基于遗传算法的试验资源调配方法、系统、设备和介质

1.一种基于遗传算法的试验资源调配方法，其特征在于，包括步骤：获取试验资源信息和试验资源调配申请信息；所述试验资源信息包括多个试验资源的资源种类、资源存放位置及资源数量随时间变化情况，所述试验资源调配申请信息包括基于多项调配计划的资源种类、资源使用位置、资源需求数量和资源使用时间；利用所述试验资源信息和所述试验资源调配申请信息，对每种试验资源建立以试验资源调配方案为染色体的种群，通过基于时间和数量的多条件约束的遗传进化处理，得到最优染色体；对所述最优染色体进行解码，得到每种试验资源的最优调配方案；其中，根据所述试验资源信息和所述试验资源调配申请信息，用二维数组表示所述染色体；所述二维数组中数组元素用于表示从第i个资源存放位置往第j个资源使用位置调配的试验资源数量；i和j均为正整数，时间和数量约束条件包括第一约束和第二约束；构建所述第一约束；所述第一约束为从第i个资源存放位置调出的所述试验资源的数量，受到所述第i个资源存放位置的资源存放数量随时间变化情况的约束；构建所述第二约束：所述第二约束为第j个资源使用位置得到的所述试验资源的数量，不少于所述第j个资源使用位置的所述试验资源的需求数量；根据所述试验资源信息、所述试验资源调配申请信息以及染色体模型，构建所述染色体的适应度函数；根据所述试验资源信息、所述试验资源调配申请信息以及所述时间和数量约束条件，生成所述染色体的初代种群；根据所述初代种群和所述适应度函数，判断所述染色体模型的遗传进化迭代是否满足终止条件；若满足，则返回所述初代种群中的最优染色体；所述染色体应满足的如下约束条件：其中，X[i][j]表示从第i个试验资源存放位置p[i]往第j个资源使用位置q[j]调配的试验资源数量，S[j]为第j个资源使用位置q[j]在t[j][0]时刻申请试验资源时占用或调用试验资源的资源使用位置的集合，M[j]表示第j个资源使用位置q[j]的试验资源的需求数量，N[i][t]表示第i个试验资源存放位置p[i]的试验资源存放数量随时间的变化情况，n表示试验资源的存放位置的数量，m表示试验资源的使用位置的数量。 2.根据权利要求1所述的基于遗传算法的试验资源调配方法，其特征在于，根据所述初代种群和所述适应度函数，判断所述染色体模型的遗传进化迭代是否满足终止条件的步骤后，还包括：若不满足所述终止条件，则进行选择父代染色体操作、选择操作、交叉操作和变异操作，得到满足所述时间和数量约束条件的染色体的下一代种群。 3.根据权利要求1所述的基于遗传算法的试验资源调配方法，其特征在于，根据所述试验资源信息、所述试验资源调配申请信息以及所述时间和数量约束条件，生成所述染色体的初代种群的步骤，包括：确定预设的种群染色体数量；按随机顺序从所述资源存放位置取出所有所述试验资源；根据所述种群染色体数量，按随机顺序为所述资源使用位置调配满足所述资源需求数量和所述资源使用时间的所述试验资源，得到满足所述时间和数量约束条件的所述染色体的初代种群。 4.根据权利要求1或2所述的基于遗传算法的试验资源调配方法，其特征在于，所述终止条件包括所述遗传进化迭代的次数达到预设的最大迭代次数或者所述染色体的新种群中染色体的最优适应度的相对变化量小于预设的阈值。 5.根据权利要求2所述的基于遗传算法的试验资源调配方法，其特征在于，所述选择父代染色体操作包括：根据所述适应度函数计算种群中染色体的适应度；根据预设的选择比例，从所述种群中选择适应度最优的前F个所述染色体作为所述试验资源调配方案的父代优良染色体；将所述父代优良染色体作为染色体的新种群。 6.根据权利要求5所述的基于遗传算法的试验资源调配方法，其特征在于，所述选择操作包括：将所述父代优良染色体的适应度转化为选择概率并获取所述父代优良染色体的累积选择概率；采用轮盘赌算法从所述父代优良染色体中选择一对染色体。 7.