面向智能制造的云制造资源的动态共享与智能分配方法组成比例

本发明专利技术提供一种面向智能制造的云制造资源的动态共享与智能分配方法，包括获取多个任务，多个任务的类型相同；对多个任务的资源质量相关性进行建模，获得资源质量相关性模型；建立多个任务的问题模型，并根据问题模型确定多目标多约束公式；根据多目标多约束公式，确定所述多个任务的虚拟资源组合及优化调度模型；求解所述虚拟组合及优化调度模型，根据求解结果实现资源的动态共享与智能分配。将通过制造资源的统一描述建模与仿真技术虚拟化和数字化的制造原料、设备、产品等通过信息框架连接与管理，提供在信息框架中对各项资源进行动态共享与智能分配的能力，实现了根据需要的资源调度与分配，真正实现了资源的云调度与制造过程的云化。

【技术实现步骤摘要】
面向智能制造的云制造资源的动态共享与智能分配方法
本专利技术属于智能制造
，具体涉及一种面向智能制造的云制造资源的动态共享与智能分配方法。
技术介绍
云制造是一种基于知识、面向服务的网络化智能制造新模式。云计算是一种基于互联网的计算新模式，基于云计算平台把大量的高度虚拟化的计算资源管理起来，组成一个大的资源池，用来统一提供服务，通过互联网上异构、自治的服务形式为个人和企业用户提供按需随时获取的计算服务。若把计算资源换成制造资源，云计算的计算模式和运营模式就可以制造业信息化所用，为制造业信息化走向服务化、高效低耗提供一种可行的新思路。制造资源包括制造全生命周期活动中的各类制造设备和制造过程中的各种模型、数据、软件、领域知识等。为了实现制造资源的虚拟化、优化调度和协同互联，需要融合语义Web、嵌入式系统技术、物联网和高效能计算等技术。正是在这样的背景下，云制造的理念应运而生。目前国际上对云制造鲜有研究，因此关于云制造的研究和应用存在着巨大的发展空间。云制造及其关键技术也是未来十年内中国制造业突破性发展需要解决的重大课题。因为云制造强调绿色化和智能化，所以在云制造资源配置和调度问题的优化目标方面，除了将时间、成本和质量作为优化目标之外，还应该增加系统能耗这一调度优化目标。以能耗为目标的任务调度问题和优化方法成为云制造调度的一个新的研究方向。按照层级划分，云制造资源调度问题可以分为云制造平台层虚拟资源调度问题、跨企业任务和资源调度问题、企业内调度问题和车间层调度问题四个层次。面向智能制造的云制造资源调度，重点在于云制造平台层虚拟资源调度和跨企业任务资源调度。云制造平台中的虚拟资源调度分为计算资源调度和制造资源调度两种。对于云制造平台计算资源调度，在任务与计算资源的映射中，有可能发生多个任务同时运行于同一个计算资源的情况，即必须考虑计算资源的计算能力分配情况。这些问题在云制造平台的运行过程中都起着至关重要的作用，但在现有的研究中却均未考虑。从任务模型的角度，多处理机任务调度可分为调度相互独立的任务和调度相互依赖的任务。传统调度算法已经不适合云制造平台计算资源调度这一多目标优化问题，基于智能启发式任务调度算法的新型计算资源调度方法成为主流，例如模拟退火算法、粒子群优化算法等。对于云制造平台制造资源调度，主要的优化调度方法包括智能启发式算法、基于博弈论的任务调度算法、基于工作量的任务调度方法等。目前，有关云制造环境下制造资源的任务和服务调度问题的研究仍较少，使用的方法以智能优化算法为主，如遗传算法、蜂群算法、粒子群优化算法、蚁群算法等。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种面向智能制造的云制造资源的动态共享与智能分配方法。本专利技术提供一种面向智能制造的云制造资源的动态共享与智能分配方法，包括：获取多个任务，所述多个任务的类型相同；对所述多个任务的资源质量相关性进行建模，获得资源质量相关性模型；建立所述多个任务的问题模型，并根据所述问题模型确定多目标多约束公式；根据所述多目标多约束公式，确定所述多个任务的虚拟资源组合及优化调度模型；求解所述虚拟组合及优化调度模型，根据求解结果实现资源的动态共享与智能分配。