基于混合任务网络的智慧制造任务协同分配模型

复杂任务场景下,由于制造子任务间存在多维的物料、信息、知识交互和传递关系,对匹配服务单元间的协同能力提出一致性要求,任务关系与服务协同关联匹配不精确将带来额外协调和交互成本,降低资源配置效率,而传统任务分配模型忽视任务关系约束对分配结果的影响。鉴于此,通过任务网络与服务协同网络的动态匹配,构建了面向任务关系约束的任务协同分配方法。针对"好钢未用在刀刃上"现象,综合用户偏好和网络中心性分配任务权重,提出基于权重的服务胜任度聚合方法;针对"1+12"不协同现象,提出基于横向协同和纵向协同的服务协同水平计算方法;综合考虑服务群体的胜任度和协同水平,提出基于混合任务网络的多目标任务分配优化数学模型。利用改进非支配粒子群算法进行求解得到Pareto最优解集,根据用户偏好和实际制造情形,通过加权TOPSIS评估获取个性化、灵活的最佳分配方案。运用汽车云制造仿真实验,验证了模型的有效性,通过在最好解、平均解和运行时间上与其他算法进行对比,分析了所提方法的优势。