold from multiple target first scheduling information.
  • Step S302 Construct a first chromosome and a second chromosome according to the target first production task information and the target first AGV information.
  • Step S303 Cross the different target first production task information and target first AGV information contained in the first chromosome and the second chromosome to obtain a cross scheduling population.
  • the target OS encoding portion containing the gene of J1 , the device corresponding to the target MS encoding, and the corresponding target RS encoding portion of the gene in P1 is copied to P2 to obtain C1
  • the target OS encoding portion containing the gene of J2 , the device corresponding to the target MS encoding, and the corresponding target RS encoding portion of the gene in P2 is copied to P1 to obtain C2 , as shown in Figure 5.
  • the target first production task information and target first production equipment information with a crossing probability greater than the crossing probability threshold can be selected from multiple target first scheduling information for crossing, or the target first production equipment information and target first AGV information with a crossing probability greater than the crossing probability threshold can be selected from multiple target first scheduling information for crossing, or the target first production task information, target first production equipment information and target first AGV information with a crossing probability greater than the crossing probability threshold can be selected from multiple target first scheduling information for crossing, which is not limited here.
  • the preset crossover operator can be a random priority operation crossover operator.
  • the processing device can construct a crossover pool including multiple target first scheduling information based on the preset selection algorithm and the initial scheduling population, and determine the crossover probability of each first scheduling information. Based on the RPX crossover operator, a crossover operation is performed on the target first scheduling information whose crossover probability is greater than the crossover probability threshold to obtain a crossover scheduling population. This realizes the crossover of multiple target first scheduling information based on the random priority operation crossover operator and the crossover probability threshold to obtain a crossover scheduling population, thereby improving the population diversity of the crossover scheduling population.
  • the processing device can select target first production task information, target first production equipment information and first AGV information with a crossover probability greater than a crossover probability threshold from multiple target first scheduling information, and construct a third chromosome and a fourth chromosome based on the target first production task information, the target first production equipment information and the first AGV information, and randomly generate a random number for the third chromosome to obtain the fifth chromosome, and cross the different target first production task information, target first production equipment information and target first AGV information contained in the fifth chromosome and the fourth chromosome to obtain a cross-scheduling population.
  • the RPX cross-operation process may include steps S401 to S404 .
  • Step S401 Select target first production equipment information with a crossover probability greater than a crossover probability threshold from multiple target first scheduling information.
  • Step S402 Constructing a third chromosome and a fourth chromosome according to the target first production equipment information.
  • the target MS code is obtained according to the target first production equipment information, and the target MS code is randomly divided into two non-empty subsets, which are respectively recorded as the third chromosome P 3 and the fourth chromosome P 4 .
  • Step S403 randomly generate a random number for the third chromosome to obtain the fifth chromosome.
  • the target MS code of the third chromosome P3 includes 8 MS codes.
  • the 8 MS codes are 1, 2, 3, 1, 1, 3, 2, and 3.
  • a random number can be generated for each of the 8 MS codes, such as 0.3, 0.4, 0.6, 0.1, 0.5, 0.9, 0.3, and 0.7, to obtain the fifth chromosome P5 .
  • Step S404 Exchange the different target first production equipment information contained in the fifth chromosome and the fourth chromosome. Fork, and get the cross scheduling population.
  • the target MS coding portion of the gene containing J1 in P5 is copied to P4 to obtain C3
  • the target MS coding portion of the gene containing J2 in P4 is copied to P5 to obtain C4 , as shown in FIG7.
  • the target first production task information with a crossover probability greater than the crossover probability threshold can be selected from multiple target first scheduling information for crossover
  • the target first AGV information with a crossover probability greater than the crossover probability threshold can be selected from multiple target first scheduling information for crossover
  • at least two of the target first production task information, target first production equipment information and target first AGV information with a crossover probability greater than the crossover probability threshold can be selected from multiple target first scheduling information for crossover, which is not limited here.
  • the search method can be a variable neighborhood search method, and the third scheduling time of the third scheduling information can be less than the second scheduling time of the second scheduling information, indicating that the fitness of the third scheduling information is less than the fitness of the second scheduling information.
  • the processing equipment can determine the critical scheduling path based on the production line resource information, and search each group of second production task information, second production equipment information and second AGV information according to the critical scheduling path to obtain the third scheduling information, thereby realizing the search based on the neighborhood solution of the critical scheduling path to obtain the third scheduling information, so that the third scheduling information has the global optimality on the critical scheduling path.
  • the third scheduling information may include a set of third production task information, third production equipment information and third AGV information.
  • the production line resource information may include at least multiple production tasks.
  • the processing equipment may determine multiple task paths based on the operation sequence of the multiple production tasks, and determine the task path duration of each task path based on the task node duration of each production task, and select the task path corresponding to the longest task path duration from the multiple task paths as the critical scheduling path.
  • Each task path may include the same starting production task and ending production task.
  • the critical scheduling path determination method may include steps S501 to S504 .
  • Step S501 Determine the starting node 0 and the ending node 0' based on the production equipment information and the production task information.
  • Step S502 Decode the OS code and the MS code to obtain the processing task steps of each production device and the processing time corresponding to the task steps.
  • the processing device can determine the critical scheduling path based on the production line resource information, and based on a preset search operator, search each group of second production task information, second production equipment information and second AGV information according to the critical scheduling path to generate first neighborhood de-scheduling information, and determine the first neighborhood de-scheduling time of the first neighborhood de-scheduling information, and when it is determined that the first neighborhood de-scheduling time is less than the second scheduling time, update the first neighborhood de-scheduling information with the corresponding second scheduling information, and repeat the step of searching each group of second production task information, second production equipment information and second AGV information according to the critical scheduling path to generate the first neighborhood de-scheduling information, until it is determined that the first neighborhood de-scheduling time is greater than or equal to the second scheduling time, determine the corresponding first neighborhood de-scheduling time as the second neighborhood de-scheduling time, and determine the second neighborhood de-scheduling information corresponding to the second neighborhood de-scheduling time
  • the preset search operator may be a variable neighborhood search operator, for example, a two-element inversion search operator, a two-element swap search operator, or a one-element insertion search operator.
  • the first neighborhood solution dispatch information may include a set of fourth production task information, fourth production equipment information, and fourth AGV information.
  • the processing equipment can determine the critical scheduling path according to the production line resource information, and based on the preset search operator, search each group of second production task information, second production equipment information and second AGV information according to the critical scheduling path to generate first neighborhood de-scheduling information, and determine the first neighborhood de-scheduling time of the first neighborhood de-scheduling information, and when it is determined that the first neighborhood de-scheduling time is less than the second scheduling time, update the corresponding second scheduling information to the first neighborhood de-scheduling information, and repeat the steps of searching each group of second production task information, second production equipment information and second AGV information according to the critical scheduling path based on the preset search operator to generate the first neighborhood de-scheduling information, until when it is determined that the first neighborhood de-scheduling time is greater than or equal to the second scheduling time, determine the corresponding first neighborhood de-scheduling time as the second neighborhood de-scheduling time, and when it is determined that the second neighborhood de-scheduling time is greater than or equal to
  • the second scheduling time determine whether the current search times have reached the preset times, and when it is determined that the current search times have not reached the preset times, determine the target sub-preset search operator for the next search times, and update the preset search operator to the target sub-preset search operator, and update the second scheduling information to the second neighborhood solution scheduling information, and repeatedly execute the steps of searching each group of second production task information, second production equipment information and second AGV information according to the critical scheduling path based on the preset search operator to generate the first neighborhood solution scheduling information, until it is determined that the current search times have reached the preset times, determine the second neighborhood solution scheduling information corresponding to the current search times as the third scheduling information, and realize repeated local search for the neighborhood solution of the critical scheduling path based on multiple sub-preset search operators, so as to further make the third scheduling information globally optimal on the critical scheduling path.
  • Step S150 Output fourth scheduling information according to the first scheduling time and the third scheduling time.
  • the processing device may output fourth scheduling information based on the first scheduling time and the third scheduling time, where the fourth scheduling information is scheduling information corresponding to the minimum scheduling time between the first scheduling time and the third scheduling time.
  • the processing device may replace the worst individual in the initial scheduling population based on the third scheduling information to obtain an updated population, calculate the fitness of each individual in the updated population, and select the individual with the smallest fitness as the fourth scheduling information.
  • the processing device can schedule the production equipment and AGV according to the fourth scheduling information, thereby realizing automatic scheduling of production line resources according to production line resource information based on genetic algorithms and variable neighborhood search algorithms during the automated production process, thereby improving the user's scheduling experience of scheduling production line resources.
  • the solution provided by the present application generates an initial scheduling population based on production line resource information.
  • the initial scheduling population includes multiple first scheduling information, and determines the first scheduling time of each first scheduling information based on the production line resource information, and performs cross-operation on multiple target first scheduling information to obtain a cross-scheduling population.
  • the cross-scheduling population includes multiple second scheduling information, and obtains third scheduling information based on the cross-scheduling population.
  • the third scheduling time of the third scheduling information is less than the second scheduling time of the second scheduling information, and outputs fourth scheduling information based on the first scheduling time and the third scheduling time.
  • the fourth scheduling information is the scheduling information corresponding to the minimum scheduling time between the first scheduling time and the third scheduling time.
  • the genetic algorithm has the characteristic of short search time, and the variable neighborhood search algorithm can improve the global search capability of the algorithm.
  • the optimal scheduling solution can be generated in a short time based on the genetic algorithm and the variable neighborhood search algorithm.
  • Figure 9 shows a flow chart of a method for scheduling production line resources according to another embodiment of the present application.
  • the method for scheduling production line resources can be applied to processing equipment.
  • the following will use processing equipment as an example to explain the process shown in Figure 9 in detail.
  • the method for scheduling production line resources can include the following steps S610 to S660.
  • Step S610 Generate an initial scheduling population based on production line resource information.
  • Step S620 Determine the first scheduling time of each first scheduling information according to the production line resource information.
  • Step S630 performing a cross operation on multiple target first scheduling information to obtain a cross scheduling population.
  • step S610, step S620 and step S630 may refer to the contents of the corresponding steps in the aforementioned embodiment, and will not be repeated here.
  • Step S640 performing a mutation operation on the cross-scheduling population to obtain a mutated scheduling population.
  • the processing device may perform a mutation operation on the cross-scheduling population to obtain a mutated scheduling population.
  • the cross probability P m of each second scheduling information can be calculated according to the following formula.
  • ⁇ is the maximum mutation probability (constant)
  • Iter is the number of current iterations
  • f2 is the fitness of each second scheduling information.
  • Step S650 Obtain third scheduling information according to the mutated scheduling population.
  • the processing device can perform a variable neighborhood search on the variant scheduling population to obtain the third scheduling information, perform a mutation operation on the cross scheduling population to obtain the variant scheduling population, increase the search space of the variant scheduling population, avoid the variant scheduling population from falling into the local optimal solution, and perform a variable neighborhood search on the variant scheduling population so that the third scheduling information has the global optimality relative to the variant scheduling population.
  • the process of the processing device performing a variable neighborhood search on the variant scheduling population can refer to the contents of the corresponding steps in the aforementioned embodiment, which will not be repeated here.
  • the processing device may determine whether an iteration termination condition is satisfied.
  • Step S660 Output fourth scheduling information according to the first scheduling time and the third scheduling time.
  • step S660 can refer to the contents of the corresponding steps in the above embodiments, which will not be repeated here.
  • the processing device when the processing device determines that the iteration termination condition is met, the processing device can output the fourth scheduling information according to the first scheduling time and the third scheduling time, thereby outputting the fourth scheduling information when the iteration termination condition is met, avoiding the algorithm from confining the fourth scheduling information to the local optimum due to premature convergence, and improving the efficiency of the production line.
  • the quality of generating the global optimal solution of the resource scheduling scheme when the processing device determines that the iteration termination condition is met, the processing device can output the fourth scheduling information according to the first scheduling time and the third scheduling time, thereby outputting the fourth scheduling information when the iteration termination condition is met, avoiding the algorithm from confining the fourth scheduling information to the local optimum due to premature convergence, and improving the efficiency of the production line.
