本發(fā)明屬于計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種多車間作業(yè)調(diào)度方法及裝置。

背景技術(shù)：

多車間作業(yè)調(diào)度是一個(gè)典型的非確定多項(xiàng)式(NP)難題。整數(shù)規(guī)劃法、混合整數(shù)規(guī)劃法和動(dòng)態(tài)規(guī)劃法等數(shù)學(xué)規(guī)劃法可以用來(lái)進(jìn)行多車間作業(yè)調(diào)度，但是這些數(shù)學(xué)規(guī)劃法的計(jì)算過(guò)程復(fù)雜性較高，使得這些方法的運(yùn)用受到限制。在整數(shù)規(guī)劃中，枚舉方法和拉氏松弛法是其中應(yīng)用最多的兩種方法，枚舉方法的主要缺點(diǎn)是：由于存在整數(shù)約束對(duì)于較大的調(diào)度問(wèn)題需要很大的時(shí)間，拉氏松弛法刪除了整數(shù)約束加入相應(yīng)的代價(jià)，雖然在可行時(shí)間里能解決復(fù)雜的車間問(wèn)題，但是其收斂能力存在局限性。

局部搜索算法和模擬退火法也可以用來(lái)進(jìn)行多車間作業(yè)調(diào)度，然而局部搜索算法在遇到局部極值的時(shí)候容易陷入局部最優(yōu)的問(wèn)題，而模擬退火法雖有可能跳出局部極小，但模擬退火法的收斂速度較慢。還有一種新興的收斂速度快的進(jìn)化算法也可以用來(lái)進(jìn)行多車間作業(yè)調(diào)度，但是在計(jì)算過(guò)程中可能出現(xiàn)早熟收斂和停滯的問(wèn)題，導(dǎo)致還沒(méi)找到最優(yōu)的方案就已經(jīng)收斂并結(jié)束計(jì)算。

綜上所述，現(xiàn)有的多車間作業(yè)調(diào)度方法的收斂能力不佳、容易陷入局部最優(yōu)的陷阱、可行性較低、魯棒性不佳，因而難以有效地解決多車間作業(yè)調(diào)度問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種多車間作業(yè)調(diào)度方法及裝置，旨在解決現(xiàn)有的解決多車間作業(yè)調(diào)度的方法收斂能力不佳、容易陷入局部最優(yōu)的陷阱、可行性較低的問(wèn)題。

一方面，本發(fā)明提供了一種多車間作業(yè)調(diào)度方法，該方法包括下述步驟：

當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型；

對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件；

當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案；

對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，包括：

統(tǒng)計(jì)預(yù)先獲取的數(shù)學(xué)模型當(dāng)前種群中的當(dāng)前非支配個(gè)體的數(shù)量，根據(jù)當(dāng)前非支配個(gè)體的數(shù)量，使用預(yù)設(shè)的動(dòng)態(tài)種群策略獲取當(dāng)前種群的大小P_N，根據(jù)當(dāng)前非支配個(gè)體的擁擠程度和P_N，確定當(dāng)前種群中保留的個(gè)體，使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，獲取進(jìn)化后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作。

另一方面，本發(fā)明提供了一種多車間作業(yè)調(diào)度裝置，該裝置包括：

模型建立模塊，用于當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型；

種群進(jìn)化模塊，用于對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件；以及

輸出模塊，用于當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案；

其中，該種群進(jìn)化模塊包括：

種群進(jìn)化子模塊，用于統(tǒng)計(jì)預(yù)先獲取的數(shù)學(xué)模型當(dāng)前種群中的當(dāng)前非支配個(gè)體的數(shù)量，根據(jù)當(dāng)前非支配個(gè)體的數(shù)量，使用預(yù)設(shè)的動(dòng)態(tài)種群策略獲取當(dāng)前種群的大小P_N，根據(jù)當(dāng)前非支配個(gè)體的擁擠程度和P_N，確定當(dāng)前種群中保留的個(gè)體，使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，獲取進(jìn)化后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作。

本發(fā)明在接收到多車間作業(yè)調(diào)度的請(qǐng)求后，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型，對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件，此時(shí)將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案，以得到多車間作業(yè)調(diào)度的解決方案，提高了收斂能力和魯棒性，進(jìn)而提高了多車間作業(yè)調(diào)度的可行性。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例一提供的多車間作業(yè)調(diào)度方法的實(shí)現(xiàn)流程圖；

