多目标联合调度方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种多目标联合调度方法、装置、电子设备及存储介质，涉及计算机技术领域。其中，该方法包括：获取多个目标的历史数据；基于各所述目标的历史数据，对各所述目标在设定时间段内的数据进行预测，得到各所述目标的预测数据；根据各所述目标的预测数据、以及为各所述目标联合调度所配置的约束条件，构建各所述目标对应的目标函数；利用遗传算法对各所述目标对应的目标函数进行调度求解，得到针对各所述目标的调度结果。本申请实施例解决了相关技术中多目标联合调度的实用性不强的问题。的问题。的问题。

【技术实现步骤摘要】
多目标联合调度方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，具体而言，本申请涉及一种多目标联合调度方法、装置、电子设备及存储介质。

技术介绍

[0002]多目标联合调度是指在两个或多个相互冲突的目标之间进行权衡的情况下作出最优决策，多目标联合调度已经广泛地应用于信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域。
[0003]目前，一般通过传统优化算法或智能优化算法进行多目标联合调度，传统优化算法一般是针对结构化的问题，包括加权法、约束法和线性规划法等，实质上就是将多目标函数转化为单目标函数，通过采用单目标函数优化的方法达到对多目标函数的求解，需要有较为明确的问题和条件描述，并且依赖于初始条件；而智能优化算法一般针对较为普适的问题描述，虽不依赖于初始条件但依然受限于约束条件，需要在调度过程中输入的历史数据足够精确，足够可靠，输入的历史数据一旦与实际有所偏差，所得到调度结果将会大相径庭，与现实情况脱节，而且普遍缺乏结构信息。
[0004]由上可知，如何提高多目标联合调度的实用性仍有待解决。

