成时间，m表示第s代种群作为当前一代种群时 种群中基因的条数。
[0086] 所以fk的值越大，Psk的值越小，那么第k条基因被选择的概率越小，保证了选择的 基因很大概率上为优秀的基因。
[0087] 步骤208,采用基于概率的轮盘赌的选择方法选择预设数量的配对基因。
[0088] 具体地，在步骤208采用基于概率的轮盘赌的选择方法选择一个配对基因的过程 可分为以下五个步骤执行，如图4所示。
[0089] 步骤208a，将当前一代种群中所有基因编号，将编号随机排成一个队列。
[0090] 步骤208b，列出各个基因的选择概率与按队列次序得到的累加概率。
[0091] 步骤208c，随机产生一个位于0到1之间的随机数。
[0092] 步骤208d，判断随机数位于哪个累加概率区间。
[0093] 步骤208e，选中累加概率区间对应编号的基因为配对基因中的一个基因。
[0094] 重复执行步骤208a_208e，获得预设数量为N3的配对基因，并两两基因进行配对， 配对基因的对数N 4大于等于N2。
[0095] 步骤209,采用基于生产作业位置的交叉方法对每一对配对基因进行交叉运算，获 得交叉后的基因。
[0096] 具体地，在步骤209采用基于生产作业位置的交叉方法对一对配对基因进行交叉 运算，获得交叉后的基因的过程可分为以下五个步骤执行，如图5所示。
[0097] 步骤209a，获取一对配对基因。
[0098] 步骤209b，从&个生产作业中随机选择一项生产作业的项号i。
[0099] 步骤209c，从配对基因中的其中一个基因中得到生产作业项号i在基因中的位置 号集合C。
[0100] 步骤209d，令交叉后的基因中C集合中的位置号对应的位置上的元素都为i。
[0101] 步骤209e，将配对基因中的另一个基因中的元素不是i的元素从左至右依次插入 到交叉后的基因中。
[0102] 举例说明为：一对配对基因分别为XP: [3 2 2 1 1 3 1 3]和Xj [3 1 3 2 1 2 3 1]，随机选择一项生产作业项号i = 2,确定XP上元素为2的位置号集合C，令交叉后的基 因中C集合中的位置号对应的位置上的元素都为2的基因为：[X 2 2 X X X X X]，将乂^中 元素不等于2的元素按从左至右的顺序插入到上述基因中，交叉后的基因为[3 2 2 1 3 1 3 1]。
[0103] 重复执行步骤209a_209e,获得数量为N4的交叉后的基因。
[0104] 步骤210,采用基于生产作业位置互换的方法对交叉后的基因进行变异运算，获取 下一代种群中的基因，将获取的下一代种群作为当前一代种群，执行步骤204。
[0105] 具体地，在步骤210采用基于生产作业位置互换的方法对交叉后的基因进行变异 运算，获取下一代种群中的基因的过程可分为以下三个步骤执行，如图6所示。
[0106] 步骤210a,选择交叉后的基因上位置不同的两个元素。
[0107] 步骤210b，判断这两个元素值是否相等，若相等，则执行步骤210a，若不相等，则 执行步骤210c。
[0108] 步骤210c，交换两个元素的位置，获取下一代种群中的基因。
[0109] 举例说明为：交叉后得到的基因为[3 2 2 1 3 1 3 1]，随机选择两个元素位置1 和5,判断位置1上的元素值为3,位置5上的元素值为3,两者相等，重新选择两个元素位置 2和6,判断位置2上的元素值为2,位置6上的元素值为1,不相等，交换元素的位置，得到 的下一代对应的基因为[3 1 2 1 3 2 3 1]。
[0110] 步骤211，将满足预设条件的基因确定为最优的生产作业的配置。
[0111] 本实施例中步骤211与本发明生产作业的配置方法实施例一中的步骤104中的技 术方案相同，在此不再一一赘述。