  • the processing device when it determines that the iteration termination condition is not met, it can repeatedly perform the step of performing cross operations on multiple target first scheduling information to obtain a cross scheduling population, until it determines that the iteration termination condition is met, and outputs the fourth scheduling information according to the first scheduling time and the third scheduling time.
  • This achieves the repeated iteration of the genetic algorithm and the variable neighborhood search algorithm when it is determined that the iteration termination condition is not met, further avoiding the algorithm from confining the fourth scheduling information to the local optimum due to premature convergence, and further improving the generation quality of the global optimal solution for the production line resource scheduling plan.
  • the method for scheduling production line resources may include steps S701 to S710 .
  • Step S702 Initialize the population.
  • an initial scheduling population of Popsize is generated according to random initialization.
  • the first scheduling time of each first scheduling information in the initial scheduling population is calculated according to the scheduling time minimum function and the scheduling path, that is, the individual fitness of each first scheduling information.
  • 0.25 Popsize of the first scheduling information is selected to form a cross pool.
  • the chromosome individuals that meet the crossover probability in the crossover pool are crossovered according to the crossover strategy, and the crossover probability P c and mutation probability P m of each individual are updated.
  • Step S706 mutation operation.
  • the individuals obtained by crossover that meet the mutation probability are mutated according to the mutation strategy.
  • Step S707 Determine the critical scheduling path of the variant individual.
  • the critical scheduling path can be determined based on the production line resource information.
  • Step S708 Determine the current variable neighborhood search operator.
  • variable neighborhood search operators which are randomly arranged, and the variable neighborhood search operator ranked first is determined as the first variable neighborhood search operator, and the first variable neighborhood search operator is determined as the current variable neighborhood search operator, and the variable neighborhood search operator ranked in the middle is determined as the second variable neighborhood search operator, and the variable neighborhood search operator ranked at the end is determined as the third variable neighborhood search operator.
  • Step S709 Generate neighborhood solution individuals.
  • variable neighborhood search is performed on the mutated individuals according to the critical scheduling path to obtain the neighborhood solution individuals.
  • Step S710 Calculate the neighborhood solution individual fitness of the neighborhood solution individual.
  • the neighborhood solution individual fitness of the neighborhood solution individual is calculated according to the scheduling time minimum function.
  • Step S711 Determine whether the neighborhood solution individual is improved compared to the mutated individual based on the fitness of the neighborhood solution individual.
  • the fitness of the mutant individual is calculated according to the minimum scheduling time function, and whether the neighborhood solution individual is improved compared with the mutant individual is determined according to the fitness of the mutant individual and the fitness of the neighborhood solution individual.
  • the cross module 830 may include a second construction submodule, a second determination submodule, and a cross submodule.
  • the second construction submodule can be used to construct a crossover pool based on a preset selection algorithm and an initial scheduling population.
  • the crossover pool may include multiple target first scheduling information.
  • the second determination submodule can be used to determine the crossover probability of each target first scheduling information.
  • the crossover submodule can be used to perform a crossover operation on the target first scheduling information whose crossover probability is greater than the crossover probability threshold to obtain a crossover scheduling population.
  • each target first scheduling information may include a set of first production task information, first production equipment information and first automatic guided vehicle information
  • the intersection submodule may include a first selection unit, a first construction unit and a first intersection unit.
  • the first selection unit can be used to select target first production task information, target first production equipment information and target first automatic guided vehicle information whose crossover probability is greater than a crossover probability threshold from multiple target first scheduling information; the first construction unit can be used to construct the first chromosome and the second chromosome based on the target first production task information, the target first production equipment information and the target first automatic guided vehicle information; the first crossing unit can be used to cross the different target first production task information, target first production equipment information and target first automatic guided vehicle information contained in the first chromosome and the second chromosome to obtain a crossover scheduling population.
  • each target first scheduling information may include a set of first production task information, first production equipment information and first automatic guided vehicle information
  • the intersection submodule may also include a second selection unit, a second construction unit, a generation unit and a second intersection unit.
  • the second selection unit can be used to select target first production task information, target first production equipment information and target first automatic guided vehicle information with a crossover probability greater than a crossover probability threshold from multiple target first scheduling information; the second construction unit can be used to construct the third chromosome and the fourth chromosome based on the target first production task information, the target first production equipment information and the target first automatic guided vehicle information; the generation unit can be used to randomly generate a random number for the third chromosome to obtain the fifth chromosome; the second crossover unit can be used to cross different target first production task information, target first production equipment information and target first automatic guided vehicle information contained in the fifth chromosome and the fourth chromosome to obtain a crossover scheduling population.
  • each second scheduling information may include a set of second production task information, second production equipment information, and second automated guided vehicle information
  • the obtaining module 840 may include a determining submodule and a searching submodule.
  • the third determination unit can be used to determine multiple task paths based on the operation sequence of multiple production tasks, and each task path can include the same starting production task and ending production task; the fourth determination unit can be used to determine the task path duration of each task path based on the task node duration of each production task; the third selection unit can be used to select the task path corresponding to the longest task path duration from multiple task paths as the critical scheduling path.
  • the search unit may be configured to search each set of second production task information, second production equipment information, and second automated guided vehicle information according to a critical scheduling path based on a preset search operator to generate first neighborhood solution scheduling information, where the first neighborhood solution scheduling information may include a set of fourth production task information, fourth production equipment information, and fourth automated guided vehicle information;
  • the fifth determination unit can be used to determine the first neighborhood de-scheduling time of the first neighborhood de-scheduling information;
  • the update unit can be used to update the corresponding second scheduling information to the first neighborhood de-scheduling information when it is determined that the first neighborhood de-scheduling time is less than the second scheduling time;
  • the repeated execution unit can be used to repeatedly execute the step of searching each group of second production task information, second production equipment information and second automatic guided vehicle information according to the critical scheduling path to generate the first neighborhood de-scheduling information, until it is determined that the first neighborhood de-scheduling time is greater than or equal to the second scheduling time, and the corresponding first neighborhood de-schedul
  • the first determination subunit can be used to determine whether the current search times have reached the preset times when it is determined that the second neighborhood descheduling time is greater than or equal to the second scheduling time; the second determination subunit can be used to determine the target sub-preset search operator for the next search times when it is determined that the current search times have not reached the preset times; the update subunit can be used to update the preset search operator to the target sub-preset search operator, and update the second scheduling information to the second neighborhood descheduling information; the repeated execution subunit can be used to repeatedly execute the steps of searching each group of second production task information, second production equipment information and second automatic guided vehicle information according to the critical scheduling path based on the preset search operator to generate the first neighborhood descheduling information, until it is determined that the current search times have reached the preset times, and the second neighborhood descheduling information corresponding to the current search times is determined as the third scheduling information.
  • the production line resource scheduling device 800 may further include a variation module.
  • the mutation module may be configured to perform a mutation operation on the cross-scheduling population to obtain a mutated scheduling population before the obtaining module 840 obtains the third scheduling information based on the cross-scheduling population.
  • the production line resource scheduling device 800 may further include a condition determination module.
  • the condition determination module may be used to determine whether an iteration termination condition is satisfied before the output module 850 outputs the fourth scheduling information according to the first scheduling time and the third scheduling time.
  • the output submodule may be configured to output fourth scheduling information according to the first scheduling time and the third scheduling time when it is determined that the iteration termination condition is satisfied.
  • the production line resource scheduling device 800 may further include a repeated execution module.
  • the solution provided in this embodiment generates an initial scheduling population based on production line resource information.
  • the initial scheduling population includes multiple first scheduling information, and determines the first scheduling time of each first scheduling information based on the production line resource information, and performs cross-operation on multiple target first scheduling information to obtain a cross-scheduling population.
  • the cross-scheduling population includes multiple second scheduling information, and obtains third scheduling information based on the cross-scheduling population.
  • the third scheduling time of the third scheduling information is less than the second scheduling time of the second scheduling information, and outputs fourth scheduling information based on the first scheduling time and the third scheduling time.
  • the fourth scheduling information is the scheduling information corresponding to the minimum scheduling time between the first scheduling time and the third scheduling time.
  • the memory 910 may include random access memory (RAM) or read-only memory (ROM).
  • the memory 910 may be used to store instructions, programs, codes, code sets, or instruction sets.
  • the memory 910 may include a program storage area and a data storage area, wherein the program storage area may store instructions for implementing an operating system, instructions for implementing at least one function (such as generating an initial scheduling population, determining a first scheduling time, crossover operation, obtaining a crossover scheduling population, obtaining third scheduling information, outputting fourth scheduling information, constructing a scheduling time minimum function, determining a first scheduling path, calculating a first scheduling time, encoding, obtaining a coding table, decoding, searching a scheduling path matrix, obtaining a first scheduling path, constructing a crossover pool, determining a crossover probability, determining a critical scheduling path, generating first neighborhood descheduling information, determining a first neighborhood descheduling time, determining that the first neighborhood descheduling time is less than a second scheduling time, updating second scheduling information, repeat
  • the storage data area can also store data created by the electronic device 900 during use (such as production line resource information, initial scheduling population, first scheduling information, first scheduling time, second scheduling information, target first scheduling information, cross scheduling population, second scheduling information, third scheduling time, third scheduling time, second scheduling time, fourth scheduling information, minimum scheduling time, scheduling time minimum function, scheduling path, scheduling time, corresponding relationship, first scheduling path, preset encoding rule, encoding table, preset decoding rule, preset selection algorithm, cross pool, cross probability, cross probability threshold, critical scheduling path, preset search operator, first neighborhood descheduling information, first neighborhood descheduling time, second neighborhood descheduling time, second neighborhood descheduling information, sub-preset search operator, current search number, preset number, next search number, target sub-preset search operator, mutation scheduling population and iteration termination condition), etc.
  • data created by the electronic device 900 during use such as production line resource information, initial scheduling population, first scheduling information, first scheduling time, second scheduling information, target first scheduling information, cross scheduling population, second scheduling information,
  • the processor 920 may include one or more processing cores.
  • the processor 920 uses various interfaces and lines to connect various parts of the entire electronic device 900, and executes various functions of the electronic device 900 and processes data by running or executing instructions, programs, code sets or instruction sets stored in the memory 910, and calling data stored in the memory 910.
  • the processor 920 can use digital signal processing (DSP), field programmable gate array (FPGA), programmable logic array
  • DSP digital signal processing
  • FPGA field programmable gate array
  • PDA Programmable Logic Array
  • the processor 920 may integrate one or a combination of a central processing unit (CPU), a graphics processing unit (GPU), and a modem.
  • the computer-readable storage medium 1000 may be an electronic memory such as a flash memory, an EEPROM (Electrically Erasable Programmable Read-Only Memory), an EPROM, a hard disk, or a ROM.
  • the computer-readable storage medium 1000 includes a non-transitory computer-readable storage medium.
  • the computer-readable storage medium 1000 has storage space for program code 1010 for executing any of the method steps of the above-described method. Such program code may be read from or written to one or more computer program products.
  • the program code 1010 may be compressed, for example, in a suitable form.