圖2是本發(fā)明實(shí)施例二提供的多車間作業(yè)調(diào)度方法的實(shí)現(xiàn)流程圖；

圖3是本發(fā)明實(shí)施例三提供的多車間作業(yè)調(diào)度裝置的結(jié)構(gòu)示意圖；

圖4是本發(fā)明實(shí)施例四提供的多車間作業(yè)調(diào)度裝置的結(jié)構(gòu)示意圖；

圖5是本發(fā)明實(shí)施例五提供的多車間作業(yè)調(diào)度裝置的結(jié)構(gòu)示意圖；以及

圖6是本發(fā)明實(shí)施例五提供的種群進(jìn)化子模塊的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

以下結(jié)合具體實(shí)施例對(duì)本發(fā)明的具體實(shí)現(xiàn)進(jìn)行詳細(xì)描述：

實(shí)施例一：

圖1示出了本發(fā)明實(shí)施例一提供的多車間作業(yè)調(diào)度方法的實(shí)現(xiàn)流程，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，詳述如下：

在步驟S101中，當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型。

在本發(fā)明實(shí)施例中，當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，接收多車間作業(yè)的作業(yè)參數(shù)，以用于建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型。作為示例地，多車間作業(yè)的作業(yè)參數(shù)可以包括需要加工的工件數(shù)N、每個(gè)工件需要經(jīng)歷的工序數(shù)n_j、可用于加工的機(jī)器臺(tái)數(shù)M以及工件和機(jī)器的加工約束條件等。建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型時(shí)，具體地，可以將多車間作業(yè)調(diào)度中的加工成本f₁(x)、加工時(shí)間f₂(x)和產(chǎn)品質(zhì)量f₃(x)分別表示為：

其中，c_ijk表示第j個(gè)工件在的第i道工序在第k個(gè)機(jī)器上加工所需要的成本，x_ijk表示第j個(gè)工件的第i道工序是否選擇在k機(jī)器上加工，x_ijk＝0表示未選中，x_ijk＝1表示選中，t_ijk表示第j個(gè)工件的第i道工序在第k個(gè)機(jī)器上加工所需要的時(shí)間，q_ijk為第j個(gè)工件的第i道工序在第k個(gè)機(jī)器上的加工質(zhì)量衡量度，優(yōu)選地，綜合考慮加工成本、交貨期、修補(bǔ)時(shí)間、維修成本等因素的影響，該加工質(zhì)量衡量度可以采用0.01～1.00區(qū)間段的數(shù)值表示，從而優(yōu)化了多車間作業(yè)調(diào)度的數(shù)學(xué)模型，進(jìn)而提高了多車間作業(yè)調(diào)度方案的精確性。

優(yōu)選地，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型后，預(yù)先對(duì)種群進(jìn)化的運(yùn)行參數(shù)和終止代數(shù)進(jìn)行設(shè)置。之后，隨機(jī)生成數(shù)學(xué)模型的初始種群，計(jì)算初始種群中個(gè)體的目標(biāo)函數(shù)值，根據(jù)計(jì)算得到的目標(biāo)函數(shù)值獲取初始種群中的當(dāng)前非支配個(gè)體，將獲取的當(dāng)前非支配個(gè)體組成當(dāng)前種群，并將當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)設(shè)置為第一代，以用于種群進(jìn)化。

在步驟S102中，對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化。

在本發(fā)明實(shí)施例中，對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化時(shí)，優(yōu)選地，根據(jù)非支配個(gè)體的個(gè)數(shù)與預(yù)設(shè)的閥值的大小關(guān)系，使用動(dòng)態(tài)種群策略(DPS)確定種群的大小P_N，從而避免種群的大小對(duì)算法的收斂性和收斂速度的影響，提高解決多車間作業(yè)調(diào)度的可行性，然后在當(dāng)前種群中使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)大小為P_N的種群中的個(gè)體進(jìn)行進(jìn)化，從而避免在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高收斂能力，進(jìn)而提高多車間作業(yè)調(diào)度的可行性。

在步驟S103中，判斷當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)是否滿足預(yù)設(shè)的種群進(jìn)化終止條件，是則執(zhí)行步驟S104，否則執(zhí)行步驟S105。

