本发明涉及数据处理,特别涉及一种基于遗传算法的任务分配优化方法及系统。
背景技术:
1、使用人工经验和规则来分配任务给工作人员或生产设备,这种方法适用在小规模任务分配,但随着任务量和复杂性的增加,人工分配难以优化任务分配方案。
2、在实际应用中,人工分配容易陷入局部最优解,无法找到全局最优的任务分配方案,影响生产效率,还存在人为主观因素影响。任务分配需求可能会随着生产线情况变化,而人工分配难以实时适应动态的任务变化,分配效率较低。
技术实现思路
1、本发明提供一种基于遗传算法的任务分配优化方法及系统,能够提高任务分配的效率。
2、鉴于此,本发明一方面提供一种基于遗传算法的任务分配优化方法,所述方法包括:
3、采集目标对象的属性数据,并基于所述属性数据,为对应的目标对象生成对象特征信息;
4、获取待分配的任务集合,所述任务集合中包括各个待分配任务的任务属性;
5、根据各个所述待分配任务的任务属性,和当前处于空闲状态的目标对象的对象特征信息,构建任务分配适应度函数;
6、对所述任务分配适应度函数进行解算,以确定多个候选任务分配方案;
7、利用遗传算法对所述多个候选任务分配方案进行筛选,以确定出最优的任务分配方案,并基于所述最优的任务分配方案,将所述任务集合中的各个待分配任务分配至目标对象处。
8、在一个实施方式中,为对应的目标对象生成对象特征信息包括:
9、识别所述属性数据中包含的多个属性子数据,所述属性子数据包括对象能力数值、对象经验数值、设备利用率中的至少一种;
10、构建包含各个所述属性子数据的数据向量,并将所述数据向量输入至完成训练的信息生成模型,以通过所述信息生成模型输出对应的对象特征信息;
11、其中,所述对象特征信息中包括与待分配任务相关的多个不同维度的维度信息。
12、在一个实施方式中,构建任务分配适应度函数包括:
13、根据所述对象特征信息中包含的各个维度信息,建立有限元模型;
14、针对所述待分配任务的任务属性,采用随机抽样法生成任务分配样本,并将所述任务分配样本输入有限元模型中,以计算得到所述任务分配样本的置信度评分;
15、将所述任务分配样本的样本参数和对应的置信度评分构成数据集,并利用完成训练的预测模型对所述数据集进行处理,得到所述数据集对应的适应度;
16、基于各个数据集对应的适应度,构建任务分配适应度函数,其中,所述适应度函数中的系数由所述数据集和对应的适应度确定。
17、在一个实施方式中,对所述任务分配适应度函数进行解算,以确定多个候选任务分配方案包括:
18、生成目前待分配任务的实际数据集,并将所述实际数据集带入所述任务分配适应度函数中,以计算得到所述实际数据集对应的一个或者多个候选置信度评分,并且分别确定每个候选置信度评分对应的候选任务分配方案。
19、在一个实施方式中,利用遗传算法对所述多个候选任务分配方案进行筛选,以确定出最优的任务分配方案包括:
20、依据各个候选任务分配方案对应的适应度值,在遗传空间选择基础任务分配方案,并对所述基础任务分配方案进行繁殖操作;
21、依据选定的交叉和变异算法,对所述基础任务分配方案进行操作,得到新一代种群;
22、判断新一代种群是否达到收敛标准,若是,将新一代种群对应任务分配方案作为筛选得到的最优的任务分配方案。
23、本发明还提供一种基于遗传算法的任务分配优化系统,所述系统包括:
24、特征信息生成单元,用于采集目标对象的属性数据,并基于所述属性数据,为对应的目标对象生成对象特征信息;
25、任务集合获取单元,用于获取待分配的任务集合,所述任务集合中包括各个待分配任务的任务属性;
26、函数构建单元,用于根据各个所述待分配任务的任务属性,和当前处于空闲状态的目标对象的对象特征信息,构建任务分配适应度函数;
27、解算单元,用于对所述任务分配适应度函数进行解算,以确定多个候选任务分配方案;
28、任务分配单元,用于利用遗传算法对所述多个候选任务分配方案进行筛选,以确定出最优的任务分配方案,并基于所述最优的任务分配方案,将所述任务集合中的各个待分配任务分配至目标对象处。
29、在一个实施方式中,所述特征信息生成单元具体用于,识别所述属性数据中包含的多个属性子数据,所述属性子数据包括对象能力数值、对象经验数值、设备利用率中的至少一种;构建包含各个所述属性子数据的数据向量,并将所述数据向量输入至完成训练的信息生成模型,以通过所述信息生成模型输出对应的对象特征信息;其中,所述对象特征信息中包括与待分配任务相关的多个不同维度的维度信息。
