一种机器人调度的方法、装置、计算机设备及存储介质与流程

1.本技术属于机器人调度技术领域，具体涉及一种机器人调度的方法、装置、计算机设备及存储介质。


背景技术：

2.随着人力成本的提高以及ai技术的发展，机器人逐渐在一些领域取代人的工作。目前，机器人已在清洁、配送、消杀、接待、安保巡逻等各种领域得到应用，机器人不但可以节约大量人力成本，还提高用户的体验趣味性和私密性，更重要的是，尤其在一些高危场景，更是需要机器人替代人来进行作业，机器人代替人已是大势所趋。
3.目前，业内机器人自动化调度一般是基于有向无循环方式编排来实现，即依据先来先服务原则或者最高优先权调度原则来实现，且通过有向无循环方式编排的机器人调度方案的最高优先权调度原则一般仅根据时间优先或人为设定权重优先来调度机器人，局限性较大，难以满足复杂场景下的机器人调度需求。


技术实现要素：

4.本技术实施例的目的在于提出一种机器人调度方法、装置、计算机设备及存储介质，以解决现有机器人调度方案存在的局限性较大，难以满足复杂场景下的机器人调度需求的技术问题。
5.为了解决上述技术问题，本技术实施例提供一种机器人调度方法，采用了如下所述的技术方案：
6.一种机器人调度的方法，包括：
7.接收任务调度指令，基于所述任务调度指令提取待调度任务，并获取待调度任务信息，其中，所述待调度任务信息包括预计响应时间；
8.获取机器人历史调度信息，其中，所述机器人历史调度信息包括机器人存活时间和机器人调度次数；
9.基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算机器人的任务调度权重；
10.组合所述机器人的调度任务权重，生成所述机器人的任务调度权重序列；
11.基于所述机器人的任务调度权重序列使用加权轮询算法对所述待调度任务进行调度。
12.进一步地，所述待调度任务和待调度任务信息存储在有向无循环文件中，所述基于所述任务调度指令提取待调度任务，并获取待调度任务信息的步骤，具体包括：
13.基于所述任务调度指令从预设调度队列中获取对应的有向无循环文件；
14.对所述有向无循环文件进行解析，得到所述待调度任务和待调度任务信息。
15.进一步地，所述基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算机器人的任务调度权重的步骤，具体包括：
16.基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算所述机器人的动态权重；
17.获取所述机器人的初始权重，并在所述初始权重的基础上累加所述动态权重，得到所述机器人的任务调度权重。
18.进一步地，所述基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算所述机器人的动态权重的步骤，具体包括：
19.对所述预计响应时间、所述机器人存活时间和所述机器人调度次数进行因子特征提取，得到因子特征；
20.对所述因子特征进行向量转化，得到因子特征向量；
21.基于所述因子特征向量构建相关成分矩阵，并求解所述相关成分矩阵的方差；
22.基于所述相关成分矩阵的方差计算方差贡献率，根据所述方差贡献率确定所述机器人的动态权重。
23.进一步地，在所述基于所述因子特征向量构建相关成分矩阵，并求解所述相关成分矩阵的方差的步骤，具体包括：
24.对所述因子特征向量进行因子旋转，得到旋转特征向量；
25.基于所述旋转特征向量构建相关成分矩阵；
26.求解所述相关成分矩阵中最大正交旋转因子的方差，得到所述相关成分矩阵的方差。
27.进一步地，所述待调度任务包括若干个子任务，每一个所述子任务预先配置有对应的权重，所述基于所述机器人的任务调度权重序列并使用加权轮询算法对所述待调度任务进行调度的步骤，具体包括：
28.确定所述任务调度权重序列中最大权重值对应的机器人，并将第一个子任务分配给所述最大权重值对应的机器人；
29.获取所述第一个子任务的权重，并基于第一子任务的权重调整所述任务调度权重序列；
30.依次确定权重调整后的任务调度权重序列中最大权重值对应的机器人，并依次将剩余的子任务分配给每一次确定的最大权重值对应的机器人，直至所述待调度任务的所有子任务分配完成为止。
31.进一步地，所述获取所述第一个子任务的权重，并基于第一子任务的权重调整所述任务调度权重序列的步骤，具体包括：
32.获取所述第一个子任务的权重和所述任务调度权重序列中的最大权重值；
33.利用所述任务调度权重序列中的最大权重值减去所述第一个子任务的权重，得到调整权重值；
34.利用所述调整权重值替换所述任务调度权重序列中的最大权重值。
35.为了解决上述技术问题，本技术实施例还提供一种机器人调度装置，采用了如下所述的技术方案：
36.一种机器人调度的装置，包括：
37.调度信息获取模块，用于接收任务调度指令，基于所述任务调度指令提取待调度任务，并获取待调度任务信息，其中，所述待调度任务信息包括预计响应时间；
38.历史信息获取模块，用于获取机器人历史调度信息，其中，所述机器人历史调度信息包括机器人存活时间和机器人调度次数；
39.调度权重计算模块，用于基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算机器人的任务调度权重；
40.权重序列生成模块，用于组合所述机器人的调度任务权重，生成所述机器人的任务调度权重序列；
41.调度任务分配模块，用于基于所述机器人的任务调度权重序列使用加权轮询算法对所述待调度任务进行调度。
