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.     

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。     

基于服务模板的制造资源封装方法

为规范和加快制造资源的封装过程,提出了一种新型的基于服务模板的制造资源封装方法。首先,根据制造资源的特点,给出了服务模板的概念、结构及类型;接着,提出了利用已有服务程序进行模板抽取的过程,定义了一种用于模板抽取的标记语言;然后,给出了基于服务模板的制造资源封装过程,将制造资源封装为基于面向服务体系架构的制造服务。最后,通过实例证明,提出的方法不仅可以规范制造服务的开发过程,而且可充分利用已有的制造资源服务程序,加快制造资源的封装进程。通过采用提出的方法,普通的产品开发人员就可以完成制造资源的服务化封装,而无需专业性的服务封装开发编程知识。该方法可为网络环境下的制造资源共享提供基础性支持。     

制造网格环境下的资源建模研究

资源建模是制造网格中资源集成和共享的前提.首先按资源在制造网格中提供的服务类型对其进行了分类,便于对其分类建模.其次提出了由资源层、资源表示层和资源接口层组成的资源层次模型.资源层包括各种物理资源,表示层使用XML Schema封装资源数据和信息,接口层使用Web服务描述语言（WSDL）定义对资源的访问操作.该模型用于将制造资源封装为网格节点,使得制造资源可以方便地接入网格中网络共享.最后以企业标准件库的封装为实例验证了该模型的有效性.     

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。     

云制造服务综合评价方法研究

作为云制造平台中的关键技术之一,云制造服务的综合评价对于整个云制造资源配置至关重要,在云制造服务综合评价中,服务资源的评价是综合评价的基础。针对云制造服务评价问题,根据云制造服务评价体系中评价指标的多样性与云制造服务特点相匹配,基于模糊理论中的模糊数学,建立了模糊综合评价模型,并确定了由层次分析法和熵权法组合确定权重的方法。再根据云制造环境下评价指标的构建原则,选取了七个一级指标和十六个二级评价指标,以上述指标构建了多层次云制造服务评价因素集和对象评语集,从而建立了云制造服务资源综合评价指标体系。最后,通过云制造服务实例验证了该云制造服务综合评价模型及模糊综合评价算法的操作简便性及实用性。     

基于细胞因子网络的Web服务协同调度模型

提出一种基于细胞因子网络的Web服务协同调度模型,研究细胞因子之间的促进与抑制机制及其对于造血祖细胞的控制调节作用,在细胞因子网络基础上,对Web合成服务请求与调度进行建模,并融入基于造血细胞因子的调节模型,设计一种计算资源实时调度方法,并结合2种服务选择策略,在扩展的生物网络平台上讨论系统的响应能力和服务质量。仿真实验结果表明,该实时调度方法能够获得良好的性能。     

移动社会性网络中基于朋友关系的社区服务

移动社会性网络服务引领了网络发展的新时代,是以帮助人们建立社会性网络为目的的互联网应用服务,受到了广大用户的喜爱。但是这些网站繁多,用户登录所有的网站不太方便。针对社会性网络,运用种子扩展的算法对网络用户所有的社交关系进行归纳分析,构造出"好友圈子",为用户提供社区服务。对某大学的产品调研表明好友圈子为用户提供了便捷、聚合性的服务,为商家寻求盈利模式提供了新的关注焦点,具有较高的商业价值。     

Exploring the socialized operations of manufacturing resources for service flexibility and autonomy

Servitization is an important approach to integrate the value chain through product lifecycle and to reenergize the manufacturing industry. In this regard, a large number of service models and cloud-based platforms have been put forward in the last decades. However, with the geometric growth in the manufacturing data, the traditional cloud-based architecture is becoming less effective for manufacturers, making it harder to manage the resources precisely and timely. In this research, the personification and socialized operations of manufacturing resources were initially studied so that they can manage their “social circles” and look for workmates and backups as insurance to unexpected situations. Specifically, an overall framework for the socialized manufacturing services was proposed that established an artificial social network for manufacturing resources. In this framework, the resources and services were virtually modeled using finite state machines and trie-based peer-to-peer networks. A dynamic capability network was formed where the adding, searching, and updating of services were defined. In addition, the collaboration and substitution of services were mathematically described to implement the proposed methods in the real-world manufacturing environment. The framework was demonstrated using a simulated production line, which showed the feasibility of resource socialization. This research has brought the early designs of the resource-oriented social network and provided a possible solution to promote the autonomy and flexibility of manufacturing systems.     

基于服务网格的制造资源集成

提出了一种基于服务网格的制造资源集成方法，通过将服务网格技术引入制造行业，实现了制造资源的虚拟化，为制造资源提供了统一的接口和互操作协议、屏蔽平台及所使用技术的异构性。平台采用基于服务的协同工作流技术，在动态变化的环境中，能够根据用户需求优化业务逻辑及其执行过程，选择、配置和调度相应的制造资源完成指定的任务，实现跨组织的资源共享和任务协同。     

服务网格环境下基于行为的双层信任模型的研究

在开放的服务网格中,为不同管理域之间建立信任关系并以此实现它们之间的协同工作是当前服务网格所面临的一个主要安全问题。为了提高服务网格的安全性和可扩展性,文中提出了一个服务网格环境下基于行为的分层信任模型,用以解决处于不同管理域的实体之间协同工作的安全问题。模型上层建立和维护具有不同安全策略管理域之间的推荐信任关系,下层负责处理管理者对域内实体的信任评估问题。在利用推荐信任值建立管理域间关系的过程中,给出了一种根据实际交往经验调整管理域间推荐信任值的算法。同时,给出了一种可行的推荐信任值综合处理方法。实验表明,分层行为信任模型具有较好的有效性和可扩展性。     

