一种基于机器学习的计划排程优化算法的制作方法

本发明涉及人工智能技术领域，尤其涉及一种基于机器学习的计划排程优化算法。

背景技术：

算法参数调优往往比较复杂，通常需要人为的一个一个调优，所以算法参数调优是一件比较费时费力的事情；并且，想要得到使模型效果较好的算法参数值，需要理解机器学习内部原理，知道每个算法参数的含义、影响范围以及算法参数之间的相互影响关系等，不仅调优的过程长，耽误了时间，同时对技术人员的技术实力有很高的要求，从而降低了机器向智能化方向发展的速度，为此我们提出了一种基于机器学习的计划排程优化算法。

技术实现要素：

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于机器学习的计划排程优化算法。

为了实现上述目的，本发明采用了如下技术方案：

设计一种基于机器学习的计划排程优化算法，包括如下步骤：

s1:数据处理：包括用于导入数据的数据导入模块，数据导入模块电性连接数据预处理模块，数据预处理模块用于对导入的数据进行初步的处理，数据预处理模块电性连接数据传输模块，通过数据传输模块进而达到对处理的数据进行传输的目的；

s2:数据对比：数据传输模块电性连接数据对比模块，数据对比模块电性连接数据提取模块，数据提取模块电性连接数据库，通过数据提取模块将数据库中保存的数据提取出来，发送至数据对比模块中，进而与数据对比模块中导入的数据进行对，对比两项数据差异；

s3:计算优化：数据对比模块电性连接计算单元，计算单元电性连接数据优化模块，通过计算单元对对比的数据进行计算，得出对比数据计算后的结果，通过数据优化模块对计算后的数据进行优化；

s4:数据存储：数据优化模块电性连接数据发送模块，并且数据发送模块与数据库电性连接，通过数据发送模块将优化的数据信息存储在数据库中，便于在计算的过程中，将已知的数据都进行对比，扩大学习范围，提高优化效果；

s5:数据导出：数据优化模块电性连接数据处理模块，数据处理模块电性连接数据导出模块，通过数据处理模块从而对将要导出的数据进行最后的处理，从便于工作人员进行查看和处理，通过数据导出模块将数据导出去。

优选的，s2中的数据库包括数据整理模块，数据整理模块电性连接数据分类模块，数据分类模块电性连接多个存储器，通过数据整理模块对存储的数据进行整理，通过数据分类模块将整理后的数据分到各个存储器中，以便于工作人员进行查找。

优选的，数据整理模块与数据传输模块电性连接，通过数据传输模块将导入的信息传输到数据库中，通过数据整理模块将导入的数据进行整理，扩大数据存储量，进而对优化提供更多的数据支持。

优选的，s3中的计算单元的操作步骤如下：

a：包括与数据对比模块电性连接的计算程序设置模块，通过计算程序设置模块设定计算程序，计算程序用于对对比数据进行处理；

b：计算程序设置模块电性连接参数填充模块，通过参数填充模块将每个数据填充到计算程序的计算式中，进而达到数据处理前的准备工作；

c：参数填充模块电性连接数据计算模块，通过数据计算模块从而对填充到计算程序计算式中的数据进行计算，从而得到计算的结果，数据计算模块与数据优化模块电性连接，进而将计算的结果传送到数据优化模块中；

优选的，数据计算模块与智能检错模块电性连接，通过智能检错模块从而在数据计算模块计算的过程中，自动检测出错误的计算数据，并且对错误的数据进行纠正。

本发明提出的一种基于机器学习的计划排程优化算法，有益效果在于：此装置设计合理，通过提取的数据与数据对比模块中导入的数据进行对，对比两项数据差异，再对数据进行计算和优化，从而得到优化的数据，使得机器的参数设置不断的被优化，节省了时间，方便了人们使用。

附图说明

图1为本发明提出的一种基于机器学习的计划排程优化算法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

参照图1，一种基于机器学习的计划排程优化算法，包括如下步骤：

s1:数据处理：包括用于导入数据的数据导入模块，数据导入模块电性连接数据预处理模块，数据预处理模块用于对导入的数据进行初步的处理，数据预处理模块电性连接数据传输模块，通过数据传输模块进而达到对处理的数据进行传输的目的；

s2:数据对比：数据传输模块电性连接数据对比模块，数据对比模块电性连接数据提取模块，数据提取模块电性连接数据库，通过数据提取模块将数据库中保存的数据提取出来，发送至数据对比模块中，进而与数据对比模块中导入的数据进行对，对比两项数据差异；

s3:计算优化：数据对比模块电性连接计算单元，计算单元电性连接数据优化模块，通过计算单元对对比的数据进行计算，得出对比数据计算后的结果，通过数据优化模块对计算后的数据进行优化；

s4:数据存储：数据优化模块电性连接数据发送模块，并且数据发送模块与数据库电性连接，通过数据发送模块将优化的数据信息存储在数据库中，便于在计算的过程中，将已知的数据都进行对比，扩大学习范围，提高优化效果；

s5:数据导出：数据优化模块电性连接数据处理模块，数据处理模块电性连接数据导出模块，通过数据处理模块从而对将要导出的数据进行最后的处理，从便于工作人员进行查看和处理，通过数据导出模块将数据导出去。

s2中的数据库包括数据整理模块，数据整理模块电性连接数据分类模块，数据分类模块电性连接多个存储器，通过数据整理模块对存储的数据进行整理，通过数据分类模块将整理后的数据分到各个存储器中，以便于工作人员进行查找。

数据整理模块与数据传输模块电性连接，通过数据传输模块将导入的信息传输到数据库中，通过数据整理模块将导入的数据进行整理，扩大数据存储量，进而对优化提供更多的数据支持。

s3中的计算单元的操作步骤如下：

a：包括与数据对比模块电性连接的计算程序设置模块，通过计算程序设置模块设定计算程序，计算程序用于对对比数据进行处理；

b：计算程序设置模块电性连接参数填充模块，通过参数填充模块将每个数据填充到计算程序的计算式中，进而达到数据处理前的准备工作；

c：参数填充模块电性连接数据计算模块，通过数据计算模块从而对填充到计算程序计算式中的数据进行计算，从而得到计算的结果，数据计算模块与数据优化模块电性连接，进而将计算的结果传送到数据优化模块中；

数据计算模块与智能检错模块电性连接，通过智能检错模块从而在数据计算模块计算的过程中，自动检测出错误的计算数据，并且对错误的数据进行纠正。

以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

技术特征：

技术总结
本发明涉及人工智能技术领域，尤其是一种基于机器学习的计划排程优化算法，包括如下步骤：包括用于导入数据的数据导入模块，数据导入模块电性连接数据预处理模块，将已知的数据都进行对比，扩大学习范围，提高优化效果；数据优化模块电性连接数据处理模块，数据处理模块电性连接数据导出模块，通过数据处理模块从而对将要导出的数据进行最后的处理，从便于工作人员进行查看和处理，通过数据导出模块将数据导出去。此装置设计合理，通过提取的数据与数据对比模块中导入的数据进行对，对比两项数据差异，再对数据进行计算和优化，从而得到优化的数据，使得机器的参数设置不断的被优化，节省了时间，方便了人们使用。

技术研发人员：陈奇;管在林;陈锋;石文婷
受保护的技术使用者：武汉易普优科技有限公司
技术研发日：2018.08.28
技术公布日：2018.12.25