42.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
43.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上述任一项所述的机器人调度方法的步骤。
44.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
45.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述中任一项所述的机器人调度方法的步骤。
46.与现有技术相比，本技术实施例主要有以下有益效果：
47.本技术公开了一种机器人调度的方法、装置、计算机设备及存储介质，属于机器人调度技术领域。本技术综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数，以及结合预设的因子分析权重算法来计算候选机器人各自的任务调度权重，然后通过候选机器人各自的任务调度权重来构建任务调度权重序列，在进行机器人任务调度时，基于机器人的任务调度权重序列使用加权轮询算法对待调度任务进行调度。本技术通过综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数来优化机器人的任务调度，使得任务调度过程更加合理，同时提高了调度方案的适应性，适合在各种机器人调度场景中使用。
附图说明
48.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1示出了本技术可以应用于其中的示例性系统架构图；
50.图2示出了根据本技术的机器人调度方法的一个实施例的流程图；
51.图3示出了根据本技术的机器人调度装置的一个实施例的结构示意图；
52.图4示出了根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
53.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明
中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
54.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
55.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
56.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
57.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
58.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
59.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
60.需要说明的是，本技术实施例所提供的机器人调度方法一般由服务器执行，相应地，机器人调度装置一般设置于服务器中。
61.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
62.继续参考图2，示出了根据本技术的机器人调度方法的一个实施例的流程图。本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
63.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。所述的机器人调度方法，包括以下步骤：
64.s201，接收任务调度指令，基于所述任务调度指令提取待调度任务，并获取待调度
任务信息，其中，所述待调度任务信息包括预计响应时间。
65.具体的，服务器接收客户端上传任务调度指令，基于任务调度指令提取待调度任务，并获取待调度任务信息，其中，待调度任务信息包括预计响应时间，预计响应时间有客户端根据待调度任务的需求条件自动计算生成，需求条件如待调度任务所需处理的数据量等等。
66.在本实施例中，机器人调度方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式接收任务调度指令。需要指出的是，上述无线连接方式可以包括但不限于3g/4g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
67.s202，获取机器人历史调度信息，其中，所述机器人历史调度信息包括机器人存活时间和机器人调度次数。
68.具体的，服务器获取候选机器人历史调度信息，其中，机器人历史调度信息包括机器人存活时间和机器人调度次数，机器人存活时间和机器人调度次数能够在一定程度表征机器人处理性能和当前状态。在本技术具体实施例中，通过充分考虑机器人历史调度信息，使得任务调度过程更加合理。
69.s203，基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算机器人的任务调度权重。
70.具体的，预设的因子分析权重算法为spss因子分析权重算法。因子分析是基于相关关系而进行的数据分析技术，是一种建立在观测数据基础上的降维方法，其主要目的是探索隐藏在大量观测数据背后的某种结构，寻找一组变量变化的共同因子。