  • the solution provided in this embodiment generates an initial scheduling population based on production line resource information, the initial scheduling population includes multiple first scheduling information, and the first scheduling time of each first scheduling information is determined based on the production line resource information, and a cross-operation is performed on the multiple target first scheduling information to obtain a cross-scheduling population, the cross-scheduling population includes multiple second scheduling information, and third scheduling information is obtained based on the cross-scheduling population, the third scheduling time of the third scheduling information is less than the second scheduling time of the second scheduling information, and fourth scheduling information is output based on the first scheduling time and the third scheduling time, and the fourth scheduling information is the scheduling information corresponding to the minimum scheduling time between the first scheduling time and the third scheduling time.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Physiology (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种产线资源的调度方法、调度装置、电子设备及存储介质，该方法包括根据产线资源信息生成初始调度种群，初始调度种群包括多个第一调度信息；根据产线资源信息确定每个第一调度信息的第一调度时间；对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群包括多个第二调度信息；根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间小于第二调度信息的第二调度时间；根据第一调度时间及第三调度时间，输出第四调度信息。本方法实现了在自动化生产过程中基于对根据产线资源信息生成的初始调度种群进行交叉处理，自动生成产线资源的调度方案，提高了自动化生产过程的生产效率。

Description

产线资源的调度方法、调度装置、电子设备及存储介质
本申请要求于2024年03月28日在中国专利局提交的、申请号为202410369764.1、发明名称为“产线资源的调度方法、调度装置、电子设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请属于生产调度技术领域，尤其涉及一种产线资源的调度方法、调度装置、电子设备及存储介质。
背景技术
在自动化生产过程中，涉及各种产线资源调度，例如，生产设备、自动导向车(Automated Guided Vehicle，AGV)以及生产任务等调度，产线资源的调度方案对于生产效率有着至关重要的影响。
目前，在自动化生产过程中，产线资源的调度方案主要由生产人员根据产线资源参数人工制定。然而，在产线资源参数较多的情况下，生产人员需要花费大量的时间制定产线资源的调度方案，导致自动化生产过程的生产效率降低。
申请内容
有鉴于此，本申请实施例提供了一种产线资源的调度方法、调度装置、电子设备及存储介质，以解决以上现有技术的问题。
技术解决方案
本申请实施例采用的技术方案是：
第一方面，本申请实施例提供了一种产线资源的调度方法，包括：
根据产线资源信息生成初始调度种群，初始调度种群包括多个第一调度信息；
根据产线资源信息确定每个第一调度信息的第一调度时间；
对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群包括多个第二调度信息；
根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间小于第二调度信息的第二调度时间；
根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息为第一调度时间和第三调度时间中的最小调度时间对应的调度信息。
其中，在一些可选实施例中，根据产线资源信息确定每个第一调度信息的第一调度时间，包括：
构建调度产线资源的调度时间最小函数，调度时间最小函数用于表征调度产线资源的调度路径与调度产线资源的调度时间的对应关系；
确定每个第一调度信息的第一调度路径；
根据调度时间最小函数及第一调度路径，计算每个第一调度信息的第一调度时间。
其中，在一些可选实施例中，每个第一调度信息包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，确定每个第一调度信息的第一调度路径，包括：
基于预设编码规则分别对每组第一生产任务信息、第一生产设备信息及第一自动导向车信息进行编码，得到编码表，编码表包括多个生产任务编码、多个生产设备编码及多个自动导向车编码；
基于预设解码规则对编码表进行解码，得到调度路径矩阵，调度路径矩阵包括多个调度路径，每个调度路径的矩阵排序信息与一个自动导向车编码关联；
根据每个自动导向车信息的自动导向车编码，查找调度路径矩阵，得到第一调度路径。
其中，在一些可选实施例中，基于预设编码规则分别对每组第一生产任务信息、第一生产设备信息及第一自动导向车信息进行编码，得到编码表，包括：
根据每组第一生产任务信息对应的生产任务的操作顺序，对每组第一生产任务信息进行编码，得到一个生产任务编码；
根据每组第一生产设备信息对应的生产设备的设备选择顺序，对每组第一生产设备信息进行编码，得到一个生产设备编码；
根据每组第一自动导向车信息对应的自动导向车的运输顺序，对每组第一自动导向车信息进行编码，得到一个自动导向车编码；
基于多个生产任务编码、多个生产设备编码及多个自动导向车编码生成编码表。
其中，在一些可选实施例中，基于预设解码规则对编码表进行解码，得到调度路径矩阵，包括：
根据多个自动导向车编码，构建自动导向车阵列；
根据多个生产任务编码，构建生产任务阵列；
根据多个生产设备编码，构建生产设备阵列；
根据每个自动导向车编码，对生产任务阵列及生产设备阵列进行遍历，生成调度路径矩阵。
其中，在一些可选实施例中，根据每个自动导向车编码，对生产任务阵列及生产设备阵列进行遍历，生成调度路径矩阵，包括：
确定每个自动导向车编码的排列索引号；
根据每个排列索引号对生产任务阵列中的每个生产任务编码及生产设备阵列的每个生产设备编码进行遍历，得到调度路径矩阵。
其中，在一些可选实施例中，根据调度时间最小函数及第一调度路径，计算每个第一调度信息的第一调度时间，包括：
根据每个第一调度路径确定对应的一个目标生产任务编码；
确定每个目标生产任务编码的运输时长和生产时长，运输时长用于表征自动导向车运输目标生产任务编码对应的目标生产任务的时长，生产时长用于表征生产设备生产目标生产任务的时长；
根据调度时间最小函数及每个目标生产任务编码的运输时长和生产时长，计算每个第一调度信息的第一调度时间。
其中，在一些可选实施例中，对多个目标第一调度信息进行交叉操作，得到交叉调度种群，包括：
根据预设选择算法及初始调度种群，构建交叉池，交叉池包括多个目标第一调度信息；
确定每个目标第一调度信息的交叉概率；
对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群。
其中，在一些可选实施例中，每个目标第一调度信息包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群，包括：
从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息；
根据目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息构建第一染色体和第二染色体；
对第一染色体和第二染色体中包含的不同的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息进行交叉，得到交叉调度种群。
其中，在一些可选实施例中，每个目标第一调度信息包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群，包括：
从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息；
根据目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息构建第三染色体和第四染色体；
对第三染色体随机生成一个随机数，得到第五染色体；
对第五染色体和第四染色体中包含的不同的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息进行交叉，得到交叉调度种群。
其中，在一些可选实施例中，每个第二调度信息包括一组第二生产任务信息、第二生产设备信息及第二自动导向车信息，根据交叉调度种群得到第三调度信息，包括：
根据产线资源信息确定关键调度路径；
根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，得到第三调度信息，第三调度信息包括一组第三生产任务信息、第三生产设备信息及第三自动导向车信息。
其中，在一些可选实施例中，产线资源信息至少包括多个生产任务，根据产线资源信息确定关键调度路径，包括：
根据多个生产任务的操作顺序，确定多条任务路径，每条任务路径包括相同的起始生产任务和终止生产任务；
根据每个生产任务的任务节点时长，确定每条任务路径的任务路径时长；
从多条任务路径中选取最长任务路径时长对应的任务路径，作为关键调度路径。
其中，在一些可选实施例中，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，得到第三调度信息，包括：
基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息，第一邻域解调度信息包括一组第四生产任务信息、第四生产设备信息及第四自动导向车信息；
确定第一邻域解调度信息的第一邻域解调度时间；
在确定第一邻域解调度时间小于第二调度时间的情况下，将对应的第二调度信息更新为第一邻域解调度信息；
重复执行根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定第一邻域解调度时间大于或者等于第二调度时间的情况下，将对应的第一邻域解调度时间确定为第二邻域解调度时间；
将第二邻域解调度时间对应的第二邻域解调度信息确定为第三调度信息。
其中，在一些可选实施例中，预设搜索算子包括多个子预设搜索算子，每个子预设搜索算子关联一个搜索次数，将第二邻域解调度时间对应的第二邻域解调度信息确定为第三调度信息，包括：
在确定第二邻域解调度时间大于或者等于第二调度时间的情况下，确定当前搜索次数是否达到预设次数；
在确定当前搜索次数未达到预设次数的情况下，确定下一搜索次数的目标子预设搜索算子；
将预设搜索算子更新为目标子预设搜索算子，并将第二调度信息更新为第二邻域解调度信息；
重复执行基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定当前搜索次数达到预设次数的情况下，将该当前搜索次数对应的第二邻域解调度信息确定为第三调度信息。
其中，在一些可选实施例中，根据交叉调度种群得到第三调度信息之前，产线资源的调度方法，还包括：
对交叉调度种群进行变异操作，得到变异调度种群；
根据交叉调度种群得到第三调度信息，包括：
根据变异调度种群得到第三调度信息。
其中，在一些可选实施例中，根据第一调度时间及第三调度时间，输出第四调度信息之前，产线资源的调度方法，还包括：
确定是否满足迭代终止条件；
根据第一调度时间及第三调度时间，输出第四调度信息，包括：
在确定满足迭代终止条件的情况下，根据第一调度时间及第三调度时间，输出第四调度信息。
其中，在一些可选实施例中，产线资源的调度方法，还包括：
在确定未满足迭代终止条件的情况下，重复执行对多个目标第一调度信息进行交叉操作，得到交叉调度种群的步骤，直至在确定满足迭代终止条件的情况下，根据第一调度时间及第三调度时间，输出第四调度信息的步骤。
第二方面，本申请实施例提供了一种产线资源的调度装置，包括：
生成模块，用于根据产线资源信息生成初始调度种群，初始调度种群包括多个第一调度信息；
时间确定模块，用于根据产线资源信息确定每个第一调度信息的第一调度时间；
交叉模块，用于对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群包括多个第二调度信息；
得到模块，用于根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间小于第二调度信息的第二调度时间；
输出模块，用于根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息为第一调度时间和第三调度时间中的最小调度时间对应的调度信息。
第三方面，本申请实施例提供了一种电子设备，包括：
存储器；
一个或者多个处理器，与存储器耦接；
一个或者多个应用程序，其中，一个或者多个应用程序被存储在存储器中并被配置为由一个或者多个处理器执行，一个或者多个应用程序配置用于执行如上述第一方面提供的产线资源的调度方法。