动态网络环境下的透明服务组合

动态网络环境(如网格、Ad Hoc Wireless Network等)使面向服务的应用面临许多新问题.如何使用户能够透明、动态地按需使用各种服务是其中的研究热点之一.文中提出了一种虚拟服务模型,在此基础上定义了虚拟服务的组合运算,给出了服务动态查找的算法.此外,文中还介绍了支持虚拟服务透明组合的P2P服务组合原型系统,并在实验基础上对虚拟服务及其支撑引擎进行了客观评价.实验表明,该文所述虚拟服务及支撑引擎能使面向服务应用较好地适应动态网络环境下的服务变化,使用户能够透明地按需使用各种资源.     

Logistics-involved QoS-aware service composition in cloud manufacturing with deep reinforcement learning

Cloud manufacturing is a new manufacturing model that aims to provide on-demand manufacturing services to consumers over the Internet. Service composition is an essential issue as well as an important technique in cloud manufacturing (CMfg) that supports construction of larger-granularity, value-added services by combining a number of smaller-granularity services to satisfy consumers’ complex requirements. Meta-heuristics algorithms such as genetic algorithm, particle swarm optimization, and ant colony algorithm are frequently employed for addressing service composition issues in cloud manufacturing. These algorithms, however, require complex design flows and painstaking parameter tuning, and lack adaptability to dynamic environment. Deep reinforcement learning (DRL) provides an alternative approach for solving cloud manufacturing service composition (CMfg-SC) issues. DRL as model-free artificial intelligent methods enables a system to learn optimal service composition solutions through training, which can therefore circumvent the aforementioned problems with meta-heuristics algorithms. This paper is dedicated to exploring possible applications of DRL in CMfg-SC. A logistics-involved QoS-aware DRL-based CMfg-SC is proposed. A dueling Deep Q-Network (DQN) with prioritized replay named PD-DQN is designed as the DRL algorithm. Effectiveness, robustness, adaptability, and scalability of PD-DQN are investigated, and compared with that of the basic DQN and Q-learning. Experimental results indicate that PD-DQN is able to effectively address the CMfg-SC problem.     

基于Dijkstra算法的Web服务合成选择策略研究

Web服务合成中操作的选择是一个关键问题,这直接影响到用户对合成的复合服务的满意度、解决该问题的关键是对候选Web服务的输入输出数据关系进行建模,以及有效利用这些已有的数据依赖关系实现服务合成的请求。通过从Web服务规范语言中提取Web服务的语义信息．掏建Web服务的有向图,并分析Diikstra算法用于Web服务合成的问题。提出了相应的船决办法,给出了一个基于Diikstra算法的Web服务合成选择策略的算法。该算法能在合成中选择最恰当的操作组合．产生最终的复合服务。     

一种支持广义服务组合的遗传算法

In the last decade, selection and composition of Web services have drawn increasing attentions. However, real-life services are not only web services but complicated eco-systems composed of various service elements like human, resources, environment, etc, and existing service composition methods cannot be directly applied to such real-life service composition scenarios. In this paper, we propose a conceptual model for generalized real-life service composition. In this model, service behaviors are abstracted as service components and uniformly described by XML. Various service requirements raised by customers are completely listed and classified. Based on these works, a genetic algorithm for real-life service composition is presented to select the best matching service components and compose them together. The algorithm's effectiveness of obtaining optimal solution is proved by a prototype system.     

基于事件的物联网服务相似性检测

为了检测物联网中冗余服务,节省资源,使用事件和服务关系提出了基于事件服务类图的冗余服务相似性计算模型,在此模型基础上分析了物联网事件上下文及其服务类型,从而得出了面向事件的服务相似度计算方法。由此方法得到了一个静态的服务冗余检测算法。此算法通过检测相似性事件来去除重复的服务函数调用,节约系统服务对资源的占用,从而解决物联网中资源高耗问题。     

基于社会网络动态反馈的Web服务信任度计算

在当前服务计算背景下,针对用户难以获得满足需求的可信服务问题,提出基于社会网络动态反馈的Web服务信任度模型.基于用户使用经验设计服务直接信任度算法,对服务交易情况进行动态跟踪和监测.当用户缺乏使用某服务的直接经验时,基于社会网络中服务使用者信任度,聚合其他服务使用者对服务的直接信任度,计算该服务的间接信任度.采用修正因子进行修正,以提高社会网络节点及关联服务可信性.算法分析表明,该方法是可行和有效的.     

网格环境下基于Bayesian网络的信任模型研究

在开放的网格中,为不同管理域之间建立信任关系并以此实现他们之间的协同工作是当前网格所面临的一个主要安全问题。为了提高网格的安全性和可扩展性,论文提出了一个网格环境下基于Bayesian网络的分层信任模型,用以解决处于不同管理域的实体之间协同工作的安全问题。模型上层建立和维护具有不同安全策略管理域之间的推荐信任关系,下层负责处理管理者对域内实体的信任评估问题。同时考虑了影响实体之间直接信任值的不同因素,以及他们之间复杂的依赖关系,利用Bayesian网络和领域层次结构相结合的方法有效合理地将各方面因素整合起来,形成能够反映实体在不同方面的直接信任值。