云制造背景下的服务匹配算法

云制造背景下的服务匹配具有复杂性、海量性,因而需要高效的匹配算法来提高响应度。以往的基于本体的语义检索算法,往往只重视结果的查全率和查准率,不能有效满足云制造背景下的海量数据处理的效率要求。文中将基于语义距离的语义相似度算法应用到云制造背景下的服务匹配中,在满足查准率和查全率的同时,通过设置相应的过滤器,极大减少了不必要的匹配过程。实验结果表明本算法很好地满足了云制造背景下服务搜索的查全率和效率要求。     

基于同态映射的制造资源虚拟化机制

为了通过云制造服务实现对制造资源能力的精准调度与使用,云制造模式要求制造资源的虚拟化过程必须保证云制造服务所描述的相关能力与原制造资源所提供的能力在逻辑上具备严格的一致性.为此,提出了基于同态映射的制造资源虚拟化机制:通过在物理资源层和云服务层之间定义抽象的虚拟能力层,在解耦物理资源与云服务之间直接映射的同时,分别定义了制造资源-虚拟能力、虚拟能力-云服务的同态映射函数;采用基于语义相等映射的实现原理,将物理资源的能力及其所需的依赖条件进行同态抽象转换,并通过初步的案例仿真说明制造资源在同态映射过程中保持了能力语义的不变性.     

基于综合模糊相似度的云制造需求—服务双向匹配

为解决云制造环境下的服务选择问题,提高服务和需求的匹配精度及供需双方的满意度,提出基于综合模糊相似度的云制造服务双向匹配模型。针对服务方和需求方各自的描述信息,结合功能和非功能要求,将供需双方的描述信息进行基于匹配机制的双向多属性匹配。考虑匹配的稳定性,综合运用模糊概念语义相似度算法、直觉模糊集算法及相合系数法分别进行多属性信息的相似度求解。再利用综合加权法进行综合模糊相似度计算,得到最佳匹配结果。实例分析和对比研究验证了该匹配模型可行有效,能准确地为用户选择双方都满意的服务。     

基于本体描述逻辑的云制造服务匹配方案

为了实现云制造环境下资源服务的增值和增效的目的,阐述了云制造的典型特征及云制造服务匹配的意义后,针对处理OWL-S语义描述云制造服务的问题,从服务请求及服务结果匹配两个核心方面入手,提出了一种基于本体描述逻辑(DL)的云制造服务匹配方案,并对该匹配方案中的各个阶段进行阐述,有效地提高了服务匹配的查全率和查准率。最终通过与传统关键字匹配方案和基于本体描述逻辑包含性检测的服务匹配方案进行比较分析,实验结果证明了文中提出的匹配方案具有很好的可行性和有效性。     

考虑主体心理预期的云制造资源双边匹配机制

云制造的实践创新和相关机制研究是近几年供应链和制造领域研究的热点问题.研究云制造平台上的碎片化资源匹配问题,以探索物联网环境下提高企业资源配置效率的方法.基于前景理论,通过多属性评价,计算出资源供求双方之间的满意度,据此确定匹配主体的偏好序.以偏好序作为匹配依据,设计在考虑匹配数量的前提下,求解稳定匹配方案的“多对多”匹配算法,并论证匹配结果对于匹配优先方的Pareto最优性.最后,通过算例验证了整个匹配机制的可行性和有效性.     

网络化制造系统中的服务智能匹配技术研究

该文主要对网络化制造系统中的服务智能匹配技术进行研究;对服务匹配模型和算法进行讨论;分析了服务关键匹配模式SKP,并提出一个服务分解模型和对于服务匹配结果的综合评价模型;最后给出一个实例。     

网络化制造环境中制造服务智能匹配技术研究

为实现服务的准确定位,以Web Service方式封装服务,采用语义网技术表达服务能力,弥补当前服务描述在内容和语义方面的缺陷．在此基础上,提出面向网络化制造服务匹配系统Swirrsm的系统结构,对服务匹配模型及服务匹配算法进行研究,提出服务关键匹配模式SKP及服务匹配强弱定义,分析了服务匹配语义相似度计算,通过建立服务分解模型,使服务匹配更趋智能化．     

网络化制造的服务匹配技术研究

结合语义的发现技术,提出了一个网络化制造的服务描述模式,在此描述模式的基础上设计了网络化制造的服务匹配计算模型,介绍了该模型的应用平台,说明了该计算模型的可行性。     

模糊分类与模糊匹配相结合的模糊检索

1.问题的提出文献信息检索的过程,可以看成是一个用户“查询”和文献库之间“匹配”的过程。但是,当文献库中文献数量达到几百万甚至更多时,如果仍用用户的“查询”去逐一匹配文献库,将花费很长的时间,甚至使检索方法无法付诸实用。因此,将文献适当地分成若干子类,在子类中进行检索,能缩小检索范围,可加速匹配     

