基于改进北极熊算法的制造云服务组合优化

为了提高云制造环境下制造服务组合优化的效率,提出了一种基于改进北极熊算法的制造云服务组合优化方法。该方法对制造服务进行实数编码,并以服务功能和服务质量为评价指标,使用改进的北极熊算法对制造云服务组合优化问题进行求解,得到最优的服务组合方案。同时通过引入动态视野,对算法的局部搜索进行调整,并与遗传算法中的变异策略相结合,以提高求解多目标问题的效率,同时降低因初始参数影响而导致算法陷入局部最优的可能。算例分析表明,改进的北极熊算法在求解制造云服务组合优化问题上比原始北极熊算法、标准遗传算法、改进的灰狼优化算法和改进的粒子群优化算法具有更高的效率。     

云制造服务组合研究综述

随着工业化的飞速发展,制造业作为推动工业化的主力军必须加快发展步伐,因此,一种新的面向服务的制造模式——云制造被提出.云制造旨在在分布式制造资源和能力之间进行共享和协作并与需求构成一种按需的资源分配和使用方式,在选取最优性能服务的同时将这些服务组合成一个满足用户需求的复合服务需要不断进行探索.云制造服务组合是一种典型的NP-hard问题,是云制造最具有挑战性的课题之一.现阶段的云制造服务组合方法存在时间复杂度高、组合效果差、组合路径只能达到次优解等问题.如何利用微粒度的服务组合成复合服务以提升制造能力并满足用户需求已引起学术界和产业界研究人员的广泛关注,因此,对这种NP-hard问题的研究进行全面的综述是非常有必要的.文中首先对云制造服务组合中的组合流程和组合优化目标进行描述,然后从组合指标、优化算法和多目标与单目标优化问题等不同的角度对云制造服务组合中的重点和热点进行系统综述,最后对云制造服务组合的应用场景、实验数据和目前存在的不足进行概述和探讨.     

考虑执行可靠性的云制造服务组合算法

由于制造资源的调用与执行比计算资源要复杂得多,使得在云制造环境下的服务组合执行可靠性成为必须考虑的问题.为此,提出一种基于离散粒子群智能优化的、考虑执行可靠性的云制造服务组合算法.以概率密度函数描述服务可靠性,基于服务模型库动态生成云制造服务组合的工作流模型,基于语义实现服务匹配,通过离散变量粒子群优化算法计算出执行可靠性最优的云制造服务组合方案.最后以结构设计工作流模型为例,在不同服务实例规模、不同恶意服务占比情况下验证了其有效性和可靠性.实例结果表明,在恶意服务占比较高时,该算法仍能保持较高的服务执行可靠性.     

蚁群算法在Web服务组合中的应用

为了在服务组合过程中高效地发现、选择满足用户要求的Web服务,提出基于蚁群算法的多目标优化组合用以实现用户对组合服务质量的需求。该方法根据不同Web服务的QoS属性指标,选择相应的Web服务得到Pareto最优解集合,用户根据实际需要或对目标函数的偏好,从Pareto最优解集中挑选一个或多个解作为组合服务质量问题的最优解,从而形成最后的决策方案。从理论和实验2个方面与相关研究成果进行分析比较。     

基于业务流程的制造云服务组合模型

为了提高云制造系统中制造云服务的组合成功率,实现组合云服务与用户业务需求的准确匹配,在对制造云服务、流程节点任务、云服务的可组合性和流程匹配进行形式化描述的基础上,提出一种基于业务流程的制造云服务组合模型。该模型由业务流程引擎、业务流程、选择逻辑、评估逻辑、监控逻辑、知识库和原子云服务集构成,在功能匹配的基础上,对候选服务的可组合性进行检查,结合负载、服务质量(QoS)和业务流程信息,选择合适的云服务,并将其挂接在业务流程上实现制造云服务的组合。对制造云服务的组合流程进行了详细描述,并给出云服务组合的实现方法。实例分析表明,该模型能够有效地选择满足业务需求的云服务实体并进行组合,从而提高制造云服务的组合成功率,保障用户制造活动的顺利进行。     

