本技术涉及项目调度，特别是指一种资源受限多项目调度方法、装置、介质和产品。
背景技术：
1、复杂产品属于客户要求、产品配置、产品技术、制造过程和项目管理都较为复杂的一类产品，如卫星、导弹、飞机等。装配作为制造活动的末端环节，直接影响了产品的寿命、稳定性和可靠性等。复杂产品装配具有离散性、生产周期长、涉及专业领域广、资源协调困难、以手工装配为主等特点。每道装配工序由装配班组使用相应的装配资源在特定的装配工位完成，每道工序存在多个装配班组和装配工位以供选择。在以往的装配调度过程中，通常认为制造资源充足或仅考虑某单一资源(机器)的限制，追求对工期的优化。实际上，复杂产品在发展过程中积累了大量庞杂异构、属性多样的资源，多型号、多项目并行势必会造成资源紧张从而产生冲突，对多种资源的抢占也成为了调度过程不可忽视的约束；不同的资源安排会导致不同的装配结果，因此，仅对工期进行优化也不再满足实际调度需求。
2、资源受限多项目调度问题(resource-constrained multi-project schedulingproblem，rcmpsp)是指在满足资源约束和活动时序关系约束的条件下，寻找理想的项目调度计划和资源分配方案，以实现工期最短、资源配置最优、成本最小化等目标的一类问题。复杂产品装配调度过程与rcmpsp的业务流程高度吻合，是rcmpsp的复杂现实场景代表之一。然而，在多项目的环境中，几乎没有工作同时对完工时间和多种不可再生资源均衡进行优化。资源负载不平衡和项目延迟是管理着在处理并行多项目场景是面临的两大挑战，项目周期内许多不同类型的可再生资源(包括人力、机器、设备等)使用不平衡会导致半成品积压，造成物流停滞，从而影响项目的总时间和成本。资源均衡问题(rlp)是一个最小化资源使用随时间变化的过程，从而减少项目完成期间资源使用的过度波动，避免导致生产率下降或生产成本增加。
3、现有技术中目前没有任何面向复杂产品装配过程的rcmpsp研究；在多项目环境中对项目交付周期和多种资源负载平衡进行双目标优化的工作相当有限。
技术实现思路
1、本技术的目的是提供一种资源受限多项目调度方法、装置、介质和产品，以解决现有技术中的离散时间或资源均衡优化的资源受限复杂多项目调度问题。
2、为达到上述目的，本技术的实施例提供一种资源受限多项目调度方法，包括：
3、获取资源受限复杂多项目调度问题的目标项目集合；所述目标项目集合包括n个项目；每个所述项目包括k种不同类型的可更新资源；
4、将所述目标项目集合，输入至目标模型中，求解所述目标模型，输出资源受限多项目调度问题的调度方案；所述调度方案包括所有并行项目的总工期的最小化目标和最小资源使用偏差。
5、可选地，所述方法还包括：
6、构建第一目标函数和第二目标函数；所述第一目标函数用于基于时间确定所有并行项目的总工期的最小化目标；所述第二目标函数用于输出所述最小资源使用偏差；所述最小资源使用偏差根据在t时刻对k个资源的总需求量，以及在整个项目工期中，对k种类型资源的平均使用量确定的；
7、确定所述第一目标函数和所述第二目标函数的约束条件；所述约束条件包括时序约束、资源约束、任意t时刻所有项目对每种资源的总需求量约束、资源只有在被释放后源才能被安排使用的约束条件和所有决策变量的取值范围约束条件；
8、根据所述第一目标函数、所述第二目标函数和所述约束条件，构建所述目标模型。
9、可选地，求解所述目标模型，输出资源受限多项目调度问题的调度方案，包括：
10、确定所述多目标优化算法的算法参数；所述算法参数包括种群规模、交叉概率、变异概率和迭代次数；
11、对所述多目标优化算法进行种群初始化，得到目标种群；所述种群初始化包括：根据启发式算法，产生使用最大迭代次数作为优化目标的第一个体和使用资源均衡问题为优化目标的第二个体；根据最晚完成时间规则，生成种群中的其余个体；
12、对所述目标种群，进行快速非支配排序和拥挤度计算，确定是否满足预设终止条件；
13、在满足所述预设终止条件的情况下，确定解决问题的目标解集，并基于熵权的优劣解距离法的决策算法和所述目标解集，确定所述调度方案；
14、在不满足所述预设终止条件的情况下，进行迭代训练，确定全局最优解，根据所述全局最优解，执行基于熵权的优劣解距离法的决策算法和所述目标解集，确定所述调度方案的步骤；每次所述迭代训练包括改进遗传算子、精英保留策略和广义变邻域搜索的目标处理。
15、可选地，根据启发式算法，产生使用最大迭代次数作为优化目标的第一个体和使用资源均衡问题为优化目标的第二个体，包括：
16、根据启发式算法，计算所有项目的最晚完工时间，按照最晚完工时间对项目序列进行排序得到初始项目序列；
17、选取所述初始项目序列中选取第一个项目初始化为第一最佳序列；