基于业务流程的制造云服务组合模型

为了提高云制造系统中制造云服务的组合成功率,实现组合云服务与用户业务需求的准确匹配,在对制造云服务、流程节点任务、云服务的可组合性和流程匹配进行形式化描述的基础上,提出一种基于业务流程的制造云服务组合模型。该模型由业务流程引擎、业务流程、选择逻辑、评估逻辑、监控逻辑、知识库和原子云服务集构成,在功能匹配的基础上,对候选服务的可组合性进行检查,结合负载、服务质量(QoS)和业务流程信息,选择合适的云服务,并将其挂接在业务流程上实现制造云服务的组合。对制造云服务的组合流程进行了详细描述,并给出云服务组合的实现方法。实例分析表明,该模型能够有效地选择满足业务需求的云服务实体并进行组合,从而提高制造云服务的组合成功率,保障用户制造活动的顺利进行。     

多目标事务模糊关联聚类的云制造服务组合算法

目前的云制造服务组合方法单纯从某个角度研究服务组合问题,对基于多目标事务的云制造服务组合的考虑不足,服务组合质量不高。为实现敏捷、智能、平稳的云制造服务组合,基于开展多目标事务的云模式通用解析、多目标事务模糊关联特征的云模式通用表示、云制造服务组合多目标事务模糊关联聚类算法等方面研究,改进反向学习算法、可替换服务推荐算法、三角模糊函数、非支配排序遗传公式,设计一种敏捷、智能、平稳的云制造服务组合算法。最后,实施实验验证,与传统算法进行性能对比分析。实验结果表明,相比传统算法,该算法组合响应时间短、误差小,且收敛性、敏捷性、智能性、动态演化性、平稳性高。因此,该算法实现了基于多目标事务模糊关联聚类的云制造服务的有效组合,具有较高的应用价值。     

基于语义的云制造服务描述

云制造是面向服务、基于知识的制造服务新模式。本文通过分析云制造中云资源的分类及特点,提出基于本体的云制造领域知识建模方法,并在此基础上构建基于OWL-S的扩展本体模型。在云制造服务平台下,为基于语义的服务发现匹配组合的实现奠定基础。     

基于犹豫模糊决策算法的云制造系统选择研究

云制造系统的选择评价是云制造管理中的重要研究课题.针对复杂的云制造系统评价问题,构建了基于信息集成算子和一致性提升算法的犹豫模糊互补判断矩阵(HFCJM)决策模型.由于现有的犹豫模糊加权平均算子存在不能满足幂等性的不足,提出了一种改进的犹豫模糊加权平均(I-HFWA)算子,并验证其满足幂等性这一重要性质;研究了完全乘性...     

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。     

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...     

基于用户心理行为的云制造知识服务优选决策

为提高云制造环境下知识服务的选择质量,提出一种基于用户心理行为的云制造知识服务优选决策方法。基于云制造知识服务的特性分析,建立云制造知识服务优选评价指标体系;运用粗糙集理论,对各评价指标进行初始权重分配,并根据用户多属性偏好对初始权重进行调整,以确保权重分配的合理性;在此基础上,结合用户在决策过程中的心理行为分析和后悔理论,构建云制造知识服务的感知价值矩阵,并计算各知识服务的综合感知价值,以获得最优云制造知识服务。通过一个应用实例,验证此方法的有效性和实用性。     

云制造环境下个性化产品配置研究

在分析了云制造环境下的产品配置典型过程的基础上,总结了云制造环境下参与 者及制造资源组织的特点,包括产品配置过程需要兼顾不同参与方的利益,以及在产品配置求 解过程中需要覆盖不同制造服务实例的差异化属性的基础,提出了面向云制造的个性化产品配 置技术框架,阐述了面向产品配置的云服务模型、基于关联规则挖掘的产品初步配置以及基于 蚁群算法的产品完整配置 3 个关键问题的求解方法,为云制造环境下开展个性化产品配置提供 了一种新的思路。在模型设计及方案求解过程中,以轮式装载机产品配置作为示例进行了阐述, 验证了该方法的有效性和可行性。     

基于市场机制的云服务管理研究

云计算以其几乎无限的计算能力、存储能力和带宽,成为很多企业和组织研究和使用的最佳选择。为了实现云服务的商业化,云市场的出现是必要的。由于云市场中出现的服务类型和数量日益增加,如何帮助用户选择合适的提供商是个很大的挑战。文中提出一个以云市场为基础的机制,并给出一个推荐系统来管理云服务。该管理机制一定程度上节省了用户和供应商选择交易对象的时间,并且能够很好地满足用户的服务要求和预算成本,提高了整个云市场的效率。