[发明专利]一种基于质量感知的多目标云制造服务组合优化方法

说明书

本发明公开了一种基于质量感知的多目标云制造服务组合优化方法，其步骤包括：1构建云制造服务组合优化模型；2设定算法参数；3采用镜像策略生成初始种群；4选择父代个体；5使用交叉、变异操作产生子代个体；6更新归档种群；7概率更新；8判断是否满足终止条件，满足则结束，否则转到步骤4。本发明从时间、成本、可靠性、可用性和信誉度五个维度同时优化，能为汽车厂商选择最佳的零部件供应商，从而能为汽车厂商节省时间、成本，增加产品的可靠性和可用性，也能为产品提供较好的口碑，提高用户的满意度。

技术领域

本发明涉及云制造服务组合优化技术领域，具体地说是一种基于服务质量感知的多目标云制造服务组合优化方法。

背景技术

云制造3.0系统为制造业与信息通信技术的深度融合提供了智能制造系统新模式。云制造技术通过融合网络化制造和服务技术、云计算、高性能技术、物联网等技术，实现制造硬设备、计算系统、软件、数据、知识等分类制造资源的统一，集中智能化管理和运营，为制造全生命周期过程提供可随时获取按需使用、安全可靠、优质廉价的各类制造服务，是一种面向服务的网络化制造模式。

在云制造环境中，用户提交制造任务到服务平台，服务平台通过分析任务复杂度对任务进行分解，并根据用户需求从平台中选择符合的服务进行组合以共同执行用户任务。然而随着云计算的服务提供商不断提供功能相似但质量不同的云服务，如何在大量的云服务中进行选择组合以满足用户的服务质量(Quality of Service,QoS)期望，即QoS感知云服务组合(Quality of Service-Cloud Service Composition,QoS-CSC)问题，已成为计算服务供应中的关键问题。

例如，随着现代社会的发展，汽车的私人定制逐渐成为一种趋势。一款车可以包括基础、外部配置、内部配置、安全配置、特色配置五个部分。基础部分对应汽车的三大件，发动机、变速箱、底盘，是汽车的主要组成部分；外部配置包含天窗类型、行李架、轮毂等；内部配置包括方向盘、液晶仪表等；安全配置包含主动安全和被动安全；特色配置指车载冰箱、车内香氛装置等。汽车的每个模块及部件均有多家供应商，每家供应商提供的零部件都具有相同功能但功能属性不同，例如成本、时间、可靠性、可用性、信誉度等QoS，因此，如何从不同供应商中选择合适的厂家零部件以完成汽车的私人定制，满足用户的需求是云制造服务组合(Cloud Manufacturing Service Composition，CMSC)的关键问题。

随着云环境中类似的单一服务越来越多，云制造服务组合问题也成为NP-hard(Non-deterministic Polynomial-Hard)问题。由于数学模型的非线性特性和大量的候选服务，使用线性和整数规划等精确方法通常是不可行的。Bao等使用有限状态机来规定Web服务的合法调用顺序，提出一种基于树修剪的改进算法来创建Web服务组合树，生成所有可行的执行路径后，采用简单加权技术选择最佳解决方案。Dou等将带有约束的多目标优化问题改成两个主要目标，即最小QoS风险(使QoS目标与用户约束之间的差异最小)和最大化QoS性能。Jian等提出改进的鸟群优化算法，在基本鸟群优化的基础上引入二阶震荡方程和鸟类的历史位置记忆来最小化服务组合的整体时间成本。Zhou等提出一种混合人工蜂群算法将CMSC问题转变为双目标问题求解。Liang等将CMSC分为上升和下降的QoS标准，采用具有双重限制的服务选择模型进行优化。Yang等提出一种增强型的灰狼优化算法，同时优化QoS与能源消耗两个目标。此外，遗传算法(Genetic Algorithm,GA)、粒子群优化算法(Particle Swarm optimization,PSO)、MOEAQI算法，等也用于求解服务组合问题，但是这些算法往往通过加权组合将多目标问题简化为单目标问题来求解，很少考虑到同时优化四个或者四个以上的目标。而在汽车厂商的供应商选择过程中，汽车厂商需要考虑的因素水平有很多，譬如零部件的加工时间、加工成本、可靠性、可用性，供应商的信誉度水平，产品的交付配合度等等。之前的方法都是简单加权组合来解决此类问题，并不能很好的从多个维度同时进行优化，即在零部件供应商的选择过程中存在极大弊端。

发明内容