可选地，所述对所述多个任务的资源质量相关性进行建模，获得资源质量相关性模型，包括：分别对每个所述任务的任务内资源质量相关性进行建模，获得任务内资源质量相关性模型；以及，对所述多个任务的任务间资源质量相关性进行建模，获得任务间资源质量相关性模型。可选地，所述分别对每个所述任务的任务内资源质量相关性进行建模，获得任务内资源质量相关性模型，包括：将所述任务的资源属性划分为QRAS和OAS两类属性集合，QRAS表示与质量相关的属性集合，OAS表示与质量不相关的其他属性集合；根据资源的属性集合，建立所述任务内资源质量相关模型，如下公式(1)所示：其中，q(VR)为资源的某一个质量属性的值；Value0为不考虑任务内资源质量相关性时，资源VR的默认质量属性值；为任务内不包含虚拟资源VR的其他候选资源集；qRA∈QRAS为某个质量相关的属性；布尔函数g为资源相关性函数；表示任务内其他子任务所对应的候选资源集中选中的资源的qRA使得布尔函数g为真时，则q(VR)取值为Value1；设布尔函数g递归操作的非和与操作满足下述公式(2)：gi＝gj()&&gk()，i≠j≠k(2)则当有多个资源相关性函数g同时满足时，则依据质量属性的正反向来确定取最大值或最小值，建立如下模型，如公式(3)所示：考虑任务内资源质量相关性的时间和成本计算模型如下公式(4)所示：T(VR)＝MIN{T_T0，...,T_Ti,...},gi＝true；C(VR)＝MIN{T_C0，...,T_Ci,...},gi＝true；(4)其中，T_Ti表示第i个满足任务内质量相关性的取值，T(VR)表示任务内资源质量相关性的时间计算模型，C(VR)表示任务内资源质量相关性的成本计算模型。可选地，所述对所述多个任务的任务间资源质量相关性进行建模，获得任务间资源质量相关性模型，包括：根据资源的属性集合，建立任务间资源质量相关性模型，如下公式(5)所示：q(VR)＝{default：DefaultValue；correlationFunc1():Value1；correlationFunc2():Value2；...}(5)其中，DefaultValue通过公式(3)计算得到；correlationFunc1():Value1表示第1次调度过程中选择的资源满足相关性公式correlationFunc1()时，则q(VR)的取值为Value1；当有多个资源相关性函数同时满足时，则依据质量属性的正反向来确定取最大值或最小值，建立如下模型，如公式(6)所示：考虑任务间的资源相关性的时间和成本计算模型如下公式(7)所示：T(VR)＝MIN{P_T0，...,P_Ti,...},gi＝true；C(VR)＝MIN{P_C0，...,P_Ci,...},gi＝true；(7)其中，P_Ti表示第i个满足任务间质量相关性的取值，T(VR)表示任务间资源质量相关性的时间计算模型，C(VR)表示任务间资源质量相关性的成本计算模型。可选地，所述建立所述多个任务的问题模型，并根据所述问题模型确定多目标多约束公式，包括：设在一段时间内接收到n个相同类型的任务集Ta＝{Ta1，Ta2，...,Tan}，每个任务对应的报价为{Price1，Price2，...,Pricen}，每个任务的交货期距离当前日期的天数为{T1，T2，...,Tn}，每个任务均划分成J个子任务；令执行路径集P＝{P1，P2，...,Pn本文档来自技高网...

【技术保护点】
1.一种面向智能制造的云制造资源的动态共享与智能分配方法，其特征在于，包括：/n获取多个任务，所述多个任务的类型相同；/n对所述多个任务的资源质量相关性进行建模，获得资源质量相关性模型；/n建立所述多个任务的问题模型，并根据所述问题模型确定多目标多约束公式；/n根据所述多目标多约束公式，确定所述多个任务的虚拟资源组合及优化调度模型；/n求解所述虚拟组合及优化调度模型，根据求解结果实现资源的动态共享与智能分配。/n

