CN115577997B - 排程控制方法、装置、设备及计算机可读存储介质 - Google Patents
排程控制方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115577997B CN115577997B CN202211588465.4A CN202211588465A CN115577997B CN 115577997 B CN115577997 B CN 115577997B CN 202211588465 A CN202211588465 A CN 202211588465A CN 115577997 B CN115577997 B CN 115577997B
- Authority
- CN
- China
- Prior art keywords
- experimental
- operations
- execution
- execution time
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请公开了一种排程控制方法、装置、设备及计算机可读存储介质。其中,该方法包括:获取n个实验样品各自对应的实验操作流程,实验操作流程包括实验样品按照预设执行顺序执行的多个操作以及操作的预计操作时长;以n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定n个实验样品各自对应的操作的第一开始执行时间以及第一执行顺序,得到第一实验排程。根据本申请实施例的排程控制方法,能够提高设备的使用效率以及实验通量,进而提高实验效率。
Description
技术领域
本申请属于智能实验室领域,尤其涉及一种排程控制方法、装置、设备及计算机可读存储介质。
背景技术
在生命科学及理化实验领域,目前实验的主要方式还是以人工为主,实验员通过在多个不同仪器设备间转移样品来完成实验。但是,人为因素导致实验通量及实验结果的可重复性都受到不同程度的限制。
为了克服人为因素导致的上述问题,在生命科学及理化自动化领域,通常用机器人代替实验员在多个不同仪器设备之间转移样品来完成实验。为了保证在一定时间内完成尽可能多的实验,提高设备的使用效率,需要同时跑多个样品来提高实验通量。但是,现有技术中,设备的使用效率以及实验通量均较低,导致实验效率较低。
发明内容
本申请实施例提供了一种排程控制方法、装置、设备、计算机可读存储介质及计算机程序产品,能够提高设备的使用效率以及实验通量,进而提高实验效率。
第一方面,本申请实施例提供了一种排程控制方法,该方法包括:
获取n个实验样品各自对应的实验操作流程,所述实验操作流程包括实验样品按照预设执行顺序执行的多个操作以及所述操作的预计操作时长,所述n为正整数;
以所述n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定所述n个实验样品各自对应的操作的第一开始执行时间以及第一执行顺序,得到第一实验排程;
所述执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,所述第一操作和所述第二操作均为同一实验操作流程对应的多个操作中的任一操作,所述目标时间包括开始执行时间或执行结束时间。
在一种可能的实现方式中,所述执行时间约束包括目标差值不小于所述第一操作的预计操作时长,所述目标差值为所述实验样品对应的所述第一操作的开始执行时间与所述第二操作的开始执行时间的差值,所述第二操作的开始执行时间晚于所述第一操作的开始执行时间。
在一种可能的实现方式中,所述执行时间约束包括目标差值不小于所述第二操作的预计操作时长,所述目标差值为所述实验样品对应的所述第一操作的执行结束时间与所述第二操作的执行结束时间的差值,所述第二操作的执行结束时间晚于所述第一操作的执行结束时间。
在一种可能的实现方式中,所述得到第一实验排程之后,所述方法还包括:
根据所述第一实验排程中的所述第一开始执行时间以及第一执行顺序依次执行所述实验操作流程中的操作;
在第三操作执行完成后,根据所述第三操作对应的实际操作时长,更新所述第三操作对应的预计操作时长,得到更新后的实验操作流程;所述第三操作为所述多个操作中的任一操作;
以所述n个实验样品各自对应的更新后的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定所述n个实验样品各自对应的操作的第二开始执行时间以及第二执行顺序,得到第二实验排程;
所述执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,所述第一操作和所述第二操作均为同一实验操作流程对应的多个操作中的任一操作,所述目标时间包括开始执行时间或执行结束时间。
在一种可能的实现方式中,所述得到第二实验排程之后,所述方法还包括:
在所述n个实验样品中的m个实验样品按照所述第一实验排程执行完成的情况下,剩余的n-m个实验样品按照所述第二实验排程执行后续操作,所述m为正整数,所述m小于n。
在一种可能的实现方式中,所述最优化算法包括分支定界法、列生成法、遗传算法和蚁群算法中的至少一种。
第二方面,本申请实施例提供了一种排程控制装置,该装置包括:
获取模块,用于获取n个实验样品各自对应的实验操作流程,所述实验操作流程包括实验样品按照预设执行顺序执行的多个操作以及所述操作的预计操作时长,所述n为正整数;