71.具体的，服务器基于预计响应时间、机器人存活时间和机器人调度次数使用预设的spss因子分析权重算法计算机器人的任务调度权重。
72.s204，组合所述机器人的调度任务权重，生成所述机器人的任务调度权重序列。
73.具体的，服务器通过对各个候选机器人的调度任务权重进行排列组合，生成机器人的任务调度权重序列。
74.s205，基于所述机器人的任务调度权重序列使用加权轮询算法对所述待调度任务进行调度。
75.其中，加权轮询算法是一种特殊的轮询算法，轮询算法(round-robin)是最简单的一种负载均衡算法，它的原理是把来自用户的请求轮流分配给内部的服务器：从服务器1开始，直到服务器n，然后重新开始循环。算法的优点是其简洁性，它无需记录当前所有连接的状态，所以它是一种无状态调度。轮询算法并没有考虑每台服务器的处理能力，实际中可能并不是这种情况。由于每台服务器的配置、安装的业务应用等不同，其处理能力会不一样。所以加权轮询算法的原理就是根据服务器的不同处理能力，给每个服务器分配不同的权值，使其能够接受相应权值数的服务请求。
76.具体的，服务器基于机器人的任务调度权重序列使用预设的加权轮询算法确定与待调度任务匹配度最高的候选机器人，并将待调度任务分配给匹配度最高的候选机器人，完成机器人的任务调度。
77.在上述实施例中，本技术通过综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数来优化机器人的任务调度，使得任务调度过程更加合理，同时提高了调
度方案的适应性，适合在各种机器人调度场景中使用。
78.进一步地，所述待调度任务和待调度任务信息存储在有向无循环文件中，所述基于所述任务调度指令提取待调度任务，并获取待调度任务信息的步骤，具体包括：
79.基于所述任务调度指令从预设调度队列中获取对应的有向无循环文件；
80.对所述有向无循环文件进行解析，得到所述待调度任务和待调度任务信息。
81.其中，有向无循环文件是一个预先定义的python文件，有向无循环文件用于定义一个有依赖的机器人作业执行操作的集合，有向无循环文件包含有一组特定的作业任务，每个任务都是一系列具体的操作命令。有向无循环文件包含多个task指令，每一个task指令为有向无循环文件中一个具体的作业任务，task任务一般对应的是一个具体的操作，如机器人执行的前进、后退、抓、夹等操作，有向无循环文件中包含有多个任务task及task之间的执行依赖关系和调度时间。
82.具体的，客户端根据用户输入的任务需求生成有向无循环文件，并将有向无循环文件存储到预设调度队列中等待处理。服务器基于任务调度指令从预设调度队列中获取对应的有向无循环文件，对有向无循环文件进行解析，得到待调度任务和待调度任务信息。
83.进一步地，所述基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算机器人的任务调度权重的步骤，具体包括：
84.基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算所述机器人的动态权重；
85.获取所述机器人的初始权重，并在所述初始权重的基础上累加所述动态权重，得到所述机器人的任务调度权重。
86.具体的，每一个机器人根据其出厂性能配置一个固定的初始权重weight，服务器通过获取机器人的初始权重weight，并在初始权重weight的基础上累加一个动态权重current_weight，得到机器人的任务调度权重total_weight。其中，服务器基于预计响应时间t1、机器人存活时间t2和机器人调度次数s使用预设的spss因子分析权重算法计算机器人的动态权重current_weight。
87.进一步地，所述基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算所述机器人的动态权重的步骤，具体包括：
88.对所述预计响应时间、所述机器人存活时间和所述机器人调度次数进行因子特征提取，得到因子特征；
89.对所述因子特征进行向量转化，得到因子特征向量；
90.基于所述因子特征向量构建相关成分矩阵，并求解所述相关成分矩阵的方差；
91.基于所述相关成分矩阵的方差计算方差贡献率，根据所述方差贡献率确定所述机器人的动态权重。
92.具体的，对预计响应时间t1、机器人存活时间t2和机器人调度次数s进行降维处理，使得预计响应时间t1、机器人存活时间t2和机器人调度次数s维度一致，然后对降维后的预计响应时间t1、机器人存活时间t2和机器人调度次数s进行因子特征提取，得到对应的因子特征，对所有的因子特征进行向量转化，得到因子特征向量，基于因子特征向量构建相关成分矩阵，并按照标准矩阵方差求解上述相关成分矩阵的方差，基于相关成分矩阵的方差计算方差贡献率，根据方差贡献率确定机器人的动态权重。
93.进一步地，在所述基于所述因子特征向量构建相关成分矩阵，并求解所述相关成分矩阵的方差的步骤，具体包括：
94.对所述因子特征向量进行因子旋转，得到旋转特征向量；
95.基于所述旋转特征向量构建相关成分矩阵；
96.求解所述相关成分矩阵中最大正交旋转因子的方差，得到所述相关成分矩阵的方差。
97.其中，通过旋转操作用来实现因子特征旋转，以便更好的解释提取的因子。最常用的是方法是方差最大正交旋转，通过方差最大正交旋转使各因子仍然保持正交的状态，但各因子的方差差异达到最大，即相对载荷平方和达到最大。
98.具体的，服务器对因子特征向量进行因子旋转，得到旋转特征向量，基于旋转特征向量构建相关成分矩阵，求解相关成分矩阵中最大正交旋转因子的方差，得到相关成分矩阵的方差。
