【技术实现步骤摘要】
一种云制造环境下的制造资源服务组合与优选方法
[0001]本专利技术属于资源组合优化
，具体公开了一种云制造环境下的制造资源服务组合与优选方法。
技术介绍
[0002]随着新兴信息技术的快速发展，传统制造企业加速转型升级，云制造应运而生。云制造通过整合多个不同领域的、不同地域的制造资源，实现分布式制造资源的集中管理及优化配置，逐渐突破制造行业资源的共享程度和使用效率的限制，从而促使资源的全面共享，提高资源的利用率。由于制造业的分工越来越趋于细化和专业化，企业用户更注重于发展自身核心竞争力，导致云制造环境下制造任务往往是通过资源的服务组合来完成。
[0003]然而，云平台拥有大量功能相同或相近但服务质量不同的资源服务，如何快速地从海量组合方案中挑选出满足多方利益需求的最佳服务组合并成功执行任务，是当前云制造服务组合与优选的关键问题。现阶段服务组合优选问题的解决仍存一些不足之处，当前云制造环境下服务组合问题的解决模型主要考虑任务方的利益需求，忽略了服务方和平台方的利益，在数学模型的建立上仍存在缺陷；对于云制造环境下服务组合问题的解决方法而言，当前研究主要采用单目标法或加权组合法，并未对用户的偏好加以区分，不能反映出目标间的冲突，在一定程度上影响最终的求解质量；对于服务组合的优选决策而言，并未为用户提供备选方案，以应变用户偏好的变化。
技术实现思路
[0004]本专利技术的目的提供一种云制造环境下的制造资源服务组合与优选的新方法，对云制造平台中的服务进行组合优选，从实际角度为用户动态推送优选的...
【技术保护点】
【技术特征摘要】
1.一种云制造环境下的制造资源服务组合与优选方法，其特征在于，包括以下步骤：步骤1：从任务方，平台方，服务方三方面构建适用于相应制造服务资源的约束指标体系；步骤2：获取制造任务，在云平台中根据制造任务的各子任务选取对应的候选服务集；对子任务的质量约束指标进行控制，确定用于制造任务的服务组合的目标函数及约束条件，建立服务组合优化数学模型；步骤3：应用改进的带有精英策略的快速非支配排序遗传算法对模型进行求解，得到服务组合方案Pareto解集；步骤4：根据得到的服务组合方案Pareto解集，综合考虑用户偏好对其进行评估优选，采用灰色关联分析方法，为用户提供最优组合方案。2.根据权利要求1所述的方法，其特征在于，所述约束指标体系包括任务方约束指标，平台方约束指标和服务方约束指标，其中：所述任务方约束指标包括：实施期D、服务成本C和质量验收Q；所述实施期D是指从任务方向云平台提出任务需求开始，到任务方获得服务执行结果所耗费的时间，有：D＝D
online
+D
offline
，其中在线执行时间D
online
指在虚拟云环境下，云平台响应请求到执行计算机程序的总时间，有D
online
＝D
process
+D
trans
，D
process
为系统运行时间，D
trans
为网络传输时间；线下执行时间D
offline
指在现实环境下，完成云制造任务所耗费的总时间，有：D
offline
＝D
managenment
+D
wait
+D
logistic
+D
excution
，其中D
managenment
、D
wait
、D
logistic
、D
excution
分别指线下活动中服务管理、等待、物流、执行活动所耗费的时间；所述服务成本C指从任务方提交任务请求到获得任务执行结果所需的费用，有：C＝C
online
+C
offline
，其中在线服务成本C
online
指在云平台上产生的总费用，包括传输成本、访问成本、计算成本等；线下服务成本C
offline
指在线下活动中管理、物流、生产等服务所产生的费用，有：C
offline
＝C
management
+C
logistic
+C
excution
；所述质量验收Q，用于在云制造环境下表示服务方承担相关任务的质量合格率，通以下方式计算：Q＝f(q)/N(q)，其中f(q)表示该服务方在有效时间内提供质量合格的服务的次数，N表示该服务方在有效时间内承担的所有服务次数；所述平台方约束指标包括：服务的灵活度F
s
、服务的稳定性R
s
、服务的普适性U
s
和满意度T
s
；所述服务的灵活度F
s
用于体现在服务方适应任务需求发生改变的能力，通以下方式计算：F
s
＝f(CS)/N(CS)，其中f(CS)表示历史记录中，任务需求发生变更时，该服务所在的服务组合仍能完成任务的数量；N(CS)表示历史记录中，该服务所在服务组合的任务需求变更的数量；
所述服务的稳定性R
s
用于衡量服务是否能顺利完成制造任务，通以下方式计算：R
s