基于LG-MMAS算法的制造云服务优化组合研究

制造云服务组合是一种提高云制造资源利用率,实现制造资源增值的新技术,对云制造产业的快速发展具有重要的支撑作用。随着云制造技术的日益成熟,网络上出现了大量具有相同制造功能和不同服务质量的制造云服务,如何通过这些制造云服务构建出既能满足用户制造需求,又具有最优服务质量的组合服务是云制造领域面临的难题。针对这一问题,将协作学习、变异和精英保留机制引入最大最小蚁群算法,构造了具有学习和变异能力的最大最小蚁群算法,并使用该算法求解服务质量感知的制造云服务优化组合问题。仿真实验结果验证了算法的有效性。     

基于改进遗传算法的Web服务优化组合研究

为了获得更优的Web服务优化组合方案,提出一种基于改进遗传算法的Web服务优化组合方法。首先将Web服务组合优化方案的可行解看作遗传算法的个体。然后通过遗传算法模拟自然界的生物进化过程,找到Web服务组合的最优解,同时在标准遗传算法引入多尺度交叉算子和信息共享因子,提高问题的求解速度。最后进行仿真对比实验。结果表明,改进遗传算法可以快速、准确找到Web服务组合问题的最优解,为解决Web服务组合问题提出了一种新的解决思路。     

制造资源耦合映射与模糊匹配技术研究

针对云制造中云制造服务资源匹配映射多种模式并存,云制造服务资源与云制造资源需求间相互影响且映射关系复杂,导致缺少有效云制造服务资源匹配方法.在综合考虑云制造资源需求间相互影响的基础上,提出了云制造服务资源匹配模型,利用模糊积分度量用户云制造资源需求与云制造服务资源间的匹配程度,提出了基于模糊积分的云制造服务资源匹配方法.通过基于模糊积分的云制造服务资源匹配方法,计算获得云制造服务资源对云制造资源需求的匹配度,为制造云中的终端用户提供按需、自助、敏捷的云制造服务资源智能匹配技术.最后,以中小模具企业云制造平台某型号多工位级进模具排样图设计应用为实例,证明了文中方法在工程应用中的正确性与高效性.     

面向个性化需求的云制造服务可信评价模型

针对传统的云制造服务可信评价模型中存在的可扩展性弱、难以满足个性化需求等问题,提出一种可扩展性强、可以较好地满足个性化需求的可信评价模型.首先构建多层次的、多粒度的云制造服务可信评价框架;然后基于此框架,提出了基于云模型的云制造服务可信评价方法,在该方法中,引入云模型理论,用于统一表征不同类型的评价指标,以及描述用户的...     

基于云模型的NSGA-Ⅱ算法改进

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题.提出一种基于云模型的改进NSGA-Ⅱ算法,利用正态云模型云滴的随机性和稳定倾向性特点,分别对交叉、变异、拥挤距离算子进行改进.使算法既具有传统的趋势性和满足快速寻优能力,又具有随机性.在提高收敛速度与保持种群多样性之间做了个很好的权衡.通过求解多目标背包问题,对本文算法的多目标优化性能进行了考察,并与NSGA-Ⅱ算法进行比较,结果表明本文算法在整个解空间内能快速搜索到Pareto最优解,使搜索到的Pareto最优解在前沿均匀分布.     

面向制造任务的云制造虚拟车间构造方法

针对云制造模式下快速选择和组织相关制造资源、保证制造任务执行的问题,提出一种面向制造任务的云制造虚拟车间构造方法。该方法将制造过程抽象为制造任务执行链,链中的节点对应制造设备云服务或检验云服务,链中的有向边对应物流云服务;并通过行业域、地域和类型域来组织管理云服务,以构造规模较小的候选云服务集,同时减少功能匹配、性能匹配、价格匹配和时间匹配的计算量,达到快速构建云制造虚拟车间的目的。算例分析表明,相比其他方法,该方法能够在更短的时间内完成云服务的选择,并保证所选云服务的服务质量（QoS）在相关域中是更好的。     