第四方面，本申请实施例提供了一种计算机可读取存储介质，计算机可读取存储介质中存储有程序代码，程序代码可被处理器调用执行如上述第一方面提供的产线资源的调度方法。
第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品在计算机设备上运行时，使得计算机设备执行如上述第一方面提供的产线资源的调度方法。
有益效果
本申请实施例提供的第一方面的有益效果在于：在自动化生产过程中基于对根据产线资源信息生成的初始调度种群进行交叉处理，自动生成产线资源的调度方案，相较于人工根据产线资源信息制定调度方案花费的时间，根据产线资源信息自动生成调度方案花费的时间较短，提高了自动化生产过程的生产效率。
可以理解的是，本申请的第二方面至第五方面的有益效果可以参见本申请第一方面的相关描述，在此不再赘述。
附图说明
通过阅读对下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在全部附图中，用相同的附图标号表示相同的部件。在附图中：
图1示出了本申请实施例提供的产线资源的调度方法的一种流程示意图。
图2示出了本申请实施例提供的产线资源的调度方法中的一种编码场景示意图。
图3示出了本申请实施例提供的产线资源的调度方法中解码方法的一种流程示意图。
图4示出了本申请实施例提供的产线资源的调度方法中的POX交叉操作过程的一种流程示意图。
图5示出了本申请实施例提供的产线资源的调度方法中的POX交叉操作过程的一种场景示意图。
图6示出了本申请实施例提供的产线资源的调度方法中的RPX交叉操作过程的一种流程示意图。
图7示出了本申请实施例提供的产线资源的调度方法中的RPX交叉操作过程的一种场景示意图。
图8示出了本申请实施例提供的产线资源的调度方法中的关键调度路径确定方法的一种流程示意图。
图9示出了本申请实施例提供的产线资源的调度方法的另一种流程示意图。
图10示出了本申请实施例提供的产线资源的调度方法的一种场景流程示意图。
图11示出了本申请实施例提供的产线资源的调度装置的一种结构框图。
图12示出了本申请实施例提供的电子设备的一种功能框图。
图13示出了本申请实施例提供的用于保存或者携带实现根据本申请实施例提供的产线资源的调度方法的程序代码的计算机可读取存储介质。
图14示出了本申请实施例提供的用于保存或者携带实现根据本申请实施例提供的产线资源的调度方法的程序代码的计算机程序产品。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它工况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在自动化生产过程中，涉及各种产线资源调度，例如，生产设备、自动导向车(Automated Guided Vehicle，AGV)以及生产任务等调度，产线资源的调度方案对于生产效率有着至关重要的影响。
目前，在自动化生产过程中，产线资源的调度方案主要由生产人员根据产线资源参数人工制定。然而，在产线资源参数较多的情况下，生产人员需要花费大量的时间制定产线资源的调度方案，导致自动化生产过程的生产效率降低。
针对上述问题，本申请实施例提供的产线资源的调度方法、调度装置、电子设备及存储介质，根据产线资源信息生成初始调度种群，初始调度种群包括多个第一调度信息，并根据产线资源信息确定每个第一调度信息的第一调度时间，并对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群包括多个第二调度信息，并根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间小于第二调度信息的第二调度时间，以及根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息为第一调度时间和第三调度时间中的最小调度时间对应的调度信息。
本申请实现了在自动化生产过程中基于对根据产线资源信息生成的初始调度种群进行交叉处理，自动生成产线资源的调度方案，相较于人工根据产线资源信息制定调度方案花费的时间，根据产线资源信息自动生成调度方案花费的时间较短，提高了自动化生产过程的生产效率。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供的产线资源的调度方法可以应用于处理设备，处理设备可以包括但不限于服务器或者终端设备等中的任一种。
服务器可以包括但不限于独立的物理服务器、多个物理服务器构成的服务器集群或者 分布式系统以及云服务器等。
终端设备可以包括但不限于移动终端设备(例如，手机、掌上电脑(Personal Digital Assistant，PDA)、平板电脑(Tablet Personal Computer，Tablet PC)、笔记本电脑、智能手表、智能手环等)以及固定终端设备(例如，台式计算机、智能面板、电脑一体机等)等。
请参阅图1，其示出了本申请一个实施例提供的产线资源的调度方法的流程图。在具体的实施例中，产线资源的调度方法可以应用于处理设备，下面将以处理设备为例，对图1所示的流程进行详细阐述，产线资源的调度方法可以包括以下步骤S110至步骤S150。
步骤S110：根据产线资源信息生成初始调度种群。
在本申请实施例中，在生产人员需要对产线资源进行调度的情况下，可以发送调度指令至处理设备，处理设备接收并响应调度指令，获取产线资源信息，并根据产线资源信息生成初始调度种群。
其中，产线资源信息可以包括但不限于多个第一生产设备信息、多个第一AGV信息以及多个第一生产任务信息等。初始调度种群可以包括多个第一调度信息，每个第一调度信息用于表征对生产设备、AGV以及生产任务进行调度的信息，每个第一调度信息由一组第一生产设备信息、第一AGV信息以及第一生产任务信息组成。
在一些实施方式中，在生产人员需要对产线资源进行调度的情况下，可以发送调度指令至处理设备，处理设备接收并响应调度指令，获取多个第一生产设备信息、多个第一AGV信息以及多个第一生产任务信息，随机将多个第一生产设备信息、多个第一AGV信息以及多个第一生产任务信息进行组合成为多个第一调度信息，得到初始调度种群。
在一些实施方式中，在生产人员需要对产线资源进行调度的情况下，可以发送调度指令至处理设备，处理设备接收并响应调度指令，通过网络发送获取指令至预存有产线资源信息的服务平台，服务平台接收并响应获取指令，通过网络发送产线资源信息至处理设备，处理设备接收服务平台返回的产线资源信息。
其中，网络可以包括但不限于紫蜂(ZigBee)网络、蓝牙(Bluetooth，BT)网络、无线保真(Wireless Fidelity，Wi-Fi)网络、家庭物联网通讯协定技术(Thread)网络、远距离无线电(Long Range Radio，LoRa)网络、低功率广域网络(Low-Power Wide-Area Network，LPWAN)、红外网络、窄带物联网(Narrow Band Internet of Things，NB-IoT)、控制器局域网络(Controller Area Network，CAN)、数字生活网络联盟(Digital Living Network Alliance，DLNA)网络、广域网(Wide Area Network，WAN)、局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)或者无线个人局域网(Wireless Personal Area Network，WPAN)等中的任一种。
服务平台可以包括但不限于独立的物理平台，多个物理平台构成的平台集群或者分布式系统，提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、大数据或者人工智能平台等基础云计算服务的云平台等中的任一种。
在一些实施方式中，在生产人员需要对产线资源进行调度的情况下，可以发送调度指令至处理设备，处理设备接收并响应调度指令，生成提示信息，并接收生产人员根据提示信息上传的产线资源信息。
其中，提示信息可以用于提示生产人员上传产线资源信息至处理设备，第一提示信息 可以包括但不限于声音提示信息、灯光提示信息或者文字提示信息等中的至少任一种。
在一些实施方式中，处理设备可以预先存储有产线资源信息，在生产人员需要对产线资源进行调度的情况下，可以发送调度指令至处理设备，处理设备接收并响应调度指令，读取预先存储的产线资源信息。
在一些实施方式中，处理设备可以设置有输入面板，在生产人员需要对产线资源进行调度的情况下，可以于处理设备的输入面板输入调度指令，例如可以于输入面板手写输入调度指令，又例如可以于输入面板按键输入调度指令，处理设备通过输入面板接收调度指令。
在一些实施方式中，处理设备可以设置有语音识别模块，在生产人员需要对产线资源进行调度的情况下，可以于语音识别模块的语音采集范围内发送语音信息，语音识别模块对生产人员发出的语音信息进行采集，并对采集到的语音信息进行语音识别，并根据语音识别的识别结果，确定识别结果中包含用于指示处理设备对产线资源进行调度的关键词的情况下，例如，关键词为“产线资源调度”，又例如，关键词为“产线资源”和“调度”等，则确定接收到对产线资源进行调度的调度指令。
作为一种示例，用户发出的语音信息为：对产线资源进行调度，则语音识别的识别结果中包含关键词“产线资源”和“调度”，则确定接收到对产线资源进行调度的调度指令。
在一些实施方式中，在生产人员需要对产线资源进行调度的情况下，可以发送调度指令至处理设备关联的用户客户端，用户客户端接收并响应调度指令，通过网络转发调度指令至处理设备，处理设备接收用户客户端转发的调度指令。
其中，用户客户端可以包括但不限于移动客户端(例如，手机客户端、PDA客户端、Tablet PC客户端、笔记本电脑客户端、智能手表客户端、智能手环客户端或者可穿戴客户端等中的任一种)或者固定客户端(例如，台式计算机客户端、智能面板客户端等)等中的任一种。
步骤S120：根据产线资源信息确定每个第一调度信息的第一调度时间。
在本申请实施例中，处理设备可以基于遗传算法根据产线资源信息确定每个第一调度信息的第一调度时间。其中，第一调度时间可以用于表征初始调度种群的适应度。
具体地，处理设备可以基于遗传算法构建调度产线资源的调度时间最小函数，并确定每个第一调度信息的第一调度路径，并根据调度时间最小函数及第一调度路径，计算每个第一调度信息的第一调度时间，实现了基于调度产线资源的调度路径和调度时间构建遗传算法的适应度函数，简化了适应度函数的构建过程，降低了遗传算法的个体适应度的计算复杂度。
其中，调度时间最小函数可以用于表征调度产线资源的调度路径与调度产线资源的调度时间的对应关系。
处理设备可以基于预设编码规则分别对每组第一生产任务信息、第一生产设备信息及第一AGV信息进行编码，得到编码表，并基于预设解码规则对编码表进行解码，得到调度路径矩阵，以及根据每个AGV信息的AGV编码，查找调度路径矩阵，得到第一调度路径，实现了基于预设编码规则将产线资源信息编码成编码表，并基于预设解码规则对编码表进行解码，得到第一调度路径，简化了第一调度路径的计算过程。
其中，编码表可以包括多个生产任务编码、多个生产设备编码及多个AGV编码，调度路径矩阵可以包括多个调度路径，每个调度路径的矩阵排序信息可以与一个AGV编码关联。
在一种应用场景中，产线资源信息可以包括多个生产设备、多个AGV以及多个生产任务。
可以预先定义变量：
xija表示第a辆AGV是否负责从生产任务i运输到生产任务j，xija＝1表示第a辆AGV负责从生产任务i运输到生产任务j，xija＝0表示第a辆AGV不负责从生产任务i运输到生产任务j，生产任务j为生产任务i的下一个任务；
ylj表示生产设备l是否被分配到生产任务j，ylj＝1表示生产设备l被分配到生产任务j，ylj＝0表示生产设备l未被分配到生产任务j；
tija表示第a辆AGV从生产任务i运输到生产任务j所需的时间；
slj表示生产设备l完成任务j所需的时间。
构建调度时间最小函数为
约束条件为：
表示对于任意的生产任务i，所有的AGV中只有一辆AGV被分配到生产任务j；
在AGV装载有产品的情况下，dij表示任务i与任务j之间的距离，vload表示AGV装载了产品从任务i运输到任务j的运输速度；
在AGV空载的情况下，dij表示任务i与任务j之间的距离，vunload表示AGV空载从任务i运输到任务j的运输速度；
表示任意的生产任务j只会分配给到一个生产设备l上。
每个第一调度信息可以包括一组第一生产设备信息、第一AGV信息以及第一生产任务信息。
预设编码规则可以为三维编码。可以根据每组第一生产任务信息对应的生产任务的操作顺序，对每组第一生产任务信息进行编码，得到一个生产任务编码(Operate Sequence，OS编码)，并根据每组第一生产设备信息对应的生产设备的设备选择顺序，对每组第一生产设备信息进行编码，得到一个生产设备编码(Machine Sequence，MS编码)，并根据每组第一AGV信息对应的AGV的运输顺序，对每组第一AGV信息进行编码，得到一个AGV编码(Route Sequence，RS编码)，以及基于多个OS编码、多个MS编码及多个RS编码生成编码表。
如图2所示，其示出了编码表的一种场景示意图，编码表中的OS编码、MS编码及RS编码，分别从左往右读取。
OS编码中第一行的数字I第J次出现，数字I表示第I个生产任务，J表示第I个生产任务的第J个步骤，记为OIJ。例如，O12表示第一个生产任务的第二个步骤。
MS编码中的第一行的数字K，表示生产设备序号，记为MK。例如，M3表示第三台生产设备。
RS编码中的第一行的数字L，表示AGV编号，记为AL。例如，A1表示第一辆AGV。
OS编码的排列索引号、MS编码的排列索引号及RS编码的排列索引号均一一对应。例如，O12、M3与A1对应，表示第一辆AGV将第一个生产任务对应的产品搬运至第三台生产设备进行第二个生产步骤。
如图3所示，基于预设解码规则对编码表进行解码的过程可以包括步骤S201至步骤S204。
步骤S201：根据多个RS编码，构建AGV阵列Inx。
具体地，对RS编码从左至右，将相同的AGV编号进行划分提取下标(排列索引号)，得到AGV阵列Inx。
其中，Inx(r，:)(矩阵Inx的第r行)表示第r辆AGV在RS编码中的排列索引集合。
得到：
步骤S202：根据多个OS编码，构建生产任务阵列J。
具体地，根据多个OS编码，初始化和AGV阵列Inx同等大小的生产任务矩阵J。
其中，生产任务阵列J和AGV阵列Inx的关系为：J(r，n)＝OS(Inx(r，n))，n为矩阵J的第r行的元素的序号。
例如，J(1，2)＝OS(Inx(1，2))＝OS(3)，OS(3)中的3表示OS编码的索引号为3。
J(2，2)＝OS(Inx(2，2))＝OS(4)，OS(4)中的4表示OS编码的索引号为4。
