【技术实现步骤摘要】
本专利技术属于云制造服务组合优化，具体涉及可用于异构和资源云端化的云制造服务组合优化方法。
技术介绍
1、制造业是国民经济的支柱，是经济发展和社会进步的根本动力，制造业直接体现了一个国家的生产力水平。当今制造业正朝着全球化、信息化和服务化的方向发展，而信息化是制造业发展的大趋势。各国制造业发展的首要目标是实现制造资源在全球范围上配置，形成制造业的区域产业集群，希望通过将制造资源信息虚拟化实现异地制造资源的集中分配使用。
2、2009年，李伯虎院士及其团队提出了云制造的概念，即云制造是一种利用网络和云制造服务平台，按用户需求组织网上制造资源，为用户提供各类按需制造服务的一种网络化制造新模式。
3、云计算中，“云端化”一般指虚拟化技术，即把远程资源本地虚拟化，本地资源重新分配使用。资源虚拟化是云制造实现的前提和基础，也是提高资源利用率降低企业资源服务成本的有效方法。云制造资源虚拟化的目标是为自动化的资源的发现与选择提供基础，实现大规模资源共享与协同。制造资源虚拟化就是通过物联网、信息物理系统(cyber-physical systems，cps)、计算系统虚拟化等技术，实现制造资源的全面互联、感知与反馈控制，并将物理制造资源转化为逻辑制造资源。资源虚拟化是实现企业资源互操作的一种手段，通过将异构资源转换为同构的服务能够实现资源的全局共享，资源间所达到的互操作程度反映了资源虚拟化的有效程度。
4、服务组合和优化选择(service composition and optimization selec
技术实现思路
1、根据以上现有技术中的不足，本专利技术提供了可用于异构和资源云端化的云制造服务组合优化方法，建立了基于嵌入莱维飞行改进的差分进化算法的多目标灰狼优化算法mogwo_lfde，能够对云制造中服务组合与优化选择(scos)问题进行有效求解，对实际应用和提升云制造的绿色可持续发展提供了有价值的参考和指导。
2、为达到以上目的，本专利技术提供了可用于异构和资源云端化的云制造服务组合优化方法，包括以下步骤：
3、s1、设定云制造cmfg平台中服务组合和优化选择scos的流程；
4、s2、对服务质量qos进行评估；
5、s3、对云制造服务的能源消耗进行评估；
6、s4、设定scos的目标函数；
7、s5、依据多目标灰狼优化算法mogwo，建立改进多目标灰狼优化算法mogwo_lfde，步骤包括：
8、s51、构建多目标灰狼优化算法mogwo的数学模型；
9、s52、基于反向学习进行种群初始化；
10、s53、进行改进差分进化，得到改进多目标灰狼优化算法mogwo_lfde；
11、s6、依据改进多目标灰狼优化算法mogwo_lfde求解scos的目标函数，实现对cmfg平台中服务资源的组合优化，获取最优的服务组合方案。
12、所述的s1中，设定方法为：
13、在cmfg平台中，服务需求者提交的复杂制造需求视为任务tx，随后将其拆分为n个子任务st，由多个制造云服务mcs执行，针对于scos问题，假设每个st对应的mcs数量为m，将子任务st对应的制造云服务组成视为一条路径，每条路径代表一个制造云服务集合cmcss，并用数学模型来表达这种映射关系：
14、
15、式中，搜索空间p的维度为n×m，tn是第n个st的搜索空间，表示第n个st的第m个候选服务；cmst是第t个方案，并且是针对第t个cms中的第j个st所选择的mcs。
16、所述的s2中，评估方法为：
17、将成本cc、时间t、可靠性re和可用性av作为衡量指标，即qos＝{cc，t，re，av}，scos问题的qos计算公式如下：
18、qos(cms)＝ωc×qc+ωt×qt+ωre×qre+ωav×qav (2)；
19、ωc,ωt,ωre,ωav∈[0,1]，ωc+ωt+ωre+ωav＝1 (3)；
20、式中，ωc,ωt,ωre,ωav分别表示成本、时间、可靠性和可用性的权重；qc是成本总和，qt是执行任务的持续时间，qre是单个服务能在期望时间内成功执行的概率，qav是单个服务在特定时间段内能被正常调用的概率。
21、所述的s3中，云制造服务的能源消耗评估函数如下所示：
22、
23、式中：表示第i个mcs的单位加工能耗；ti指相应服务的处理时间；表示第i个mcs的单位物流能耗，di表示对应服务的运送距离，λi为道路类型系数，代表燃料类型系数。
