基于混合变邻域进化算法的检定流水线调度方法及系统

摘要

本发明公开了一种基于混合变邻域进化算法的检定流水线调度方法及系统，包括：确定检定流水线的基本参数信息；根据检定流水线调度问题和调度目标进行建模，确定以检定时间最短为目标的混合批组检定数学模型；根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解；以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定所述混合批组检定数学模型的最优解。本发明以总检定时间最短为优化目标，综合考虑检定器具的运输时间，多阶段并行机调度，并行机选择策略等问题，建立了混合流水线检定调度优化模型，并运用基于混合变邻域进化算法进行模型求解，有效的提高了检定效率。

说明书

技术领域

本发明涉及自动控制技术领域，并且更具体地，涉及一种基于混合变邻域进化算法的检定流水线调度方法及系统。

背景技术

2018年全社会用电量达68449亿KWh。细微的电量计量误差会对电力客户或者企业造成巨大的不公，并且影响政府的公信力。同时，随着阶梯电价节能惠民政策和用电信息采集系统的全面建设，各类电量计量器具的需求量急剧上升。近年来多个省级电力公司都相继建立了各自的省级计量中心，随着计量自动化终端自动化检测流水线的逐渐建立和应用，对计量自动化终端的管理、检定效率等方面提出了更高的要求。自动化检测流水线不仅可以提高检定效率，减少操作人员的工作量，而且可以提高检定效率。然而，计量终端的种类较多、规格不同等因素制约着自动化检测流水线检定效率的进一步提升。因此，在计量自动化终端自动化检测流水线系统中，对检定任务进行合理分配具有非常重要的实际意义。

传统的电能计量器具流水线检定模式是按照批次顺序进行检定的，即一个批次的检定任务完成后再完成下一个批次的，由于每个批次包含不同变比类型的低压电流互感器在各检定环节的时间各不相同，导致这种调度模型的灵活性有限。

计量自动化终端检定任务的分配本质上为混合流水线问题(hybrid flow-shopproblem,HFSP),该类问题属于NP-hard问题，这类问题具有计算复杂性、多约束性和离散性等特点，并需要将不同批次、相同电压等级的计量装置放在一条流水线上进行检定，这就对检定流水线的调度提出了更高要求。对于该类混合流水线调度问题HFSP，较多，但是针对电能计量设备自动检定流水线的调度研究较少。目前也有研究电能计量设备自动检定流水线调度优化问题，但是只考虑单阶段并行机调度，并且没有考虑检定器具的运输时间。

发明内容

本发明提出一种基于混合变邻域进化算法的检定流水线调度方法及系统，以解决如何提高流水线的检定效率的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种基于混合变邻域进化算法的检定流水线调度方法，所述方法包括：

确定检定流水线的基本参数信息；

根据检定流水线调度问题和调度目标进行建模，确定以检定时间最短为目标的混合批组检定数学模型；

根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解；

以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定所述混合批组检定数学模型的最优解。

优选地，其中所述确定混合批组检定数学模型中流水线的基本参数信息，包括：

设置J＝{1,2,......,n}为待检互感器的集合，其中n为待检互感器的总数；L＝{1,2,......,B}为批组数，其中B为待检互感器的批组总数

优选地，其中所述混合批组检定数学模型，包括：

min f

e

其中，式(1)表示检定调度优化目标；式(2)表示每个优先级位置只能对应一个批组；式(3)表示每个批组只能占用一个优先级位置；式(4)表示每个环节每个批组只能在一台检定设备上进行检测；式(5)表示同一环节检测开始时间与完成时间的关系；式(6)表示同一批组在不同环节间的先后约束关系；式(7)表示同一环节排位越前的批组开始检测时间越早；式(8)表示同一环节分配在同一设备上的不同批组，根据批组的优先级进行检测。

优选地，其中所述根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解，包括：

根据检定流水线的基本参数信息，采用基于排列的编码方式确定编码序列，取所有批组序号的排列作为一个个体；其中，批组序号在编码序列中的位置表示其在第一阶段进入流水线的检定顺序；

对于每一个编码序列，按照检定设备分配规则依次将所有批组分配到各个环节的检定设备上，确定各个批组的开始检定时间与结束时间；

通过交叉操作、变异操作和扰动操作，增加种群的多样性；

基于精英选择策略确定精英解。

优选地，其中所述以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定混合批组检定数学模型的最优解，包括：

