基于遗传-退火算法的云制造与云物流服务组合优化方法技术

本发明专利技术提供一种基于遗传

【技术实现步骤摘要】
基于遗传
‑
退火算法的云制造与云物流服务组合优化方法


[0001]本专利技术涉及智能制造
，具体涉及一种基于遗传
‑
退火算法的云制造与云物流服务组合优化方法、系统、存储介质和电子设备。

技术介绍

[0002]随着21世纪高速发展的计算机网络技术在制造业的广泛应用，云制造服务平台这一有助于智能制造模式的平台新兴并发展，其中云制造服务组合是云服务平台的一项重要环节，其工作原理为多个小粒度的服务组合成一个较大粒度的、符合客户要求的服务，在服务组合的选择与组合的过程中，提高制造服务和物流服务的QoS(Quality of Service，服务质量)指标对提高云制造服务平台供需双方的满意度具有重要意义。
[0003]云制造与云物流服务在完成一个制造任务互相中交替进行，制造子任务需要在选择的制造服务商处完成，当一个制造子任务完成后，需要通过物流服务将制造中间品运输至下一个选择的制造服务商处，由此产生了物流子任务。制造任务需要同时选择提供满足要求的制造服务和物流服务的制造企业与运输企业，分别完成其制造子任务和物流子任务，同时云制造服务与云物流服务相互影响。然而，当前物流服务只作为物流时间和物流成本中的参数，忽略了云物流服务作为与云制造服务平行的服务类型，在服务组合中的选择与组合。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种基于遗传
‑
退火算法的云制造与云物流服务组合优化方法、系统、存储介质和电子设备，解决了忽略了云物流服务作为与云制造服务平行的服务类型，在服务组合中的选择与组合的技术问题。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]一种基于遗传
‑
退火算法的云制造与云物流服务组合优化方法，包括：
[0009]S1、接收并分解制造任务，获取若干制造子任务与物流子任务；以及将所述制造子任务与物流子任务与对应的候选服务集相匹配；
[0010]S2、根据服务匹配结果，以制造子任务和物流子任务的总时间服务质量指标、制造子任务和物流子任务的总成本服务质量指标最小、制造子任务和物流子任务的总可靠性服务质量指标最大为目标，构建云制造和云物流服务优化的服务组合优化模型；
[0011]S3、采用遗传
‑
退火算法求解所述服务组合优化模型，确定最终的所述制造任务中每一制造子任务选择的制造候选服务商，以及每一物流子任务选择的物流候选服务商。
[0012]优选的，所述S1包括：
[0013](1)任务分解；
[0014]云制造和云物流服务平台接收一个制造任务MT的服务请求，所述制造任务MT包括
一系列制造子任务U
i
和物流子任务V
i
，其中r
i
表示制造任务MT中制造子任务U
i
的个数，r
i
‑
1表示每个制造任务MT中物流子任务U
i
的个数；
[0015](2)服务匹配；
[0016]制造任务MT对应一个候选服务集其中每一个制造子任务U
i
对应若干候选服务，制造候选服务其中m
i
表示每一个制造子任务U
i
对应m
i
个制造候选服务；每一个物流子任务V
i
对应若干候选服务，物流候选服务其中n
i
表示每一个物流子任务V
i
对应n
i
个物流候选服务。
[0017]优选的，所述S2中的服务组合优化模型包括目标函数：
[0018](1)表示最小化制造子任务和物流子任务的总时间服务质量指标f1的第一目标函数：
[0019]minf1＝min(T
KT
+T
LT
)
[0020][0021][0022]其中，T
KT
表示制造子任务的总服务时间；x
kt(i，j)
为决策变量，如果U
i
由KT
i，j
执行，则x
kt(i，j)
＝1，否则x
kt(i，j)
＝0；t
i，j
表示选择制造候选服务KT
i，j
完成制造子任务U
i
的服务时间；
[0023]T
LT
表示物流子任务的总服务时间；x
lt(i，k)
为决策变量，如果V
i
由LT
i，k
执行，则x
lt(i，k)
＝1，否则x
lt(i，k)
＝0；τ
i，k
表示第i个制造子任务U
i
到第i+1个制造子任务U
i+1
之间的使用第k种物流服务所需的运输时间；
[0024](2)表示最小化制造子任务和物流子任务的总成本服务质量指标f2的第二目标函数：
[0025]min f
2＝min(C
KT
+C
LT
)
[0026][0027][0028]其中，C
KT
表示制造子任务的总服务成本；θ
I，j
表示选择制造候选服务KT
i，j
完成制造子任务U
i
的服务成本；
[0029]C
LT
表示制造子任务的总服务成本；c
lt
表示每公里的物流成本；d
k(i，i+1)
表示第i个和第i+1个制造子任务之间使用第k种物流候选服务情况下的运输距离；
[0030](3)表示最大化制造子任务和物流子任务的总可靠性服务质量指标f3的第三目标函数：
[0031]max f3＝min(Q