在步驟S104中，當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案。

在本發(fā)明實(shí)施例中，當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，進(jìn)化后的當(dāng)前種群中的非支配個(gè)體即為是多車間作業(yè)調(diào)度的數(shù)學(xué)模型的解或要求解的參數(shù)，之后根據(jù)這些參數(shù)即可得到多車間作業(yè)調(diào)度的方案，從而快速地向用戶返回優(yōu)化的多車間作業(yè)調(diào)度方案，提高了用戶作業(yè)的效率。

在步驟S105中，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，并跳轉(zhuǎn)至步驟S102，以重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件。

在本發(fā)明實(shí)施例中，使用預(yù)設(shè)的動(dòng)態(tài)種群策略和雙模式差分進(jìn)化算子對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，從而避免種群的大小對(duì)算法的收斂性和收斂速度的影響，避免在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高了解決多車間作業(yè)調(diào)度的可行性，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件，此時(shí)將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，以得到多車間作業(yè)調(diào)度的解決方案，從而快速得到多車間作業(yè)調(diào)度的優(yōu)化方案，提高了多車間作業(yè)調(diào)度效率。

實(shí)施例二：

圖2示出了本發(fā)明實(shí)施例二提供的多車間作業(yè)調(diào)度方法的實(shí)現(xiàn)流程，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，詳述如下：

在步驟S201中，當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型。

在步驟S202中，計(jì)算當(dāng)前種群中的當(dāng)前非支配個(gè)體的擁擠距離，根據(jù)當(dāng)前非支配個(gè)體的擁擠距離，選擇當(dāng)前非支配個(gè)體中擁擠距離超過(guò)預(yù)設(shè)值的個(gè)體組成當(dāng)前活躍種群。

在本發(fā)明實(shí)施例中，計(jì)算當(dāng)前種群中的當(dāng)前非支配個(gè)體的擁擠距離，擁擠距離為評(píng)判個(gè)體與相鄰個(gè)體間距離遠(yuǎn)近的參數(shù)，由于擁擠距離大的個(gè)體進(jìn)化的機(jī)會(huì)較多，種群的多樣性就得到更好的維持，因而擁擠距離的大小可以反映種群多樣性的優(yōu)劣。將計(jì)算得到的擁擠距離按照降序排列，根據(jù)預(yù)設(shè)的運(yùn)行參數(shù)，選擇擁擠距離較大的個(gè)體組成當(dāng)前活躍種群，從而使得當(dāng)前活躍種群中的個(gè)體可以保持種群多樣性，進(jìn)而提高多車間作業(yè)調(diào)度的魯棒性。

在步驟S203中，根據(jù)當(dāng)前非支配個(gè)體的數(shù)量，使用預(yù)設(shè)的動(dòng)態(tài)種群策略確定種群的大小P_N。

在本發(fā)明實(shí)施例中，根據(jù)非支配個(gè)體的數(shù)量與預(yù)設(shè)的閥值的大小關(guān)系，引入動(dòng)態(tài)種群策略(DPS)確定種群的大小P_N，從而避免種群的大小對(duì)算法的收斂性和收斂速度的影響，提高了解決多車間作業(yè)調(diào)度的可行性。具體地，種群的大小P_N可以按照以下方法進(jìn)行計(jì)算：當(dāng)非支配個(gè)體的個(gè)數(shù)超過(guò)預(yù)設(shè)的閥值時(shí)，將非支配個(gè)體的個(gè)數(shù)每次減去20直至減到20，當(dāng)非支配個(gè)體的個(gè)數(shù)小于20時(shí)，將非支配個(gè)體的個(gè)數(shù)每次增加20直至增加到100。

在步驟S204中，對(duì)當(dāng)前活躍種群中的個(gè)體進(jìn)行克隆，直至當(dāng)前活躍種群中的個(gè)體數(shù)達(dá)到P_N，用當(dāng)前活躍種群中的P_N個(gè)個(gè)體替換當(dāng)前種群中的全部個(gè)體。

在本發(fā)明實(shí)施例中，當(dāng)前活躍種群中的個(gè)體數(shù)P_N的計(jì)算公式為其中，a_i為前活躍種群中的個(gè)體，q_i為每個(gè)需要復(fù)制a_i的個(gè)數(shù)(i＝1,2…N_C)。q_i的計(jì)算公式為其中，fit(a_i)表示a_i的擁擠距離，因而擁擠距離大的個(gè)體可復(fù)制的個(gè)數(shù)多，從而使得當(dāng)前種群中擁擠距離大的個(gè)體所占比重較大，進(jìn)而加快收斂速度。