第一确定模块,用于以所述n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定所述n个实验样品各自对应的操作的第一开始执行时间以及第一执行顺序,得到第一实验排程;
所述执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,所述第一操作和所述第二操作均为同一实验操作流程对应的多个操作中的任一操作,所述目标时间包括开始执行时间或执行结束时间。
第三方面,本申请实施例提供了一种电子设备,该设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现上述第一方面中任一种可能的实现方法中的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现上述第一方面中任一种可能的实现方法中的方法。
第五方面,本申请实施例提供了一种计算机程序产品,该计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如上述第一方面中任一种可能的实现方法中的方法。
本申请实施例的排程控制方法、装置、设备、计算机可读存储介质及计算机程序产品,通过将操作之间的执行顺序以及执行时间间隔确定为约束条件,能够保证实验的顺利进行。另外,通过基于最优化设计算法,以n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,确定n个实验样品各自对应的操作的开始执行时间以及执行顺序,得到第一实验排程,能够在保证实验顺利进行的情况下,合理安排各个操作的执行顺序以及开始执行时间。因此,通过合理安排各个操作的执行顺序以及开始执行时间,能够提高设备的使用效率以及实验通量,进而提高实验效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种排程控制方法的流程示意图;
图2是本申请实施例提供的另一种排程控制方法的流程示意图;
图3是本申请实施例提供的一种排程控制装置的结构示意图;
图4是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在生命科学及理化自动化领域,通常用机器人代替实验员在多个不同仪器设备之间转移样品来完成实验。为了保证在一定时间内完成尽可能多的实验,提高设备的使用效率,需要同时跑多个样品来提高实验通量。进而,在实验室自动化软件中如何合理安排每个样品进样时间,以及各个仪器设备的运行时序就显得尤为重要。另外,在提高实验通量的基础上,还要满足一定约束。例如,针对单个设备,如果一次只能处理一个样品,那其他样品只有在设备处理完当前样品后才能使用该设备。又例如,在设备转移的过程中,有些样品不能空等待,空等待可能导致细胞无法存活,进而导致实验失败。
但是,现有技术中,不能在满足一定约束条件下,通过软件算法来控制样品的进样时间以及***中所有设备的运行时序,来达到最大实验通量的目的。
为了解决现有技术问题,本申请实施例提供了一种排程控制方法、装置、设备、计算机可读存储介质及计算机程序产品。
下面首先对本申请实施例所提供的排程控制方法进行介绍。
图1示出了本申请实施例提供的一种排程控制方法的流程示意图。如图1所示,本申请实施例提供的排程控制方法包括以下步骤:
S110、获取n个实验样品各自对应的实验操作流程,实验操作流程包括实验样品按照预设执行顺序执行的多个操作以及操作的预计操作时长,n为正整数;
S120、以n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定n个实验样品各自对应的操作的第一开始执行时间以及第一执行顺序,得到第一实验排程;
执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,第一操作和第二操作均为同一实验操作流程对应的多个操作中的任一操作,目标时间包括开始执行时间或执行结束时间。
本申请实施例的排程控制方法通过将操作之间的执行顺序以及执行时间间隔确定为约束条件,能够保证实验的顺利进行。另外,通过基于最优化设计算法,以n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,确定n个实验样品各自对应的操作的开始执行时间以及执行顺序,得到第一实验排程,能够在保证实验顺利进行的情况下,合理安排各个操作的执行顺序以及开始执行时间。因此,通过合理安排各个操作的执行顺序以及开始执行时间,能够提高设备的使用效率以及实验通量,进而提高实验效率。
下面介绍上述各个步骤的具体实现方式。
在一些实施例中,在S110中,n个实验样品各自对应的实验操作流程可以是完全相同的,可以是完全不同的,也可以是部分相同的,在此不做限定。例如,若共有3个实验样品,分别记为a、b、c,共有3个实验操作流程,分别记为A、B、C,则实验样品与实验操作流程之间的对应关系可以为a-A、b-A、c-A,可以为a-A、b-B、c-C,也可以为a-A、b-B、c-A等。