KT
·
Q
LT
)
[0032][0033][0034]其中，Q
KT
表示制造子任务的总服务可靠性；设定制造企业交付的产品质量受到制造工具退化、失效的影响，呈现出随时间变化的指数降低趋势，且为用户对制造候选服务KT
i，j
完成制造子任务U
i
的服务可靠性的评价，的取值范围为0到1；
[0035]Q
LT
表示物流子任务的总服务可靠性；为用户对制造候选服务LT
i，j
完成物流子任务Vi的服务可靠性的评价，的取值范围为0到1。
[0036]优选的，所述S2中的服务组合优化模型还包括约束条件：
[0037](1)云制造与云物流服务组合优化模型的总时间不超过云制造与云物流服务平台所提出的最大时间；
[0038][0039]其中，表示最大时间；
[0040]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传
‑
退火算法的云制造与云物流服务组合优化方法，其特征在于，包括：S1、接收并分解制造任务，获取若干制造子任务与物流子任务；以及将所述制造子任务与物流子任务与对应的候选服务集相匹配；S2、根据服务匹配结果，以制造子任务和物流子任务的总时间服务质量指标、制造子任务和物流子任务的总成本服务质量指标最小、制造子任务和物流子任务的总可靠性服务质量指标最大为目标，构建云制造和云物流服务优化的服务组合优化模型；S3、采用遗传
‑
退火算法求解所述服务组合优化模型，确定最终的所述制造任务中每一制造子任务选择的制造候选服务商，以及每一物流子任务选择的物流候选服务商。2.如权利要求1所述的云制造与云物流服务组合优化方法，其特征在于，所述S1包括：(1)任务分解；云制造和云物流服务平台接收一个制造任务MT的服务请求，所述制造任务MT包括一系列制造子任务U
i
和物流子任务V
i
，其中r
i
表示制造任务MT中制造子任务U
i
的个数，r
i
‑
1表示每个制造任务MT中物流子任务U
i
的个数；(2)服务匹配；制造任务MT对应一个候选服务集其中每一个制造子任务U
i
对应若干候选服务，制造候选服务其中m
i
表示每一个制造子任务U
i
对应m
i
个制造候选服务；每一个物流子任务V
i
对应若干候选服务，物流候选服务其中n
i
表示每一个物流子任务V
i
对应n
i
个物流候选服务。3.如权利要求2所述的云制造与云物流服务组合优化方法，其特征在于，所述S2中的服务组合优化模型包括目标函数：(1)表示最小化制造子任务和物流子任务的总时间服务质量指标f1的第一目标函数：minf1＝min(T
KT
+T
LT
))其中，T
KT
表示制造子任务的总服务时间；x
kt(i,j)
为决策变量，如果U
i
由KT
i，j
执行，则x
kt(i,j)
＝1，否则x
kt(i,j)
＝0；t
i，j
表示选择制造候选服务KT
i，j
完成制造子任务U
i
的服务时间；T
LT
表示物流子任务的总服务时间；x
lt(i,k)
为决策变量，如果V
i
由LT
i，k
执行，则x
lt(i,k)
＝1，否则x
lt(i,k)
＝0；τ
i,k
表示第i个制造子任务U
i
到第i+1个制造子任务U
i+1
之间的使用第k种物流服务所需的运输时间；(2)表示最小化制造子任务和物流子任务的总成本服务质量指标f2的第二目标函数：min f2＝min(C
KT
+C
LT
)
其中，C
KT
表示制造子任务的总服务成本；θ
I，j
表示选择制造候选服务KT
i，j
完成制造子任务U
i
的服务成本；C
LT
表示制造子任务的总服务成本；c
lt
表示每公里的物流成本；d
k(i，i+1)
表示第i个和第i+1个制造子任务之间使用第k种物流候选服务情况下的运输距离；(3)表示最大化制造子任务和物流子任务的总可靠性服务质量指标f3的第三目标函数：max f3＝min(Q
KT
·
Q
LT
))其中，Q
KT
表示制造子任务的总服务可靠性；设定制造企业交付的产品质量受到制造工具退化、失效的影响，呈现出随时间变化的指数降低趋势，且为用户对制造候选服务KT
i，j
完成制造子任务U
i
的服务可靠性的评价，的取值范围为0到1；Q
LT
表示物流子任务的总服务可靠性；为用户对制造候选服务LT
i，j
完成物流子任务Vi的服务可靠性的评价，的取值范围为0到1。4.如权利要求3所述的云制造与云物流服务组合优化方法，其特征在于，所述S2中的服务组合优化模型还包括约束条件：(1)云制造与云物流服务组合优化模型的总时间不超过云制造与云物流服务平台所提出的最大时间；其中，表示最大时间；(2)云制造与云物流服务组合优化模型的总成本不超过服务需求者所提出的最高成本；其中，表示最高成本；(3)服务组合优化模型的总可靠性不小于云制造与云物流服务平台所提出的最低...

【专利技术属性】
技术研发人员：陆效农，李刘屹，彭张林，张志，宋美玉，朱克毓，冯南平，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：