步骤1，确定邻域结构{N

步骤2，如果循环终止条件η＞N

步骤3，按照邻域结构N

步骤4，若新解x'的适应度值小于初始解x的适应度值，即满足f(x')＜f(x)，则输出ξ，令x'＝x，适应度值更小的代替初始解，继续在邻域结构N

步骤5，若η≥N

步骤6，若ξ＞ξ

根据本发明的另一个方面，提供了一种基于混合变邻域进化算法的检定流水线调度系统，所述系统包括：

基本参数信息确定单元，用于确定检定流水线的基本参数信息；

混合批组检定数学模型确定单元，用于根据检定流水线调度问题和调度目标进行建模，确定以检定时间最短为目标的混合批组检定数学模型；

精英解确定单元，用于根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解；

模型的最优解确定单元，用于以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定所述混合批组检定数学模型的最优解。

优选地，其中所述基本参数信息确定单元，确定混合批组检定数学模型中流水线的基本参数信息，包括：

设置J＝{1,2,......,n}为待检互感器的集合，其中n为待检互感器的总数；L＝{1,2,......,B}为批组数，其中B为待检互感器的批组总数

优选地，其中所述混合批组检定数学模型，包括：

min f

e

其中，式(1)表示检定调度优化目标；式(2)表示每个优先级位置只能对应一个批组；式(3)表示每个批组只能占用一个优先级位置；式(4)表示每个环节每个批组只能在一台检定设备上进行检测；式(5)表示同一环节检测开始时间与完成时间的关系；式(6)表示同一批组在不同环节间的先后约束关系；式(7)表示同一环节排位越前的批组开始检测时间越早；式(8)表示同一环节分配在同一设备上的不同批组，根据批组的优先级进行检测。

优选地，其中所述精英解确定单元，根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解，包括：

根据检定流水线的基本参数信息，采用基于排列的编码方式确定编码序列，取所有批组序号的排列作为一个个体；其中，批组序号在编码序列中的位置表示其在第一阶段进入流水线的检定顺序；

对于每一个编码序列，按照检定设备分配规则依次将所有批组分配到各个环节的检定设备上，确定各个批组的开始检定时间与结束时间；

通过交叉操作、变异操作和扰动操作，增加种群的多样性；

基于精英选择策略确定精英解。

优选地，其中所述模型的最优解确定单元，以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定混合批组检定数学模型的最优解，包括：

步骤1，确定邻域结构{N

步骤2，如果循环终止条件η＞N

步骤3，按照邻域结构N

步骤4，若新解x'的适应度值小于初始解x的适应度值，即满足f(x')＜f(x)，则输出ξ，令x'＝x，适应度值更小的代替初始解，继续在邻域结构N

步骤5，若η≥N

步骤6，若ξ＞ξ

本发明提供了一种基于混合变邻域进化算法的检定流水线调度方法及系统，以总检定时间最短为优化目标，根据电能计量器具类型对检定产品进行混合批组检定调度，综合考虑检定器具的运输时间，多阶段并行机调度，并行机选择策略等问题，建立了混合流水线检定调度优化模型，并运用基于混合变邻域进化算法进行模型求解，将进化算法得到的精英解作为变邻域搜索算法的初始解，来提高进化算法的局部搜索能力，防止种群陷入局部最优，有效的提高了检定效率，能够为检定流水线的优化调度提供理论依据和参考。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明实施方式的基于混合变邻域进化算法的检定流水线调度方法100的流程图；

图2为根据本发明实施方式的检定流水线的两种检定模式的示意图；

图3为根据本发明实施方式的自动检定流水线的示意图；

图4为根据本发明实施方式的混合变邻域进化算法的框架；

图5为根据本发明实施方式的混合交叉运算的示意图；

图6为根据本发明实施方式的两种策略总的检定时间对应的甘特图；

图7为根据本发明实施方式的基于混合变邻域进化算法的检定流水线调度系统700的结构示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于为在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为根据本发明实施方式的基于混合变邻域进化算法的检定流水线调度方法100的流程图。如图1所示，本发明实施方式提供的基于混合变邻域进化算法的检定流水线调度方法，以总检定时间最短为优化目标，根据电能计量器具类型对检定产品进行混合批组检定调度，综合考虑检定器具的运输时间，多阶段并行机调度，并行机选择策略等问题，建立了混合流水线检定调度优化模型，并运用基于混合变邻域进化算法进行模型求解，将进化算法得到的精英解作为变邻域搜索算法的初始解，来提高进化算法的局部搜索能力，防止种群陷入局部最优，有效的提高了检定效率，能够为检定流水线的优化调度提供理论依据和参考。本发明实施方式提供的基于混合变邻域进化算法的检定流水线调度方法100，从步骤101处开始，在步骤101确定检定流水线的基本参数信息。