18、从所述初始项目序列中的第二个项目开始依次选择项目，并使用贪心插入策略将所述第二个项目插入所述最佳序列中，得到第二最优序列，重复直至所述初始项目序列中所有目标方向的最优序列都生成完毕，确定所述第一个体和所述第二个体；
19、其中，所述贪心插入策略包括：将新项目插入到当前序列的所有可能位置生成新序列，根据目标函数索引计算所有新序列在当前目标下的结果，评估目标函数值，将具有最优目标的序列作为新序列并更新当前序列，依次选择项目重复插入过程，直到所有项目全部插入到新序列中。
20、可选地，改进遗传算子，包括：
21、在进行快速非支配排序和拥挤度计算后，利用三元锦标赛选择，确定适合繁殖的父代染色体；所述三元锦标赛选择用于表示随机匹配种群中的三个个体，根据非支配层级和拥挤度进行两两比较，逐步选择优胜者；
22、根据所述父代染色体，利用交叉算子和变异算子，进行改进遗传算子；所述交叉算子计算用于对任一亲本随机选择切割点和交叉长度，将切割后的交叉片段与另一亲本中去掉交叉片段后的剩余基因进行组合；所述变异算子用于对相邻的基因进行交换变异。
23、可选地，广义变邻域搜索，包括：
24、选取所述精英保留策略后的目标个体；所述目标个体小于所述精英保留策略后的全部个体；
25、基于变邻域搜索算法，对所述目标个体进行局部搜索，在满足所述预设终止条件后，将完成局部搜索后的解和历史最优解进行比对，进行对全局最优解的更新。
26、可选地，基于熵权的优劣解距离法的决策算法和所述目标解集，确定所述调度方案，包括：
27、根据所述目标解集中的方案和每个方案的对应指标，构建决策矩阵；
28、对所述决策矩阵中的指标进行指标类型统一的标准化处理；
29、对标准化处理后的指标，采用熵权法，计算各指标的权重值；
30、根据各指标的权重值，获得规范化权重矩阵；
31、根据所述规范化权重矩阵，确定正负理想解；
32、根据所述正负理想解进行欧式距离计算，确定各方案的正负理想解的距离；
33、根据所述距离，计算各方案的综合评价指数。
34、为达到上述目的，本技术的实施例还提供一种资源受限多项目调度装置，包括：
35、第一获取模块，用于获取资源受限复杂多项目调度问题的目标项目集合；所述目标项目集合包括n个项目；每个所述项目包括k种不同类型的可更新资源；
36、第一处理模块，用于将所述目标项目集合，输入至目标模型中，求解所述目标模型，输出资源受限多项目调度问题的调度方案；所述调度方案包括所有并行项目的总工期的最小化目标和最小资源使用偏差。
37、为达到上述目的，本技术的实施例还提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的方法中的步骤。
38、为达到上述目的，本技术的实施例还提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现如上所述的方法的步骤。
39、本技术的上述技术方案的有益效果如下：
40、本技术实施例提供的资源受限多项目调度方法、装置、介质和产品：获取资源受限复杂多项目调度问题的目标项目集合；所述目标项目集合包括n个项目；每个所述项目包括k种不同类型的可更新资源，实现了以解决资源受限多项目调度问题作为工期优化的目标；将所述目标项目集合，输入至目标模型中，求解所述目标模型，输出资源受限多项目调度问题的调度方案；所述调度方案包括所有并行项目的总工期的最小化目标和最小资源使用偏差，本技术的方案利用目标模型考虑了离散时间和资源均衡优化，能够提高复杂场景中资源受限多项目调度问题的求解质量和效率。
1.一种资源受限多项目调度方法，其特征在于，包括：
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：
3.根据权利要求1所述的方法，其特征在于，求解所述目标模型，输出资源受限多项目调度问题的调度方案，包括：
4.根据权利要求3所述的方法，其特征在于，根据启发式算法，产生使用最大迭代次数作为优化目标的第一个体和使用资源均衡问题为优化目标的第二个体，包括：
5.根据权利要求3所述的方法，其特征在于，改进遗传算子，包括：
6.根据权利要求3所述的方法，其特征在于，广义变邻域搜索，包括：
7.根据权利要求3所述的方法，其特征在于，基于熵权的优劣解距离法的决策算法和所述目标解集，确定所述调度方案，包括：
8.一种资源受限多项目调度装置，其特征在于，包括：
9.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的方法中的步骤。
10.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
