基于协同效应的并行制造云服务组合算法

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。     

基于加权协同网络的制造服务组合方法

为解决复杂制造业务过程中的广泛存在的资源运输、信息传递和知识共享问题,保障任务的高效执行,将协同能力作为服务竞争力评估和选择的重要指标,提出基于加权协同网络的制造服务组合方法。根据云平台上服务交互合作大数据分析,运用社会关系强度计算衡量协同效应以构建加权协同网络。以最大化整体Qo S值和协同效应为目标,建立制造服务选择多目标优化模型。通过双向学习、最优种群更新和群体交互速度更新机制,构造改进的引力搜索算法(Gravitational search algorithm,GSA)对模型求解。通过智能汽车云制造仿真试验,验证了模型和算法的有效性,得到符合实际制造场景的最优服务方案。     

基于遗传算法的云设计资源调度算法

云设计资源调度是构建云设计资源平台的关键技术之一.提出以服务请求的总响应时间、总服务成本和服务质量为目标的多目标优化调度模型,该模型以服务请求的满足度和云设计资源的最大负载为约束,同时考虑云设计资源的服务状态.依照该模型提出一种基于遗传算法的云设计资源调度算法,最后给出了该算法的应用实例.     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

云制造环境下资源动态调度系统研究

云制造环境下资源动态调度是云制造中的关键技术之一。针对云制造环境下制造资源调度的特点和存在的问题,提出了基于资源负载均衡的动态调度策略,建立了以完成任务的总服务成本最小为优化目标的模型,并通过建立应用实例说明了该系统的实际应用过程。     

面向云制造服务的制造资源多目标动态优化调度

针对云制造环境下制造资源调度的特点和存在的问题,建立了云制造环境下制造服务资源多目标调度模型。根据云制造环境下极易发生扰动的特点,提出了一种动态调度技术,以在发生突发事件时及时作出反应。提出了一种基于遗传蚁群算法的制造资源调度算法,该算法利用遗传算法搜索能力强、收敛速度快的优势弥补蚁群算法易陷入局部最优、收敛速度慢的不足,使整个调度过程能快速、准确地收敛于最优解。最后用实例证明了该算法的有效性。     

云制造环境下的制造资源优化配置研究

为有效地对云端服务资源进行优化配置以降低制造服务成本,在云制造资源优化配置问题进行形式化描述的基础上,考虑物料流和信息流对时间和成本的实际影响,构建了以成本和时间最小化、质量最优化为目标的资源优化配置模型,并采用最大继承法对资源配置模型进行求解,计算结果表明了该模型和算法的有效性。通过与现存算法进行比较,验证了该模型及算法的稳定性和可行性。     

云制造环境下基于双层规划的资源优化配置方法

为解决云制造环境下的制造资源优化配置问题,在深入分析云制造的运行模式和制造资源配置过程的基础上,充分考虑云制造环境下制造服务过程中的不确定因素以及制造任务需求方和云制造服务平台运营方的利益,提出包括服务质量指标和柔性指标的云制造资源服务组合评价指标体系,建立了云制造环境下的制造资源优化配置双层规划模型,并采用改进的进化多目标优化算法对模型进行求解,实验结果表明了该模型和算法的可行性和有效性。     

云制造环境下面向多任务协同的机床装备资源动态调度方法

针对云服务环境下支持多任务协同运行的机床装备资源易受紧急插单、系统故障、质量异常等不确定高频扰动影响,致使云制造服务难以高效、稳定运行的问题,提出一种面向多任务协同的机床装备资源动态调度方法。通过应用非线性工艺规划理论,建立了一个包括最小时间、成本、能耗、负载均衡度及最优服务质量和可靠性为约束目标的调度模型,并采用改进遗传变邻域算法对其求解。同时,基于生产随机扰动致使调度方案动态偏离的问题,提出一种基于事件驱动和周期性重调度的动态调度策略,以支持云制造服务的协同优化运行;最后通过仿真案例验证该模型及算法的可行性和适用性。     

基于竞争与协同效应的复杂制造任务一对多双边匹配模型

为了增强智慧云平台上匹配方案的稳定性、降低云任务匹配问题的复杂性,通过构建任务竞争关联网络和服务协同网络,提出基于竞争与协同效应的一对多双边匹配问题。运用期望效用理论计算双方满意度,提出基于竞争关联的任务间满意度和基于社会网络的服务间满意度聚合方法。以最大化任务满意度、服务满意度、任务间满意度和服务间满意度为目标,构建任务双向匹配多目标优化模型,运用改进非支配粒子群算法和加权TOPSIS求解得到最佳方案。通过汽车智慧制造实验验证了模型和算法的有效性,并与传统双向匹配、只考虑任务竞争、只考虑服务协同的3类匹配模型进行比较,分析不同应用场景下模型所获最优方案的差异,证明了所提模型在竞争与协同环境下的优势,获得了贴近真实情景的最优满意稳定匹配。     