另外,任一操作都可以有对应的设备,一个设备可以对应一个或多个操作。但是,一个设备在同一时间只能执行一个操作。例如,在设备为离心机的情况下,打开离心机,用离心机进行离心,关闭离心机可以为三个不同的操作。基于此,多个实验操作流程之间对应的操作可以有相同的部分。例如,实验操作流程A可以包括A1,A2,A3等三个操作,实验操作流程B可以包括B1,B2,B3,A1,A2,A3等六个操作。
作为一种示例,实验样品a对应的实验操作流程A可以为:首先执行操作A1,操作时长为5分钟;其次执行操作A2,操作时长为1小时;最后执行操作A3,操作时长为1分钟,结束。其中,如果还未对实验样品a执行过实验操作流程A,则上述操作时长可以为预计操作时长。
在一些实施例中,在S120中,不同的实验操作流程中可以有相同的操作,也就是说,不同的实验操作流程可以对应相同的设备。因此,可以对n个实验样品各自对应的操作进行合理安排,以提高设备的使用效率以及实验通量,进而提高实验效率。基于此,第一实验排程可以包括对每个实验样品对应的操作的执行顺序以及操作的开始执行时间的安排。
基于此,在一些实施例中,最优化算法可以包括分支定界法、列生成法、遗传算法和蚁群算法中的至少一种。
作为一种示例,目标函数可以为:
这里,M和N均为正整数,其中M可以为实验样品的个数,N可以为第i个实验样品对应的实验操作流程中的操作的个数。另外,xij 可以为第i个实验样品对应的第j个操作步骤的开始执行时间。
在一些实施例中,执行时间约束可以包括目标差值不小于第一操作的预计操作时长,目标差值可以为实验样品对应的第一操作的开始执行时间与第二操作的开始执行时间的差值,第二操作的开始执行时间可以晚于第一操作的开始执行时间。
这里,执行时间约束的矩阵表示可以为:
AX≥B (2)
其中,A可以为系数矩阵,X可以为xij组成的向量,B可以为bij组成的向量。其中,bij可以为第i个实验样品对应的第j个操作步骤的预计操作时间。
例如,若某实验操作流程包括5个操作,则目标函数可以为:
minf T x=x11+x12+x13+x14+x15 (3)
其中的一个约束条件可以为
x21- x11≥b11 (4)
这里,x21对应操作的执行顺序可以位于x11对应操作的执行顺序之后。另外,其他约束条件同理,在此不再赘述。
在另一些实施例中,执行时间约束可以包括目标差值不小于第二操作的预计操作时长,目标差值可以为实验样品对应的第一操作的执行结束时间与第二操作的执行结束时间的差值,第二操作的执行结束时间可以晚于第一操作的执行结束时间。
在又一些实施例中,执行时间约束可以包括目标差值不小于第一操作与第二操作的预计操作时长之和,目标差值可以为实验样品对应的第一操作的开始执行时间与第二操作的执行结束时间的差值,第二操作的执行结束时间可以晚于第一操作的开始执行时间。
在又一些实施例中,执行时间约束还可以包括目标差值不大于预设操作时长,目标差值可以为实验样品对应的第一操作的开始执行时间与第二操作的执行结束时间的差值,第二操作的执行结束时间可以晚于第一操作的开始执行时间。例如,对于某些实验样品对应的实验操作流程,第一步操作到第三步操作之间必须在固定时间内完成,若超出这个时间,则该实验样品可能失效,导致实验失败。因此,执行时间约束可以为目标差值小于或等于预设操作时长,其中目标差值可以为第三步操作的执行结束时间减去第一步操作的开始执行时间。
基于此,在一些实施例中,为了提高实验排程结果的精确度,在S120之后,还可以包括:
根据第一实验排程中的第一开始执行时间以及第一执行顺序依次执行实验操作流程中的操作;
在第三操作执行完成后,根据第三操作对应的实际操作时长,更新第三操作对应的预计操作时长,得到更新后的实验操作流程,第三操作为多个操作中的任一操作;
以n个实验样品各自对应的更新后的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定n个实验样品各自对应的操作的第二开始执行时间以及第二执行顺序,得到第二实验排程;
执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,第一操作和第二操作均为同一实验操作流程对应的多个操作中的任一操作,目标时间包括开始执行时间或执行结束时间。
这里,预计操作时长和实际操作时长可能不同。因此,在根据第一开始执行时间以及第一执行顺序执行操作的过程中,可能导致设备的抢占。因此,后续实验样品就需要等待设备完成当前实验样品的操作后才能使用该设备,从而导致实验样品的空等待。
作为一种示例,为了避免上述情况的发生,在实际操作时长与预计操作时长不相同的情况下,可以根据实际操作时长更新预计操作时长。
这样,通过以n个实验样品各自对应的更新后的实验操作流程中所有操作的开始执行时间总和最小为目标函数确定第二实验排程,能够提高实验排程结果的精确度。
基于此,在一些实施例中,为了进一步提高实验排程结果的精确度,在得到第二实验排程之后,还可以包括:
在n个实验样品中的m个实验样品按照第一实验排程执行完成的情况下,剩余的n-m个实验样品按照第二实验排程执行后续操作,m为正整数,m小于n。
这里,在得到第一实验排程的情况下,若在实验操作开始的时候排程了5实验样品,且已经执行完3个实验样品,则可以根据前3个样品对应操作的实际操作时长更新预计操作时长。进而,在得到第二实验排程之后,可以按照第二实验排程执行后续的2个实验样品。另外,若在此过程中,又增加了其他实验样品,则同样可以按照第二实验排程执行实验操作。并且,在执行完后续2个实验样品之后,可以继续通过上述方式更新预计操作时长。