优选地，其中所述确定混合批组检定数学模型中流水线的基本参数信息，包括：

设置J＝{1,2,......,n}为待检互感器的集合，其中n为待检互感器的总数；L＝{1,2,......,B}为批组数，其中B为待检互感器的批组总数

传统的检定模式是按照批次进行检定，每个批次中包含不同变比类型的互感器，即一个批次的检定任务完成后再进行下一个批次的检定，每个批次之间会存在互感器变比类型不同的情况，所以这种调度模型的灵活性有限。本发明实施方式将每个批次的检定低压电流互感器按照变比类型分成多个批组，进行混合批组检定。两种检定模式如下图2所示。

在本发明中，将此类自动检定流水线定义为带批组的并行混合流水线。带批组并行混合流水线调度问题可描述为：来自M个批次的共n个低压电流互感器被分为B个批组在流水线上进行S个环节的检测，各个环节至少有一台检定设备且至少有一个环节存在并行的检定互感器。已知待检互感器各个环节的检定时间，以及相邻检定阶段的运输时间，确定所有待检批组的排序以及每一环节中并行检定设备的任务分配情况，从而使得总检定完成时间最小，即最小化最大检定时间。

在本发明的实施方式中，对于混合批组检定数学模型，基本参数信息包括：令J＝{1,2,......,n}为待检互感器的集合，其中n为待检互感器的总数；L＝{1,2,......,B}为批组数，其中B为待检互感器的批组总数

在步骤102，根据检定流水线调度问题和调度目标进行建模，确定以检定时间最短为目标的混合批组检定数学模型。

优选地，其中所述混合批组检定数学模型，包括：

min f

e

其中，式(1)表示检定调度优化目标；式(2)表示每个优先级位置只能对应一个批组；式(3)表示每个批组只能占用一个优先级位置；式(4)表示每个环节每个批组只能在一台检定设备上进行检测；式(5)表示同一环节检测开始时间与完成时间的关系；式(6)表示同一批组在不同环节间的先后约束关系；式(7)表示同一环节排位越前的批组开始检测时间越早；式(8)表示同一环节分配在同一设备上的不同批组，根据批组的优先级进行检测。

在本发明的实施方式中，基于混合批组检定数学模型，基本假设如下：1)同一时刻，一台检定设备只能对一个批组进行检定；2)后道检定环节工序的必须在前道检定环节完成之后开始；3)检定一开始就不能中断。每个批组计量器具可以在每个阶段的任何机器上加工；4)将批组中计量器具进出检定设备的时间考虑在运输时间内；5)每个计量终端的检定优先级一样；6)同类型，同变压比的多功能检测环节的计量器检测时间相同；7)不同电压变比的多功能检测环节计量器检测时间不同。然后，根据问题描述和问题假设对问题的建模如下：

min f

e

其中，式(1)表示检定调度优化目标；式(2)表示每个优先级位置只能对应一个批组。式(3)表示每个批组只能占用一个优先级位置。式(4)表示每个环节每个批组只能在一台检定设备上进行检测。式(5)表示同一环节检测开始时间与完成时间的关系。式(6)表示同一批组在不同环节间的先后约束关系。式(7)表示同一环节排位越前的批组开始检测时间越早。式(8)表示同一环节分配在同一设备上的不同批组，优先级靠前的批组检测完后才允许后面的批组进行检测。

在步骤103，根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解。

优选地，其中所述根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解，包括：

根据检定流水线的基本参数信息，采用基于排列的编码方式确定编码序列，取所有批组序号的排列作为一个个体；其中，批组序号在编码序列中的位置表示其在第一阶段进入流水线的检定顺序；

对于每一个编码序列，按照检定设备分配规则依次将所有批组分配到各个环节的检定设备上，确定各个批组的开始检定时间与结束时间；

通过交叉操作、变异操作和扰动操作，增加种群的多样性；

基于精英选择策略确定精英解。

进化算法(Evolutionary algorithm，EA)的全局搜索性能，能够迅速的搜寻到解的大部分空间，并且具有内在并行性的优点，具有较高的求解效率。然而，单一使用使得算法具有较差局部搜索能力，使得整个搜索过程比较费时，搜索效率不高。相比，变邻域搜索算法Variable Neighborhood Search,VNS)可以弥补上述缺陷，具有较高局部搜索能力。鉴于两者的特性，根据优势互补原则，本发明采用混合变邻域进化算法(Hybrid VNSEvolutionary algorithm，HVNSEA)进行求解；其中，混合变邻域进化算法的框架如图4所示。