【技术特征摘要】
1.一种面向智能制造的云制造资源的动态共享与智能分配方法，其特征在于，包括：
获取多个任务，所述多个任务的类型相同；
对所述多个任务的资源质量相关性进行建模，获得资源质量相关性模型；
建立所述多个任务的问题模型，并根据所述问题模型确定多目标多约束公式；
根据所述多目标多约束公式，确定所述多个任务的虚拟资源组合及优化调度模型；
求解所述虚拟组合及优化调度模型，根据求解结果实现资源的动态共享与智能分配。


2.根据权利要求1所述的方法，其特征在于，所述对所述多个任务的资源质量相关性进行建模，获得资源质量相关性模型，包括：
分别对每个所述任务的任务内资源质量相关性进行建模，获得任务内资源质量相关性模型；以及，
对所述多个任务的任务间资源质量相关性进行建模，获得任务间资源质量相关性模型。


3.根据权利要求2所述的方法，其特征在于，所述分别对每个所述任务的任务内资源质量相关性进行建模，获得任务内资源质量相关性模型，包括：
将所述任务的资源属性划分为QRAS和OAS两类属性集合，QRAS表示与质量相关的属性集合，OAS表示与质量不相关的其他属性集合；
根据资源的属性集合，建立所述任务内资源质量相关模型，如下公式(1)所示：



其中，q(VR)为资源的某一个质量属性的值；
Value0为不考虑任务内资源质量相关性时，资源VR的默认质量属性值；

为任务内不包含虚拟资源VR的其他候选资源集；
qRA∈QRAS为某个质量相关的属性；
布尔函数g为资源相关性函数；

Value1表示任务内其他子任务所对应的候选资源集中选中的资源的qRA使得布尔函数g为真时，则q(VR)取值为Value1；
设布尔函数g递归操作的非和与操作满足下述公式(2)：



gi＝gj()&&gk()，i≠j≠k(2)
则当有多个资源相关性函数g同时满足时，则依据质量属性的正反向来确定取最大值或最小值，建立如下模型，如公式(3)所示：



考虑任务内资源质量相关性的时间和成本计算模型如下公式(4)所示：
T(VR)＝MIN{T_T0，...,T_Ti,...},gi＝true；
C(VR)＝MIN{T_C0，...,T_Ci,...},gi＝true；(4)
其中，T_Ti表示第i个满足任务内质量相关性的取值，T(VR)表示任务内资源质量相关性的时间计算模型，C(VR)表示任务内资源质量相关性的成本计算模型。


4.根据权利要求2所述的方法，其特征在于，所述对所述多个任务的任务间资源质量相关性进行建模，获得任务间资源质量相关性模型，包括：
根据资源的属性集合，建立任务间资源质量相关性模型，如下公式(5)所示：
q(VR)＝{default：DefaultValue；
correlationFunc1():Value1；
correlationFunc2():Value2；
...}(5)
其中，DefaultValue通过公式(3)计算得到；
correlationFunc1():Value1表示第1次调度过程中选择的资源满足相关性公式correlationFunc1()时，则q(VR)的取值为Value1；
当有多个资源相关性函数同时满足时，则依据质量属性的正反向来确定取最大值或最小值，建立如下模型，如公式(6)所示：



考虑任务间的资源相关性的时间和成本计算模型如下公式(7)所示：
T(VR)＝MIN{P_T0，...,P_Ti,...},gi＝true；
C(VR)＝MIN{P_C0，...,P_Ci,...},gi＝true；(7)
其中，P_Ti表示第i个满足任务间质量相关性的取值，T(VR)表示任务间资源质量相关性的时间计算模型，C(VR)表示任务间资源质量相关性的成本计算模型。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述建立所述多个任务的问题模型，并根据所述问题模型确定多目标多约束公式，包括：
设在一段时间内接收到n个相同类型的任务集Ta＝{Ta1，Ta2，...,Tan}，每个任务对应的报价为{Price1，Price2，...,Pricen}，每个任务的交货期距离当前日期的天数为{T1，T2，...,Tn}，每个任务均划分成J个子任务；
令执行路径集P＝{P1，P2，...,Pn}为任务集Ta一个可行解，每个子...

【专利技术属性】
技术研发人员：高惠琳，龚军，温秀秀，刘佩云，王凡，
申请(专利权)人：中国电子科技集团公司信息科学研究院，
类型：发明
国别省市：北京;11