[发明专利]一种制造任务服务资源分配方法、存储介质以及设备

说明书

本发明公开了一种制造任务服务资源分配方法、存储介质以及设备，通过以制造任务在多个服务阶段内总时间成本和总资金成本的加权值最小为目标并结合约束条件，构建服务资源分配模型；基于服务资源分配模型，利用遗传算法确定出制造任务的最优服务资源分配方案，从而能够快速、有效的确定出制造任务服务资源分配的最优方案。

技术领域

本发明涉及制造任务的资源分配技术领域，尤其涉及一种制造任务服务资源分配方法、存储介质以及设备。

背景技术

国内制造企业面向海外的采购订单，需要调用国内采购、生产等服务对产品进行生产加工，并通过港口和船务公司将所有订单通过物流网络运输到国外。这一过程中包括采购、生产加工、仓储、转运等环节，为不同环节的制造任务分配合适的资源有利于提高产品的供应效率和成本。

目前市场上主要通过人工计算来完成资源的配置，然而制造任务服务资源分配存在制造任务服务资源异构性、制造任务服务资源网络复杂化等特征，仅依赖于人工经验，难以从统筹全局的角度确定出最优的资源分配方案，且存在资源分配效率低、分配不合理等问题。

发明内容

本发明要解决的技术问题是：如何快速、有效的确定出制造任务服务资源分配的最优方案。

为解决上述技术问题，本发明提供了一种制造任务服务资源分配方法、存储介质以及设备。

本发明的第一个方面，提供了一种制造任务服务资源分配方法，其包括：

以制造任务在多个服务阶段内总时间成本和总资金成本的加权值最小为目标并结合约束条件，构建服务资源分配模型；

基于所述服务资源分配模型，利用遗传算法确定出所述制造任务的最优服务资源分配方案。

在一些实施例中，基于所述服务资源分配模型，利用遗传算法确定出所述制造任务的最优服务资源分配方案，包括：

步骤S201：基于所述制造任务在各个所述服务阶段内的时间成本和资金成本构建初始种群；

步骤S202：根据目标函数计算所述初始种群的适应度；

步骤S203：判断迭代是否终止，若迭代终止，则执行步骤S206；否则进行步骤S204；

步骤S204：对所述初始种群进行遗传操作，以得到子代种群；

步骤S205：根据所述目标函数计算所述子代种群的适应度；

步骤S206：当所有种群迭代终止时，输出所述服务资源分配模型的最优解。

在一些实施例中，所述以制造任务在多个服务阶段内总时间成本和总资金成本的加权值最小为目标并结合约束条件，构建服务资源分配模型包括：

以所述制造任务在多个所述服务阶段内总时间成本和总资金成本的加权值最小，构建目标函数：

minF＝ω₁T+ω₂C

其中，F为目标函数，T为多个所述服务阶段内的所述总时间成本，C为多个所述服务阶段内的所述总资金成本，ω₁为所述总时间成本的权重因子，ω₂为所述总资金成本的权重因子；

所述约束条件包括总时间成本约束条件和总资金成本约束条件，所述总时间成本约束条件表示为：

T≤T_max，其中，T_max为多个所述服务阶段内总时间成本的预设阈值；

所述总资金成本约束条件表示为：

C≤C_max，其中，C_max为多个所述服务阶段内总资金成本的预设阈值。