[发明专利]一种生产调度控制方法和装置

权利要求书

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；

获取所述初始参数模型输出的超参数；

基于所述当前参数和所述超参数对所述初始参数模型中的模型参数进行调整。

6.根据权利要求1所述的方法，其特征在于，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包括：

根据所述粒子群算法和所述超参数的当前迭代产生的第一作业目标量，计算与第一作业目标量对应的变量的第一适应性函数值；

根据所述粒子群算法和所述超参数的上一次迭代产生的第二作业目标量，并计算上一次迭代的第二作业目标量对应的第二适应性函数值；

计算第二适应性函数值与第一适应性函数值的适应性函数差值；

判断所述适应性函数差值是否小于设定阈值；

在所述适应性函数差值小于设定阈值时，确定所述当前迭代产生的第一作业目标量满足适应性函数要求。

7.一种生产调度控制装置，其特征在于，包括：

第一获取模块，用于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；

第一计算模块，用于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；

生成模块，用于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；

第二计算模块，用于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。