面向动态任务感知的云制造协同任务调度方法技术

本发明专利技术公开了一种面向动态任务感知的云制造协同任务调度方法，首先根据供应链完成任务的比例，构建协同任务调度模型；然后根据原有制造任务和可选的制造服务，在新任务到来时产生初始种群作为当前种群，将当前种群划分成若干子种群进行后续迭代，并将当前种群中每个协同任务调度方案用矩阵编码表示；最后通过改进型多种群生物地理学优化算法进行求解，并融合了多种群策略、局部搜索策略以及协作机制，从而提高了算法求解任务调度问题的性能。本发明专利技术的方法在调度阶段和重调度阶段都能获得更优的调度方案。

Dynamic Task Awareness Oriented Cooperative Task Scheduling Method for Cloud Manufacturing

The invention discloses a collaborative task scheduling method for cloud manufacturing based on dynamic task perception. Firstly, a collaborative task scheduling model is constructed according to the proportion of tasks completed by the supply chain. Then, according to the original manufacturing tasks and the optional manufacturing services, an initial population is generated when a new task arrives, and the current population is divided into several sub-populations for subsequent iteration. At present, each cooperative task scheduling scheme in the population is represented by matrix coding. Finally, the improved multi-population biogeography optimization algorithm is used to solve the problem, and the multi-population strategy, local search strategy and collaboration mechanism are integrated to improve the performance of the algorithm in solving task scheduling problems. The method of the invention can obtain an optimal scheduling scheme in both the scheduling stage and the rescheduling stage.