这样,通过将更新后的实验排程实时应用到实验过程中,可以达到动态排程的效果。进而,随着实验操作的不断运行,能够进一步提高实验排程结果的精确度。
为了更好地描述整个方案,基于上述各实施例,举一些具体例子。
例如,如图2所示的排程控制方法的流程示意图。
在一些具体的例子中,获取n个实验样品各自对应的实验操作流程后,可以根据n个实验样品各自对应的实验操作流程,确定实验排程。其中,实验操作流程可以包括操作之间的执行顺序以及每个操作的预计操作时长。进而,在确定实验排程之后,可以执行实验排程,也就是说,可以按照该实验排程进行实验操作。在实验操作过程中,可以根据实际操作时长更新实验操作流程。之后,如果实验完成,则结束流程。但是,如果实验没有完成,也就是说,还有实验样品需要执行实验操作,则可以判断是否更新实验排程。在不更新实验排程的情况下,可以按照已有实验排程继续进行实验。若更新实验排程,则返回执行根据n个实验样品各自对应的实验操作流程,确定实验排程。
由此,通过将更新后的实验排程实时应用到实验过程中,可以达到动态排程的效果。进而,随着实验操作的不断运行,能够进一步提高实验排程结果的精确度。进而,随着实验排程结果的精确度不断提高,能够不断合理安排各个操作的执行顺序以及开始执行时间,提高实验效率。
基于上述实施例提供的排程控制方法,相应地,本申请还提供了排程控制装置的具体实现方式。请参见以下实施例。
如图3所示,本申请实施例提供的排程控制装置300包括以下模块:
获取模块310,用于获取n个实验样品各自对应的实验操作流程,实验操作流程包括实验样品按照预设执行顺序执行的多个操作以及操作的预计操作时长,n为正整数;
第一确定模块320,用于以n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定n个实验样品各自对应的操作的第一开始执行时间以及第一执行顺序,得到第一实验排程;
执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,第一操作和第二操作均为同一实验操作流程对应的多个操作中的任一操作,目标时间包括开始执行时间或执行结束时间。
下面对上述排程控制装置300进行详细说明,具体如下所示:
在其中一些实施例中,执行时间约束可以包括目标差值不小于第一操作的预计操作时长,目标差值可以为实验样品对应的第一操作的开始执行时间与第二操作的开始执行时间的差值,第二操作的开始执行时间可以晚于第一操作的开始执行时间。
在一种可能的实现方式中,执行时间约束可以包括目标差值不小于第二操作的预计操作时长,目标差值可以为实验样品对应的第一操作的执行结束时间与第二操作的执行结束时间的差值,第二操作的执行结束时间可以晚于第一操作的执行结束时间。
在其中一些实施例中,排程控制装置300还可以包括:
第一执行模块,用于根据第一实验排程中的第一开始执行时间以及第一执行顺序依次执行实验操作流程中的操作;
更新模块,用于在第三操作执行完成后,根据第三操作对应的实际操作时长,更新第三操作对应的预计操作时长,得到更新后的实验操作流程;第三操作为多个操作中的任一操作;
第二确定模块,用于在得到更新后的实验操作流程之后,以n个实验样品各自对应的更新后的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定n个实验样品各自对应的操作的第二开始执行时间以及第二执行顺序,得到第二实验排程;
执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,第一操作和第二操作均为同一实验操作流程对应的多个操作中的任一操作,目标时间包括开始执行时间或执行结束时间。
在其中一些实施例中,排程控制装置300还可以包括:
第二执行模块,用于在得到第二实验排程之后,在n个实验样品中的m个实验样品按照第一实验排程执行完成的情况下,剩余的n-m个实验样品按照第二实验排程执行后续操作,m为正整数,m小于n。
在其中一些实施例中,最优化算法包括分支定界法、列生成法、遗传算法和蚁群算法中的至少一种。
本申请实施例的排程控制装置通过将操作之间的执行顺序以及执行时间间隔确定为约束条件,能够保证实验的顺利进行。另外,通过基于最优化设计算法,以n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,确定n个实验样品各自对应的操作的开始执行时间以及执行顺序,得到第一实验排程,能够在保证实验顺利进行的情况下,合理安排各个操作的执行顺序以及开始执行时间。因此,通过合理安排各个操作的执行顺序以及开始执行时间,能够提高设备的使用效率以及实验通量,进而提高实验效率。
基于上述实施例提供的排程控制方法,本申请实施例还提供了电子设备的具体实施方式。图4示出了本申请实施例提供的电子设备400示意图。
电子设备400可以包括处理器410以及存储有计算机程序指令的存储器420。
具体地,上述处理器410可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器420可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器420可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器420可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器420可在综合网关容灾设备的内部或外部。在特定实施例中,存储器420是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的第一方面的方法所描述的操作。