[0112] 需要说明的是本实施例中采用的基于生产作业步骤的编码方法只是遗传算法中 的编码方法的一种，其它编码方法包括二进制编码、格雷码编码、实数编码、符号编码、排列 编码、二倍体编码、DNA编码、混合编码、二维染色体编码等；基于概率的轮盘赌的选择方法 只是遗传算法中的选择方法的一种，其它选择方法包括锦标赛选择、随机遍历选择等；基于 生产作业位置的交叉方法只是遗传算法中的交叉方法中的一种，其他的交叉方法包括：单 点交叉、多点交叉、均匀交叉、洗牌交叉、缩小代理交叉等；基于生产作业位置互换的方法只 是遗传算法中变异方法的一种，其它的变异方法包括：均匀变异、边界变异、非均匀变异、高 斯变异等。所以本实施例中的编码方法、选择方法、交叉方法和变异方法也可根据实际场景 采用其它相匹配的相关方法，对此本实施例并不做限定。
[0113] 本实施例中，通过基于生产作业步骤的编码方法确定初始种群，并在获取下一代 种群中采用基于概率的轮盘赌的选择方法选择预设数量的配对基因；采用基于生产作业位 置的交叉方法对每一对配对基因进行交叉运算，获得交叉后的基因；采用基于生产作业位 置互换的方法对交叉后的基因进行变异运算，最终获取下一代种群中的基因，使下一代种 群中的基因很大概率上优于当前一代种群中的基因，通过不断获取下一代种群，使下一代 种群中的基因不断接近满足预设条件的基因，最终得到满足预设条件的基因，实现了对生 产作业和执行对象的有效调度，提高了生产效率。
[0114] 图7为本发明生产作业的配置装置实施例一的结构示意图，如图7所示，该生产作 业的配置装置包括：获取模块701、确定模块702和操作模块703。
[0115] 其中，获取模块701，用于根据优先级顺序获取预设时间段内待执行的多项生产作 业信息。确定模块702,用于根据多项生产作业信息确定初始种群。操作模块703,用于依 次对每一代种群循环执行以下操作：计算当前一代种群中每条基因所表示的生产作业配置 所需的完成时间，根据完成时间判断是否存在满足预设条件的基因，若不存在满足预设条 件的基因，根据当前一代种群中每条基因被选择的概率选择预设数量的配对基因，对每一 对配对基因执行交叉运算和变异运算，获取下一代种群中的基因，若存在满足预设条件的 基因，则获取满足预设条件的基因，停止循环。确定模块702,还用于将满足预设条件的基因 确定为最优的生产作业的配置。
[0116] 本实施例的装置可以执行图1所示方法实施例的技术方案，其实现原理和技术效 果类似，此处不再赘述。
[0117] 图8为本发明生产作业的配置装置实施例二的结构示意图，如图8所示，该生产 作业的配置装置包括：获取模块801、确定模块802和操作模块803。
[0118] 其中，获取模块801，用于根据优先级顺序获取预设时间段内待执行的多项生产作 业信息。确定模块802,用于根据多项生产作业信息确定初始种群。操作模块803,用于依 次对每一代种群循环执行以下操作：计算当前一代种群中每条基因所表示的生产作业配置 所需的完成时间，根据完成时间判断是否存在满足预设条件的基因，若不存在满足预设条 件的基因，根据当前一代种群中每条基因被选择的概率选择预设数量的配对基因，对每一 对配对基因执行交叉运算和变异运算，获取下一代种群中的基因，若存在满足预设条件的 基因，则获取满足预设条件的基因，停止循环。确定模块802,还用于将满足预设条件的基因 确定为最优的生产作业的配置。
[0119] 进一步地，确定模块802,具体用于：根据多项生产作业信息获取执行对象顺序矩 阵PM ;根据执行对象顺序矩阵PM采用基于生产作业步骤的编码方法确定初始种群。
[0120] 进一步地，操作模块803,具体用于：根据多项生产作业信息获取生产时间矩阵 TM ;根据执行对象顺序矩阵PM和生成时间矩阵TM计算当前一代种群中每条基因所表示的 生产作业配置所需的完成时间；
[0121] 其中，执行对象顺序矩阵PM中第i行表示第i项生产作