99.进一步地，所述待调度任务包括若干个子任务，每一个所述子任务预先配置有对应的权重，所述基于所述机器人的任务调度权重序列并使用加权轮询算法对所述待调度任务进行调度的步骤，具体包括：
100.确定所述任务调度权重序列中最大权重值对应的机器人，并将第一个子任务分配给所述最大权重值对应的机器人；
101.获取所述第一个子任务的权重，并基于第一子任务的权重调整所述任务调度权重序列；
102.依次确定权重调整后的任务调度权重序列中最大权重值对应的机器人，并依次将剩余的子任务分配给每一次确定的最大权重值对应的机器人，直至所述待调度任务的所有子任务分配完成为止。
103.具体的，服务器通过确定任务调度权重序列中最大权重值对应的机器人，并将第一个子任务分配给最大权重值对应的机器人，获取第一个子任务的权重，并基于第一子任务的权重调整任务调度权重序列，依次确定权重调整后的任务调度权重序列中最大权重值对应的机器人，并依次将剩余的子任务分配给每一次确定的最大权重值对应的机器人，直至待调度任务的所有子任务分配完成为止。
104.在本技术具体的实施例中，待调度任务包括n个子任务，n≥2，通过确定任务调度权重序列中最大权重值对应的机器人，将第一个子任务分配给最大权重值对应的机器人，并获取第一个子任务的权重，基于第一子任务的权重调整任务调度权重序列，得到第一调整权重序列，其中，每一个子任务的权重由客户端根据需要处理的数据量预先确定。然后确定第一调整权重序列中最大权重值对应的机器人，将第二个子任务分配给最大权重值对应的机器人，并获取第二个子任务的权重，基于第二子任务的权重调整第一调整权重序列，得到第二调整权重序列，以此类推，直至待调度任务的所有子任务分配完成为止。
105.进一步地，所述获取所述第一个子任务的权重，并基于第一子任务的权重调整所述任务调度权重序列的步骤，具体包括：
106.获取所述第一个子任务的权重和所述任务调度权重序列中的最大权重值；
107.利用所述任务调度权重序列中的最大权重值减去所述第一个子任务的权重，得到调整权重值；
108.利用所述调整权重值替换所述任务调度权重序列中的最大权重值。
109.具体的，服务器获取第一个子任务的权重和任务调度权重序列中的最大权重值，利用任务调度权重序列中的最大权重值减去第一个子任务的权重，得到调整权重值，利用调整权重值替换任务调度权重序列中的最大权重值。
110.在上述实施例中，本技术公开了一种机器人调度的方法，属于机器人调度技术领域。本技术综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数，以及结合预设的因子分析权重算法来计算候选机器人各自的任务调度权重，然后通过候选机器人各自的任务调度权重来构建任务调度权重序列，在进行机器人任务调度时，基于机器人的任务调度权重序列使用加权轮询算法对待调度任务进行调度。本技术通过综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数来优化机器人的任务调度，使得任务调度过程更加合理，同时提高了调度方案的适应性，适合在各种机器人调度场景中使用。
111.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
112.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
113.进一步参考图3，作为对上述图2所示方法的实现，本技术提供了一种机器人调度装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
114.如图3所示，本实施例所述的机器人调度装置包括：
115.调度信息获取模块301，用于接收任务调度指令，基于所述任务调度指令提取待调度任务，并获取待调度任务信息，其中，所述待调度任务信息包括预计响应时间；
116.历史信息获取模块302，用于获取机器人历史调度信息，其中，所述机器人历史调度信息包括机器人存活时间和机器人调度次数；
117.调度权重计算模块303，用于基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算机器人的任务调度权重；
118.权重序列生成模块304，用于组合所述机器人的调度任务权重，生成所述机器人的任务调度权重序列；
119.调度任务分配模块305，用于基于所述机器人的任务调度权重序列使用加权轮询算法对所述待调度任务进行调度。
120.进一步地，所述待调度任务和待调度任务信息存储在有向无循环文件中，所述调度信息获取模块301具体包括：
121.有向无循环文件获取子模块，用于基于所述任务调度指令从预设调度队列中获取
对应的有向无循环文件；
122.有向无循环文件解析子模块，用于对所述有向无循环文件进行解析，得到所述待调度任务和待调度任务信息。
123.进一步地，所述调度权重计算模块303具体包括：
124.动态权重计算子模块，用于基于所述预计响应时间、所述机器人存活时间和所述机器人调度次数使用预设的因子分析权重算法计算所述机器人的动态权重；
125.调度权重计算子模块，用于获取所述机器人的初始权重，并在所述初始权重的基础上累加所述动态权重，得到所述机器人的任务调度权重。
126.进一步地，所述动态权重计算子模块具体包括：
127.因子特征提取单元，用于对所述预计响应时间、所述机器人存活时间和所述机器人调度次数进行因子特征提取，得到因子特征；