在步驟S205中，使用預(yù)設(shè)的交叉算子對(duì)得到的數(shù)量為P_N的個(gè)體進(jìn)行重組，使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)重組后的P_N個(gè)個(gè)體進(jìn)行變異，得到新的子代。

在本發(fā)明實(shí)施例中，使用預(yù)設(shè)的交叉算子對(duì)得到的數(shù)量為P_N的個(gè)體進(jìn)行重組時(shí)，在工序?qū)又胁捎脝涡薪徊嫠阕舆M(jìn)行重組，以保持工序的先后順序，具體地，隨機(jī)的生成工件數(shù)i和j，查找工件i的第j-1和j+1個(gè)工序在染色體中的位置，選取夾在這兩個(gè)位置之間的基因進(jìn)行堆積排序，生成新的基因段替換原來(lái)的基因段，其中，隨機(jī)生成的進(jìn)行重組的工件數(shù)i和j，不能是第一個(gè)和最后一個(gè)工件的工件數(shù)，在機(jī)器層中采用兩點(diǎn)交叉算子進(jìn)行重組，首先在相互配對(duì)的兩個(gè)個(gè)體基因上隨機(jī)設(shè)置兩個(gè)交叉點(diǎn)，然后交換兩個(gè)個(gè)體在所設(shè)定的兩個(gè)交叉點(diǎn)之間的部分染色體。

對(duì)重組后的P_N個(gè)個(gè)體進(jìn)行變異時(shí)，使用預(yù)設(shè)的雙模式差分進(jìn)化算子進(jìn)行變異，該預(yù)設(shè)的雙模式差分進(jìn)化算子的表達(dá)式為其中，和是從種群中選擇出來(lái)的個(gè)體，F(xiàn)₁和F₂是比例因子，范圍在[0，1]之間。F₁和F₂的計(jì)算公式為F₁＝Cauchy(F_m,0.1)，F(xiàn)_m為柯西(Cauchy)分布中的參數(shù)，rand為隨機(jī)產(chǎn)生的處于0到1之間的數(shù)，p為預(yù)設(shè)的數(shù)，且p的數(shù)值處于0到1之間。具體地，將F_m初始化為0.5，F(xiàn)_m根據(jù)子代種群的提升進(jìn)行更新，更新的計(jì)算公式為當(dāng)且僅當(dāng)產(chǎn)生的子代中的個(gè)體優(yōu)于父代中的個(gè)體時(shí)，F(xiàn)_success收集F₂的值，當(dāng)F_success超過(guò)種群大小的10％時(shí)，更新F_m。

由于車間調(diào)度問(wèn)題為整數(shù)規(guī)劃問(wèn)題，因而，優(yōu)選地，對(duì)產(chǎn)生的子代對(duì)應(yīng)的編碼數(shù)值向下取整，以得到對(duì)應(yīng)的整數(shù)編碼。

在步驟S206中，將得到的新的子代加入到當(dāng)前種群中，獲取該加入新的子代后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作。

在步驟S207中，判斷當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)是否滿足預(yù)設(shè)的種群進(jìn)化終止條件，是則執(zhí)行步驟S208，否則執(zhí)行步驟S209。

在步驟S208中，當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案。

在步驟S209中，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，并跳轉(zhuǎn)至步驟S202，以重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件。

在本發(fā)明實(shí)施例中，通過(guò)使用預(yù)設(shè)的動(dòng)態(tài)種群策略獲取當(dāng)前種群的大小P_N，根據(jù)當(dāng)前非支配個(gè)體的擁擠程度和P_N，確定當(dāng)前種群中保留的個(gè)體，從而避免種群的大小對(duì)算法的收斂性和收斂速度的影響，提高了解決多車間作業(yè)調(diào)度的可行性，確定了當(dāng)前種群中的個(gè)體之后，使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，獲取進(jìn)化后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作，從而避免了在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高收斂能力，進(jìn)而提高多車間作業(yè)調(diào)度的可行性，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件，此時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，從而快速得到多車間作業(yè)調(diào)度的方案，提高了多車間作業(yè)調(diào)度效率。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，所述的存儲(chǔ)介質(zhì)，如ROM/RAM、磁盤、光盤等。

實(shí)施例三：

圖3示出了本發(fā)明實(shí)施例三提供的多車間作業(yè)調(diào)度裝置的結(jié)構(gòu)，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，其中包括：