步骤S203：根据多个MS编码，构建生产设备阵列RM。
具体地，根据多个MS编码，初始化和AGV阵列Inx同等大小的生产设备阵列RM。
其中，生产设备阵列RM和AGV阵列Inx的关系为：RM(r，n)＝MS(Inx(r，n))。
例如，RM(1，2)＝MS(Inx(1，2))＝MS(3)，MS(3)中的3表示MS编码的索引号为3。
得到：
步骤S204：根据每个RS编码，对生产任务阵列J及生产设备阵列RM进行遍历，生成调度路径矩阵Res。
具体地，可以确定每个RS编码的排列索引号，并根据每个排列索引号对生产任务阵列J中的每个OS编码及生产设备阵列RM的每个MS编码进行遍历，得到调度路径矩阵Res。
作为一种示例，初始设置r＝1，从左至右读取RM(r，:)，每读取RM(r，:)的一个元素，将RM(r，n)对应元素插入Res(r，:)，同时读取矩阵J的一列，并判断矩阵J中列的数字n是否出现过，若出现过则记录位置m，在Res(r，m-1)位置处插入上一个n对应的生成设备编号，即代表空载路径，直至RM的第r行遍历完成。
例如，第一辆AGV在遍历J(1，2)时，3已经出现了一次，根据RM可知第三个生产任务的前一个步骤在第二台生产设备上执行，故插入第二台生产设备编号2。
并当r大于AGV数量的情况下，结束解码，并输出Res矩阵，否则将r更新为r+1。
得到：
其中，矩阵Res的行数为r，矩阵Res的元素即为第一调度路径xija。
在一些实施方式中，处理设备可以根据每个第一调度路径确定对应的一个目标生产任务编码，并确定每个目标生产任务编码的运输时长和生产时长，以及根据调度时间最小函数及每个目标生产任务编码的运输时长和生产时长，计算每个第一调度信息的第一调度时 间。
其中，运输时长可以用于表征AGV车运输目标生产任务编码对应的目标生产任务的时长，生产时长可以用于表征生产设备生产目标生产任务的时长。
步骤S130：对多个目标第一调度信息进行交叉操作，得到交叉调度种群。
在本申请实施例中，处理设备可以对多个目标第一调度信息进行交叉操作，得到交叉调度种群。
其中，多个目标第一调度信息包含于多个第一调度信息，即每个目标第一调度信息可以包括一组第一生产任务信息、第一生产设备信息及第一AGV信息。交叉调度种群可以包括多个第二调度信息，每个第二调度信息可以由一组第二生产设备信息、第二AGV信息以及第二生产任务信息组成。
具体地，处理设备可以根据预设选择算法及初始调度种群，构建交叉池，交叉池可以包括多个目标第一调度信息，并确定每个目标第一调度信息的交叉概率，并基于预设交叉算子，对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群，实现了基于预设交叉算子及交叉概率阈值，对多个目标第一调度信息进行交叉得到交叉调度种群，提高了交叉调度种群的种群多样性。
其中，预设选择算法可以为轮盘赌选择算法，可以根据以下公式计算每个目标第一调度信息的交叉概率Pc。
其中，α为最大交叉概率(常量)，f1为每个目标第一调度信息的适应度，fmin为最优目标第一调度信息的适应度，favg为多个目标第一调度信息的平均适应度。
在交叉概率Pc大于交叉概率阈值的情况下，对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群。
作为一种示例，交叉概率阈值可以为0.5，在交叉概率Pc大于0.5的情况下，对该交叉概率Pc对应的目标第一调度信息进行交叉操作，得到交叉调度种群。
预设交叉算子可以包括但不限于优先操作(Precedence Operation Crossover，POX)交叉算子及随机优先操作(Random Precedence Operation，RPX)交叉算子等。
在一些实施方式中，预设交叉算子可以为POX交叉算子，处理设备可以根据预设选择算法及初始调度种群，构建包括多个目标第一调度信息的交叉池，并确定每个第一调度信息的交叉概率，并基于POX交叉算子，对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群，实现了基于优先操作交叉算子及交叉概率阈值，对多个目标第一调度信息进行交叉得到交叉调度种群，提高了交叉调度种群的种群多样性。
具体地，处理设备可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一AGV信息，并根据目标第一生产任务信息、目标第一生产设备信息及目标第一AGV信息构建第一染色体和第二染色体，以及对第一染色体和第二染色体中包含的不同的目标第一生产任务信息、目标第一生产设备信息及目标第一AGV信息进行交叉，得到交叉调度种群。
在一种应用场景中，如图4所示，POX交叉操作过程可以包括步骤S301至步骤S303。
步骤S301：从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生 产任务信息、目标第一生产设备信息及目标第一AGV信息。
步骤S302：根据目标第一生产任务信息及目标第一AGV信息构建第一染色体和第二染色体。
具体地，根据目标第一生产任务信息获取目标OS编码，根据目标第一生产设备信息获取目标MS编码，根据目标第一AGV信息获取目标RS编码，并随机将目标OS编码及目标RS编码划分为两个非空子集，分别记为第一染色体P1和第二染色体P2。
步骤S303：对第一染色体和第二染色体中包含的不同的目标第一生产任务信息及目标第一AGV信息进行交叉，得到交叉调度种群。
具体地，复制P1中目标OS编码部分包含J1的基因、目标MS编码对应的设备以及对应的目标RS编码部分基因到P2，得到C1，并复制P2中目标OS编码部分包含J2的基因、目标MS编码对应的设备以及对应的目标RS编码部分基因到P1，得到C2，如图5所示。
需要说明的是，POX交叉操作过程中，也可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息及目标第一生产设备信息进行交叉，也可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产设备信息及目标第一AGV信息进行交叉，还可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一AGV信息交叉，此处不作限定。
在一些实施方式中，预设交叉算子可以为随机优先操作交叉算子，处理设备可以根据预设选择算法及初始调度种群，构建包括多个目标第一调度信息的交叉池，并确定每个第一调度信息的交叉概率，并基于RPX交叉算子，对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群，实现了基于随机优先操作交叉算子及交叉概率阈值，对多个目标第一调度信息进行交叉得到交叉调度种群，提高了交叉调度种群的种群多样性。
具体地，处理设备可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及第一AGV信息，并根据目标第一生产任务信息、目标第一生产设备信息及第一AGV信息构建第三染色体和第四染色体，并对第三染色体随机生成一个随机数，得到第五染色体，以及对第五染色体和第四染色体中包含的不同的目标第一生产任务信息、目标第一生产设备信息及目标第一AGV信息进行交叉，得到交叉调度种群。
在一种应用场景中，如图6所示，RPX交叉操作过程可以包括步骤S401至步骤S404。
步骤S401：从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产设备信息。
步骤S402：根据目标第一生产设备信息构建第三染色体和第四染色体。
具体地，根据目标第一生产设备信息获取目标MS编码，并随机将目标MS编码划分为两个非空子集，分别记为第三染色体P3和第四染色体P4。
步骤S403：对第三染色体随机生成一个随机数，得到第五染色体。
具体地，第三染色体P3的目标MS编码包含8个MS编码，如8个MS编码为1、2、3、1、1、3、2、3，可以分别对8个MS编码各生成一个随机数，如随机数为0.3、0.4、0.6、0.1、0.5、0.9、0.3和0.7，得到第五染色体P5。
步骤S404：对第五染色体和第四染色体中包含的不同的目标第一生产设备信息进行交 叉，得到交叉调度种群。
具体地，复制P5中目标MS编码部分包含J1的基因到P4，得到C3，并复制P4中目标MS编码部分包含J2的基因到P5，得到C4，如图7所示。
需要说明的是，RPX交叉操作过程中，也可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息进行交叉，还可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一AGV信息进行交叉，还可以从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一AGV信息中任意选取至少两个进行交叉，此处不作限定。
步骤S140：根据交叉调度种群得到第三调度信息。
在本申请实施例中，处理设备可以对交叉调度种群进行搜索，得到第三调度信息。
其中，搜索方式可以为变邻域搜索方式，第三调度信息的第三调度时间可以小于第二调度信息的第二调度时间，表示第三调度信息的适应度小于第二调度信息的适应度。
具体地，处理设备可以根据产线资源信息确定关键调度路径，并根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二AGV信息进行搜索，得到第三调度信息，实现了基于对关键调度路径的邻域解进行搜索，得到第三调度信息，使得第三调度信息在关键调度路径上具有全局最优。
其中，第三调度信息可以包括一组第三生产任务信息、第三生产设备信息及第三AGV信息。
产线资源信息可以至少包括多个生产任务，处理设备可以根据多个生产任务的操作顺序，确定多条任务路径，并根据每个生产任务的任务节点时长，确定每条任务路径的任务路径时长，以及从多条任务路径中选取最长任务路径时长对应的任务路径，作为关键调度路径，每条任务路径可以包括相同的起始生产任务和终止生产任务。
在一种应用场景中，如图8所示，关键调度路径确定方法包括可以包括步骤S501至步骤S504。
步骤S501：基于生产设备信息及生产任务信息确定起始节点0和终止节点0’。
步骤S502：解码OS编码及MS编码得到各生产设备的处理任务步骤及任务步骤对应的处理时间。
步骤S503：对同一生产设备处理的生产任务节点将节点的紧前工序与紧后工序连接。
具体地，可以根据每个生产设备信息，将同一生产设备处理的生产任务信息的操作顺序，将生产任务信息依次连接，得到有向图。
步骤S504：寻找0到0’之间的路径上节点时间相加最长的调度路径，记为关键调度路径。
在一些实施方式中，处理设备可以根据产线资源信息确定关键调度路径，并基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二AGV信息进行搜索，生成第一邻域解调度信息，并确定第一邻域解调度信息的第一邻域解调度时间，并在确定第一邻域解调度时间小于第二调度时间的情况下，将对应的第二调度信息更新第一邻域解调度信息，并重复执行根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二AGV信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定第一邻域解调度时间大于或者等于第二调度时间的情况下，将对应的第一邻域解调度时间确定为第二邻域解调度时间，以及将第二邻域解调度时间对应的第二邻域解调度信息确定为第 三调度信息，实现了在确定第一邻域解调度时间小于第二调度时间的情况下，基于预设搜索算子重复在局部对关键调度路径的邻域解进行搜索，进一步使得第三调度信息在关键调度路径上具有全局最优。
其中，预设搜索算子可以为变邻域搜索算子，例如，预设搜索算子可以为两元素反转搜索算子、两元素交换搜索算子或者一元素插入搜索算子等中的至少任一种。第一邻域解调度信息可以包括一组第四生产任务信息、第四生产设备信息及第四AGV信息。
在一些实施方式中，预设搜索算子可以包括多个子预设搜索算子，每个子预设搜索算子关联一个搜索次数。
处理设备可以根据产线资源信息确定关键调度路径，并基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二AGV信息进行搜索，生成第一邻域解调度信息，并确定第一邻域解调度信息的第一邻域解调度时间，并在确定第一邻域解调度时间小于第二调度时间的情况下，将对应的第二调度信息更新为第一邻域解调度信息，并重复执行基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二AGV信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定第一邻域解调度时间大于或者等于第二调度时间的情况下，将对应的第一邻域解调度时间确定为第二邻域解调度时间，并在确定第二邻域解调度时间大于或者等于第二调度时间的情况下，确定当前搜索次数是否达到预设次数，并在确定当前搜索次数未达到预设次数的情况下，确定下一搜索次数的目标子预设搜索算子，并将预设搜索算子更新为目标子预设搜索算子，并将第二调度信息更新为第二邻域解调度信息，及重复执行基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二AGV信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定当前搜索次数达到预设次数的情况下，将该当前搜索次数对应的第二邻域解调度信息确定为第三调度信息，实现了基于多个子预设搜索算子，重复在局部对关键调度路径的邻域解进行搜索，进一步使得第三调度信息在关键调度路径上具有全局最优。
步骤S150：根据第一调度时间及第三调度时间，输出第四调度信息。
在本申请实施例中，处理设备可以根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息为第一调度时间和第三调度时间中的最小调度时间对应的调度信息。
具体地，处理设备可以基于第三调度信息对初始调度种群中的最差个体进行替换，得到更新种群，并计算更新种群中的每个个体的适应度，选取适应度最小的个体作为第四调度信息。
在一些实施方式中，处理设备可以根据第四调度信息，对生产设备及AGV进行调度，实现了在自动化生产过程中基于遗传算法和变邻域搜索算法，根据产线资源信息自动对产线资源进行调度，提升了用户对产线资源进行调度的调度体验。
