(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210673085.4 (22)申请日 2022.06.15 (71)申请人 清华大学 地址 100084 北京市海淀区清华园 (72)发明人 钟金成　王建民　龙明盛　吴佳龙　 马浩宇　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 张宁　黄健 (51)Int.Cl. G06F 9/50(2006.01) G06F 9/48(2006.01) G06N 3/12(2006.01) (54)发明名称 基于遗传算法的任务调度信息的确定方法、 装置和设备 (57)摘要 本申请提供一种基于遗传算法的任务调度 信息的确定方法、 装置和设备， 涉及计算机领域 和任务处理技术领域。 该方法包括： 获取任务调 度信息集合； 遗传算法的遗传算子对任务调度信 息集合进行处理， 得到任务处理结果； 对任务处 理结果进行处理， 得到任务调度信息的中间特 征， 以及任务调度信息的适应度； 根据各任务调 度信息的中间特征， 确定下一轮遗传算法的遗传 算子； 基于达到预设条件时所得到的遗传算子， 对任务调度信息集合进行处理， 得到适应度更高 的任务调度信息的集合。 本申请的方法可以充分 发挥遗传算法兼顾广度和深度搜索的特点， 自动 适配每一轮遗传算法使用的遗传算子， 提升调度 任务信息的准确性。 权利要求书3页 说明书15页 附图4页 CN 115145723 A 2022.10.04 CN 115145723 A 1.一种基于 遗传算法的任务调度信息的确定方法， 其特 征在于， 所述方法包括： 获取任务调度信 息集合， 其中， 所述任务调度信息集合中包括至少一个任务调度信 息； 所述任务调度信息为至少一个任务的调度次序； 重复执行以下过程， 直至达到预设条件， 其中， t的初始值为1， t为大于等于1的正整数： 根据第t轮遗传算法的遗传算子对所述任务调 度信息集合进 行处理， 得到所述第t轮遗传算 法对应的任务处理结果， 其中， 所述任务处理结果表征所述任务调度信息优化后的集合； 对 所述第t轮遗传算法对应的任务处理结果进 行处理， 得到所述任务调 度信息的中间特征， 以 及所述任务调度信息的适应度； 其中， 所述任务调 度信息中包括每一任务的调度次序； 根据 各所述任务调度信息的中间特 征， 确定第t+1轮遗传算法的遗传算子， 并确定t的取值加1； 基于达到所述预设条件时所得到的遗传算子， 对所述任务调度信息集合进行处理， 得 到适应度更高的任务调度信息的集合； 其中， 所述任务调度信息表征所述任务之间的调度 次序。 2.根据权利要求1所述的方法， 其特征在于， 对所述第t轮遗传算法对应的任务处理结 果进行处 理， 得到所述任务调度信息的中间特 征， 包括： 将所述第t轮遗传算法对应的任务处理结果输入至预设的多层感知机和图神经网络模 型中进行处 理， 得到所述任务调度信息集 合的中间特 征。 3.根据权利要求2所述的方法， 其特征在于， 将所述第t轮遗传算法对应的任务处理结 果输入至预设的多层感知机和图神经网络模型中进行 处理， 得到所述任务调 度信息的中间 特征， 包括： 将所述第t轮遗传算法对应的任务处理结果， 输入至所述预设的多层感知机和图神经 网络模型中， 针对所述任务调度信息中每一任务在所述第t轮遗传算法对应的任务处理结 果中的调度次序关系， 进行处 理， 输出所述每一任务调度信息的中间特 征。 4.根据权利要求1所述的方法， 其特征在于， 根据所述任务调度信息的中间特征， 确定 第t+1轮遗传算法的遗传算子， 包括： 基于强化学习模型对所述任务调度信息的中间特征进行处理， 得到第t+1轮遗传算法 的遗传算子 。 5.根据权利要求4所述的方法， 其特征在于， 基于强化学习 模型对所述任务调度信 息的 中间特征进行处 理， 得到第t+1轮遗传算法的遗传算子， 包括： 根据各所述任务调度信息， 建立遗传算法的目标函数； 基于所述目标函数， 对第t轮遗传算法得到的适应度最高的任务调度信息， 以及所述第 t‑1轮遗传算法得到的任务调度信息集合进 行处理， 确定奖励信息； 所述奖励信息用于指示 遗传算子的选择； 基于所述强化学习模型， 确定使得所述奖励信 息的取值最大时所述中间特征所对应的 遗传算子， 为第t+1轮遗传算法的遗传算子 。