基于LG-MMAS算法的制造云服务优化组合研究

制造云服务组合是一种提高云制造资源利用率,实现制造资源增值的新技术,对云制造产业的快速发展具有重要的支撑作用。随着云制造技术的日益成熟,网络上出现了大量具有相同制造功能和不同服务质量的制造云服务,如何通过这些制造云服务构建出既能满足用户制造需求,又具有最优服务质量的组合服务是云制造领域面临的难题。针对这一问题,将协作学习、变异和精英保留机制引入最大最小蚁群算法,构造了具有学习和变异能力的最大最小蚁群算法,并使用该算法求解服务质量感知的制造云服务优化组合问题。仿真实验结果验证了算法的有效性。     

一种高效的服务组合优化算法

随着功能性属性相同而非功能性属性各异的Web服务的大量涌现,如何在服务组合业务流程中为各个任务选择相应的组件服务以达到组合服务的QoS(quality of service)最大化,并在此基础上满足不同用户的需求,已成为了国内外研究的热点.由于该问题的复杂性(NP-hard),目前存在的大多数方法都并不十分适合需要相对精确、实时决策的Web服务组合系统.因此,本文提出了一种基于凸包构建的组合服务优化算法(CM-HEU)用以解决QoS感知的服务组合优化问题.CM-HEU首先通过对组合服务中的每组任务进行凸包构建,以减少搜索空间.然后通过对初始解向量的多次升级和一次降级操作以达到全局优化的目标.实验表明:相对于现阶段存在的一些主流方法,CM-HEU不仅能得到一个比较理想的结果,并且具有良好的效率.     

基于改进北极熊算法的制造云服务组合优化

为了提高云制造环境下制造服务组合优化的效率,提出了一种基于改进北极熊算法的制造云服务组合优化方法。该方法对制造服务进行实数编码,并以服务功能和服务质量为评价指标,使用改进的北极熊算法对制造云服务组合优化问题进行求解,得到最优的服务组合方案。同时通过引入动态视野,对算法的局部搜索进行调整,并与遗传算法中的变异策略相结合,以提高求解多目标问题的效率,同时降低因初始参数影响而导致算法陷入局部最优的可能。算例分析表明,改进的北极熊算法在求解制造云服务组合优化问题上比原始北极熊算法、标准遗传算法、改进的灰狼优化算法和改进的粒子群优化算法具有更高的效率。     

基于多层次属性建模的云制造服务优选方法

随着云计算和信息技术的发展,制造企业逐渐由生产型向服务型转化.为了满足用户需求、解决云制造服务优选问题,提出一种基于多层次属性建模的云制造服务匹配和优选方法.对云制造服务资源和属性进行详细描述和划分,构建多层次属性描述模型.从基本属性、功能属性、非功能属性、综合匹配四个层次对候选服务和请求服务进行匹配计算.对不同类型的...     

云制造环境下基于可信评价的云服务选择

针对云制造环境下因存在大量功能相同或相似的制造云服务而导致用户很难获得合适云服务的问题,提出了一种基于可信评价的制造云服务选择方法。对问题进行了抽象,将可靠性、可用性、时效性、价格和诚信度纳入可信特征集,并考虑评价时间、评价者的诚信度对可信值的影响,采用加权平均的方法计算制造云服务的整体可信度;在此基础上,综合考虑制造云服务的功能、任务负载、当前状态和物理距离等因素,通过匹配功能、任务负载和价格,并结合可信评价值来指导云服务的选择。仿真结果表明,所提方法能够有效地识别云制造环境下的制造云服务实体,可提高交易活动的成功率,满足用户的功能需求和非功能需求。     

制造资源混合粒度优化组合方案求解技术

为实现对云请求端制造需求的快速响应并提供最理想的制造云,在定义制造云服务(manufacturing cloudservice,MCS)的基础上,提出了MCS混合粒度动态优化组合方法.通过对制造服务需求的解析,将MCS按照粒度从大到小的顺序进行匹配,实现了云池资源的初次过滤;然后构建基于总服务成本、服务质量和交易期的制造云多目标优化数学模型,并引入Epsilon-SPEA2优化算法对该优化问题进行求解,从而快速高效地获得Pareto最优解;采用基于改进优劣解距离(technique for order preference by similarity to an ideal solution,TOPSIS)的动态多属性决策方法对Pareto最优解所代表的互为非支配的MCS组合方案进行评价排序,筛选出最优的MCS组合方案.最后结合某区域模具公司群所能提供的制造服务以及相应历史数据,依据客户需求进行MCS的动态优化组合仿真,验证了文中方法的可行性和实用性.     

基于语义的个性化云服务发现方法

云服务的按需提供要求对现有的语义Web服务发现及组合方法提出了新的挑战。提出一种基于OWL-S的云服务描述方法,并给出了相应的云服务发现算法,能够提供满足用户个性化需求的优化云服务。案例分析展示了所提出方法的可行性和有效性。     

团购模式下云制造服务资源组合优化模型与算法

在云制造服务环境中,为了进一步降低需求者的服务成本,提出了一种团购模式下云制造服务资源组合优化模型与算法。在云制造平台发展的初期阶段,以服务需求者的视角分析云制造服务资源组合优化管理问题,通过团购模式研究了资源组合优化模型与算法,模型中考虑团购定价、团购信任度等关键影响因素,对云制造资源组合优化进行综合决策;设计改进的遗传算法进行模型求解,进一步对团购模式下云制造服务资源组合模型进行仿真分析。通过不同规模问题的仿真实验验证了模型与算法的有效性和可行性,仿真结果表明,在团购规模逐渐增大的情况下,团购模式比个体模式更具有成本优势。     

多目标事务模糊关联聚类的云制造服务组合算法

目前的云制造服务组合方法单纯从某个角度研究服务组合问题,对基于多目标事务的云制造服务组合的考虑不足,服务组合质量不高。为实现敏捷、智能、平稳的云制造服务组合,基于开展多目标事务的云模式通用解析、多目标事务模糊关联特征的云模式通用表示、云制造服务组合多目标事务模糊关联聚类算法等方面研究,改进反向学习算法、可替换服务推荐算法、三角模糊函数、非支配排序遗传公式,设计一种敏捷、智能、平稳的云制造服务组合算法。最后,实施实验验证,与传统算法进行性能对比分析。实验结果表明,相比传统算法,该算法组合响应时间短、误差小,且收敛性、敏捷性、智能性、动态演化性、平稳性高。因此,该算法实现了基于多目标事务模糊关联聚类的云制造服务的有效组合,具有较高的应用价值。     

收益驱动的复合服务恢复策略选择方法

在面向服务的环境下,单个Web服务往往不能满足用户的要求,这时就需将已有的单个Web服务进行组合,以便产生满足用户需求的、增值的组合服务.但是由于服务的自治性和Internet环境的动态性,导致服务在执行过程中出现失效问题,因此需要最佳的服务恢复策略保障.考虑到服务的提供者追求的是收益的最大化,提出一种收益驱动的服务恢复策略选择方法,能准确计算出当前服务环境下复合web服务执行的收益.实验结果表明,这种方法可以显著提高复合服务的可靠性并保障了收益的最大化.