本申请提供的方案，根据产线资源信息生成初始调度种群，初始调度种群包括多个第一调度信息，并根据产线资源信息确定每个第一调度信息的第一调度时间，并对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群包括多个第二调度信息，并根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间小于第二调度信息的第二调度时间，以及根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息为第一调度时间和第三调度时间中的最小调度时间对应的调度信息，实现了在自动化生产过程中基于对根据产线资源信息生成的初始调度种群进行交叉处理，自动生成产线资 源的调度方案，相较于人工根据产线资源信息制定调度方案花费的时间，根据产线资源信息自动生成调度方案花费的时间较短，提高了自动化生产过程的生产效率。
进一步地，遗传算法具有搜索时长短的特点，变邻域搜索算法可以提高算法的全局搜索能力，基于遗传算法和变邻域搜索算法能在短时间内生成最优调度方案。
请参阅图9，其示出了本申请另一个实施例提供的产线资源的调度方法的流程图。在具体的实施例中，产线资源的调度方法可以应用于处理设备，下面将以处理设备为例，对图9所示的流程进行详细阐述，产线资源的调度方法可以包括以下步骤S610至步骤S660。
步骤S610：根据产线资源信息生成初始调度种群。
步骤S620：根据产线资源信息确定每个第一调度信息的第一调度时间。
步骤S630：对多个目标第一调度信息进行交叉操作，得到交叉调度种群。
在本实施例中，步骤S610、步骤S620以及步骤S630可以参阅前述实施例中相应步骤的内容，此处不再赘述。
步骤S640：对交叉调度种群进行变异操作，得到变异调度种群。
在本实施例中，处理设备可以交叉调度种群进行变异操作，得到变异调度种群。
具体地，处理设备可以确定每个第二调度信息的变异概率，并基于预设变异规则，对变异概率大于变异概率阈值的第二调度信息进行变异操作，得到变异调度种群。
其中，可以根据以下公式计算每个第二调度信息的交叉概率Pm。
其中，β为最大变异概率(常量)，Iter为当前迭代的次数，f2为第每个二调度信息的适应度。
步骤S650：根据变异调度种群得到第三调度信息。
在本实施例中，处理设备可以对变异调度种群进行变邻域搜索，得到第三调度信息，对交叉调度种群进行变异操作得到变异调度种群，增加了变异调度种群的搜索空间，避免了变异调度种群陷入局部最优解，对变异调度种群进行变邻域搜索，使得第三调度信息相对于变异调度种群具有全局最优。
在本实施例中，处理设备对变异调度种群进行变邻域搜索的过程，可以参阅前述实施例中相应步骤的内容，此处不再赘述。
在一些实施方式中，处理设备在对变异调度种群进行变邻域搜索，得到第三调度信息之后，可以确定是否满足迭代终止条件。
其中，迭代终止条件可以包括但不限于生产人员预先设定的迭代次数大于或者等于迭代次数阈值。
在迭代次数大于或者等于迭代次数阈值的情况下，确定满足迭代终止条件；在迭代次数小于迭代次数阈值的情况下，确定不满足迭代终止条件。
步骤S660：根据第一调度时间及第三调度时间，输出第四调度信息。
在本实施例中，步骤S660可以参阅前述实施例中相应步骤的内容，此处不再赘述。
在一些实施方式中，处理设备在确定满足迭代终止条件的情况下，可以根据第一调度时间及第三调度时间，输出第四调度信息，实现了在确定满足迭代终止条件的情况下，输出第四调度信息，避免了算法过早收敛导致第四调度信息限于局部最优，提高了生成产线 资源调度方案的全局最优解的生成质量。
在一些实施方式中，处理设备在确定未满足迭代终止条件的情况下，可以重复执行对多个目标第一调度信息进行交叉操作，得到交叉调度种群的步骤，直至在确定满足迭代终止条件的情况下，根据第一调度时间及第三调度时间，输出第四调度信息的步骤，实现了在确定未满足迭代终止条件的情况下，重复迭代遗传算法和变邻域搜索算法，进一步地避免了算法过早收敛导致第四调度信息限于局部最优，进一步地提高了生成产线资源调度方案的全局最优解的生成质量。
在一种应用场景中，如图10所示，产线资源的调度方法可以包括步骤S701至步骤S710。
步骤S701：初始化参数。
具体地，初始设定种群大小Popsize、交叉池大小0.25Popsize、最大迭代次数MaxIter、最大交叉概率α、最大变异概率β、当前迭代次数Iter＝0。
步骤S702：初始化种群。
具体地，根据随机初始化生产Popsize数量的初始调度种群。
步骤S703：计算初始调度种群的个体适应度，并确定当前最优个体。
具体地，根据调度时间最小函数及调度路径计算初始调度种群中的每个第一调度信息的第一调度时间，即为每个第一调度信息的个体适应度。
步骤S704：选择操作，构建交叉池。
具体地，根据轮盘赌选择算法，选择0.25Popsize数量的第一调度信息，构成交叉池。
步骤S705：交叉操作。
具体地，对交叉池中满足交叉概率的染色体个体按照交叉策略进行交叉，并更新各个个体的交叉概率Pc和变异概率Pm。
步骤S706：变异操作。
具体地，对交叉得到的个体满足变异概率的个体按照变异策略进行变异。
步骤S707：确定变异个体的关键调度路径。
具体地，可以根据产线资源信息确定关键调度路径。
步骤S708：确定当前变邻域搜索算子。
具体地，变邻域搜索算子为三个，随机将三个变邻域搜索算子进行排列，将排在首位的变邻域搜索算子确定为第一变邻域搜索算子，并将第一变邻域搜索算子确定为当前变邻域搜索算子，并将排在中间的变邻域搜索算子确定为第二变邻域搜索算子，及将排在末尾的变邻域搜索算子确定为第三变邻域搜索算子。
步骤S709：生成邻域解个体。
具体地，基于当前变邻域搜索算子，根据关键调度路径对变异个体进行变邻域搜索，得到邻域解个体。
步骤S710：计算邻域解个体的邻域解个体适应度。
具体地，根据调度时间最小函数计算邻域解个体的邻域解个体适应度。
步骤S711：根据邻域解个体适应度，确定邻域解个体相较于变异个体是否改进。
具体地，根据调度时间最小函数计算变异个体适应度，并根据变异个体适应度及邻域解个体适应度确定邻域解个体相较于变异个体是否改进。
在变异个体适应度大于或者等于邻域解个体适应度的情况下，确定邻域解个体相较于变异个体改进，执行步骤S712；
在变异个体适应度小于邻域解个体适应度的情况下，确定邻域解个体相较于变异个体未改进，执行步骤S713。
步骤S712：将邻域解更新为变异个体，并执行步骤S708。
步骤S713：确定当前变邻域搜索次数是否达到预设次数。
具体地，在确定当前变邻域搜索次数未达到预设次数的情况下，将当前变邻域搜索算子更新为下一变邻域搜索算子，并执行步骤S709；
在确定当前变邻域搜索次数达到预设次数的情况下，执行步骤S714。
步骤S714：判断是否达到终止条件。
在判断达到终止条件的情况下执行步骤S715；
在判断未达到终止条件的情况下执行步骤S704。
步骤S715：输出种群最优个体。
具体地，将根据变邻域搜索得到的最优个体确定第三调度信息，并将初始调度种群中的最优个体确定为第一调度信息，根据第一调度信息的第一调度时间及第三调度信息的第三调度时间，输出第四调度信息，即为种群最优个体。
本实施例提供的方案，根据产线资源信息生成初始调度种群，并根据产线资源信息确定每个第一调度信息的第一调度时间，并对多个目标第一调度信息进行交叉操作，得到交叉调度种群，并对交叉调度种群进行变异操作，得到变异调度种群，并根据变异调度种群得到第三调度信息，以及根据第一调度时间及第三调度时间，输出第四调度信息，实现了在自动化生产过程中基于对根据产线资源信息生成的初始调度种群进行交叉处理，自动生成产线资源的调度方案，相较于人工根据产线资源信息制定调度方案花费的时间，根据产线资源信息自动生成调度方案花费的时间较短，提高了自动化生产过程的生产效率。
进一步地，遗传算法具有搜索时长短的特点，变邻域搜索算法可以提高算法的全局搜索能力，基于遗传算法和变邻域搜索算法能在短时间内生成最优调度方案。
进一步地，处理设备可以对变异调度种群进行变邻域搜索，得到第三调度信息，对交叉调度种群进行变异操作得到变异调度种群，增加了变异调度种群的搜索空间，避免了变异调度种群陷入局部最优解，对变异调度种群进行变邻域搜索，使得第三调度信息相对于变异调度种群具有全局最优。
请参阅图11，其示出了本申请一个实施例提供的产线资源的调度装置800，产线资源的调度装置800可以应用于处理设备，下面将以处理设备为例，对图11所示的产线资源的调度装置800进行详细阐述，产线资源的调度装置800可以包括生成模块810、时间确定模块820、交叉模块830、得到模块840以及输出模块850。
生成模块810可以用于根据产线资源信息生成初始调度种群，初始调度种群可以包括多个第一调度信息；时间确定模块820可以用于根据产线资源信息确定每个第一调度信息的第一调度时间；交叉模块830可以用于对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群可以包括多个第二调度信息；得到模块840可以用于根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间可以小于第二调度信息的第二调度时间；输出模块850可以用于根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息可以为第一调度时间和第三调度时间中的最小调度时间对应的调度信息。
在一些实施方式中，时间确定模块820可以包括第一构建子模块、第一确定子模块以及计算子模块。
第一构建子模块可以用于构建调度产线资源的调度时间最小函数，调度时间最小函数可以用于表征调度产线资源的调度路径与调度产线资源的调度时间的对应关系；第一确定子模块可以用于确定每个第一调度信息的第一调度路径；计算子模块可以用于根据调度时间最小函数及第一调度路径，计算每个第一调度信息的第一调度时间。
在一些实施方式中，每个第一调度信息可以包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，第一确定子模块可以包括编码单元、解码单元以及查找单元。
编码单元可以用于基于预设编码规则分别对每组第一生产任务信息、第一生产设备信息及第一自动导向车信息进行编码，得到编码表，编码表包括多个生产任务编码、多个生产设备编码及多个自动导向车编码；解码单元可以用于基于预设解码规则对编码表进行解码，得到调度路径矩阵，调度路径矩阵可以包括多个调度路径，每个调度路径的矩阵排序信息可以与一个自动导向车编码关联；查找单元可以用于根据每个自动导向车信息的自动导向车编码，查找调度路径矩阵，得到第一调度路径。
在一些实施方式中，编码单元可以包括第一编码子单元、第二编码子单元、第三编码子单元以及生成子单元。
第一编码子单元可以用于根据每组第一生产任务信息对应的生产任务的操作顺序，对每组第一生产任务信息进行编码，得到一个生产任务编码；第二编码子单元可以用于根据每组第一生产设备信息对应的生产设备的设备选择顺序，对每组第一生产设备信息进行编码，得到一个生产设备编码；第三编码子单元可以用于根据每组第一自动导向车信息对应的自动导向车的运输顺序，对每组第一自动导向车信息进行编码，得到一个自动导向车编码；生成子单元可以用于基于多个生产任务编码、多个生产设备编码及多个自动导向车编码生成编码表。
在一些实施方式中，解码单元可以包括第一构建子单元、第二构建子单元、第三构建子单元以及遍历子单元。
第一构建子单元可以用于根据多个自动导向车编码，构建自动导向车阵列；第二构建子单元可以用于根据多个生产任务编码，构建生产任务阵列；第三构建子单元可以用于根据多个生产设备编码，构建生产设备阵列；遍历子单元可以用于根据每个自动导向车编码，对生产任务阵列及生产设备阵列进行遍历，生成调度路径矩阵。
在一些实施方式中，遍历子单元可以包括确定次子单元以及遍历次子单元。
确定次子单元可以用于确定每个自动导向车编码的排列索引号；遍历次子单元可以用于根据每个排列索引号对生产任务阵列中的每个生产任务编码及生产设备阵列的每个生产设备编码进行遍历，得到调度路径矩阵。
在一些实施方式中，计算子模块可以包括第一确定单元、第二确定单元以及计算单元。
第一确定单元可以用于根据每个第一调度路径确定对应的一个目标生产任务编码；第二确定单元可以用于确定每个目标生产任务编码的运输时长和生产时长，运输时长可以用于表征自动导向车运输目标生产任务编码对应的目标生产任务的时长，生产时长可以用于表征生产设备生产目标生产任务的时长；计算单元可以用于根据调度时间最小函数及每个目标生产任务编码的运输时长和生产时长，计算每个第一调度信息的第一调度时间。
在一些实施方式中，交叉模块830可以包括第二构建子模块、第二确定子模块以及交叉子模块。
第二构建子模块可以用于根据预设选择算法及初始调度种群，构建交叉池，交叉池可以包括多个目标第一调度信息；第二确定子模块可以用于确定每个目标第一调度信息的交叉概率；交叉子模块可以用于对交叉概率大于交叉概率阈值的目标第一调度信息进行交叉操作，得到交叉调度种群。
在一些实施方式中，每个目标第一调度信息可以包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，交叉子模块可以包括第一选取单元、第一构建单元以及第一交叉单元。
第一选取单元可以用于从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息；第一构建单元可以用于根据目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息构建第一染色体和第二染色体；第一交叉单元可以用于对第一染色体和第二染色体中包含的不同的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息进行交叉，得到交叉调度种群。
在一些实施方式中，每个目标第一调度信息可以包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，交叉子模块还可以包括第二选取单元、第二构建单元、生成单元以及第二交叉单元。
第二选取单元可以用于从多个目标第一调度信息中选取交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息；第二构建单元可以用于根据目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息构建第三染色体和第四染色体；生成单元可以用于对第三染色体随机生成一个随机数，得到第五染色体；第二交叉单元可以用于对第五染色体和第四染色体中包含的不同的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息进行交叉，得到交叉调度种群。
