[发明专利]一种基于模糊多目标优化的云制造资源服务优化调度方法

权利要求书

1.一种基于模糊多目标优化的云制造资源服务优化调度方法，其特征在于：包括以下步骤：

步骤1，服务需求方提出项目需求；

步骤2，项目任务分解；

步骤3，候选资源确定；

步骤4，云资源调度；

步骤4.1，建立多属性服务评估模型；

将整个项目分为n个任务，每个任务又有N_i个子任务，每个子任务对应一定数量的候选资源服务，针对包含服务需求方、服务提供方、云制造管理平台，以时间(T)最小、成本(C)最低、质量(Q)最高、可靠性(R)最高为目标的目标函数F＝(T,C,Q,R)^T，考虑制造子任务时序约束、制造任务的关系约束、服务独占性原则、子任务原子性约束建立如下多目标云制造资源调度模型：

时间(T)是由物流时间T_trans还有制造单元加工时间T_process组成，表示为：

q_T＝T_process+T_trans (1)

制造时间

其中表示任务i的第w个子任务被第k个资源加工而产生的加工时间，μ_w是一个决策变量，当第k个资源，即企业k加工第w个子任务时μ_w＝1，否则μ_w＝0，物流时间

表示将产品从企业k运输到企业q的运输时间，γ是判定因子，表示看k和q之间是否存在运输流，如果是一个企业或者只是一些计算资源、软件资源就不存在运输流，那么γ＝0，否则γ＝1；

采用区间数的形式表述服务响应时间间隔，如下式：

q_T＝[min(q_T(CS₁),…,q_T(CS_n)),max(q_T(CS₁),…,q_T(CS_n))] (4)

对于没有遵守协议，超时的服务在初始筛选中就放弃，即响应时间区间数表示为在一定时间段内的n个单次服务使用的响应时间的最大值和最小值；

成本(T)是由原料、加工设备的损坏组成的制造加工成本C_process和物流运输成本C_trans组成，

C＝C_process+C_trans (5)

制造加工成本：

运输成本

质量(Q)是由产品合格率Q_quality表示

步骤4.2，去模糊化可靠性评估；

可靠性(R)是基于模糊理论通过客户反映制造资源的加工质量来计算的，数据来源于用户的反馈，设置评估等级为：坏(B)、较坏(LB)、一般(M)、较好(LG)、好(G)的三角模糊数，设置模糊量化中心值相邻上一等级与下一等级比为1:1.3；

可靠性评估为：其中[b,m,g]中b,g分别表示模糊数的上下限，核值m为取值的最大可能，count表示评价的次数，在将用户的评估映射到一组三角模糊数之后，紧接着去模糊化处理，

其中隶属度函数

步骤4.3，建立约束条件；

任务的所有子任务的执行流程必须要满足任务的既定的工艺需求顺序，子任务一旦在资源服务CS_k上开始处理就不能中断，每个资源服务CS_k同一时刻只能处理一个子任务，一个子任务只能分配给一个资源服务CS_k处理，任务顺序约束：具有顺序约束的任务需在其所有紧前任务完工之后才可以开始；

步骤4.4，标准化量纲加权处理；

设置候选服务数据集为Q＝(q_ij)_n×m，其中q_ij表示第i个候选服务的第j个属性，在将语言描述性数据转换为区间数再转换为一个单值评估之后，数据集P＝(P_ij)_n×m中仍包含实数和区间数，为了便于评估，将P＝(P_ij)_n×m中的实数看成是上下限相同的区间数，现在利用区间数的四则运算公式将候选服务数据集转换为具有统一量纲的标准化矩阵D＝(d_ij)_n×m，如下式，

其中，||P_j||为举证P中第j个列向量的欧几里德模，且进一步推出式(11)和式(12)：

最终得到区间数矩阵，和越大，则质量越好；

在对用户主观的评价进行客观化处理之后，同时根据用户任务需求配置多个属性的相关权重值w＝(w₁,w₂,w₃,w₄),得到单个服务的适应度函数如式(13)所示：

fit(cs_i)＝w₁q_c+w₂q_T+w₃q_Rel+w₄q_Q (13)

步骤5，基于调度结果的服务选择：根据生产的调度方案选择相应的服务，并执行；

步骤6，用户评价：服务需求方在任务的解决方案执行后，对方案进行评价；

步骤7，调度信息存入数据库：将本次调度信息和用户信息存入数据库，供下次使用。