【技术实现步骤摘要】
基于强化学习的云制造服务组合方法
[0001]本专利技术涉及大数据人工智能强化学习领域。
技术介绍
[0002]随着互联网时代的到来，云计算、物联网等先进的计算机技术迅速发展，一种与以往传统制造业不同的，新的面向服务的制造模式，云制造被提出。云制造就是在分布制造资源和能力之间进行共享和协作与需求构成一种按需的资源分配和使用的方式。其目的就是选取性能最优的组合服务以满足用户大粒度的，复杂的，多元化的定制需求。云制造的服务组合是一种典型的NP
‑
hard问题，是当今所有的科技服务平台所面临的的一个巨大的挑战。
[0003]制造业是工业的核心，在现代社会产业中占有极为重要的地位，对于世界各国尤为重要。制造业是每个国家经济的主体，是国家综合实力和国际竞争力的支柱产业，是实现工业化和现代化进程的基础。近年来，伴随以云计算、物联网、信息物理融合系统、面向服务架构、大数据等为代表的信息技术的飞速发展，其对工业技术进步的促进作用急剧爆发，先进信息技术引领的新一代工业革命正在全球上演。
[0004]为应对新一...
【技术保护点】
【技术特征摘要】
1.一种基于强化学习的云制造服务组合方法，其特征在于，包括以下步骤：通过科技服务协同平台接收来自需求方发布的项目的任务请求；通过STS
‑
协同服务评价指标，对科技服务协同平台中的服务组合方案进行评分；根据所述评分利用Q
‑
Learning算法通过无监督的方式训练一个学习最优服务组合路径的agent，对所述任务请求进行最佳的组合服务方案的选择。2.根据权利要求1所述的方法，其特征在于，所述通过STS
‑
协同服务评价指标，对科技服务协同平台中的服务组合方案进行评分，包括：通过需求方在所述科技服务协同平台上发布定制需求的评价分数，以及由专业人员对云制造服务组合方案的评价分数以及所述组合服务方案在科技服务协同平台的交易比例进行加权计算。3.根据根据权利要求2所述的方法，其特征在于，还包括：所述STS
‑
协同服务综合评价指标的计算方式如以下等式所示：Score＝ω1S
avg
+ω2S2+ω3S3，其中，Score是该云制造组合服务的分数，ω1，ω2，ω3是权重参数，S
avg
是需求方对该组合服务中每一个服务的评价分数的平均值，s
i
是需求方对第i个服务的评价分数，n是组合服务中服务的数量，S2是专家对该云制造组合服务的评分，S3是该组合服务在科技服务协同平台中交易次数比例的得分。4.根据权利要求1所述的方法，其特征在于，在对科技服务协同平台中的服务组合方案进行评分之后，还包括：使用天际线运算消除用户不感兴趣的服务减小组合服务问题求解的规模。5.根据权利要求1所述的方法，其特征在于，所述根据所述评分利用Q
‑
Learning算法通过无监督的方式训练一个学习最优服务组合路径的agent，包括：任意数值初始化Q(s,a)，并且Q(terminal
‑
state,
·
)＝0重复：初始化状态S；重复：使用预定策略，根据状态S选择一个动作执行；执行完成动作后得到re...
【专利技术属性】
技术研发人员：周丽娟，刘文瑾，罗宁，韦冰，张树东，
申请(专利权)人：海南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。