[发明专利]一种基于改进遗传算法的云制造服务组合优化方法

权利要求书

1.一种基于改进遗传算法的云制造服务组合优化方法，其特征在于，包括以下步骤：

(1)根据用户请求，在云制造服务组合的QoS评估模型的基础上，通过综合任务的执行时间和执行成本，结合服务配置度、组合协同度和组合熵，建立多目标云制造服务组合优化的数学模型；

(2)应用改进的遗传算法进行搜索，为云制造服务组合优化问题提供多目标优化解决方案；所述改进的遗传算法为通过引入正态云模型理论和分段函数改进交叉算子和变异算子，并采用改进的轮盘赌选择方法进行选择操作，将欧几里得偏差与角偏差相结合，设计了改进后的遗传算法的适合度函数；

(3)获取云制造最优服务组合；

步骤(2)所述正态云模型包含突变概率和交叉概率；所述交叉概率初始阶段P_c的公式如下：

其中，标准差StaDev＝rand(n)*HypEnt+CloEnt；云熵τ₁是交叉算子的云熵控制系数；期望值是种群的平均适应度值；超熵HypEnt＝CloEnt/τ₂，τ₂是交叉算子的超熵控制系数；P_cmax为种群的最大交叉概率；P_cmin为种群的最小交叉概率；P_mmax为最大变异概率，P_mmin为最小变异概率；φ是变异个体的适应度值；φ_max是种群的最大适应度值；φ_min是种群的最小适应度值；是种群的平均适应度值；φ'是两个交叉个体的适应度值较大的一个；

所述交叉概率变异阶段P_m的公式如下：

其中，τ₃是变异算子的云熵控制系数；

HypEnt＝CloEnt/τ₄，τ₄是变异算子的超熵控制系数；

步骤(2)所述改进的轮盘赌选择法包括以下步骤：

1)每个个体的选择概率通过适应度函数计算在由Popsize个个体组成的种群中，第i个个体的选择概率计算如下：

其中，f(i)是第i个个体的适应度函数值；

2)根据上述选择概率，用轮盘赌选择法挑选个体u，放入种群中，根据以下公式判断P_u，并给个体u一个新的概率：

其中，u是一个整数，且u∈[1,Popsize]；

3)进行交叉概率和变异概率计算

4)若挑选的个体数量达到种群规模，转到步骤4)；否则，转到步骤1)；

5)保存所有新选择的个体，返回优化后结果；

步骤(2)所述的改进后的遗传算法采用理想点法计算适应度函数，确定理想点的方法主要有两种：一是通过单目标优化来计算每个目标函数的最优值，形成理想值；二是通过云服务用户指定理想值。

2.根据权利要求1所述的基于改进遗传算法的云制造服务组合优化方法，其特征在于，步骤(1)所述服务配置度矩阵计算如下：

其中CD_ij＝α*TF_ij+β*HF_ij+γ*DF_ij；CD_ij表示第i个云制造服务完成第j个制造任务的服务；α，β，γ是相应因子的权重系数，且α+β+γ＝1；

TF为技术因子，用于描述N个云服务完成制造任务的技术能力，技术矩阵TF＝(TF_ij)_N*m，其中TF_ij表示第i个云服务完成第j个制造任务的技术能力度量，TF_ij的值由向量[0,0.1，…，1]的秩表示；

HF为饥饿因子，用于描述云制造服务承担和完成第j个制造任务的期望水平，表示为HF_ij；饥饿因子HF_ij值通过制造资源空置率计算，即HF＝(HF_ij)_N*m，其中HF_ij表示第i个云服务完成第j个制造任务的饥饿程度，HF_ij的取值范围HF_ij∈[0,1]，即0≤HF_ij≤1；

DF为距离因子，用于描述云制造服务映射的客户与制造资源之间的相对距离对服务配置度的影响，表示为DF_ij。

3.根据权利要求1所述的基于改进遗传算法的云制造服务组合优化方法，其特征在于，步骤(1)所述的组合协同度计算如下：

其中，T_ij为两个云制造服务S_i和S_j协同完成两个制造任务j_i和j_j所花费的总时间；T_i是云制造服务S_i独立完成制造任务J_i所花费的时间；T_j是云制造服务S_j独立完成制造任务J_j的时间。