Workload-based multi-task scheduling in cloud manufacturing

Cloud manufacturing is an emerging service-oriented business model that integrates distributed manufacturing resources, transforms them into manufacturing services, and manages the services centrally. Cloud manufacturing allows multiple users to request services at the same time by submitting their requirement tasks to a cloud manufacturing platform. The centralized management and operation of manufacturing services enable cloud manufacturing to deal with multiple manufacturing tasks in parallel. An important issue with cloud manufacturing is therefore how to optimally schedule multiple manufacturing tasks to achieve better performance of a cloud manufacturing system. Task workload provides an important basis for task scheduling in cloud manufacturing. Based on this idea, we present a cloud manufacturing multi-task scheduling model that incorporates task workload modelling and a number of other essential ingredients regarding services such as service efficiency coefficient and service quantity. Then we investigate the effects of different workload-based task scheduling methods on system performance such as total completion time and service utilization. Scenarios with or without time constraints are separately investigated in detail. Results from simulation experiments indicate that scheduling larger workload tasks with a higher priority can shorten the makespan and increase service utilization without decreasing task fulfilment quality when there is no time constraint. When time constraint is involved, the above strategy enables more tasks to be successfully fulfilled within the time constraint, and task fulfilment quality also does not deteriorate.     

From cloud computing to cloud manufacturing

Cloud computing is changing the way industries and enterprises do their businesses in that dynamically scalable and virtualized resources are provided as a service over the Internet. This model creates a brand new opportunity for enterprises. In this paper, some of the essential features of cloud computing are briefly discussed with regard to the end-users, enterprises that use the cloud as a platform, and cloud providers themselves. Cloud computing is emerging as one of the major enablers for the manufacturing industry; it can transform the traditional manufacturing business model, help it to align product innovation with business strategy, and create intelligent factory networks that encourage effective collaboration. Two types of cloud computing adoptions in the manufacturing sector have been suggested, manufacturing with direct adoption of cloud computing technologies and cloud manufacturing—the manufacturing version of cloud computing. Cloud computing has been in some of key areas of manufacturing such as IT, pay-as-you-go business models, production scaling up and down per demand, and flexibility in deploying and customizing solutions. In cloud manufacturing, distributed resources are encapsulated into cloud services and managed in a centralized way. Clients can use cloud services according to their requirements. Cloud users can request services ranging from product design, manufacturing, testing, management, and all other stages of a product life cycle.     

面向云制造的服务组合执行引擎框架研究

云制造模式下,制造资源被封装成制造服务,通常以服务组合的方式满足用户复 杂的制造需求。针对云制造服务组合执行过程中高效性、准确性和动态性等要求,提出了面向 云制造的服务组合执行引擎框架,并详细阐述了引擎运行机制。首先,通过解析云制造服务组 合描述文件,构造服务组合节点和服务组合依赖边,建立服务组合节点参数关联关系,归纳推 倒出相应的执行规则。然后,基于执行状态变更的服务组合执行算法实现了制造服务组合的动 态执行。最后,给出了面向电梯产业联盟的云制造服务组合执行引擎实例,验证了框架的可行 性和有效性。     

基于动态匹配网络的制造服务组合自适应方法

云制造（cloud manufacturing,CMfg）模式下,制造任务和制造服务都处于动态变化的环境中,制造服务组合的动态适应能力问题亟待解决.针对这一问题,以制造任务和制造服务的匹配关系为基础,构建了制造任务-制造服务动态匹配网络（dynamic matching network,DMN）理论模型,在此基础上提出了一种三阶段的制造服务组合自适应方法（three-phase manufacturing service composition self-adaptive approach,TPMSCSAA）.第一阶段通过负载队列模型对QoS进行动态评估,以负载和动态QoS为优化目标,将最优制造服务组合问题转化为制造服务网络中最短路径的搜索,实现制造服务的动态调度;第二阶段对不同类型的制造任务和制造服务变更进行实时获取,同步更新制造任务网络和制造服务网络;第三阶段触发动态调度算法,完成动态匹配边的重构.最后,通过对电梯设计服务组合的实验仿真,验证了方法的可行性和有效性.     

Marking Optimization of Weighted Marked Graphs

Cyclic manufacturing systems can be modeled by marked graphs, which are an elementary class of Petri nets. To model systems with bulk services and arrivals and to reduce the size of the model, weighted marked graphs can be used. An important step when designing these systems is the definition of the number of manufacturing resources to be used in order to reach a given productivity. In terms of timed Petri nets, this is known as the marking optimization problem and consists of reaching a given average cycle time while minimizing a linear combination of markings. In this paper, a necessary and sufficient condition to obtain a feasible solution of the marking optimization problem of weighted marked graphs with deterministic times is established. A fast heuristic solution, based on an iterative process and using simulation, is given. An example and an application to manufacturing systems are presented.