在本发明的实施方式中，利用进化算法确定精英解的过程包括：

1)基于排列的编码方式进行编码

采用基于排列的编码方式，即取所有批组序号的排列作为一个个体，批组号在列中的位置表示其在第一阶段进入流水线的检定顺序。例如，对于有4个批组的检定问题，个体编码“3124”表示在检定的第一阶段进入流水线的顺序依次为批组3,1,2,4，其余检定阶段按照后文所述的解码规则选择检定设备进行检定。

2)启发示解码

对于一个编码排列，按照检定设备分配规则依次将所有批组分配到各个环节的检定设备上，确定各个批组的开始检定时间与结束时间，解码过程可以简单描述为：

输入：解码个体Chrom，各个环节检定设备数量矩阵，批组数量，批组最大检定环节数，检定环节-时间矩阵WData，各个检定设备的运输时间矩阵TData。

输出：调度方案Temp，包括批组各检定环节对应的检定设备以及检定开始时间和结束时间。

3)交叉运算

交叉的目的是获得更好的染色体，通过交换当前染色体中包含的信息来改善适应度值，从而使种群进化。在求解HFSP的进化算法中，大多采用基于位置和两点的交叉算子，即线性次序交叉，并证明混合随机交叉算子比单独使用基于位置和次序的交叉可以在保证解质量的前提下得到更快的收敛速度。因此，采用这两种交叉算子：基于位置的交叉(PBX)和线性次序交叉(LOX)，保留适应度值最好的两个个体，混合交叉算子设计如图4所示。

4)变异运算

突变给种群带来了一些额外的基因组成情况，选用多点变异反转逆序算子，来增强了种群的多样性，有利于提高种群的搜索能力。其步骤如下：

步骤1：随机产生多个基因位。

步骤2：对多个基因位组成的基因块进行反转逆序。

例如，一个染色体的基因编码为“234615987”，随机产生基因位：2,3,5,9。对应的基因位分别为3,4,1,7。反转该基因片段为7,1,4,3，则得到的变异后的基因为“271645983”。

5)扰动种群

对于HFSP，由于其解空间不是连续的，在进化过程中容易产生很多相同个体，导致种群容易陷入局部最优。剔除进化种群中的相同个体，添加新的个体来提高种群的多样性。

6)选择策略

对于进化种群，如果仅仅通过进化算子，很可能把较好的组合破坏掉了，这样就没有达到累计较好基因的目的，反而把原本很好的基因给破坏掉了，精英选择策略如下：

步骤1：合并子父代P和Q，其中P代表参与进化的种群，Q代表进化后的种群。

步骤2：对于合并后的种群进行升序排列，选择适应度值前Popsize的个体参与下一轮的进化。

在步骤104，以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定所述混合批组检定数学模型的最优解。

优选地，其中所述以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定混合批组检定数学模型的最优解，包括：

步骤1，确定邻域结构{N

步骤2，如果循环终止条件η＞N

步骤3，按照邻域结构N

步骤4，若新解x'的适应度值小于初始解x的适应度值，即满足f(x')＜f(x)，则输出ξ，令x'＝x，适应度值更小的代替初始解，继续在邻域结构N

步骤5，若η≥N

步骤6，若ξ＞ξ

局部搜索算法VNS通常是以一个随机初始解进行搜索，但是在本发明中，以进化算法得到的最优解作为VNS的初始解。这里假设x是进化算法得到的最优解，{N

步骤1：确定邻域结构{N

步骤2：如果循环终止条件(η＞N

步骤3：按照邻域结构N

步骤4：若f(x')＜f(x)，则输出ξ，令x'＝x，适应度值更小的代替初始解，继续在邻域结构N

步骤5:若η≥N

步骤6:若ξ＞ξ

一组不同的邻域是基于混合变邻域进化算法的重要组成部分，为了避免搜索时间过长，一般设定为3。因此，VNS的邻域结构数量取3(ξ

根据HFSP问题的特点，本发明提出了3种邻域最优解的方法：

1)插入。随机产生两个基因位，将大基因位处的基因插入小基因位处的基因前面，小基因位及其后的基因按顺序向后顺延。例如，一个染色体的基因编码为“234615987”，随机产生的两个基因位置为3和7，执行插入操作后得到的新染色体为“239461587”。

2)块基因重组。随机产生两个基因位，重组两个基因位之间的基因块，相比较传统方法局部搜索能力更强。例如，一个染色体的基因编码为“234615987”，随机产生的两个基因位置为3和7，两个基因位之间的基因块为：“46159”，重组这个基因块“16549”，可以得到新染色“23165497”。