在一些实施方式中，每个第二调度信息可以包括一组第二生产任务信息、第二生产设备信息及第二自动导向车信息，得到模块840可以包括确定子模块以及搜索子模块。
确定子模块可以用于根据产线资源信息确定关键调度路径；搜索子模块可以用于根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，得到第三调度信息，第三调度信息可以包括一组第三生产任务信息、第三生产设备信息及第三自动导向车信息。
在一些实施方式中，产线资源信息可以至少包括多个生产任务，确定子模块可以包括第三确定单元、第四确定单元以及第三选取单元。
第三确定单元可以用于根据多个生产任务的操作顺序，确定多条任务路径，每条任务路径可以包括相同的起始生产任务和终止生产任务；第四确定单元可以用于根据每个生产任务的任务节点时长，确定每条任务路径的任务路径时长；第三选取单元可以用于从多条任务路径中选取最长任务路径时长对应的任务路径，作为关键调度路径。
在一些实施方式中，搜索子模块可以包括搜索单元、第五确定单元、更新单元、重复执行单元以及第六确定单元。
搜索单元可以用于基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息，第一邻域解调度信息可以包括一组第四生产任务信息、第四生产设备信息及第四自动导向车信息； 第五确定单元可以用于确定第一邻域解调度信息的第一邻域解调度时间；更新单元可以用于在确定第一邻域解调度时间小于第二调度时间的情况下，将对应的第二调度信息更新为第一邻域解调度信息；重复执行单元可以用于重复执行根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定第一邻域解调度时间大于或者等于第二调度时间的情况下，将对应的第一邻域解调度时间确定为第二邻域解调度时间；第六确定单元可以用于将第二邻域解调度时间对应的第二邻域解调度信息确定为第三调度信息。
在一些实施方式中，预设搜索算子可以包括多个子预设搜索算子，每个子预设搜索算子可以关联一个搜索次数，第六确定单元可以包括第一确定子单元、第二确定子单元、更新子单元以及重复执行子单元。
第一确定子单元可以用于在确定第二邻域解调度时间大于或者等于第二调度时间的情况下，确定当前搜索次数是否达到预设次数；第二确定子单元可以用于在确定当前搜索次数未达到预设次数的情况下，确定下一搜索次数的目标子预设搜索算子；更新子单元可以用于将预设搜索算子更新为目标子预设搜索算子，并将第二调度信息更新为第二邻域解调度信息；重复执行子单元可以用于重复执行基于预设搜索算子，根据关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定当前搜索次数达到预设次数的情况下，将该当前搜索次数对应的第二邻域解调度信息确定为第三调度信息。
在一些实施方式中，产线资源的调度装置800还可以包括变异模块。
变异模块可以用于得到模块840根据交叉调度种群得到第三调度信息之前，对交叉调度种群进行变异操作，得到变异调度种群。
在一些实施方式中，得到模块840还可以包括得到子模块。
得到子模块可以用于根据变异调度种群得到第三调度信息。
在一些实施方式中，产线资源的调度装置800还可以包括条件确定模块。
条件确定模块可以用于输出模块850根据第一调度时间及第三调度时间，输出第四调度信息之前，确定是否满足迭代终止条件。
在一些实施方式中，输出模块850可以包括输出子模块。
输出子模块可以用于在确定满足迭代终止条件的情况下，根据第一调度时间及第三调度时间，输出第四调度信息。
在一些实施方式中，产线资源的调度装置800还可以包括重复执行模块。
重复执行模块可以用于在确定未满足迭代终止条件的情况下，重复执行对多个目标第一调度信息进行交叉操作，得到交叉调度种群的步骤，直至在确定满足迭代终止条件的情况下，根据第一调度时间及第三调度时间，输出第四调度信息的步骤。
本实施例提供的方案，根据产线资源信息生成初始调度种群，初始调度种群包括多个第一调度信息，并根据产线资源信息确定每个第一调度信息的第一调度时间，并对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群包括多个第二调度信息，并根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间小于第二调度信息的第二调度时间，以及根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息为第一调度时间和第三调度时间中的最小调度时间对应的调度信息，实现了在自动化生产过程中基于对根据产线资源信息生成的初始调度种群进行交叉处理，自动生成产线资 源的调度方案，相较于人工根据产线资源信息制定调度方案花费的时间，根据产线资源信息自动生成调度方案花费的时间较短，提高了自动化生产过程的生产效率。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。对于方法实施例中的所描述的任意的处理方式，在装置实施例中均可以通过相应的处理模块实现，装置实施例中不再一一赘述。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
请参阅图12，其示出了本申请一个实施例提供的电子设备900的功能框图，该电子设备900可以包括一个或者多个如下部件：存储器910、处理器920、以及一个或者多个应用程序，其中一个或者多个应用程序可以被存储在存储器910中并被配置为由一个或者多个处理器920执行，一个或者多个应用程序配置用于执行如前述方法实施例所描述的方法。
存储器910可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器910可以用于存储指令、程序、代码、代码集或指令集。存储器910可以包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如生成初始调度种群、确定第一调度时间、交叉操作、得到交叉调度种群、得到第三调度信息、输出第四调度信息、构建调度时间最小函数、确定第一调度路径、计算第一调度时间、编码、得到编码表、解码、查找调度路径矩阵、得到第一调度路径、构建交叉池、确定交叉概率、确定关键调度路径、生成第一邻域解调度信息、确定第一邻域解调度时间、确定第一邻域解调度时间小于第二调度时间、更新第二调度信息、重复执行、确定第三调度信息、确定第一邻域解调度时间大于或者等于第二调度时间、确定当前搜索次数是否达到预设次数、确定当前搜索次数未达到预设次数、确定目标子预设搜索算子、更新预设搜索算子、变异操作、得到变异调度种群、确定是否满足迭代终止条件、确定满足迭代终止条件以及确定未满足迭代终止条件等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备900在使用中所创建的数据(比如产线资源信息、初始调度种群、第一调度信息、第一调度时间、第二调度信息、目标第一调度信息、交叉调度种群、第二调度信息、第三调度时间、第三调度时间、第二调度时间、第四调度信息、最小调度时间、调度时间最小函数、调度路径、调度时间、对应关系、第一调度路径、预设编码规则、编码表、预设解码规则、预设选择算法、交叉池、交叉概率、交叉概率阈值、关键调度路径、预设搜索算子、第一邻域解调度信息、第一邻域解调度时间、第二邻域解调度时间、第二邻域解调度信息、子预设搜索算子、当前搜索次数、预设次数、下一搜索次数、目标子预设搜索算子、变异调度种群以及迭代终止条件)等。
处理器920可以包括一个或者多个处理核。处理器920利用各种接口和线路连接整个电子设备900内的各个部分，通过运行或者执行存储在存储器910内的指令、程序、代码集或者指令集，以及调用存储在存储器910内的数据，执行电子设备900的各种功能和处理数据。可选地，处理器920可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列 (Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器920可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或者几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器920中，单独通过一块通信芯片进行实现。
请参考图13，其示出了本申请实施例提供的一种计算机可读取存储介质的结构框图。该计算机可读取存储介质1000中存储有程序代码1010，程序代码1010可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读取存储介质1000可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读取存储介质1000包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读取存储介质1000具有执行上述方法中的任何方法步骤的程序代码1010的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码1010可以例如以适当形式进行压缩。
请参考图14，其示出了本申请实施例提供的一种计算机程序产品1100的结构框图。该计算机程序产品1100包括计算机程序/指令1110，计算机程序/指令1110存储在计算机设备的计算机可读存储介质中。计算机程序产品1100在计算机设备上运行时，计算机设备的处理器从计算机可读存储介质读取计算机程序/指令1110，处理器执行计算机程序/指令1110，使得该计算机设备执行上述方法实施例中所描述的方法。
本实施例提供的方案，根据产线资源信息生成初始调度种群，初始调度种群包括多个第一调度信息，并根据产线资源信息确定每个第一调度信息的第一调度时间，并对多个目标第一调度信息进行交叉操作，得到交叉调度种群，交叉调度种群包括多个第二调度信息，并根据交叉调度种群得到第三调度信息，第三调度信息的第三调度时间小于第二调度信息的第二调度时间，以及根据第一调度时间及第三调度时间，输出第四调度信息，第四调度信息为第一调度时间和第三调度时间中的最小调度时间对应的调度信息，实现了在自动化生产过程中基于对根据产线资源信息生成的初始调度种群进行交叉处理，自动生成产线资源的调度方案，相较于人工根据产线资源信息制定调度方案花费的时间，根据产线资源信息自动生成调度方案花费的时间较短，提高了自动化生产过程的生产效率。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
最后应说明的是，本申请实施例能在工业上被制造或者被使用。

Claims (20)

  1. 一种产线资源的调度方法，其中，包括：
    根据产线资源信息生成初始调度种群，所述初始调度种群包括多个第一调度信息；
    根据所述产线资源信息确定每个第一调度信息的第一调度时间；
    对多个目标第一调度信息进行交叉操作，得到交叉调度种群，所述交叉调度种群包括多个第二调度信息；
    根据所述交叉调度种群得到第三调度信息，所述第三调度信息的第三调度时间小于所述第二调度信息的第二调度时间；
    根据所述第一调度时间及所述第三调度时间，输出第四调度信息，所述第四调度信息为所述第一调度时间和所述第三调度时间中的最小调度时间对应的调度信息。
  2. 根据权利要求1所述的调度方法，其中，所述根据所述产线资源信息确定每个第一调度信息的第一调度时间，包括：
    构建调度产线资源的调度时间最小函数，所述调度时间最小函数用于表征调度所述产线资源的调度路径与调度所述产线资源的调度时间的对应关系；
    确定每个第一调度信息的第一调度路径；
    根据所述调度时间最小函数及所述第一调度路径，计算每个第一调度信息的第一调度时间。
  3. 根据权利要求2所述的调度方法，其中，每个第一调度信息包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，所述确定每个第一调度信息的第一调度路径，包括：
    基于预设编码规则分别对每组第一生产任务信息、第一生产设备信息及第一自动导向车信息进行编码，得到编码表，所述编码表包括多个生产任务编码、多个生产设备编码及多个自动导向车编码；
    基于预设解码规则对所述编码表进行解码，得到调度路径矩阵，所述调度路径矩阵包括多个调度路径，每个调度路径的矩阵排序信息与一个自动导向车编码关联；
    根据每个自动导向车信息的所述自动导向车编码，查找所述调度路径矩阵，得到第一调度路径。
  4. 根据权利要求3所述的调度方法，其中，所述基于预设编码规则分别对每组第一生产任务信息、第一生产设备信息及第一自动导向车信息进行编码，得到编码表，包括：
    根据每组第一生产任务信息对应的生产任务的操作顺序，对每组第一生产任务信息进行编码，得到一个生产任务编码；
    根据每组第一生产设备信息对应的生产设备的设备选择顺序，对每组第一生产设备信息进行编码，得到一个生产设备编码；
    根据每组第一自动导向车信息对应的自动导向车的运输顺序，对每组第一自动导向车信息进行编码，得到一个自动导向车编码；
    基于多个生产任务编码、多个生产设备编码及多个自动导向车编码生成所述编码表。
  5. 根据权利要求3或4所述的调度方法，其中，所述基于预设解码规则对所述编码表进行解码，得到调度路径矩阵，包括：
    根据多个自动导向车编码，构建自动导向车阵列；
    根据多个生产任务编码，构建生产任务阵列；
    根据多个生产设备编码，构建生产设备阵列；
    根据每个自动导向车编码，对所述生产任务阵列及所述生产设备阵列进行遍历，生成调度路径矩阵。
  6. 根据权利要求5所述的调度方法，其中，所述根据每个自动导向车编码，对所述生产任务阵列及所述生产设备阵列进行遍历，生成调度路径矩阵，包括：
    确定每个自动导向车编码的排列索引号；
    根据每个排列索引号对所述生产任务阵列中的每个生产任务编码及所述生产设备阵列的每个生产设备编码进行遍历，得到调度路径矩阵。
  7. 根据权利要求3至6中任一项所述的调度方法，其中，所述根据所述调度时间最小函数及所述第一调度路径，计算每个第一调度信息的第一调度时间，包括：
    根据每个第一调度路径确定对应的一个目标生产任务编码；
    确定每个目标生产任务编码的运输时长和生产时长，所述运输时长用于表征自动导向车运输所述目标生产任务编码对应的目标生产任务的时长，所述生产时长用于表征生产设备生产所述目标生产任务的时长；
    根据所述调度时间最小函数及每个目标生产任务编码的所述运输时长和所述生产时长，计算每个第一调度信息的第一调度时间。