处理器410通过读取并执行存储器420中存储的计算机程序指令,以实现上述实施例中的任意一种排程控制方法。
在一个示例中,电子设备400还可包括通信接口430和总线440。其中,如图4所示,处理器410、存储器420、通信接口430通过总线440连接并完成相互间的通信。
通信接口430,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线440包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线440可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
示例性的,电子设备400可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等。
该电子设备可以执行本申请实施例中的排程控制方法,从而实现结合图1至图3描述的排程控制方法和装置。
另外,结合上述实施例中的排程控制方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种排程控制方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或***。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的***、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (8)
1.一种排程控制方法,其特征在于,包括:
获取n个实验样品各自对应的实验操作流程,所述实验操作流程包括实验样品按照预设执行顺序执行的多个操作以及所述操作的预计操作时长,所述n为正整数;
以所述n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定所述n个实验样品各自对应的操作的第一开始执行时间以及第一执行顺序,得到第一实验排程;
所述得到第一实验排程之后,所述方法还包括:
根据所述第一实验排程中的所述第一开始执行时间以及第一执行顺序依次执行所述实验操作流程中的操作;
在第三操作执行完成后,根据所述第三操作对应的实际操作时长,更新所述第三操作对应的预计操作时长,得到更新后的实验操作流程;所述第三操作为所述多个操作中的任一操作;
以所述n个实验样品各自对应的更新后的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定所述n个实验样品各自对应的操作的第二开始执行时间以及第二执行顺序,得到第二实验排程;
所述执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,所述第一操作和所述第二操作均为同一实验操作流程对应的多个操作中的任一操作,所述目标时间包括开始执行时间或执行结束时间。
2.根据权利要求1所述的方法,其特征在于,所述执行时间约束包括目标差值不小于所述第一操作的预计操作时长,所述目标差值为所述实验样品对应的所述第一操作的开始执行时间与所述第二操作的开始执行时间的差值,所述第二操作的开始执行时间晚于所述第一操作的开始执行时间。
3.根据权利要求1所述的方法,其特征在于,所述执行时间约束包括目标差值不小于所述第二操作的预计操作时长,所述目标差值为所述实验样品对应的所述第一操作的执行结束时间与所述第二操作的执行结束时间的差值,所述第二操作的执行结束时间晚于所述第一操作的执行结束时间。
4.根据权利要求1所述的方法,其特征在于,所述得到第二实验排程之后,所述方法还包括:
在所述n个实验样品中的m个实验样品按照所述第一实验排程执行完成的情况下,剩余的n-m个实验样品按照所述第二实验排程执行后续操作,所述m为正整数,所述m小于n。
5.根据权利要求1所述的方法,其特征在于,所述最优化算法包括分支定界法、列生成法、遗传算法和蚁群算法中的至少一种。
6.一种排程控制装置,其特征在于,所述装置包括:
获取模块,用于获取n个实验样品各自对应的实验操作流程,所述实验操作流程包括实验样品按照预设执行顺序执行的多个操作所述操作的预计操作时长,所述n为正整数;
第一确定模块,用于以所述n个实验样品各自对应的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定所述n个实验样品各自对应的操作的第一开始执行时间以及第一执行顺序,得到第一实验排程;
第一执行模块,用于根据第一实验排程中的第一开始执行时间以及第一执行顺序依次执行实验操作流程中的操作;
更新模块,用于在第三操作执行完成后,根据第三操作对应的实际操作时长,更新第三操作对应的预计操作时长,得到更新后的实验操作流程;第三操作为多个操作中的任一操作;
第二确定模块,用于在得到更新后的实验操作流程之后,以n个实验样品各自对应的更新后的实验操作流程中所有操作的开始执行时间总和最小为目标函数,以同一实验操作流程对应的操作之间的执行顺序约束以及执行时间约束为约束条件,基于最优化算法,确定n个实验样品各自对应的操作的第二开始执行时间以及第二执行顺序,得到第二实验排程;
