[发明专利]一种基于博弈论的云制造多任务调度优化方法

说明书

本发明公开了一种基于博弈论的云制造多任务调度优化方法，包括：结合博弈论建立基于时间、成本和可靠性的CMMS博弈模型；初始化获得栖息地，采用矩阵表示各栖息地；采用基于纳什均衡的适应度函数计算各栖息地的栖息适宜性指数，根据栖息适宜性指数确定初始的最优解；根据迁入率和迁出率选择栖息地执行迁移操作，更新最优解；根据变异率选取相应的栖息地进行变异操作，更新最优解；采用精英替换策略更新种群；若达到迭代次数，则输出最优解，即最优的调度方案；否则继续迭代。本发明基于博弈论提出了一种新的云制造多任务调度博弈模型，能够获得更好的调度方案，并且克服了基础型BBO算法存在过早收敛、种群多样性差的缺点。

技术领域

本申请属于云制造任务调度技术领域，具体涉及一种基于博弈论的云制造多任务调度优化方法。

背景技术

云制造多任务调度(CMMS)问题是指随时间的变化，调度可用的制造服务以完成各种制造任务，是一个组合优化问题。在过去十年中，许多研究都探索了单个制造任务的服务组合问题，但是并不适用于多任务调度问题的处理。此外，在部分文献中提出的云制造多任务调度模型主要是实现所有任务组合目标的优化，以达到更好的云制造平台性能。但在这种情况下，可能只有部分的制造任务以合理的成本和时间被可靠的服务所完成。

事实上，在以客户为中心、以服务为导向的云制造平台中，客户期望提交的每一项制造任务都能以可靠的服务、合理的成本和时间来完成。然而，云制造平台上要完成的制造任务不止一个，不同的制造任务之间可能存在冲突，这无疑给云制造多任务调度增加了难度。

并且制造任务数量的不断增加使得CMMS问题成为了一个NP-hard问题(非确定性问题)。而元启发式算法被广泛应用于求解NP-hard问题，如遗传算法、人工蜂群算法、粒子群优化算法、基于优先调度规则的启发式算法等。近年来，Simon(2008)提出的生物地理学优化算法(BBO算法)在许多领域得到了广泛的应用，且表现良好。但基础型BBO算法存在着过早收敛的趋势和种群多样性差等缺点。因此，我们提出了一种改进型生物地理学优化算法以求解云制造多任务调度问题。

发明内容

本申请的目的在于提供一种基于博弈论的云制造多任务调度优化方法，该方法基于博弈论提出了一种新的云制造多任务调度博弈模型，能够获得更好的调度方案，并且克服了基础型BBO算法存在过早收敛、种群多样性差的缺点。

为实现上述目的，本申请所采取的技术方案为：

一种基于博弈论的云制造多任务调度优化方法，应用于云制造环境下多个任务和多个服务之间的调度，各任务包括多个子任务，所述基于博弈论的云制造多任务调度优化方法，包括：

步骤1：结合博弈论建立基于时间、成本和可靠性的CMMS博弈模型，包括：

以时间、成本和可靠性作为参与者收益的标准，建立参与者T_i的收益U_i作为CMMS博弈模型，所述收益U_i如下：

式中，参与者T_i即第i个任务，为偏好权重，且TCT_i表示完成第i个任务的总时间，TC_i表示完成第i个任务的总成本，TR_i表示完成第i个任务的总可靠性；

步骤2：采用BBO算法求解所述CMMS博弈模型，包括：

步骤2.1：初始化获得CMMS博弈模型的解，即栖息地，并采用矩阵表示各栖息地；

步骤2.2：采用基于纳什均衡的适应度函数计算各栖息地的栖息适宜性指数，根据所述栖息适宜性指数确定初始的最优解；其中，所述适应度函数为：

式中，表示栖息适宜性指数，I表示任务的总个数，表示第i个任务在第v个栖息地的收益值，表示第i个任务的完美收益值；