  8. 根据权利要求1至7中任一项所述的调度方法，其中，所述对多个目标第一调度信息进行交叉操作，得到交叉调度种群，包括：
    根据预设选择算法及所述初始调度种群，构建交叉池，所述交叉池包括多个目标第一调度信息；
    确定每个目标第一调度信息的交叉概率；
    对所述交叉概率大于交叉概率阈值的所述目标第一调度信息进行交叉操作，得到交叉调度种群。
  9. 根据权利要求8所述的调度方法，其中，每个目标第一调度信息包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，所述对所述交叉概率大于交叉概率阈值的所述目标第一调度信息进行交叉操作，得到交叉调度种群，包括：
    从多个目标第一调度信息中选取所述交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息；
    根据所述目标第一生产任务信息、所述目标第一生产设备信息及所述目标第一自动导向车信息构建第一染色体和第二染色体；
    对所述第一染色体和所述第二染色体中包含的不同的所述目标第一生产任务信息、所述目标第一生产设备信息及所述目标第一自动导向车信息进行交叉，得到交叉调度种群。
  10. 根据权利要求8所述的调度方法，其中，每个目标第一调度信息包括一组第一生产任务信息、第一生产设备信息及第一自动导向车信息，所述对所述交叉概率大于交叉概率阈值的所述目标第一调度信息进行交叉操作，得到交叉调度种群，包括：
    从多个目标第一调度信息中选取所述交叉概率大于交叉概率阈值的目标第一生产任务信息、目标第一生产设备信息及目标第一自动导向车信息；
    根据所述目标第一生产任务信息、所述目标第一生产设备信息及所述目标第一自动导向车信息构建第三染色体和第四染色体；
    对所述第三染色体随机生成一个随机数，得到第五染色体；
    对所述第五染色体和所述第四染色体中包含的不同的所述目标第一生产任务信息、所述目标第一生产设备信息及所述目标第一自动导向车信息进行交叉，得到交叉调度种群。
  11. 根据权利要求1至10中任一项所述的调度方法，其中，每个第二调度信息包括一组第二生产任务信息、第二生产设备信息及第二自动导向车信息，所述根据所述交叉调度种群得到第三调度信息，包括：
    根据所述产线资源信息确定关键调度路径；
    根据所述关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，得到第三调度信息，所述第三调度信息包括一组第三生产任务信息、第三生产设备信息及第三自动导向车信息。
  12. 根据权利要求11所述的调度方法，其中，所述产线资源信息至少包括多个生产任务，所述根据所述产线资源信息确定关键调度路径，包括：
    根据多个生产任务的操作顺序，确定多条任务路径，每条任务路径包括相同的起始生产任务和终止生产任务；
    根据每个生产任务的任务节点时长，确定每条任务路径的任务路径时长；
    从多条任务路径中选取最长任务路径时长对应的所述任务路径，作为关键调度路径。
  13. 根据权利要求11或12所述的调度方法，其中，所述根据所述关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，得到第三调度信息，包括：
    基于预设搜索算子，根据所述关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息，所述第一邻域解调度信息包括一组第四生产任务信息、第四生产设备信息及第四自动导向车信息；
    确定所述第一邻域解调度信息的第一邻域解调度时间；
    在确定所述第一邻域解调度时间小于所述第二调度时间的情况下，将对应的所述第二调度信息更新为所述第一邻域解调度信息；
    重复执行所述根据所述关键调度路径对每组第二生产任务信息、第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定所述第一邻域解调度时间大于或者等于所述第二调度时间的情况下，将对应的所述第一邻域解调度时间确定为第二邻域解调度时间；
    将所述第二邻域解调度时间对应的第二邻域解调度信息确定为第三调度信息。
  14. 根据权利要求13所述的调度方法，其中，所述预设搜索算子包括多个子预设搜索算子，每个子预设搜索算子关联一个搜索次数，所述将所述第二邻域解调度时间对应的第二邻域解调度信息确定为第三调度信息，包括：
    在确定所述第二邻域解调度时间大于或者等于所述第二调度时间的情况下，确定当前搜索次数是否达到预设次数；
    在确定所述当前搜索次数未达到预设次数的情况下，确定下一搜索次数的目标子预设搜索算子；
    将所述预设搜索算子更新为所述目标子预设搜索算子，并将所述第二调度信息更新为所述第二邻域解调度信息；
    重复执行所述基于预设搜索算子，根据所述关键调度路径对每组第二生产任务信息、 第二生产设备信息及第二自动导向车信息进行搜索，生成第一邻域解调度信息的步骤，直至在确定所述当前搜索次数达到所述预设次数的情况下，将该当前搜索次数对应的所述第二邻域解调度信息确定为所述第三调度信息。
  15. 根据权利要求1至14中任一项所述的调度方法，其中，所述根据所述交叉调度种群得到第三调度信息之前，所述调度方法，还包括：
    对所述交叉调度种群进行变异操作，得到变异调度种群；
    所述根据所述交叉调度种群得到第三调度信息，包括：
    根据所述变异调度种群得到所述第三调度信息。
  16. 根据权利要求1至15中任一项所述的调度方法，其中，所述根据所述第一调度时间及所述第三调度时间，输出第四调度信息之前，所述调度方法，还包括：
    确定是否满足迭代终止条件；
    所述根据所述第一调度时间及所述第三调度时间，输出第四调度信息，包括：
    在确定满足迭代终止条件的情况下，根据所述第一调度时间及所述第三调度时间，输出所述第四调度信息。
  17. 根据权利要求16所述的调度方法，其中，还包括：
    在确定未满足所述迭代终止条件的情况下，重复执行所述对多个目标第一调度信息进行交叉操作，得到交叉调度种群的步骤，直至所述在确定满足迭代终止条件的情况下，根据所述第一调度时间及所述第三调度时间，输出所述第四调度信息的步骤。
  18. 一种产线资源的调度装置，其中，包括：
    生成模块，用于根据产线资源信息生成初始调度种群，所述初始调度种群包括多个第一调度信息；
    时间确定模块，用于根据所述产线资源信息确定每个第一调度信息的第一调度时间；
    交叉模块，用于对多个目标第一调度信息进行交叉操作，得到交叉调度种群，所述交叉调度种群包括多个第二调度信息；
    得到模块，用于根据所述交叉调度种群得到第三调度信息，所述第三调度信息的第三调度时间小于所述第二调度信息的第二调度时间；
    输出模块，用于根据所述第一调度时间及所述第三调度时间，输出第四调度信息，所述第四调度信息为所述第一调度时间和所述第三调度时间中的最小调度时间对应的调度信息。
  19. 一种电子设备，其中，包括：
    存储器；
    一个或者多个处理器，与所述存储器耦接；
    一个或者多个应用程序，其中，所述一个或者多个应用程序被存储在所述存储器中并被配置为由一个或者多个处理器执行，所述一个或者多个应用程序配置用于执行如权利要求1至17中任一项所述的调度方法。
  20. 一种计算机可读取存储介质，其中，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至17中任一项所述的调度方法。
PCT/CN2024/089587 2024-03-28 2024-04-24 产线资源的调度方法、调度装置、电子设备及存储介质 Pending WO2025200071A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202410369764.1 2024-03-28
CN202410369764.1A CN120725308A (zh) 2024-03-28 2024-03-28 产线资源的调度方法、调度装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
WO2025200071A1 true WO2025200071A1 (zh) 2025-10-02

Family

ID=97165298

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2024/089587 Pending WO2025200071A1 (zh) 2024-03-28 2024-04-24 产线资源的调度方法、调度装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN120725308A (zh)
WO (1) WO2025200071A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120995901A (zh) * 2025-10-23 2025-11-21 兰州理工大学 用于区域集聚协作生产中的节能模糊级联调度方法及系统
CN121050862A (zh) * 2025-10-31 2025-12-02 苏州元脑智能科技有限公司 资源调度方法及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382915A (zh) * 2018-12-27 2020-07-07 沈阳高精数控智能技术股份有限公司 一种共融agv的柔性作业车间调度方法
CN113379225A (zh) * 2021-06-07 2021-09-10 南京理工大学 一种基于矩阵编码遗传算法的作业调度方法
CN114881446A (zh) * 2022-04-29 2022-08-09 合肥工业大学 考虑工序不确定性的高端装备试制与试验协同调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382915A (zh) * 2018-12-27 2020-07-07 沈阳高精数控智能技术股份有限公司 一种共融agv的柔性作业车间调度方法
CN113379225A (zh) * 2021-06-07 2021-09-10 南京理工大学 一种基于矩阵编码遗传算法的作业调度方法
CN114881446A (zh) * 2022-04-29 2022-08-09 合肥工业大学 考虑工序不确定性的高端装备试制与试验协同调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120995901A (zh) * 2025-10-23 2025-11-21 兰州理工大学 用于区域集聚协作生产中的节能模糊级联调度方法及系统
CN121050862A (zh) * 2025-10-31 2025-12-02 苏州元脑智能科技有限公司 资源调度方法及计算机设备

Also Published As

Publication number Publication date
CN120725308A (zh) 2025-09-30

Similar Documents

Publication Publication Date Title
Fan et al. DNN deployment, task offloading, and resource allocation for joint task inference in IIoT
WO2025200071A1 (zh) 产线资源的调度方法、调度装置、电子设备及存储介质
CN110119474B (zh) 推荐模型训练方法、基于推荐模型的预测方法及装置
CN111105029B (zh) 神经网络的生成方法、生成装置和电子设备
CN113781002B (zh) 云边协同网络中基于代理模型和多种群优化的低成本工作流应用迁移方法
CN108289115B (zh) 一种信息处理方法及系统
CN112631612B (zh) 一种基于遗传算法的kubernetes云平台配置的优化方法
CN117495485A (zh) 产品推荐方法、设备及可读存储介质
CN117812564A (zh) 一种应用于车联网的联邦学习方法、装置、设备及介质
Elahi et al. Online context-aware task assignment in mobile crowdsourcing via adaptive discretization
CN111767953B (zh) 用于训练物品编码模型的方法和装置
CN112272120B (zh) 一种虚拟网络映射算法的优化方法、设备及存储介质
CN120355173B (zh) 基于双层规划的退役动力电池订单选配与重组调度跨层级协同方法
CN116185523A (zh) 一种任务卸载和部署的方法
Sim Agent-based fog computing: Gossiping, reasoning, and bargaining
CN119485504B (zh) 一种工业物联网中依赖型任务的可靠高效计算卸载方法
US9111213B2 (en) Method for constructing a tree of linear classifiers to predict a quantitative variable
Wang et al. Multi-objective joint optimization of communication-computation-caching resources in mobile edge computing
CN116562436B (zh) 跨企业分布式服装协同生产调度优化方法、设备及介质
CN114286304B (zh) 一种基于二维动态匹配的mec资源分配方法
CN116989819A (zh) 一种基于模型解的路径确定方法及装置
CN117875619A (zh) 作业车间调度方法、装置、设备、存储介质和程序产品
CN118301664A (zh) 一种基于信息年龄和时延敏感度的边缘计算卸载方法
CN117892940A (zh) 一种基于资源调度图谱的应急资源调度优化方法及系统
CN111614966B (zh) 基于同步树的同步方法、系统、装置、设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24932577

Country of ref document: EP

Kind code of ref document: A1