技术实现思路

[0005]本申请各实施例提供了一种多目标联合调度方法、装置、电子设备及存储介质，可以解决相关技术中存在的多目标联合调度实用性不强的问题。所述技术方案如下：
[0006]根据本申请实施例的一个方面，一种多目标联合调度方法，包括：获取多个目标的历史数据；基于各所述目标的历史数据，对各所述目标在设定时间段内的数据进行预测，得到各所述目标的预测数据；根据各所述目标的预测数据、以及为各所述目标联合调度所配置的约束条件，构建各所述目标对应的目标函数；利用遗传算法对各所述目标对应的目标函数进行调度求解，得到针对各所述目标的调度结果。
[0007]根据本申请实施例的一个方面，一种多目标联合调度装置，包括：数据获取模块，用于获取多个目标的历史数据；数据预测模块，用于基于各所述目标的历史数据，对各所述目标在设定时间段内的数据进行预测，得到各所述目标的预测数据；目标函数构建模块，用于根据各所述目标的预测数据、以及为各所述目标联合调度所配置的约束条件，构建各所述目标对应的目标函数；调度求解模块，用于利用遗传算法对各所述目标对应的目标函数进行调度求解，得到针对各所述目标的调度结果。
[0008]根据本申请实施例的一个方面，一种电子设备，包括：至少一个处理器、至少一个存储器、以及至少一条通信总线，其中，存储器上存储有计算机程序，处理器通过通信总线读取存储器中的计算机程序；计算机程序被处理器执行时实现如上所述的多目标联合调度方法。
[0009]根据本申请实施例的一个方面，一种存储介质，其上存储有计算机程序，计算机程
序被处理器执行时实现如上所述的多目标联合调度方法。
[0010]根据本申请实施例的一个方面，一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序存储在存储介质中，计算机设备的处理器从存储介质读取计算机程序，处理器执行计算机程序，使得计算机设备执行时实现如上所述的多目标联合调度方法。
[0011]本申请提供的技术方案带来的有益效果是：
[0012]在上述技术方案中，一方面，利用预测机制，基于各目标的历史数据，对各目标未来一段时间内的数据进行预测，提高数据的可信度，同时解决了用于调度求解的数据来源不及时、调度不充分的问题；另一方面，利用遗传算法对预测数据所构建的各目标对应目标函数进行调度求解，相较于传统的调度算法，不仅提高了得到最优解的概率，保证了调度的准确性，解决了过渡繁殖、过早收敛的问题，还能够降低调度算法的时间复杂度，充分地保证多目标联合调度结果足够实用，从而能够有效地解决相关技术中存在的多目标联合调度的实用性不强的问题。
附图说明
[0013]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
[0014]图1是根据本申请所涉及的实施环境的示意图；
[0015]图2是根据一示例性实施例示出的一种多目标联合调度方法的流程图；
[0016]图3a是一应用场景中一种多目标联合调度方法的具体实现示意图；
[0017]图3b是另一个应用场景中一种多目标联合调度方法的具体实现示意图；
[0018]图4是根据一示例性实施例示出的一种多目标联合调度装置的结构框图；
[0019]图5是根据一示例性实施例示出的一种服务器的硬件结构图；
[0020]图6是根据一示例性实施例示出的一种电子设备的结构框图。
具体实施方式
[0021]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
[0022]本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
[0023]下面是对本申请涉及的几个名词进行的介绍和解释：
[0024]机器学习(Machine Learning)：机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。可以通过机器学习，利用各目标的历史数据训练模型，然后使用该模型预测得到预测数据。
[0025]深度学习(Deep Learning)：深度神经网络的基本思想是通过构建多层网络，对目标进行多层表示，以期通过多层的高层次特征来表示数据的抽象语义信息，获得更好的特征鲁棒性。可以通过深度学习，利用各目标的历史数据进行学习，进而基于历史数据进行预测，得到预测数据。
[0026]智能优化算法(Intelligent Optimization Algorithm)：自然界的生物体在遗传、选择和变异等一系列作用下，优胜劣汰，不断地由低级向高级进化和发展，人们将这种“适者生存”的进化规律的实质加以模式化而构成一种优化算法，即智能优化算法。智能优化算法是一系列的搜索技术，包括遗传算法、进化规划、进化策略等。优化问题广泛地存在于信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域。可以通过智能优化算法，对多目标联合调度项目进行调度求解，得到调度结果。
[0027]多目标联合调度(Multi
‑
objective Joint Sch本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多目标联合调度方法，其特征在于，包括：获取多个目标的历史数据；基于各所述目标的历史数据，对各所述目标在设定时间段内的数据进行预测，得到各所述目标的预测数据；根据各所述目标的预测数据、以及为各所述目标联合调度所配置的约束条件，构建各所述目标对应的目标函数；利用遗传算法对各所述目标对应的目标函数进行调度求解，得到针对各所述目标的调度结果。2.如权利要求1所述的方法，其特征在于，所述基于各所述目标的历史数据，对各所述目标在设定时间段内的数据进行预测，得到各所述目标的预测数据，包括：针对每一个所述目标，确认所述目标的各所述历史数据的数据类型；将各所述历史数据分别输入与各所述历史数据的数据类型相适配的预测算法，对所述目标在设定时间段内的数据进行预测，得到所述目标的多个候选预测数据；每一个候选预测数据对应一种预测算法；选取预测精度最高的候选预测数据作为所述目标的预测数据。3.如权利要求1所述的方法，其特征在于，所述遗传算法包括第一遗传算法和第二遗传算法；所述利用遗传算法，对各所述目标对应的目标函数进行调度求解，得到针对各所述目标的调度结果，包括：利用所述第一遗传算法对各所述目标对应的目标函数进行调度求解，得到第一代调度结果；将所述第一代调度结果作为所述第二遗传算法的先验知识，并利用所述第二遗传算法继续对各所述目标对应的目标函数进行调度求解，得到第二代调度结果；若所述第二代调度结果满足第一设定条件，则将所述第二代调度结果作为针对各所述目标的调度结果。4.如权利要求3所述的方法，其特征在于，所述利用所述第一遗传算法对各所述目标对应的目标函数进行调度求解，得到第一代调度结果，包括：基于各所述目标对应的目标函数，得到第一代种群；对所述第一代种群进行进化，若所述第一代种群的迭代次数满足第二设定条件，则所述第一代种群为第一代调度结果，其中，所述第一代调度结果用于指示利用所述第一遗传算法对各所述目标进行调度的最优解。否则，移除所述第一代种群中不满足所述约束条件的个体，得到新的第一代种群；对新的第一代种群继续进行进化，直至所述第一代种群的迭代次数满足所述第二设定条件。5.如权利要求3所述的方法，其特征在于，所述将所述第一代调度结果作为所述第二遗传算法的先验知识，并利用所述第二遗传算法继续对各所述目标对应的...

【专利技术属性】
技术研发人员：孟志航，曲强，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：