基于教—学算法的制造云服务组合优化

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。     

面向用户多品种定制的分布式供应链调度

针对云制造面向分布式供应链环境中的多品种定制问题,提出一种多目标生产运输优化调度模型和基于改进混合蛙跳算法的求解方法。该模型考虑供应链中的制造/供应两阶段,以及不同企业间的运输时间和成本,得到成本最小、时间最短、生产空闲率最小、订单延迟最小的调度方案。同时,该算法重新定义原有算法的核心操作算子以适应离散调度问题求解,并结合模拟退火和极值优化算法的特性,进一步改进离散域的混合蛙跳算法的局部搜索性能。通过项目调度标准测试集验证了该改进算法的性能,并以6个品种定制需求为案例,验证了所提模型与算法的有效性。     

基于资源云端化的服务调度本体描述模型

在分析云制造资源虚拟化支持技术的基础上,探讨了制造资源融入平台的虚拟云端化的形式化描述方法;以云制造服务调度框架为依托,梳理了云制造服务调度的各类参与角色与完整运作流程,建立了云制造服务调度本体概要模型并基于OWL-S进行了模型刻画,规划了云制造服务调度作业的逻辑处理结构,分析了云服务调度知识库的知识规则分类组成,最后拟定了基于SOA架构的云制造服务调度平台的技术实现方案。     

云制造环境下基于非合作博弈的资源优化配置方法

针对云制造环境下无需求偏好的制造资源优化配置问题,在充分考虑制造服务需求方和云制造服务平台运营方利益的基础上,利用博弈论调和与解决冲突的特点,将制造资源优化配置多目标优化问题转化为非合作博弈问题,分别以制造服务需求方和云制造服务平台运营方作为博弈方,以服务质量指标和柔性指标多目标优化函数作为博弈双方的收益函数,建立了云制造环境下的制造资源优化配置非合作博弈决策模型,并采用改进的带精英策略的快速非支配排序遗传算法对模型进行求解,实验结果表明了该模型和算法的可行性和有效性。     

自适应差分进化改进云资源调度

为了解决云制造资源调度与实际制造场景不符、易陷入局部最优和收敛速度过慢的问题,提出了一种基于自适应多目标差分进化的制造资源调度方法。该方法考虑了实际云制造平台资源调度特点,建立了一个具有时序约束及成本约束的多目标优化资源调度模型。针对云制造资源调度特点,对传统差分进化进行改进,提出自适应变异率和交叉率,实现了寻优过程中变异率与交叉率的动态调整,均衡了多目标差分进化全局搜索与局部搜索能力,提高了最优解搜索的精度与速度。实际算例证明了该方法的有效性和可行性。     

基于改进灰狼算法的柔性装配车间绿色调度

以柔性装配车间生产实际为背景,建立以最小化最大完工时间和总能耗为目标的柔性装配车间绿色调度问题模型,并提出改进灰狼算法IGWO用于该模型的求解,包括设计一种基于工序约束矩阵的解码方案,引入档案集用于最优解的维护与更新,设计位置更新策略用于提高算法的全局搜索与局部搜索能力。最后,以医疗器械制造企业实际生产案例为对象,进行了算法的对比实验,验证了IGWO算法在解决该模型的有效性。     

云制造环境下3D打印服务组合优化研究

3D打印技术融合云制造模式形成的3D打印云服务具备低成本、跨区域、协同化的特点,可满足用户日益增长的个性化定制的需求。为解决3D打印云服务的合理分配问题和保障3D打印云平台高效运行,以时间和成本为优化目标,构建5约束优化模型,提出一种引入全局最优解信息的人工蜂群算法。通过仿真实验对算法性能、优化目标的选取进行分析,结果表明,改进的算法比对比算法具有更好的收敛性和稳定性,且与优化模型高度适配。     

基于十进制灰狼优化算法的金属板材切割调度问题

金属板材在切割下料工序中,需要在多台不同类型的设备上进行调度,属于不相关并行机调度问题,调度的优良程度直接影响制造成本。分析了金属板材切割工序中的成本构成,总结了板材切割调度问题的约束条件,以总生产成本为目标函数,建立了多约束复杂并行机调度数学模型。由于该问题是NP-hard问题,提出一种十进制灰狼优化算法进行求解。对人工狼的位置进行十进制整数编码,重新设计游走和奔袭等智能行为。用多组算例对所提求解算法进行测试,同时与遗传算法以及和声算法进行对比,结果表明了所提算法的实用性和有效性。     

分时电价响应下园区微电网日前优化调度策略

以园区微电网PMG为研究背景,从日前这一时间尺度出发,建立以PMG日运行成本最小为目标的优化调度模型。根据PMG内可中断负荷预测曲线划分时段,对分时电价TOU进行调整,得出优化后的TOU曲线。通过电价激励用户侧调整部分负荷的用电时段,降低负荷峰谷差,降低购电成本;在调度过程中,PMG与主网通过联络线互联,进行电力交易,使PMG获得收益,进一步提高PMG运行的经济性。将所建立的PMG单目标优化调度模型用灰狼算法求解。仿真结果表明,该日前优化调度模型可有效降低PMG负荷峰谷差,同时提高微电网运行的经济性,验证了该日前优化调度策略的合理性。     

板材制造协同及交货准时的调度研究与算法优化

研究了多生产线的置换流水车间调度问题,提出以制造协同和完工准时为调度目标,建立相对应的目标函数,建立了该问题的数学模型。针对该模型设计了PSO算法进行优化,对算法参数进行实验调整。