共查询到10条相似文献,搜索用时 15 毫秒
1.
为解决云制造环境下的制造云服务组合优化问题,并排除智能算法的初始值对算法求优结果的影响,提出一种基于教—学算法的制造云服务组合优化算法。分析了基于服务质量的制造云服务组合流程,给出了制造云服务组合的服务质量评估模型和组合服务整体服务质量的评价方法,建立了制造云服务组合问题的数学模型,最后利用教—学算法求解最优组合。将所提方法与改进的遗传算法和改进的粒子群算法进行对比,并通过仿真实验证明了该算法求解制造云服务组合问题的有效性。 相似文献
2.
3.
基于模板与全局信任度的云制造服务评价与选择方法 总被引:1,自引:0,他引:1
《计算机集成制造系统》2014,(1)
为实现云制造服务的智能选择与组合,阐述了云制造需求与云制造服务的匹配过程及云制造资源的特点,从云制造服务的分类、服务能力、服务负荷状态、服务接口规范和服务质量等方面对云制造服务与云制造服务组合模板进行了形式化描述,提出云制造模式下基于互评机制的云制造服务质量获取方法,建立了云制造服务信任度评价模型;建立了基于服务匹配度与全局信任度的综合优化模型,并运用遗传算法进行求解。通过算例及MATLAB仿真验证了所提方法的可行性。 相似文献
4.
针对云制造环境下制造资源生产能力约束导致的任务分配不合理问题,研究建立了一种任务分配优化模型并提出了求解算法。依据子任务订单量对多个供应商进行生产组合,继而提出质量相似度等概念及其相应的计算方法,建立评价指标体系,并在此基础上构建了面向云制造的多供应商协同生产任务分配优化模型;通过对模型特征的分析与把握,提出一种改进的多目标粒子群进化算法,求解模型得到最优组合以及组合量。最后,通过实例证明了该模型与算法的可行性和有效性。 相似文献
5.
云制造是一种实现制造资源和能力流通的先进制造模式,而云制造服务组合是云制造中的一个关键问题.云制造平台上的部分高端制造服务具有稀缺性,在面向复杂重型装备的制造服务中尤其如此.同时,云制造过程中由于生产环境的波动而导致的产品质量损失不可忽略.考虑上述情况,在基于帕累托包络的选择算法(PESA2)的基础上,提出一个改进的双目标云制造服务组合模型及基于距离的自适应PESA2算法(DA-PESA2).该模型考虑制造服务的稀缺性,并将产品质量损失和生产过程中的可持续性过程指标纳入模型.在DA-PESA2算法中,基于距离的自适应机制能更好地兼顾服务质量和可持续性两个目标.实验的结果及各项指标均表明,DA-PESA2算法在寻找高质量的服务组合解方面具有良好的性能. 相似文献
6.
为了解决并行结构下制造云服务的组合优化问题,从协同效应的角度提出一种基于反向和局部学习的蚁群算法。该算法以服务质量作为信息素构建协同效应评价模型,求解并行服务的协同效应值,作为启发函数参数。利用协同关系矩阵计算组合协同效应值,并将其与组合服务质量相结合,求解综合评价值最高的服务组合。实验结果表明,该算法能有效求解并行制造云服务的组合优化问题,并能较快地得到最优解。 相似文献
7.
面向多任务的制造云服务组合 总被引:1,自引:0,他引:1
针对云制造系统中面向多任务的制造云服务组合问题,研究建立了问题模型并提出了求解算法.以面向单任务的制造服务组合方法为基础,融入多任务多联盟生成问题的相关假设和基本原则,建立了基于服务质量的多任务云服务组合模型.继而基于对该模型特征的分析与把握,提出基于矩阵实数编码的改进遗传算法.该算法设计了与矩阵实数编码相适应的行交叉/变异、列交叉/变异和点交叉/变异算子;同时基于对问题模型相关约束的考虑,设计了合法性修复策略.仿真实验表明,该算法能有效并以较高效率求解面向多任务的制造云服务组合问题. 相似文献
8.
针对制造业从生产型转变为服务型给新时代制造业带来的影响,分析了定制产品在云制造环境下给企业带来的制造资源不足问题,提出了面对多个复杂制造任务的多服务组合形式,以提高制造服务资源利用率。建立了以时间、成本、能耗、可靠性、可用性5个因素为属性指标的服务质量(Quality of Service, QoS)评价模型,再引入一种基于涡流搜索算法(Vortex Search algorithm, VS)和人工蜂群算法(Artificial Bee Colony algorithm, ABC)的混合搜索算法,给出了该算法与优化问题的映射关系,在全局搜索中实现局部搜索,确保了问题求解的寻优精度。以汽车个性化定制生产任务为例,验证了优化模型的有效性和VS-ABC算法可行性。结果表明,与传统涡流搜索算法、人工蜂群算法相比,VS-ABC算法具有更快收敛速度和适用性。 相似文献
9.
云制造系统中有各种不同的分布式制造服务,而以往对制造服务调度的研究忽略了服务提供企业间的协同效应。为考虑云制造服务社会属性对服务协同的影响,从合作与竞争的角度建立了云服务间协同效应的测度模型。进而,以最大化平均用户满意度及最大化云服务协同效应为优化目标,构建了双目标云服务选择与调度模型。基于灰狼优化算法设计了一种灰狼优化模拟退火混合算法(GWO-SA)对该模型进行优化求解。使用算例进行测试并与其他多目标优化算法比较,仿真结果表明了该模型的有效性和GWO-SA算法的高效性。 相似文献