[发明专利]云制造环境下的机械产品服务优选方法

权利要求书

1.云制造环境下的机械产品服务优选方法，其特征在于，包括以下步骤：

步骤1：根据需求方的需求，一个任务可以分解为一个或者多个子任务，同时记录每个子任务所对应的一个或者多个服务方；

步骤2：构建子任务无向图，由一个子任务向另一个子任务进行时，存在着物流时间费用和物流费用；

步骤3：构建目标优化函数：服务组合方案的总服务时间为各子任务服务过程各生产服务方服务时间之和，与各子任务服务方之间物流时间之和：

上式中：T：服务组合方案的总服务时间；i＝{1,2,...,n}：第i个子任务；j＝{1,2,...,s}：第j个服务方；T_ij：第i个子任务中，第j个服务方的服务时间；T_{i→i+1,j→s}：由第i个子任务向第i+1个子任务进行时，第j个服务方到第s个服务方的服务时间；

服务组合方案的总服务费用为各子任务服务过程各服务方服务费用之和，与各服务方之间物流费用之和：

上式中：C：服务组合方案的总服务费用；C_ij：第i个子任务中，第j个服务方的服务费用；C_{i→i+1,j→s}：由第i个子任务向第i+1个子任务进行时，第j个服务方到第s个服务方的服务费用；

得出前k个最短服务时间的服务优选数学模型为：

上式中m为可选的服务组合方案数目；k为选择的服务组合方案数目。

前k个最小服务费用的服务优选数学模型为：

上式中m为可选的服务组合方案数目；k为选择的服务组合方案数目。

步骤4：将问题转化为多项式式问题：由于每个结点代表该服务方的资源代价(服务时间、服务费用)，对于任意前一个服务方来说，此资源代价不变，不同的是路径上的资源代价，两个资源代价之和为从前一个服务方到此服务方的全部资源代价。因此，将该结点的资源代价累加到由前一阶段结点到该结点的路径中，释放结点的资源代价，由路径资源代表全部的资源。那么，服务优选问题的有向图即变成经典的有向图：

W′_ij,k＝W_ij,k+P_ij

上式中w′_ij，k表示从前一个服务方到此服务方的全部资源代价，w_ij，k表示一个服务方向下一个阶段服务方的物流时间或者物流费用,P_ij表示中间每一个结点的资源代价可以表示服务方的服务时间，或服务费用

步骤5：将收集的企业数据制作SQL数据库，通过数据传输，将数据传入k推选算法之中，向用户推荐前k个最优服务方。

2.根据权利要求1所述的云制造环境下的机械产品服务优选方法，其特征在于：所述的k推选算法优化如下：

步骤1：设置最大路径数为m_max，设置各子任务资源代价W'；

步骤2：初始化路径S＝0，k＝0，路径的资源代价之和All＝0；

步骤3：通过Dijkstra算法获得有向图的最短路径，作为第1条最短路径，记为S，并计算路径资源代价之和All；

上述Dijkstra算法伪代码如下：

Start

设d[0]＝0，其他d[i]＝INF；

循环n次{

在所有未标号结点中，选出d值最小的结点x；

给结点x标记；

对于从x出发的所有边(x,y)，更新d[y]＝min{d[y],d[x]+w(x,y)

}

End

步骤4：选取资源代价最小作为贪心策略，即算法以资源代价最小为目标求解时，总是做出在当前看来是最好的选择，使用该策略比较每一个任务i的资源代价W'_ij,k与S中对应任务的资源代价的差值，选取差值最小，并且差值大于0的一个作为候选项；

步骤5：k＝k+1，并比较所有步骤4中得到的差值，选取最小的一个，并替代S中相对应的任务i组成新的路径S；

步骤6：判断m_max是否小于k，如果是，则重复步骤4和步骤5；如果不是，则结束算法。