所述执行时间约束为第一操作的目标时间与第二操作的目标时间之间的时间间隔约束,其中,所述第一操作和所述第二操作均为同一实验操作流程对应的多个操作中的任一操作,所述目标时间包括开始执行时间或执行结束时间。
7.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-5任意一项所述的排程控制方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-5任意一项所述的排程控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211588465.4A CN115577997B (zh) | 2022-12-12 | 2022-12-12 | 排程控制方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211588465.4A CN115577997B (zh) | 2022-12-12 | 2022-12-12 | 排程控制方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115577997A CN115577997A (zh) | 2023-01-06 |
CN115577997B true CN115577997B (zh) | 2023-06-09 |
Family
ID=84590545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211588465.4A Active CN115577997B (zh) | 2022-12-12 | 2022-12-12 | 排程控制方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115577997B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8555281B1 (en) * | 2011-02-16 | 2013-10-08 | Google Inc. | Scheduling of tasks based upon historical execution times |
CN108805764A (zh) * | 2018-05-31 | 2018-11-13 | 上海与德科技有限公司 | 一种作业进度监控方法、装置、终端及可读介质 |
CN112379982A (zh) * | 2020-11-12 | 2021-02-19 | 北京字跳网络技术有限公司 | 任务处理方法、装置、电子设备及计算机可读存储介质 |
CN113726595A (zh) * | 2021-08-06 | 2021-11-30 | 视联动力信息技术股份有限公司 | 超时客户端的检测方法、装置、电子设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3299794A1 (en) * | 2016-09-21 | 2018-03-28 | F. Hoffmann-La Roche AG | Automated scheduler for laboratory equipment |
EP3552105A4 (en) * | 2016-12-07 | 2020-07-22 | Tata Consultancy Services Limited | SYSTEMS AND METHODS FOR TASK PLANNING AND MANAGING THE ALLOCATION OF COMPUTER RESOURCES FOR CONTROLLING SYSTEM WITH A CLOSED CONTROL CIRCUIT |
US20190130330A1 (en) * | 2017-10-31 | 2019-05-02 | Huntington Ingalls Incorporated | Method and system for management and control of highly complex projects |
CN110751352A (zh) * | 2018-07-24 | 2020-02-04 | 上汽通用汽车有限公司 | 试验排程方法以及计算机可读存储介质 |
WO2021015872A1 (en) * | 2019-07-24 | 2021-01-28 | Siemens Healthcare Diagnostics Inc. | Methods and apparatus of maintenance scheduling in automated testing over a planning period |
US11561831B2 (en) * | 2020-01-31 | 2023-01-24 | Hewlett Packard Enterprise Development Lp | Dynamic adjustment of response time |