【技术实现步骤摘要】
面向动态任务感知的云制造协同任务调度方法
本专利技术属于云制造任务调度
，尤其涉及一种面向动态任务感知的云制造协同任务调度方法。
技术介绍
云制造是基于云计算、物联网等先进信息技术，旨在为用户提供安全、按需、可靠、高质量的面向服务的新型制造方式。在云制造环境中，分布式制造资源和制造能力被虚拟化并封装为可以集中管理的云服务，对服务的集中管理能力表明云制造平台可以同时处理批量任务。在实际制造环境中，云制造平台往往会在同一时刻接收批量任务，其中大部分任务是复杂且多粒度的，是可以分解成多个子任务的。这些子任务需要通过不同功能服务之间的协作来完成。且随着用户需求日益个性化，云制造平台接收到的制造任务往往是异构的。因此，任务调度成为云制造环境面临的一个关键问题，其目标是同时处理一组任务，并为其分配具有不同功能的服务，从而在满足用户需求的前提下，优化服务状态和执行计划。虽然目前已经有学者对云制造环境下的调度问题进行了一些研究，然而现有的多数方法仅考虑提供不同功能服务的制造商之间的横向协作，每个子任务都只由一个服务来完成，从而整个任务由单个供应链来实现。现有的大多数研究假设云制造环境是静态的。然而，由于实际制造环境中存在不确定性，当环境发生变化时，原始的最优调度方案可能变得不可行，例如服务质量(qualityofservice，简称QoS)变化、服务中断和新任务到达等，都可能会影响生产过程。而动态任务是导致云制造环境不确定性的主要来源之一。新任务到达是不可预知且不能被云制造平台操作员预先控制的。当企业向云制造平台提交新的任务需求时，一些服务会因为之前未完成的分配任务而被占用。由于云制造中的任务调度问题涉及多个供应商和需求方，违约时存在惩罚条款，因此，采取合适的重调度策略为新到达任务分配服务以提高配置效率是十分必要的。
技术实现思路
本专利技术的目的是提供一种面向动态任务感知的云制造协同任务调度方法，综合考虑了供应链中服务供应商之间的横向协作和纵向协作，提出了一种协同任务调度模型，应对突然到达的新任务请求。为了实现上述目的，本专利技术技术方案如下：一种面向动态任务感知的云制造协同任务调度方法，包括：根据供应链完成任务的比例，构建协同任务调度模型；根据原有制造任务和可选的制造服务，在新任务到来时产生初始种群作为当前种群，将当前种群划分成若干子种群进行后续迭代，并将当前种群中每个协同任务调度方案用矩阵编码表示；对当前所有子种群执行迁移操作；对当前所有子种群执行变异操作；对当前种群中的最优解应用局部搜索策略；判断是否满足应用协作机制的条件，若满足条件则对当前所有子种群应用协作机制，否则判断是否满足终止条件；判断是否满足终止条件，若满足条件则停止迭代，并输出最优协同任务调度方案，否则返回继续进行迭代。进一步地，所述根据供应链完成任务的比例，构建协同任务调度模型，包括：计算时间跨度CT，即先分别计算每一条供应链上所有调用的服务所花费的时间，即固定启动时间、服务完成的相应比例的执行时间和产生的运输时间，再算出所有供应链的时间跨度的最大值；计算总成本C，即计算所有供应链上调用的服务的固定启动成本、服务完成的相应比例的执行成本和产生的运输成本；计算可靠性R，即计算所有供应链上调用的服务所花费的固定启动时间和完成的相应比例的执行时间内的可靠性；对调度方案的时间跨度、总成本、可靠性进行标准化，并赋权相加，从而求得最大的综合QoS。进一步地，所述对当前种群中的最优解应用局部搜索策略，包括：对最优解随机进行交换变异操作或逆向变异操作，当判断该变异操作为交换变异操作时，则随机选择最优解的两个位置，然后交换其对应的SIV值；否则，在最优解中随机选择两个位置，然后在所选位置之间颠倒SIV值。进一步地，所述对当前所有子种群应用协作机制，包括：使用如下公式的轮盘赌策略来确定用于信息交换的解方案，选择出的解方案用于替换其他子种群中最差的解方案：其中，Pmk表示选择栖息地k用于信息交换的概率，fk表示栖息地k的HSI值，NP表示最大物种数量。进一步地，所述对当前所有子种群执行迁移操作，所采用的迁入率根据如下公式计算：迁出率根据如下公式计算：其中λk和μk分别表示迁入率和迁出率，Imax和Emax分别表示最大迁入率和最大迁出率，Sk表示第k个栖息地的物种数量，NP表示最大物种数量。进一步地，所述对当前所有子种群执行变异操作，其中：每个栖息地的变异概率mk根据如下公式计算：其中，Pk表示包含k个物种的栖息地的概率，由如下公式计算得到：其中，mmax表示预先设定的最大变异概率，Pmax表示栖息地最大物种数量概率。本专利技术提出的一种面向动态任务感知的云制造协同任务调度方法，基于多供应链协作模式，提出了一种协同任务调度模型，并采用改进型多种群生物地理学优化算法(improvedmulti-populationbiogeography-basedoptimization，简称IMPBBO)进行求解，该算法采用了矩阵编码方式，并融合了多种群策略、局部搜索策略以及协作机制，从而提高了算法求解任务调度问题的性能。避免了现有生物地理学优化算法BBO进化早期解空间搜索能力相对较弱，以及容易陷入局部最优等问题。本专利技术的方法在调度阶段和重调度阶段都能获得更优的调度方案。附图说明图1为本专利技术面向动态任务感知的云制造协同任务调度方法流程图；图2为本专利技术实施例改进型多种群生物地理学优化算法流程图；图3为本专利技术实施例编码方式示意图；图4为本专利技术实验结果示意图。具体实施方式下面结合附图和实施例对本专利技术技术方案做进一步详细说明，以下实施例不构成对本专利技术的限定。实际制造环境通常面临着许多突发事件，在考虑新任务到达的任务调度问题中，首先通过假设云制造系统中没有意外事件发生从而确定初始调度方案。在基于初始调度方案的任务执行过程中，云制造平台往往会接收到一些无法预见的新任务。因此需要及时触发重调度策略，为新任务分配服务，即构建出一个新的调度方案，并将其应用于云制造系统中。如图1所示，本专利技术的一种实施例，一种面向动态任务感知的云制造协同任务调度方法，包括：步骤S1、根据供应链完成任务的比例，构建协同任务调度模型；步骤S2、根据原有制造任务和可选的制造服务，在新任务到来时产生初始种群作为当前种群，将当前种群划分成若干子种群进行后续迭代，并将当前种群中每个协同任务调度方案用矩阵编码表示；步骤S3、对当前所有子种群执行迁移操作；步骤S4、对当前所有子种群执行变异操作；步骤S5、对当前种群中的最优解应用局部搜索策略；步骤S6、判断是否满足应用协作机制的条件，若满足条件则对当前所有子种群应用协作机制，否则判断是否满足终止条件；步骤S7、判断是否满足终止条件，若满足条件则停止迭代，并输出最优协同任务调度方案，否则返回步骤S3继续进行迭代。本实施例中构建协同任务调度模型所设计的符号说明如下：M云制造平台中提供服务的企业数量；Em企业m，m＝1,…,M；I同时提交至云制造平台的任务数量；Ti任务i，i＝1,…,I；JiTi的子任务数量；STijTi的第j个子任务，j＝1,…,Ji；NmEm提供的服务数量；MSmnEm提供的第n个服务，n＝1,…,Nm；l供应链编号，l＝1,…,Li，其中Li是完成Ti的供应链数量；M本文档来自技高网...