3)多点反转逆序。随机产生多个基因位，反转各个基因位组成的基因块反转，具体参照上文的变异算子。

本发明实施方式在保证完成检定任务的同时，最大限度的提高自动化检定系统的检定效率，减少总的检定时间，从而减少检定成本，为检定流水线的优化调度提供理论依据和参考

传统的检定依据是按照批次顺序进行检定的，即一个批次的检定任务完成后再完成下一个批次，但是这种调度模型的灵活性有限。由于不同类型的器具在某些检定环节的时间各不相同，提高调度的灵活性往往可以提高企业的检定效率。因此，提出了混合批组调度模型。针对所提案例，两种检定策略求解结果如表1所示，两种策略总的检定时间最小对应的甘特图如图6所示。

表1两种检定策略的调度效果比较

由表1可知，提出的混合批组检定策略总的检定时间最短为375min，较之前的批次调度检定策略提前了8min，两者的求解时间基本相同，而前者的平均值更小。综上所述，按照混合批组调度检定可以有效提高检定效率，并且随着检定任务的增加所提调度策略意义更加显著。

表2各批组各个环节的检定时间

某省级计量中心需要对来自于3个批次的12个不同批组的互感器进行检定。该检定过程包括4大环节共6个单元的检定，例如外观、耐压以及多功能检测，分拣，封印和贴签等，其中耐压检测环节有2个并行工位，多功能检测环节有4个并行的U型工位。每个多功能检测仓有12个表位可同时进行检测，由于每个批组的器具类型和个数不尽相同，各个批组具体检定环节的时间如表2所示。

图7为根据本发明实施方式的基于混合变邻域进化算法的检定流水线调度系统700的结构示意图。如图7所示，本发明实施方式提供的基于混合变邻域进化算法的检定流水线调度系统700，包括：基本参数信息确定单元701、混合批组检定数学模型确定单元702、精英解确定单元703和模型的最优解确定单元704。

优选地，所述基本参数信息确定单元701，用于确定检定流水线的基本参数信息。

优选地，其中所述基本参数信息确定单元701，确定混合批组检定数学模型中流水线的基本参数信息，包括：

设置J＝{1,2,......,n}为待检互感器的集合，其中n为待检互感器的总数；L＝{1,2,......,B}为批组数，其中B为待检互感器的批组总数

优选地，所述混合批组检定数学模型确定单元702，用于根据检定流水线调度问题和调度目标进行建模，确定以检定时间最短为目标的混合批组检定数学模型。

优选地，其中所述混合批组检定数学模型702，包括：

min f

e

其中，式(1)表示检定调度优化目标；式(2)表示每个优先级位置只能对应一个批组；式(3)表示每个批组只能占用一个优先级位置；式(4)表示每个环节每个批组只能在一台检定设备上进行检测；式(5)表示同一环节检测开始时间与完成时间的关系；式(6)表示同一批组在不同环节间的先后约束关系；式(7)表示同一环节排位越前的批组开始检测时间越早；式(8)表示同一环节分配在同一设备上的不同批组，根据批组的优先级进行检测。

优选地，所述精英解确定单元703，用于根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解。

优选地，其中所述精英解确定单元703，根据所述混合批组检定数学模型和检定流水线的基本参数信息，利用改进的进化算法确定精英解，包括：

根据检定流水线的基本参数信息，采用基于排列的编码方式确定编码序列，取所有批组序号的排列作为一个个体；其中，批组序号在编码序列中的位置表示其在第一阶段进入流水线的检定顺序；

对于每一个编码序列，按照检定设备分配规则依次将所有批组分配到各个环节的检定设备上，确定各个批组的开始检定时间与结束时间；

通过交叉操作、变异操作和扰动操作，增加种群的多样性；

基于精英选择策略确定精英解。

优选地，所述模型的最优解确定单元704，用于以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定所述混合批组检定数学模型的最优解。

优选地，其中所述模型的最优解确定单元704，以所述精英解作为变邻域搜索算法VNS的初始解，基于混合变邻域进化算法确定混合批组检定数学模型的最优解，包括：

步骤1，确定邻域结构{N

步骤2，如果循环终止条件η＞N

步骤3，按照邻域结构N

步骤4，若新解x'的适应度值小于初始解x的适应度值，即满足f(x')＜f(x)，则输出ξ，令x'＝x，适应度值更小的代替初始解，继续在邻域结构N

步骤5，若η≥N

步骤6，若ξ＞ξ

本发明的实施例的基于混合变邻域进化算法的检定流水线调度系统700与本发明的另一个实施例的基于混合变邻域进化算法的检定流水线调度方法100相对应，在此不再赘述。

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。