模型建立模塊31，用于當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型。

在本發(fā)明實(shí)施例中，當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，模型建立模塊接收多車間作業(yè)的作業(yè)參數(shù)，以用于建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型。作為示例地，多車間作業(yè)的作業(yè)參數(shù)可以包括需要加工的工件數(shù)N、每個(gè)工件需要經(jīng)歷的工序數(shù)n_j、可用于加工的機(jī)器臺(tái)數(shù)M以及工件和機(jī)器的加工約束條件等。建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型時(shí)，具體地，可以將多車間作業(yè)調(diào)度中的加工成本f₁(x)、加工時(shí)間f₂(x)和產(chǎn)品質(zhì)量f₃(x)分別表示為：

其中，c_ijk表示第j個(gè)工件在的第i道工序在第k個(gè)機(jī)器上加工所需要的成本，x_ijk表示第j個(gè)工件的第i道工序是否選擇在k機(jī)器上加工，x_ijk＝0表示未選中，x_ijk＝1表示選中，t_ijk表示第j個(gè)工件的第i道工序在第k個(gè)機(jī)器上加工所需要的時(shí)間，q_ijk為第j個(gè)工件的第i道工序在第k個(gè)機(jī)器上的加工質(zhì)量衡量度，優(yōu)選地，綜合考慮加工成本、交貨期、修補(bǔ)時(shí)間、維修成本等因素的影響，該加工質(zhì)量衡量度可以采用0.01～1.00區(qū)間段的數(shù)值表示，從而優(yōu)化了多車間作業(yè)調(diào)度的數(shù)學(xué)模型，進(jìn)而提高了多車間作業(yè)調(diào)度方案的精確性。

優(yōu)選地，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型后，預(yù)先對(duì)種群進(jìn)化的運(yùn)行參數(shù)和終止代數(shù)進(jìn)行設(shè)置。之后，隨機(jī)生成數(shù)學(xué)模型的初始種群，計(jì)算初始種群中個(gè)體的目標(biāo)函數(shù)值，根據(jù)計(jì)算得到的目標(biāo)函數(shù)值獲取初始種群中的當(dāng)前非支配個(gè)體，將獲取的當(dāng)前非支配個(gè)體組成當(dāng)前種群，并將當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)設(shè)置為第一代，以用于種群進(jìn)化。

種群進(jìn)化模塊32，用于對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件。

在本發(fā)明實(shí)施例中，對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化時(shí)，具體地，種群進(jìn)化模塊根據(jù)非支配個(gè)體的個(gè)數(shù)與預(yù)設(shè)的閥值的大小關(guān)系，使用動(dòng)態(tài)種群策略(DPS)確定種群的大小P_N，從而避免種群的大小對(duì)算法的收斂性和收斂速度的影響，提高了解決多車間作業(yè)調(diào)度的可行性，然后種群進(jìn)化模塊在當(dāng)前種群中使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)大小為P_N的種群中的個(gè)體進(jìn)行進(jìn)化，從而避免在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高收斂能力，進(jìn)而提高多車間作業(yè)調(diào)度的可行性。

對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化之后，判斷當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)是否滿足預(yù)設(shè)的種群進(jìn)化終止條件，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件。

輸出模塊33，用于當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案。

在本發(fā)明實(shí)施例中，種群進(jìn)化模塊使用預(yù)設(shè)的動(dòng)態(tài)種群策略和雙模式差分進(jìn)化算子對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，從而避免種群的大小對(duì)算法的收斂性和收斂速度的影響，避免在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高了解決多車間作業(yè)調(diào)度的可行性，對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化之后，判斷前種群的當(dāng)前進(jìn)化代數(shù)是否滿足預(yù)設(shè)的種群進(jìn)化終止條件，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，種群進(jìn)化模塊將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件，此時(shí)輸出模塊將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，并輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案，從而快速得到多車間作業(yè)調(diào)度的優(yōu)化方案，提高了多車間作業(yè)調(diào)度效率。

在本發(fā)明實(shí)施例中，多車間作業(yè)調(diào)度裝置的各模塊可由相應(yīng)的硬件或軟件模塊實(shí)現(xiàn)，各模塊可以為獨(dú)立的軟、硬件模塊，也可以集成為一個(gè)軟、硬件模塊，在此不用以限制本發(fā)明。