24、所述的s4中，目标函数的设定方法为，在scos问题中，以最大qos和最低能源消耗为优化目标，设定目标函数为：
25、
26、式中，n即为分解之后的任务数量。
27、所述的s51中，将最优解α、次优解β和第三优解δ视为领头狼，即领导者，构建多目标灰狼优化算法mogwo的数学模型为：
28、
29、
30、
31、式中，dα，dβ和dδ分别代表领头狼与猎物之间的距离，{xα(t)，xβ(t)，xδ(t)}和x(t)分别表示领头狼和当前狼的位置向量；t表示迭代步数，在搜索过程中，勘探和开采的行为由向量a和向量c进行调整，可由下式得到：
32、
33、式中，其中a的分量从2均匀地减少到0，每次下降的跨度由迭代次数决定；r1,r2是[0，1]中的随机向量。
34、所述的s52中，基于反向学习进行种群初始化的方法为，在mogwo中，引入反向学习obl策略进行种群初始化，obl能够生成与原解相反的新解，并选择更好的解作为初始解，从而提高种群的搜索效率和多样性，当原始解xi在搜索空间中随机生成时，其镜像解x′i将在下边界low和上边界up之间生成，且它们之间的关系满足：
35、
36、式中，r是范围在[0,1]之间的随机数。
37、所述的s53中，基于差分进化算法de，进行改进差分进化从而得到mogwo_lfde，步骤为：
38、s531、进行变异操作，个体xi(t)产生变异个体vi(t)的表达式为：
39、vi(t)＝xbest(t)+f本文档来自技高网...
【技术保护点】
1.一种可用于异构和资源云端化的云制造服务组合优化方法，其特征在于包括以下步骤：
2.根据权利要求1所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的S1中，设定方法为：
3.根据权利要求2所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的S2中，评估方法为：
4.根据权利要求3所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的S3中，云制造服务的能源消耗评估函数如下所示：
5.根据权利要求4所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的S4中，目标函数的设定方法为，在SCOS问题中，以最大QoS和最低能源消耗为优化目标，设定目标函数为：
6.根据权利要求5所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的S51中，将最优解α、次优解β和第三优解δ视为领头狼，即领导者，构建多目标灰狼优化算法MOGWO的数学模型为：
7.根据权利要求6所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于
8.根据权利要求7所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的S53中，基于差分进化算法DE，进行改进差分进化从而得到MOGWO_LFDE，步骤为：
...【技术特征摘要】
1.一种可用于异构和资源云端化的云制造服务组合优化方法，其特征在于包括以下步骤：
2.根据权利要求1所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的s1中，设定方法为：
3.根据权利要求2所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的s2中，评估方法为：
4.根据权利要求3所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的s3中，云制造服务的能源消耗评估函数如下所示：
5.根据权利要求4所述的可用于异构和资源云端化的云制造服务组合优化方法，其特征在于：所述的s4中，目标函数的设定方法为，在scos问题中，以最大qos和最低能源消耗为优化目标，设定目标函数为：
6.根据权利要求5所述的可用于异构和资源云端化的...
【专利技术属性】
技术研发人员：周鹏，李少波，张黔富，杨灵运，张昌福，蒲睿强，潘劲成，张安思，李琳，
申请(专利权)人：贵州大学，
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。