[发明专利]工序排序优化方法及装置

说明书

本发明实施例提供一种工序排序优化方法及装置，所述方法包括：计算当代种群中各个体的适应度值；将所有个体按照适应度值从大到小的顺序进行排列，选择前第一预设个数的个体作为精英保留群，前第二预设个数的个体作为精英群；对当代种群进行轮盘赌操作，选出多个个体作为第一普通子群，将通过随机方式获取的个体作为第二普通子群，将第一普通子群和第二普通子群进行组合获取普通群；对精英群和普通群分别进行交叉变异操作获取第一子代群和第二子代群，将精英保留群、第一子代群和第二子代群进行组合作为下一代种群，直到满足终止条件，将最后一代种群中适应度值最高的个体作为最优工序排序结果。本发明能使最优工序排序结果达到全局最优。

技术领域

本发明实施例属于网络结构优化技术领域，更具体地，涉及一种工序排序优化方法及装置。

背景技术

公司在现代社会的运作中承担着越来越重的决策，而项目又是现代企业组织实施的主要载体。当前项目越来越复杂，涉及到的方方面面的资源，网络结构关系日益复杂。当前在以项目调度为主要应用背景的调度问题中，如何通过对工序进行合理排序以缩短完成调度对象的总工期是关注的重要问题。

最初的人工对项目工序进行排序的方法已远远无法满足调度的时效性要求。随着启发式算法在求解具有NP-Hard属性的问题上的应用，以遗传算法为代表的启发式算法正日益发挥着其在优化问题方面的优越性。传统的遗传算法在优化时，通常步骤包括有1、初始化种群；2、基于适应度值作为概率分布依据，通过轮盘赌完成种群的选择操作；3、对种群执行交叉操作；4、对种群执行变异操作；5、获得下一代种群。

传统的遗传算法应用在复杂的项目调度问题时，极易发生过早收敛现象，在距离最优结果较远的地方便陷入局部最优。

发明内容

为克服上述现有的遗传算法应用到复杂项目的工序排序问题时易陷入局部最优的问题或者至少部分地解决上述问题，本发明实施例提供一种工序排序优化方法及装置。

根据本发明实施例的第一方面，提供一种工序排序优化方法，包括：

计算当代种群中各个体的适应度值；其中，所述个体为目标项目的工序排序结果，各所述个体对应的目标项目完成时间越早，相应的适应度值越大；

将所有所述个体按照适应度值从大到小的顺序进行排列，选择前第一预设个数的个体作为精英保留群，前第二预设个数的个体作为精英群；

根据所述当代种群中各个体对应的适应度值进行轮盘赌操作，从所述当代种群中选出多个个体作为第一普通子群，将通过随机生成的方式获取的多个随机个体作为第二普通子群，将所述第一普通子群和所述第二普通子群进行组合获取普通群；

对所述精英群进行交叉和变异操作获取第一子代群，对所述普通群进行交叉和变异操作获取第二子代群，将所述精英保留群、所述第一子代群和所述第二子代群进行组合，获取下一代种群，直到满足预设终止条件，将最后一代种群中适应度值最高的个体作为最优工序排序结果。

根据本发明实施例第二方面提供一种工序排序优化装置，包括：

计算模块，用于计算当代种群中各个体的适应度值；其中，所述个体为目标项目的工序排序结果，各所述个体对应的目标项目完成时间越早，相应的适应度值越大；

选择模块，用于将所有所述个体按照适应度值从大到小的顺序进行排列，选择前第一预设个数的个体作为精英保留群，前第二预设个数的个体作为精英群；

组合模块，用于根据所述当代种群中各个体对应的适应度值进行轮盘赌操作，从所述当代种群中选出多个个体作为第一普通子群，将通过随机生成的方式获取的多个随机个体作为第二普通子群，将所述第一普通子群和所述第二普通子群进行组合获取普通群；