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。     

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。     

面向多任务的制造云服务组合

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.     

基于层次化的云制造服务组合研究

针对云制造环境下,因忽略制造过程层次化特性导致组合服务路径存在服务质量瓶颈及整体服务质量计算偏差的问题,建立了新的问题模型并提出了求解算法。首先通过分析制造任务的层次化特性,构建了层次化的云制造服务组合模型。继而使用模拟退火算法求解该模型,为提高算法的效率利用子路径的服务质量约束设计了提前剪枝策略。仿真实验证明了模型的正确性和算法的有效性。     

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。     

[云制造]云制造环境下基于贝叶斯网络的机床装备资源优化决策方法

结合复杂网络理论,提出了一种云制造环境下基于贝叶斯网络的机床装备资源优化选择方法。对云制造环境下机床装备资源优化选择问题进行数学描述,构建了一种由决策环境变量、决策选择变量、决策传递变量、决策目标变量、决策价值变量以及因果依赖关系组成的不确定多阶段多目标（UMM）决策模型,并对该模型的求解算法进行研究;通过实例验证了所提方法的适用性和有效性。     

考虑云制造服务协同的多用户任务调度优化

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。     

云制造环境下跨企业协同生产调度算法

为解决云制造环境下的跨企业协同生产调度问题,提出一种适用于云制造环境下生产资源调度的混合集合规划方法。该方法基于切削算法框架,综合考虑多种约束,提出一种有效的求解策略,实现了一种面向订单且适用于跨企业、多约束、多品种、小批量的有限能力调度算法,为供应链中供需企业提供了一份拖期小、费用低、跨度短的协同生产计划。利用多组制造企业真实数据对模型进行测试,结果表明,该模型可在合理时间内有效求解实际应用规模的跨企业协同生产调度问题。     

基于模板与全局信任度的云制造服务评价与选择方法

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。     

基于改进蚁群算法的制造云服务组合优化

为解决云制造环境下的动态服务组合问题,提出一种基于改进蚁群算法的制造云服务组合优化算法。在分析制造云服务组合流程的基础上,通过子任务服务质量评估模型优选制造云服务,并将服务质量值作为信息素,以服务间转移成本为启发函数参数,采用最优路径列表和轮盘赌选择机制改进蚁群算法,求解整体最优组合路径,最后利用组合制造云服务的服务质量计算模型评估全局最优路径服务质量综合信息。仿真实验证明该算法能有效求解制造云服务组合问题,并能较快地收敛于全局最优解。     

多工序多工步制造系统切削用量的优化研究

通过对建立的多工序多工步制造系统生产时间和生产成本的数学模型的优化分析,并考虑了相应的生产条件约束限制,从而提出了基于最大生产率多工序多工步有约束制造模型切削用量优化求解思想--主目标生产效率最大,次目标生产费用最小,并给出了有效的优化算法.     

基于心智与扩展合同网的半自治多智能体任务分配

为解决网络化制造背景下的任务优化分配难题,提出一种将心智模型与扩展合同网机制结合的半自治多Agent任务分配方法。所构建的心智模型包括两类共六种心智参数。以此为基础,扩展了合同网机制包括发标优选、竞标报价与多Agent任务分配三个过程,通过发标适合度计算优化竞标Agent集;通过任务开销计算得到竞标报价;通过价格、协作、距离三个方面的成本评估,以总成本最小为目标建立任务分配优化模型与求解算法。采用企业原材料采购优化案例验证了该任务分配方法的有效性。结果表明,该方法消除了传统任务分配通信量大的缺陷,同时反映了任务候选者的主观意愿,为网络化制造条件下的任务分配提供了有效支持。     

面向装备制造行业的云制造服务需求与资源响应模型

针对制造服务资源在制造商搜索、获取、匹配、交易、使用过程中的多样性、动态性、离散性等特点,提出了一种云制造服务资源集聚机制与新的商业模式,建立了面向装备制造行业的云制造服务需求与资源响应模型,并采用直觉梯形模糊集匹配算法进行求解。通过某风电设备的云制造服务应用验证了该模型的可行性,研究成果为促进装备制造服务化发展提供了一种先进实用的方法和关键技术。     

基于MapReduce和多目标蚁群算法的制造云服务动态选择算法

基于云计算技术和云服务技术研究了云服务的动态选择问题,给出了云制造服务层次化模型,提出了一种基于MapReduce和多目标蚁群算法的制造云服务动态选择算法(CSSMA)。依据CSSMA设计了多目标蚁群算法、Map函数、Reduce函数和优化策略等,并将其分布式并行运行于制造云平台中。仿真实验结果表明:CSSMA具备良好的处理大规模问题的能力,适用于制造云服务动态选择问题的求解。     

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。     

多工序多工步制造系统切削用量的优化研究

通过对建立的多工序多工步制造系统生产时间和生产成本的数学模型的优化分析，并考虑了相应的生产条件约束限制，从而提出了基于最大生产率多工序多工步有约束制造模型切削用量优化求解思想——主目标生产效率最大，次目标生产费用最小，并给出了有效的优化算法。     

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。     

基于i-NSGA-Ⅱ-JG算法的云制造资源服务组合优选

针对云制造环境下资源服务组合优选问题,建立了以服务需求方约束和资源提供方约束为基础的双方约束模型;提出一种具有继承性和跳跃基因的带精英策略的快速非支配排序遗传算法对所建模型进行求解,为服务需求方找到一系列优选服务组合;构建了云制造服务质量计算模型对优选服务组合进行综合评估,选出最优资源服务组合和备选方案资源服务组合。通过算法测试表明了改进算法的有效性、普适性和高效性,通过算例论证表明了所提方法的可行性、稳定性和优越性。     

基于多分辨率聚类的云制造任务分配

针对云制造环境下用户需求复杂多变和制造资源能力分散异构的特点,为实现制造资源的动态共享与智能分配,提出一种能够在云制造环境下迅速得出需求能力高效匹配的多分辨率聚类任务分配方案。根据任务目标特点选择适应的参数建立反映需求能力匹配程度的聚类距离函数,并以此距离为聚类依据展开多分辨率聚类,随聚类过程将任务分解并分配到相应的资源能力提供者,得出云制造系统中需求能力的多分辨率层次结构,为解决云制造环境下资源的高效配置问题、实现云制造系统中用户需求和资源能力的动态匹配提供了可行结构。通过实例对以上任务分配方案过程进行了详述,并论证了该算法可为充分利用云制造系统中零碎制造能力提供有效途径。     

基于遗传算法的绿色集成工艺优化模型求解

为了提高生产计划的可执行性,实现制造资源的优化配置和可持续发展,建立了一种面向绿色制造的集成工艺优化模型,并针对该模型的特点,提出了一种基于遗传算法的面向绿色制造的集成工艺优化模型求解方法。该方法改进了传统遗传算法中复杂的实数编码方式,将其转化为通过"编码—解码"方式实现的二进制编码方式,避免了繁杂的实数编码。最后采用高级语言实现了该算法,并进行了案例分析,结果表明,该算法具有一定的先进性。