30、在一个实施方式中,所述函数构建单元具体用于,根据所述对象特征信息中包含的各个维度信息,建立有限元模型;针对所述待分配任务的任务属性,采用随机抽样法生成任务分配样本,并将所述任务分配样本输入有限元模型中,以计算得到所述任务分配样本的置信度评分;将所述任务分配样本的样本参数和对应的置信度评分构成数据集,并利用完成训练的预测模型对所述数据集进行处理,得到所述数据集对应的适应度;基于各个数据集对应的适应度,构建任务分配适应度函数,其中,所述适应度函数中的系数由所述数据集和对应的适应度确定。
31、在一个实施方式中,所述解算单元具体用于,生成目前待分配任务的实际数据集,并将所述实际数据集带入所述任务分配适应度函数中,以计算得到所述实际数据集对应的一个或者多个候选置信度评分,并且分别确定每个候选置信度评分对应的候选任务分配方案。
32、在一个实施方式中,所述任务分配单元具体用于,依据各个候选任务分配方案对应的适应度值,在遗传空间选择基础任务分配方案,并对所述基础任务分配方案进行繁殖操作;依据选定的交叉和变异算法,对所述基础任务分配方案进行操作,得到新一代种群;判断新一代种群是否达到收敛标准,若是,将新一代种群对应任务分配方案作为筛选得到的最优的任务分配方案。
33、本发明提供的技术方案,通过遗传算法的全局搜索和优化能力,考虑任务需求、人员能力和资源利用率等因素,确保任务分配合理、高效。优化后的任务分配方案有助于提高任务执行效率、减少资源浪费,从而降低生产成本,提高生产效率和产品质量。
34、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
35、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
1.一种基于遗传算法的任务分配优化方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,为对应的目标对象生成对象特征信息包括:
3.根据权利要求1或2所述的方法,其特征在于,构建任务分配适应度函数包括:
4.根据权利要求3所述的方法,其特征在于,对所述任务分配适应度函数进行解算,以确定多个候选任务分配方案包括:
5.根据权利要求1所述的方法,其特征在于,利用遗传算法对所述多个候选任务分配方案进行筛选,以确定出最优的任务分配方案包括:
6.一种基于遗传算法的任务分配优化系统,其特征在于,所述系统包括:
7.根据权利要求6所述的系统,其特征在于,所述特征信息生成单元具体用于,识别所述属性数据中包含的多个属性子数据,所述属性子数据包括对象能力数值、对象经验数值、设备利用率中的至少一种;构建包含各个所述属性子数据的数据向量,并将所述数据向量输入至完成训练的信息生成模型,以通过所述信息生成模型输出对应的对象特征信息;其中,所述对象特征信息中包括与待分配任务相关的多个不同维度的维度信息。
8.根据权利要求6或7所述的系统,其特征在于,所述函数构建单元具体用于,根据所述对象特征信息中包含的各个维度信息,建立有限元模型;针对所述待分配任务的任务属性,采用随机抽样法生成任务分配样本,并将所述任务分配样本输入有限元模型中,以计算得到所述任务分配样本的置信度评分;将所述任务分配样本的样本参数和对应的置信度评分构成数据集,并利用完成训练的预测模型对所述数据集进行处理,得到所述数据集对应的适应度;基于各个数据集对应的适应度,构建任务分配适应度函数,其中,所述适应度函数中的系数由所述数据集和对应的适应度确定。
9.根据权利要求8所述的系统,其特征在于,所述解算单元具体用于,生成目前待分配任务的实际数据集,并将所述实际数据集带入所述任务分配适应度函数中,以计算得到所述实际数据集对应的一个或者多个候选置信度评分,并且分别确定每个候选置信度评分对应的候选任务分配方案。
10.根据权利要求6所述的系统,其特征在于,所述任务分配单元具体用于,依据各个候选任务分配方案对应的适应度值,在遗传空间选择基础任务分配方案,并对所述基础任务分配方案进行繁殖操作;依据选定的交叉和变异算法,对所述基础任务分配方案进行操作,得到新一代种群;判断新一代种群是否达到收敛标准,若是,将新一代种群对应任务分配方案作为筛选得到的最优的任务分配方案。