【技术保护点】
1.一种面向动态任务感知的云制造协同任务调度方法，其特征在于，所述面向动态任务感知的云制造协同任务调度方法，包括：根据供应链完成任务的比例，构建协同任务调度模型；根据原有制造任务和可选的制造服务，在新任务到来时产生初始种群作为当前种群，将当前种群划分成若干子种群进行后续迭代，并将当前种群中每个协同任务调度方案用矩阵编码表示；对当前所有子种群执行迁移操作；对当前所有子种群执行变异操作；对当前种群中的最优解应用局部搜索策略；判断是否满足应用协作机制的条件，若满足条件则对当前所有子种群应用协作机制，否则判断是否满足终止条件；判断是否满足终止条件，若满足条件则停止迭代，并输出最优协同任务调度方案，否则返回继续进行迭代。

【技术特征摘要】
1.一种面向动态任务感知的云制造协同任务调度方法，其特征在于，所述面向动态任务感知的云制造协同任务调度方法，包括：根据供应链完成任务的比例，构建协同任务调度模型；根据原有制造任务和可选的制造服务，在新任务到来时产生初始种群作为当前种群，将当前种群划分成若干子种群进行后续迭代，并将当前种群中每个协同任务调度方案用矩阵编码表示；对当前所有子种群执行迁移操作；对当前所有子种群执行变异操作；对当前种群中的最优解应用局部搜索策略；判断是否满足应用协作机制的条件，若满足条件则对当前所有子种群应用协作机制，否则判断是否满足终止条件；判断是否满足终止条件，若满足条件则停止迭代，并输出最优协同任务调度方案，否则返回继续进行迭代。2.根据权利要求1所述的面向动态任务感知的云制造协同任务调度方法，其特征在于，所述根据供应链完成任务的比例，构建协同任务调度模型，包括：计算时间跨度CT，即先分别计算每一条供应链上所有调用的服务所花费的时间，即固定启动时间、服务完成的相应比例的执行时间和产生的运输时间，再算出所有供应链的时间跨度的最大值；计算总成本C，即计算所有供应链上调用的服务的固定启动成本、服务完成的相应比例的执行成本和产生的运输成本；计算可靠性R，即计算所有供应链上调用的服务所花费的固定启动时间和完成的相应比例的执行时间内的可靠性；对调度方案的时间跨度、总成本、可靠性进行标准化，并赋权相加，从而求得最大的综合QoS。3.根据权利要求1...

【专利技术属性】
技术研发人员：张帅，张文宇，戴紫薇，彭娟娟，王衍，
申请(专利权)人：浙江财经大学，
类型：发明
国别省市：浙江,33