＝w1(f(R1)/N)+w2(f(R2)/N)，其中f(R1)表示服务方未在中途退出任务的次数；f(R2)表示服务方未在提供服务过程中发生生产安全事故的次数；N表示服务方提供服务的总次数；w
Rs,1
，w
Rs,2
分别为给定的权重，有：w
Rs,1
+w
Rs,2
＝1；所述服务普适性U
s
用于体现在服务方承接平台所匹配的任务后，由于某种原因而退出服务组合时，服务方仍能在其候选服务集中提供可替代服务，保证任务顺利完成的能力；U
s
用候选服务集中可替代的服务数量来表示；所述满意度T
s
是服务方完成任务方所要求的任务时，任务方依据任务的完成质量以及其他因素所提供的一个综合性评价分数，反映服务方的一种综合服务能力，通以下方式计算：其中N(T
s
)表示该服务方在云平台内总共被评价的次数；T
si
表示第i位用户对服务方的评价分数，且T
si
∈[0,1]；所述服务方约束指标包括，信用Cy和交款速度PS；所述信用Cy是指云平台对于任务方的一种评价指标，反映任务方的一种信誉程度，通以下方式计算：其中，E
i
表示第i位用户对任务方的评价分数，且E
i
∈[0,1]；N(E)表示该任务方被评价的总次数；f(S)表示该任务方在历史匹配记录中成功匹配并接受服务组合的次数；N(S)表示该任务方在云平台总共发布任务的次数；w
Cy,1
，w
Cy,2
分别为给定的权重，有：w
Cy,1
+w
Cy,2
＝1；所述交款速度PS是指任务方的支付货币的速度。3.根据权利要求2所述的方法，其特征在于，规定任务方收取单证后，支付30％的定金款项所用时间为单次交款速度，根据任务方的历史付款速度，取平均值为该任务的付款速度4.根据权利要求1所述的方法，其特征在于，步骤2中包括，定义制造任务Task＝{ST1,ST2,
…
ST
j
,
…
,ST
M
}，其中，ST
j
是第j个子任务，j＝1,2,
…
,M；每个子任务ST
j
通过云平台进行搜索匹配，得到满足ST
j
的候选服务集其中，为子任务ST
j
的第k个候选服务，N为子任务ST
i
的候选服务个数。5.根据权利要求4所述的方法，其特征在于，所述步骤2包括如下步骤：步骤2.1：以减少整个服务组合方案中各子任务的服务资源分配不均为目标，对子任务的服务方约束指标进行控制，包括：当子任务搜索到的历史服务组合数据占云平台现有服务组合总数10％及以上时，认为其为大量历史数据样本情形，针对大量历史数据样本情形，通过对其关键信息提取，使用数理统相关方法得到所要控制参数，进行相关参数的置信区间估计，评估出相关参数的取值
范围；当子任务搜索到的历史服务组合数据占云平台现有服务组合总数小于10％时，认为其为少量历史数据样本情形，针对质量验收Q指标的小样本参数，采用单指数一次指数平滑预测方法，预测置信区间；针对服务成本C和实施期D指标的小样本参数，采用双指数平滑预测方法，预测置信区间；步骤2.2：从任务方、平台方和服务方三方考虑构建服务组合数学模型，同时将平台方和服务方的要求和步骤2.1中的任务约束控制置信区间转化为约束条件，以任务方的任务实施期最短，服务成本最低，质量指标最高为目标函数，形成多目标优化模型如下：式中，α,β为相关系数，使得时间、成本和质量处于相同数量级；约束条件D≤D
max
,D
L
(j)≤D
s
(j)≤D
U
(j),表示制造总任务的实施期D不能超过任务方规定最晚期限D
max
，服务组合中单个服务完成子任务ST的实施期D
S
属于子任务属性指标控制区间[D
L
,D
U
]内；约束条件C≤C
max
,C
L
(j)≤C
s
(j)≤C
U
(j)表示完成制造总任务的成本C不能超过任务方所接受的最高成本C
max
，服务组合中单个服务完成子任务ST的服务成本C
s
属于子任务属性指标控制区间[C
L
,C
U
]内；约束条件Q≥Q
min
,Q
s
(j)≥Q
p
(j)表示完成制造总任务的质量合格率Q不能低于任务方所要求的最低质量指标Q
min
，服务组合中单个服务完成子任务ST的质量指标Q
s
不能低于子任务属性指标控制值Q
p
；约束条件F
s
(i)≥F
s
‑
min
表示制造资源服务组合的任一服务的柔性F
s
不低于云平台所规定的服务的最低柔性F
s
‑
min
；约束条件R
s
(j)≥R
s
‑
min
表示制造资源服务组合的任一服务的稳定性R
s
不低于云平台所规定的服务的最低稳定性R
s
‑
min
；约束条件U
s
(j)≥U
s
‑
min
表示制造资源服务组合的任一服务所属的候选服务集合中可代替该服务的数量U
...
【专利技术属性】
技术研发人员：张雨舟，荆为民，陈友玲，王龙，林昕怡，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。