[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

说明书

本发明公开了一种基于改进遗传算法的云制造服务组合优化方法，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等目标函数,建立了云制造服务组合优化的数学模型,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了多目标优化解决方案。本发明能够使初始种群保持较好的稳定性，在算法的早期，采用双点交叉操作来扩展搜索空间，提高种群基因多样性。在算法的后期，采用单点交叉操作，加速收敛，减少搜索时间，从而更好地避免陷入局部最优问题。

技术领域

本发明属于云制造服务领域，具体涉及一种基于改进遗传算法的云制造服务 组合优化方法。

背景技术

云制造是一种新的面向服务的制造模式，通过各种制造资源和制造能力的 虚拟化和服务化，它为用户提供了各种制造资源，这些资源可以在任何时候被访 问，并以云服务的形式付费。为了满足客户复杂的制造需求，可通过服务组合将 细粒度的简单云服务合并成粗粒度的复杂云服务。复杂的云服务在分布式、异构 和自治的环境中执行，以完成高度不确定性和动态性的制造任务。选择最佳的云 服务组合以成功执行制造任务是在云制造环境中实现资源增值的关键问题之一。

云制造服务组合优化是一个典型的NP难题，具有多极值、非线性、多目标、 不确定性等特点。它已成为云制造领域研究的热点；许多学者对这样一个NP难 题进行了研究。他们研究了服务组合建模和优化算法来解决成本、时间、利润等 功能服务质量参数的优化问题，却很少考虑非功能性服务质量参数对云制造服务 组合的影响。云制造的实现是一个协同过程，需要多个分布式制造资源共同参与。 每个云制造服务执行代理都处于一定的社会关系中，而不是理想化的“刚体”。 在制造过程中，云制造服务之间进行不同的数据交换、信息传输和物料运输。它 们在整个制造生命周期中进行约束、协作和竞争。云制造服务与制造任务之间的 关系以及每两个云制造服务之间的关系直接影响着服务组合在执行制造任务中 的效率。在云制造环境中，定制化的产品制造满足个人需求是正常的情况，这往 往需要客户和云制造服务提供商的协同参与。云制造服务组合需要满足传统产品 交付时间和制造成本的要求。另外，制造任务与云服务的搭配程度、制造过程中 云制造服务的协同程度、制造资源状态变化的复杂性对定制化产品制造任务的完 成有显著影响。因此，有必要以服务配置度、服务组合协同度、服务组合复杂度 为优化因素，对云制造服务组合进行优化。

发明内容

发明目的：本发明要解决的技术问题是克服现有技术的缺陷，提供一种基于 改进遗传算法的云制造服务组合优化方法。

发明内容：本发明提出一种基于改进遗传算法的云制造服务组合优化方法， 具体包括以下步骤：

(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。

进一步地，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(1≤i≤N,1≤j≤m)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；