CN113139710B (zh) * | 2021-01-05 | 2022-03-08 | 中国电子科技集团公司第二十九研究所 | 一种基于遗传算法的多资源并行任务高级计划排程方法 |
-
2022
- 2022-12-12 CN CN202211588465.4A patent/CN115577997B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8555281B1 (en) * | 2011-02-16 | 2013-10-08 | Google Inc. | Scheduling of tasks based upon historical execution times |
CN108805764A (zh) * | 2018-05-31 | 2018-11-13 | 上海与德科技有限公司 | 一种作业进度监控方法、装置、终端及可读介质 |
CN112379982A (zh) * | 2020-11-12 | 2021-02-19 | 北京字跳网络技术有限公司 | 任务处理方法、装置、电子设备及计算机可读存储介质 |
CN113726595A (zh) * | 2021-08-06 | 2021-11-30 | 视联动力信息技术股份有限公司 | 超时客户端的检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
A simulation-based scheduling system for real-time optimization and decision making support;Marcus Frantzen等;Robitcs and Computer-Integrated Manufacturiing;全文 * |
不确定条件下船舶平面分段流水线调度方法研究;杨志;中国优秀硕士论文 工程科技Ⅱ辑;全文 * |
考虑多因素条件下的择期手术排程约束规划模型;孟凡睿等;计算机应用与软件;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115577997A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102074961B1 (ko) | 비대칭 실행 유닛들의 효율적인 스케줄링을 위한 방법 및 장치 | |
CN110263824B (zh) | 模型的训练方法、装置、计算设备及计算机可读存储介质 | |
CN113378554B (zh) | 一种医疗信息智能交互的方法及*** | |
CN117497055B (zh) | 神经网络模型训练、碱基测序电信号的片段化方法及装置 | |
CN115312127B (zh) | 识别模型的预训练方法、识别方法、装置、介质和设备 | |
CN115277261B (zh) | 基于工控网络病毒的异常机器智能识别方法、装置、设备 | |
CN113420123A (zh) | 语言模型的训练方法、nlp任务处理方法及装置 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN108280513B (zh) | 模型生成方法和装置 | |
CN115577997B (zh) | 排程控制方法、装置、设备及计算机可读存储介质 | |
CN113870846B (zh) | 基于人工智能的语音识别方法、装置及存储介质 | |
CN112712795B (zh) | 标注数据确定方法、装置、介质及电子设备 | |
Jiang et al. | A penalized likelihood approach for robust estimation of isoform expression | |
CN113392018A (zh) | 流量分发方法、装置、存储介质及电子设备 | |
CN116436700B (zh) | 网络安全事件的监测方法及其*** | |
CN112699780A (zh) | 对象识别方法、装置、设备及存储介质 | |
GB2594498A (en) | Instruction scheduling | |
CN116887257B (zh) | 车联网卡的滥用识别方法、装置、电子设备和存储介质 | |
US20190103093A1 (en) | Method and apparatus for training acoustic model | |
CN110009109B (zh) | 用于预测用户逾期还款概率的模型预测方法及相关设备 | |
CN115938470B (zh) | 蛋白质特征预处理方法、装置、介质及设备 | |
CN116343905B (zh) | 蛋白质特征的预处理方法、装置、介质及设备 | |
Ding et al. | Directional monitoring of categorical processes with serial dependence | |
CN112507703B (zh) | 医学实体识别方法、装置、介质及电子设备 | |
CN117831630B (zh) | 为碱基识别模型构建训练数据集的方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |