[发明专利]面向供需不确定的社群化制造服务匹配方法及系统

权利要求书

1.一种面向供需不确定的社群化制造服务匹配方法，其特征在于，包括：

以固定的时间间隔，根据服务质量属性的更新信息，更新封装为Web服务的各制造服务的综合服务质量函数值；

选取服务匹配时间窗中的时间分界点，将服务匹配时间窗分为初始时间窗和调整时间窗；

在初始时间窗中：基于各需求信息及各制造服务的服务质量属性，从各制造服务中筛选出各需求的候选服务集合；针对各需求信息，将综合服务质量函数值最优的候选服务作为该需求的匹配服务，并将其作为训练样本，得到训练样本集；获取训练样本集的客户满意度的平均值：若客户满意度的平均值低于第一预设阈值，则根据训练样本中服务质量属性的权重值和客户满意度，采用机器学习算法对综合服务质量函数进行训练，并根据训练结果更新综合服务质量函数的权重参数；

在调整时间窗中：根据综合服务质量函数，计算各需求的候选服务的综合服务质量函数值，将各需求的综合服务质量函数值最优的候选服务，作为对应需求的匹配服务。

2.根据权利要求1所述的面向供需不确定的社群化制造服务匹配方法，其特征在于，所述筛选出各需求的候选服务集合利用需求信息中的服务类别信息、服务名称信息、服务描述信息和输入/输出接口信息及服务质量属性值中的产品属性值和企业属性值。

3.根据权利要求1所述的面向供需不确定的社群化制造服务匹配方法，其特征在于，所述机器学习算法为BP神经网络算法。

4.一种面向供需不确定的社群化制造服务优化匹配方法，其特征在于，包括：

以固定的时间间隔，根据服务质量属性的更新信息，更新封装为Web服务的各制造服务的综合服务质量函数值；

选取服务匹配时间窗中的时间分界点，将每个服务匹配时间窗分为初始时间窗和调整时间窗；

在第i个服务匹配时间窗的初始时间窗中：基于各需求信息及各制造服务的服务质量属性，从各制造服务中筛选出各需求的候选服务集合；针对各需求信息，将综合服务质量函数值最优的候选服务作为该需求的匹配服务，并将其作为训练样本，得到训练样本集；获取训练样本集的客户满意度的平均值：若客户满意度的平均值低于第一预设阈值，则根据训练样本中服务质量属性的权重值和客户满意度，采用机器学习算法对综合服务质量函数进行训练，并根据训练结果更新综合服务质量函数的权重参数；

在第i个服务匹配时间窗的调整时间窗中：根据综合服务质量函数，计算各需求的候选服务的综合服务质量函数值，将各需求的综合服务质量函数值最优的候选服务作为对应需求的匹配服务；

在第i个服务匹配时间窗结束后，计算各需求和匹配服务的客户满意度的平均值，作为第i个服务匹配时间窗的匹配满意度；若第i个服务匹配时间窗的匹配满意度低于第二预设阈值，则调整第i+1个服务匹配时间窗的时间分界点。

5.根据权利要求4所述的面向供需不确定的社群化制造服务优化匹配方法，其特征在于，所述调整第i+1个服务匹配时间窗的时间分界点进一步包括：对第i个服务匹配时间窗的时间分界点以一个步进向前或向后调整，得到第i+1个服务匹配时间窗的时间分界点。

6.根据权利要求5所述的面向供需不确定的社群化制造服务优化匹配方法，其特征在于，该方法还包括：若调整第i+1个服务匹配时间窗的时间分界点后，第i+1个服务匹配时间窗的匹配满意度低于第i个服务匹配时间窗的匹配满意度，则：如果第i+1个服务匹配时间窗的时间分界点是对第i个服务匹配时间窗的时间分界点以一个步进向前调整的，对第i个服务匹配时间窗的时间分界点以当前步进向后调整，得到第i+2个服务匹配时间窗的时间分界点；如果第i+1个服务匹配时间窗的时间分界点是对第i个服务匹配时间窗的时间分界点以一个步进向后调整的，对第i个服务匹配时间窗的时间分界点以当前步进向前调整，得到第i+2个服务匹配时间窗的时间分界点。