根据权利要求6所述的基于遗传算法的试验资源调配方法，其特征在于，所述交叉操作包括：对所述选择操作选择的一对染色体进行交叉操作，得到一对新染色体；对所述新染色体进行所述时间和数量约束条件检查；采用调整策略对所述新染色体进行局部调整，丢弃局部调整后仍不满足所述时间和数量约束条件的所述新染色体。 8.根据权利要求7所述的基于遗传算法的试验资源调配方法，其特征在于，所述变异操作包括：根据预设的变异比例，对所述新染色体进行变异操作并进行所述时间和数量约束条件检查；采用调整策略对所述新染色体进行局部调整，丢弃局部调整后仍不满足所述时间和数量约束条件的所述新染色体。 9.根据权利要求2所述的基于遗传算法的试验资源调配方法，其特征在于，得到满足所述时间和数量约束条件的染色体的下一代种群的过程，包括：将进行选择父代染色体操作、选择操作、交叉操作和变异操作后得到的新染色体加入所述染色体的新种群；所述新染色体满足所述时间和数量约束条件；重复执行所述选择操作、所述交叉操作和所述变异操作并将得到的新染色体加入所述新种群；当所述新种群中的染色体个数等于预设的种群染色体数量时，得到所述下一代种群。 10.根据权利要求1所述的基于遗传算法的试验资源调配方法，其特征在于，所述适应度函数为所述试验资源调配方案的总成本的倒数。 11.一种基于遗传算法的试验资源调配系统，其特征在于，包括：信息获取模块，用于获取试验资源信息和试验资源调配申请信息；所述试验资源信息包括多个试验资源的资源种类、资源存放位置及资源数量随时间变化情况，所述试验资源调配申请信息包括基于多项调配计划的资源种类、资源使用位置、资源需求数量和资源使用时间；方案优化模块，用于利用所述试验资源信息和所述试验资源调配申请信息，对每种试验资源建立以试验资源调配方案为染色体的种群，通过基于时间和数量的多条件约束的遗传进化处理，得到最优染色体；方案输出模块，用于对所述最优染色体进行解码，得到每种试验资源的最优调配方案；其中，根据所述试验资源信息和所述试验资源调配申请信息，用二维数组表示所述染色体；所述二维数组中数组元素用于表示从第i个资源存放位置往第j个资源使用位置调配的试验资源数量；i和j均为正整数，时间和数量约束条件包括第一约束和第二约束；构建所述第一约束；所述第一约束为从第i个资源存放位置调出的所述试验资源的数量，受到所述第i个资源存放位置的资源存放数量随时间变化情况的约束；构建所述第二约束：所述第二约束为第j个资源使用位置得到的所述试验资源的数量，不少于所述第j个资源使用位置的所述试验资源的需求数量；根据所述试验资源信息、所述试验资源调配申请信息以及染色体模型，构建所述染色体的适应度函数；根据所述试验资源信息、所述试验资源调配申请信息以及所述时间和数量约束条件，生成所述染色体的初代种群；根据所述初代种群和所述适应度函数，判断所述染色体模型的遗传进化迭代是否满足终止条件；若满足，则返回所述初代种群中的最优染色体；所述染色体应满足的如下约束条件：其中，X[i][j]表示从第i个试验资源存放位置p[i]往第j个资源使用位置q[j]调配的试验资源数量，S[j]为第j个资源使用位置q[j]在t[j][0]时刻申请试验资源时占用或调用试验资源的资源使用位置的集合，M[j]表示第j个资源使用位置q[j]的试验资源的需求数量，N[i][t]表示第i个试验资源存放位置p[i]的试验资源存放数量随时间的变化情况，n表示试验资源的存放位置的数量，m表示试验资源的使用位置的数量。 12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10任一项所述的基于遗传算法的试验资源调配方法的步骤。 13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10任一项所述的基于遗传算法的试验资源调配方法的步骤。