【技术实现步骤摘要】
一种生产调度控制方法和装置
本申请涉及计算机领域，尤其涉及一种生产调度控制方法和装置。
技术介绍
粒子群算法作为一种典型的启发式算法被广泛地应用于复杂优化问题的求解。所谓复杂的优化问题通常可以指求解的决策变量的数量大、维度高，所求解的问题是非凸问题(比如决策变量属于零一变量，目标函数不是连续可导的)。经典的运筹学算法通常受制于凸优化相关的假设(比如目标函数连续可导)，很难被直接应用去求解这些问题。另外，尽管经典运筹优化算法有较好的最优性保证，但是在实际生产应用环境中，使用者最关心的是能否求取一组优于根据一般经验所得的解，而不是绝对最优。使用粒子群算法不需要目标函数和决策变量空间的连续可导，所用参数比较少，算法易于实施，比如，基于经验的解可以最为粒子群算法的初始解进行进一步的迭代改善。同时该算法不需要使用人员对数学，特别是优化理论有深入的理解，因此易于被工程领域的从业人员直接使用来解决各种现实工程问题。比如，在生产计划排产领域，决策变量一般可以定义为零一变量(零表示不生产，一表示生产)，变量的维度一般可以包含产品品种、...
【技术保护点】
1.一种生产调度控制方法，其特征在于，包括：/n获取与作业目标量相关联变量组中多个变量的初始变量值；/n将每个变量作为一个粒子，利用基于预设参数的粒子群算法计算与每个变量的初始变量值对应的迭代变量值；/n通过超参数生成模型生成与多个所述变量的所述迭代变量值对应的超参数；/n利用所述超参数和所述粒子群算法对所述作业目标量进行迭代计算，直至所述作业目标量满足适应性函数要求，得到与所述作业目标量相关联变量组中每个所述变量的目标变量值。/n
【技术特征摘要】
1.一种生产调度控制方法，其特征在于，包括：
获取与作业目标量相关联变量组中多个变量的初始变量值；
将每个变量作为一个粒子，利用基于预设参数的粒子群算法计算与每个变量的初始变量值对应的迭代变量值；
通过超参数生成模型生成与多个所述变量的所述迭代变量值对应的超参数；
利用所述超参数和所述粒子群算法对所述作业目标量进行迭代计算，直至所述作业目标量满足适应性函数要求，得到与所述作业目标量相关联变量组中每个所述变量的目标变量值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取对作业目标量进行历史迭代的多个训练数据组，其中，每个所述训练数据组包括：当前迭代对应的每个变量对应的历史最优变量值、所述变量组的当前变量值，以及，本次迭代对应粒子群算法的当前参数，所述当前参数包括学习率、随机参数、和惯性参数；
利用多个所述训练数据组对初始参数模型进行机器学习训练，得到与作业目标量相关联的所述超参数生成模型。
3.根据权利要求2所述的方法，其特征在于，所述获取对作业目标量进行历史迭代的多个所述训练数据组包括：
获取对作业目标量进行历史迭代时每次迭代对应的粒子群算法的样本参数，以及迭代前后的样本作业目标量；
将迭代前后的样本作业目标量的变化满足预设条件的每次迭代过程分别确定为一个迭代样本；
分别将每个所述迭代样本对应的每个变量对应的历史最优变量值、所述变量组的当前变量值，以及，本次迭代对应粒子群算法的超参数确定为一个所述训练数据组，得到多个所述训练数据组。
4.根据权利要求3所述的方法，其特征在于，将迭代前后的样本作业目标量的变化满足预设条件的每次迭代过程分别确定为一个迭代样本包括：
根据所述粒子群算法历史迭代产生的样本作业目标量计算所述样本作业目标量的适应性函数值；
判断所述粒子群算法一次迭代的第一样本作业目标量的第一适应性函数值是否小于上一次迭代的第二样本作业目标量的第二适应性函数值；
在所述第一适应性函数值小于所述第二适应性函数时，确定所述第一样本作业目标量满足所述预设条件；
将所述第一样本作业目标量对应的迭代过程作为一个迭代样本。
5.根据权利要求2所述的方法，其特征在于，利用所述多个所述训练数据组对初始模型进行机器学习训练包括：
将当前迭代对应的每个变量对应的历史最优变量值、所述变量组的当前变量值输入到所述初始模型；
获取...
【专利技术属性】
技术研发人员：祝彦森，孙靖文，孙泽懿，徐凯波，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。