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述每一任务调度信息具有适应 度， 其中， 所述 适应度表征任务调度信息的优劣。 7.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述任务调度信息 中的每一任务 具有任务信息， 所述任务信息包括任务的开始执 行时间以及任务时长； 所述方法， 还 包括： 选取所述任务调度信 息集合中适应度最高的任务调度信 息， 对所述任务调度信 息中的权　利　要　求　书 1/3 页 2 CN 115145723 A 2任务进行拓扑排序处 理， 得到处 理后的任务调度信息； 根据所述处理后的任务调度信 息中任务之间的拓扑关系、 以及所述每一任务的任务信 息， 确定所述每一任务的启动时刻。 8.根据权利要求7所述的方法， 其特征在于， 在根据 所述处理后的任务调度信 息中任务 之间的拓扑关系、 以及所述每一任务的任务信息， 确定所述每一任务的启动时刻之后， 还包 括： 根据所述处理后的任务集合中任务之间的拓扑关系、 以及所述每一任务的启动 时刻， 执行所述每一任务。 9.一种基于 遗传算法的任务调度信息的确定装置， 其特 征在于， 所述装置包括： 获取单元， 获取任务调度信息集合， 其中， 所述任务调度信 息集合中包括至少一个任务 调度信息； 所述任务调度信息为至少一个任务的调度次序； 第一确定单元， 重复执行以下过程， 直至达到预设条件， 其中， t的初始值为1， t为大于 等于1的正整数： 根据第t轮遗传算法的遗传算子对所述任务调度信息集合进行处理， 得到 所述第t轮遗传算法对应的任务处理结果， 其中， 所述任务处理结果表征所述任务调度信息 优化后的集合； 对所述第t轮遗传算法对应的任务处理结果进 行处理， 得到所述任务调 度信 息的中间特征， 以及所述任务调度信息的适应度； 其中， 所述任务调 度信息中包括每一任务 的调度次序； 根据各所述任务调度信息的中间特征， 确定第t+1轮遗传算法 的遗传算子， 并 确定t的取值加1； 第二确定单元， 基于达到所述预设条件时所得到的遗传算子， 对所述任务调度信息集 合进行处理， 得到适应度更高的任务调 度信息的集合； 其中， 所述任务调度信息表征所述任 务之间的调度次序。 10.根据权利要求9所述的装置， 其特征在于， 所述第 一确定单元对所述第t轮遗传算法 对应的任务处 理结果进行处 理， 得到所述任务调度信息的中间特 征， 具体用于： 将所述第t轮遗传算法对应的任务处理结果输入至预设的多层感知机和图神经网络模 型中进行处 理， 得到所述任务调度信息的中间特 征。 11.根据权利要求10所述的装置， 其特征在于， 所述第一确定单元在将所述第t轮遗传 算法对应的任务处理结果输入至预设的多层感知机和图神经网络模型中进 行处理， 得到所 述任务调度信息的中间特 征， 包括： 将所述第t轮遗传算法对应的任务处理结果， 输入至所述预设的多层感知机和图神经 网络模型中， 针对所述任务调度信息中每一任务在所述第t轮遗传算法对应的任务处理结 果中的调度次序关系， 进行处 理， 输出所述每一任务调度信息的中间特 征。 12.根据权利要求9所述的装置， 其特征在于， 所述第一确定单元在根据所述任务调度 信息的中间特 征， 确定第t+1轮遗传算法的遗传算子， 具体用于： 基于强化学习模型对所述任务调度信息的中间特征进行处理， 得到第t+1轮遗传算法 的遗传算子 。 13.根据权利要求12所述的装置， 其特征在于， 所述第 一确定单元在基于强化学习模型 对所述任务调度信息的中间特 征进行处 理， 得到第t+1轮遗传算法的遗传算子， 具体用于： 根据各所述任务调度信息， 建立遗传算法的目标函数； 基于所述目标函数， 对第t轮遗传算法得到的适应度最高的任务调度信息， 以及所述第权　利　要　求　书 2/3 页 3 CN 115145723 A 3