實(shí)施例四：

圖4示出了本發(fā)明實(shí)施例四提供的多車間作業(yè)調(diào)度裝置的結(jié)構(gòu)，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，其中包括：

模型建立模塊41，用于當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型。

初始化模塊42，用于預(yù)設(shè)種群進(jìn)化的運(yùn)行參數(shù)和終止代數(shù)，隨機(jī)生成初始種群；

個(gè)體獲取模塊43，用于計(jì)算初始種群中個(gè)體的目標(biāo)函數(shù)值，根據(jù)計(jì)算得到的目標(biāo)函數(shù)值獲取初始種群中的當(dāng)前非支配個(gè)體；

第一設(shè)置模塊44，用于將獲取的當(dāng)前非支配個(gè)體組成當(dāng)前種群，并將當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)設(shè)置為第一代；

種群進(jìn)化模塊45，用于對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件；

輸出模塊46，用于當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案。

在本發(fā)明實(shí)施例中，模型建立模塊建立數(shù)學(xué)模型之后，第一設(shè)置模塊對(duì)第一代進(jìn)化的當(dāng)前種群進(jìn)行設(shè)置，種群進(jìn)化模塊對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件，從而避免在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高了收斂能力，進(jìn)而提高了多車間作業(yè)調(diào)度的可行性，此時(shí)輸出模塊將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，并輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案，從而快速得到多車間作業(yè)調(diào)度的優(yōu)化方案，提高了多車間作業(yè)調(diào)度效率。

在本發(fā)明實(shí)施例中，多車間作業(yè)調(diào)度裝置的各模塊可由相應(yīng)的硬件或軟件模塊實(shí)現(xiàn)，各模塊可以為獨(dú)立的軟、硬件模塊，也可以集成為一個(gè)軟、硬件模塊，在此不用以限制本發(fā)明。

實(shí)施例五：

圖5示出了本發(fā)明實(shí)施例五提供的多車間作業(yè)調(diào)度裝置的結(jié)構(gòu)，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，其中包括：

模型建立模塊51，用于當(dāng)接收到多車間作業(yè)調(diào)度的請(qǐng)求時(shí)，根據(jù)多車間作業(yè)調(diào)度的作業(yè)參數(shù)，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型。

種群進(jìn)化模塊52，用于對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件。

在本發(fā)明實(shí)施例中，建立多車間作業(yè)調(diào)度的數(shù)學(xué)模型之后，對(duì)當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化。優(yōu)選地，計(jì)算當(dāng)前種群中的當(dāng)前非支配個(gè)體種群中個(gè)體的擁擠距離，根據(jù)計(jì)算得到的擁擠距離，選擇當(dāng)前非支配個(gè)體中擁擠距離超過(guò)預(yù)設(shè)值的個(gè)體組成當(dāng)前活躍種群，從而使得當(dāng)前活躍種群中的個(gè)體可以保持種群多樣性，進(jìn)而提高多車間作業(yè)調(diào)度的魯棒性，然后根據(jù)當(dāng)前非支配個(gè)體的數(shù)量，使用預(yù)設(shè)的動(dòng)態(tài)種群策略確定種群的大小P_N，對(duì)當(dāng)前活躍種群中的個(gè)體進(jìn)行克隆，直至當(dāng)前活躍種群中的個(gè)體數(shù)達(dá)到P_N，用當(dāng)前活躍種群中的P_N個(gè)個(gè)體替換當(dāng)前種群中的全部個(gè)體，從而使得當(dāng)前種群中擁擠距離大的個(gè)體所占比重較大，進(jìn)而加快收斂速度，得到包含P_N個(gè)當(dāng)前非支配個(gè)體的當(dāng)前種群后，使用預(yù)設(shè)的交叉算子對(duì)當(dāng)前種群中的P_N個(gè)個(gè)體進(jìn)行重組，使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)重組后的P_N個(gè)個(gè)體進(jìn)行變異，得到新的子代，再將得到的新的子代加入到當(dāng)前種群中，獲取該加入新的子代后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作，從而避免在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高收斂能力，進(jìn)而提高多車間作業(yè)調(diào)度的可行性。

對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化之后，判斷當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)是否滿足預(yù)設(shè)的種群進(jìn)化終止條件，當(dāng)當(dāng)前種群的當(dāng)前進(jìn)化代數(shù)不滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型下一代的當(dāng)前種群，重復(fù)執(zhí)行對(duì)數(shù)學(xué)模型的當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化的步驟，直至當(dāng)前進(jìn)化代數(shù)滿足種群進(jìn)化終止條件。