128.特征向量转化单元，用于对所述因子特征进行向量转化，得到因子特征向量；
129.成分矩阵构建单元，用于基于所述因子特征向量构建相关成分矩阵，并求解所述相关成分矩阵的方差；
130.方差贡献率计算单元，用于基于所述相关成分矩阵的方差计算方差贡献率，根据所述方差贡献率确定所述机器人的动态权重。
131.进一步地，所述成分矩阵构建单元具体包括：
132.因子旋转子单元，用于对所述因子特征向量进行因子旋转，得到旋转特征向量；
133.成分矩阵构建子单元，用于基于所述旋转特征向量构建相关成分矩阵；
134.矩阵方差计算子单元，用于求解所述相关成分矩阵中最大正交旋转因子的方差，得到所述相关成分矩阵的方差。
135.进一步地，所述调度任务分配模块305具体包括：
136.调度任务分配子模块，用于确定所述任务调度权重序列中最大权重值对应的机器人，并将第一个子任务分配给所述最大权重值对应的机器人；
137.权重序列调整子模块，用于获取所述第一个子任务的权重，并基于第一子任务的权重调整所述任务调度权重序列；
138.任务循环分配子模块，用于依次确定权重调整后的任务调度权重序列中最大权重值对应的机器人，并依次将剩余的子任务分配给每一次确定的最大权重值对应的机器人，直至所述待调度任务的所有子任务分配完成为止。
139.进一步地，所述权重序列调整子模块具体包括：
140.权重获取单元，用于获取所述第一个子任务的权重和所述任务调度权重序列中的最大权重值；
141.调整权重计算单元，用于利用所述任务调度权重序列中的最大权重值减去所述第一个子任务的权重，得到调整权重值；
142.权重替换单元，用于利用所述调整权重值替换所述任务调度权重序列中的最大权重值。
143.本技术公开了一种机器人调度的装置，属于机器人调度技术领域。本技术综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数，以及结合预设的因子分析权重算法来计算候选机器人各自的任务调度权重，然后通过候选机器人各自的任务调度权
重来构建任务调度权重序列，在进行机器人任务调度时，基于机器人的任务调度权重序列使用加权轮询算法对待调度任务进行调度。本技术通过综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数来优化机器人的任务调度，使得任务调度过程更加合理，同时提高了调度方案的适应性，适合在各种机器人调度场景中使用。
144.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
145.所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
146.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
147.所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如机器人调度方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
148.所述处理器42在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述机器人调度方法的计算机可读指令。
149.所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
150.本技术公开了一种计算机设备，属于机器人调度技术领域。本技术综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数，以及结合预设的因子分析权重算法来计算候选机器人各自的任务调度权重，然后通过候选机器人各自的任务调度权重来构建任务调度权重序列，在进行机器人任务调度时，基于机器人的任务调度权重序列使用加权轮询算法对待调度任务进行调度。本技术通过综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数来优化机器人的任务调度，使得任务调度过程更加合理，同时
提高了调度方案的适应性，适合在各种机器人调度场景中使用。
151.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的机器人调度方法的步骤。
152.本技术公开了一种存储介质，属于机器人调度技术领域。本技术综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数，以及结合预设的因子分析权重算法来计算候选机器人各自的任务调度权重，然后通过候选机器人各自的任务调度权重来构建任务调度权重序列，在进行机器人任务调度时，基于机器人的任务调度权重序列使用加权轮询算法对待调度任务进行调度。本技术通过综合待调度任务的预计响应时间、机器人存活时间和机器人调度次数来优化机器人的任务调度，使得任务调度过程更加合理，同时提高了调度方案的适应性，适合在各种机器人调度场景中使用。
153.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
154.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
155.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。