輸出模塊53，用于當(dāng)當(dāng)前進(jìn)化代數(shù)滿足預(yù)設(shè)的種群進(jìn)化終止條件時(shí)，將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，輸出數(shù)學(xué)模型中待求參數(shù)的解對(duì)應(yīng)的多車間作業(yè)調(diào)度的解決方案。

因而，優(yōu)選地，該種群進(jìn)化模塊52包括：

種群進(jìn)化子模塊521，用于統(tǒng)計(jì)預(yù)先獲取的數(shù)學(xué)模型當(dāng)前種群中的當(dāng)前非支配個(gè)體的數(shù)量，根據(jù)當(dāng)前非支配個(gè)體的數(shù)量，使用預(yù)設(shè)的動(dòng)態(tài)種群策略獲取當(dāng)前種群的大小P_N，根據(jù)當(dāng)前非支配個(gè)體的擁擠程度和P_N，確定當(dāng)前種群中保留的個(gè)體，使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，獲取進(jìn)化后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作；

優(yōu)選地，如圖6所示，該種群進(jìn)化子模塊521包括：

個(gè)體選擇模塊5211，用于計(jì)算當(dāng)前種群中的當(dāng)前非支配個(gè)體的擁擠距離，根據(jù)當(dāng)前非支配個(gè)體的擁擠距離，選擇當(dāng)前非支配個(gè)體中擁擠距離超過(guò)預(yù)設(shè)值的個(gè)體組成當(dāng)前活躍種群；

數(shù)量確定模塊5212，用于使用預(yù)設(shè)的動(dòng)態(tài)種群策略，根據(jù)當(dāng)前非支配個(gè)體的數(shù)量，確定種群的大小P_N；

個(gè)體確定模塊5213，用于對(duì)當(dāng)前活躍種群中的個(gè)體進(jìn)行克隆，直至當(dāng)前活躍種群中的個(gè)體數(shù)量達(dá)到P_N，用當(dāng)前活躍種群中的P_N個(gè)個(gè)體替換當(dāng)前種群中的全部個(gè)體；

子代生成模塊5214，用于使用預(yù)設(shè)的交叉算子對(duì)得到的數(shù)量為P_N的個(gè)體進(jìn)行重組，使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)重組后的P_N個(gè)個(gè)體進(jìn)行變異，得到新的子代；以及

進(jìn)化子模塊5215，用于將得到的新的子代加入到當(dāng)前種群中，獲取加入新的子代后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作。

在本發(fā)明實(shí)施例中，通過(guò)使用預(yù)設(shè)的動(dòng)態(tài)種群策略獲取當(dāng)前種群的大小P_N，根據(jù)當(dāng)前非支配個(gè)體的擁擠程度和P_N，確定當(dāng)前種群中保留的個(gè)體，從而避免種群的大小對(duì)算法的收斂性和收斂速度的影響，提高了解決多車間作業(yè)調(diào)度的可行性，確定了當(dāng)前種群中的個(gè)體之后，種群進(jìn)化模塊使用預(yù)設(shè)的雙模式差分進(jìn)化算子對(duì)當(dāng)前種群中的個(gè)體進(jìn)行進(jìn)化，獲取進(jìn)化后的當(dāng)前種群中的當(dāng)前非支配個(gè)體，并對(duì)當(dāng)前進(jìn)化代數(shù)進(jìn)行加1操作，從而避免了在多車間作業(yè)調(diào)度的過(guò)程中陷入局部最優(yōu)的陷阱，提高收斂能力，進(jìn)而提高多車間作業(yè)調(diào)度的可行性，此時(shí)設(shè)置模塊將進(jìn)化后的當(dāng)前種群中的非支配個(gè)體設(shè)置為數(shù)學(xué)模型中待求參數(shù)的解，從而快速得到多車間作業(yè)調(diào)度的方案，提高了多車間作業(yè)調(diào)度效率。

在本發(fā)明實(shí)施例中，多車間作業(yè)調(diào)度裝置的各模塊可由相應(yīng)的硬件或軟件模塊實(shí)現(xiàn)，各模塊可以為獨(dú)立的軟、硬件模塊，也可以集成為一個(gè)軟、硬件模塊，在此不用以限制本發(fā)明。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。